光照与阴影对无人机热红外遥感监测土壤含水率的影响

为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响,该研究以不同灌溉处理的夏玉米为研究对象,将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分,分别提取光照温度与阴影温度后计算了11:00、13:00、15:00的冠气温差（冠层温度与大气温度之差,ΔT）、作物水分胁迫指数（crop water stress index,CWSI）、蒸发比（潜热通量与有效能量的比值,evaporative fraction,EF）,并对比了3种指数在不同时刻使用光照温度（ΔT_L、CWSI_L、EF_L）与阴影温度（ΔT_S、CWSI_S、EF_S）后对土壤含水率的监测效果变化情况。结果表明：1）3种指数的监测效果会随时间发生变化,11:00与15:00时EF监测效果较好,13:00时CWSI监测效果较好,ΔT的监测效果较差但随时间波动最小;2）拔节期在区分光照温度与阴影温度后监测效果在11:00时提升幅度最大,EF、EF_S、EF_L的R²分别为0.54、0.65、0.78,CWSI、CWSI_S、CWSI_L的R²分别为0.47、0.64、0.70,抽雄期与灌浆期使用光照温度对监测效果提升不大,但使用阴影温度的指数监测效果有明显降低,在13:00时CWSI_S较CWSI有最大降幅,R²降幅分别为0.11、0.06;3）在拔节期与抽雄期使用11:00的EF_L,在灌浆期使用13:00的CWSI能取得最好的土壤含水率监测效果,预测土壤含水率的R²分别为0.75、0.75、0.89。该研究可以为无人机热红外监测土壤含水率提供参考。     

无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫

针对当前无人机热红外遥感诊断作物水分胁迫状况精度不高的问题,该文以4种水分处理的花铃期棉花为试验对象,利用六旋翼无人机搭载热红外传感器,连续5 d采集中午13点的棉花冠层高分辨率热红外影像,通过Canny边缘检测算法将热红外图像中的土壤背景有效剔除,应用温度直方图验证剔除效果,然后计算棉花冠层温度特征数,包括冠层温度标准差(standard deviation of canopy temperature,CTSD)和冠层温度变异系数(canopy temperature coefficient of variation,CTCV);分别研究棉花冠层温度特征数与棉花叶片气孔导度Gs、蒸腾速率Tr、水分胁迫指数(crop water stress index,CWSI)和土壤体积含水率(soil volumetric water content,SWC)的相关关系,并分析冠层温度特征数对诊断棉花水分胁迫的适用性。研究结果表明:棉花冠层温度特征数与表征棉花水分胁迫的生理指标和物理指标都具有较高的相关性,最大的决定系数R2为0.884;棉花冠层温度标准差CTSD和变异系数CTCV与Gs、Tr、CWSI、SWC的决定系数R2分别为0.884、0.625、0.673、0.550和0.853、0.583、0.620、0.520,冠层温度标准差CTSD对作物水分胁迫的敏感程度更高,可以作为诊断作物水分胁迫的新指标。该研究提出冠层温度特征数的计算方法仅需要无人机热红外影像数据,相比其他诊断作物水分胁迫状况的温度指标具有较大的应用潜力。     

基于干旱区地面实测热红外光谱的土壤含水量反演研究

土壤水分在干旱地区生态系统中起着重要的作用,同时土壤含水量是确定土壤干旱的重要参数。通过分析野外和室内实测土壤发射率光谱特征参数与含水量之间的关系,采用光谱特征分析参数提取反演土壤含水量的最佳敏感波段,发现波长在9.4802~9.7901 μm土壤含水量对其发射率最为敏感。根据最佳敏感波段的范围,模拟MODIS,ASTER,HJ-1B卫星的热红外波段,对波段及波段比值与土壤含水量进行回归分析,得出波段比值的线性模型可有效地反演出土壤的含水量。然后对该模型进行验证分析,确定模拟ASTER卫星传感器的12和14两个热红外波段的发射率比值与土壤含水量的线性关系,其反演精度更高。建立了适合研究区的土壤热红外发射率与含水量之间的反演模型。     

