基于无人机航摄技术在土地整治项目中的应用研究

针对传统土地整治项目施工监管、后期监测效率不高的问题,本文通过低空无人机航摄和PhotoScan软件后期处理,对比生成的正射影像图和Google earth卫星图的分辨率和位置,发现该影像图能精准、高效的表征项目区影像数据变化,从而得到一种可用于土地整治项目各阶段动态观测的简单、快捷方法。     

基于无人机与激光测距技术的农田地形测绘

平整地技术是提高作物单产的重要措施，而获取高精度的农田地形测绘数据与农田数字地形模型，是进行精准平整地作业的必要条件。为了解决传统接触式地形测绘效率低、基于航拍摄影技术的遥感地形测绘精度差及作业成本高等问题，该研究提出了一种基于多旋翼无人机与激光测距技术的农田地形测绘方法。在多旋翼无人机测绘平台上搭载激光测距模块与后处理动态差分全球定位系统设备（Post-Processing Kinematic Global Positioning System，PPK-GPS），获取激光测距序列、PPK-GPS三维定位数据以及无人机的飞行姿态数据。首先使用均值滤波器处理原始激光测距序列，并将得到的激光测距序列与PPK-GPS定位数据进行同步处理，使二者建立空间对应关系。根据无人机倾斜状态时的测距激光方向与理论竖直方向的空间几何关系，使用从无人机的飞行控制器中提取的姿态信息校正激光测距序列，消除无人机平台在飞行过程中俯仰与横滚姿态变化对激光测距精度的影响。最后，根据PPK-GPS定位数据的海拔高度分量与激光测距序列计算试验地块内地面测量点的海拔高度，共获取1 417组地面测量点的有效测绘数据。利用手持PPK-GPS设备对地面测量点的海拔高度进行测绘精度检验。验证试验结果表明，本文提出的无人机农田地形测绘系统获取的海拔高度与手持PPK-GPS设备采集的海拔高度的均方根误差为5.2 cm，表明该无人机农田地形测绘系统具有较高的测绘精度。与利用手持GPS设备进行地形测绘作业的方法相比较，本文提出的无人机农田地形测绘系统具有自动化程度高、作业效率高等优点。该研究可为促进精准平整地技术的大规模应用提供数据支持。     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点，探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像，经过光谱预处理和特征工程后，采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合，基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法，建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve，AUC)分别为0.883 0和0.912 0，分类准确率均超过95%；提取出698和762 nm的特征波长组合，基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率，证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

A novel approach to estimating the competitive ability of Cirsium arvense in cereals using unmanned aerial vehicle imagery

Eight experiments were carried out in Denmark to determine the yield loss of spring barley due to Cirsium arvense in farmers' fields and to suggest and evaluate a novel approach for quantifying C. arvense infestation in large plots. Literature about the competitive ability of C. arvense is old, scattered and inconclusive, and existing models for estimating crop yield loss are based on data from North America. This study showed that C. arvense coverage could be quantified from unmanned aerial vehicle imagery using a manual image analysis procedure. This gave similar results as scoring the coverage. Yield loss of spring barley due to C. arvense infestation assessed at harvest was given by Y = 100·(1−exp(−0.00170·X)) where Y is the percentage of crop yield loss and X is the percentage of C. arvense coverage. The yield loss was much lower than estimates from models that have been developed in North America. It is speculated that the main reason for this is the later emergence of C. arvense than the crop due to lower soil temperatures in spring. Grain moisture increased linearly with C. arvense coverage: M = 0.0310·X where M is the proportional (%) increase in grain moisture and X is the proportion (%) of C. arvense coverage. Automated image analysis procedures are needed to estimate C. arvense coverage on field scales, and further experiments are needed to reveal whether the low competitive ability of C. arvense found in this study is representative for Northern Europe.     

农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

直播稻田无人机全程防治病虫草害初探

针对不同设备设计不同喷液量,飞行参数验证防治效果,从而验证无人机在稻田全程应用的可能性,旨在探索2种小型多旋翼植保无人机低空喷洒在整个水稻生长时期病虫草害防治过程中的防效。结果表明:当喷洒水田封闭式除草剂的喷洒量为10650、15000 mL/hm²,其对杂草的株防效与鲜重防效与人工电动喷雾相近。在病虫害的防治试验中,使用推荐用量且喷洒量为10650、15000 mL/hm²时,以及使用70%推荐用量（减量30%）且喷洒量为15000 mL/hm²时,防治效果均与人工电动喷雾器无显著差异。通过验证,选择合适的药剂,配合科学的喷洒参数,可在保证药效的前提下减少农药使用量。多旋翼植保无人机在水稻田有进行大面积全程飞防植保应用有广阔的前景。     

基于改进蚁群算法的植保无人机路径规划方法

为了规划出更加高效的植保无人机路径，提出一种基于改进蚁群算法的植保无人机路径规划方法，该方法适用于多个具有复杂多边形边界与内部障碍物的三维作业区域。采用扫描方式生成水平面内的作业路径，经过离散化处理后，在三维地形曲面上插值，获得三维作业路径。在此基础上，建立作业路径生成算法，以三维作业路径总长度尽量短、作业路径数量尽量少为目标，对植保无人机作业航向进行寻优。改进蚁群算法通过附加记录作业路径进入点的机制，实现对三维作业路径的合理排序，生成总长度较短的转移路径。经过算例检验，针对同一作业区域规划出的三维作业路径与水平面内的作业路径的航向角存在较大差异，相差最大为92°，这说明考虑三维地形的必要性。算例中，将改进的蚁群算法与贪婪算法进行了对比，针对一系列相同的作业起点，改进的蚁群算法所得的转移路径总长度均较短，比贪婪算法所得结果缩短3%~28%；在未选定作业起点情况下，改进的蚁群算法与贪婪算法求得的转移路径总长度最小值分别为1661m与1763m，说明改进的蚁群算法具有良好的寻优能力。实例检验情况与算例所得结论基本一致。算例与实例中的作业区域边界与地形复杂，涵盖情况全面，表明本文提出的路径规划方法具有一定实用性。     

基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。     

无人机农林业应用全球研究态势分析

无人机具有作业效率高、地形适应性好等独特优势，近年在农林业中应用范围不断扩大，相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势，本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据，利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明，自2017年开始，无人机农林业应用研究发文数量快速增加，全球已有94个国家/地区、1778个机构开展了研究；发文量排名前三位的国家依次是美国、中国和澳大利亚，表明这三个国家从事无人机农林业应用的科研实力强，学术影响力大；共有398种期刊发表了有关无人机农林业应用研究文章，约占全部收录期刊的1.90%，说明更多的期刊开始关注无人机农林业应用研究；发文最多的期刊是由MDPI主办的Remote Sensing；被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外，对无人机农林业应用研究热点进行分析发现，无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。