基于热红外发射率光谱的土壤盐分预测模型的建立与验证

摘 要：该研究尝试性地分析盐渍化土壤热红外发射率光谱特征,并建立土壤盐分高光谱预测模型,旨在为遥感传感器识别土壤盐分信息奠定基础。首先,采用FTIR（Fourier transform infrared spectrometer）温度与发射率分离处理软件进行土壤温度和发射率的分离。运用高斯滤波平滑法对研究区野外测量的土壤样品热红外发射率光谱数据进行滤波去噪处理。其次,对不同土壤含盐量热红外发射率光谱数据进行特征分析;然后在原始热红外发射率光谱数据的基础上进行4种形式的数学变换,分析热红外发射率光谱数据的变换处理形式与土壤含盐量之间的定量相关性。最后,使用多元回归方法建立预测模型并进行精度评价。结果表明：经过数据变换处理后,发射率光谱差异性有所提高;以平方根变换后的热红外光谱数据建立的预测模型效果较好,R2达到0.82。该研究将热红外遥感独特的发射率光谱特性应用于土壤盐渍化的实际科学问题中,为定量地分析盐渍土热红外发射率光谱信息提供参考。     

基于无人机热红外与数码影像的玉米冠层温度监测

快速、准确、无损地获取田间玉米冠层温度,对实现无人机辅助玉米抗旱性状的监测具有重要的意义。该文以无人机搭载热红外成像仪和RGB高清数码相机构成低空遥感数据获取系统,以不同性状的拔节期玉米为研究对象,采集试验区的无人机影像。利用含有已知三维坐标的几何控制板,进行数码影像几何校正,并利用校正后的数码影像对热红外影像进行几何配准。利用便携式手持测温仪测量辐射定标板黑白面的温度,对热红外影像进行辐射定标。利用高空间分辨率的数码影像对玉米进行分类并二值化处理,基于二值化结果提取热红外影像的玉米冠层像元,并提取试验区不同性状玉米的冠层温度。同时,利用便携式手持测温仪在地面同步测量玉米冠层温度,并与提取的冠层温度经行一致性分析,以验证评估基于热红外影像提取玉米冠层温度的效果。结果表明:提取的冠层温度值与地面实测值具有高度一致性(R2=0.723 6,RMSE=0.60℃),提取精度较高,表明基于无人机热红外影像获取玉米冠层温度的方法具有高通量的优势且精度较高。最后将试验区的植被覆盖度与提取的冠层温度进行对比分析,结果表明:玉米冠层温度与其覆盖度有显著的相关性(R2=0.534 5,P0.000 1),覆盖度越高冠层温度越低,反之则越高,说明玉米冠层覆盖度的大小影响玉米冠层温度的高低。该研究可为玉米育种材料的田间冠层温度监测提供参考。     

日光温室热工缺陷面积热红外图像测量方法

隔热层和气密性缺陷是日光温室保温蓄热性能差的重要因素,为了快速检测日光温室热工缺陷区域及测量该区域的面积,该文借助热红外成像仪和Lab VIEW软件平台,构建了基于热红外图像的日光温室热工区域面积测量方法。以陕西杨凌西北农林科技大学园艺场日光温室北墙风口为测试对象,通过现场实测数据与理论计算结果进行比较分析。首先,利用热红外成像仪实时检测出日光温室北墙通风口表面与墙体内表面存在的明显温度差异,其最大温差高达8.4℃。基于温度差异,能快速找出温室内围护结构不同位置所存在的明显散热区域。然后通过直方图法、均方根法和人工提取法分别计算了散热区域面积,其中直方图面积测量方法具有较好的效果,平均相对误差为5.4%;人工提取法次之,平均相对误差为6.0%,均方根法最大,平均相对误差为11.8%。研究结果表明,基于热红外图像的直方图面积测量方法能快速检测出热工缺陷区域的面积,为进一步自动定量分析整个日光温室热工缺陷区域的面积及散热量提供了理论方法,在温室围护结构热工损耗计算方面具有较大地应用潜力,可为农民和企业提出日光温室优化改造建议。     

夏玉米冠层温度变化的时滞效应及其对土壤水分监测的影响

考虑冠层温度变化的时滞效应,可能在一定程度上能够提高土壤含水率的监测精度。该研究以灌浆期的夏玉米为研究对象,利用精密红外温度传感器（SI-411）连续监测I1（田间持水量的85%～100%）、I2（田间持水量的70%～85%）和I3（田间持水量的50%～65%）3个不同水分处理下的冠层温度,并同步获取试验地地面净辐射、大气温度、空气相对湿度等环境因子数据,以及不同水分处理小区0～10、0～20、0～30、0～40、0～60 cm不同深度处土壤含水率数据,利用高斯函数拟合冠层温度及环境因子日变化过程以此确定拟合曲线的峰值时刻,通过峰值时间差确定两者之间的时滞关系,并利用多元线性回归分析确定冠层温度的主要影响因素,最后在考虑冠层温度与主要影响因素之间时滞关系的基础上,分析冠层温度变化的时滞效应对监测土壤含水率的影响。结果表明：不同水分处理下的冠层温度峰值具有较大差异,峰值大小依次为I3、I2、I1;I1、I2、I3水分处理的冠层温度峰值时刻分别滞后净辐射约70、70、100 min,超前大气温度和相对湿度约60、60、30 min;冠层温度变化的主要影响因素为大气温度,其次为地面净辐射,最后为相对湿度;考虑时滞效应的冠气温差与土壤含水率的相关性更高,考虑时滞效应的冠气温差对土壤含水率的监测效果有一定提升。研究可为利用作物生理特性提高土壤水分监测精度提供参考。     

采用热红外和可见光图像无损测定棉花苗期叶面积

叶面积是影响植物光合作用、蒸腾作用、呼吸作用及产量形成的重要形态指标之一,为实现作物叶面积准确、稳定和无损化测量,该研究基于红外线成像设备,提供了一种利用热红外和可见光图像测定棉花叶片面积的方法。以苗期棉花作为研究对象,通过红外成像相机T660获取棉花的热红外和可见光波段的图像,分别使用GrabCut算法和Hough圆检测提取红外图像中叶片和可见光图像中已知实际面积的圆状参照物（五角硬币）的像素面积,进而根据叶片区域和圆状参照物区域的像素倍数关系计算棉花的真实叶面积,将通过该研究所提方法计算的叶面积结果与传统的剪纸称重法、Image Pro Plus软件图像法进行皮尔逊相关性分析,检验该方法的可行性。分析表明,基于所提方法的测量值与剪纸称重法、Image Pro Plus软件图像法的结果之间均存在显著的线性相关关系（P<0.01）（相关系数分别为0.992,0.996）。3种方法对5盆棉花进行8次测量,结果显示,该研究所提方法测量值的平均变异系数为0.78%,在测量工作中表现稳定,为快速获取棉花苗期叶面积提供了一种准确稳健的理论方法。     

基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断

农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图。结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈极显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性,其中550 nm波段最佳。植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性。基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型（决定系数为0.841,均方根误差为0.043 mol/(m²·s),平均绝对误差为0.034 mol/(m²·s) ）,并显著改善了对气孔导度较低值的低估情况。绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配。研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法。     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度（canopy temperature,Tc）是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数（red-green ratio index,RGRI）法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数（crop water stress index,CWSI）性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI（记为CWSITcF%）。二是基于冠层温度方差（canopy temperature variance,Var）,将玉米冠层数据分为4个区间：区间Ⅰ,Tc≤40,Var≤10;区间Ⅱ,Tc≤40,10< Var≤20;区间Ⅲ,35< Tc<45,Var>20;区间Ⅳ,40< Tc<50,0< Var≤20,并在各自区间上选择最敏感的统计分位数计算CWSI（记为CWSIn）。研究结果表明：1）利用2020年和2021年两年数据计算的CWSIn与作物生理指标（气孔导度Gs、净光合速率Pn、蒸腾速率Tr）间的决定系数R2分别为0.72、0.52、0.62 ,nRMSE分别为23.96%、24.06%、25.60%,模型拟合精度高于原始CWSI（R2分别为0.73、0.34、0.46,nRMSE分别为23.69%、28.27%、30.21%）,但与CWSITcF%差别不大（R2分别为0.74、0.54、0.61,nRMSE分别为22.87%、23.74%、25.61%）;2）虽然CWSITcF%能提高诊断作物水分胁迫的精度,但最敏感的冠层温度区间在年际间相差较大（2020,61.17%;2021,49.38%;两年数据,83.51%）,而CWSIn稳定性更高（与生理指标间的nRMSE分别为：2020年16.60%、27.37%、28.49%;2021年21.60%、18.95%、22.64%）。因此,综合来看 CWSIn可以更加精确地监测作物水分胁迫,利用该改进方法可为无人机遥感精准监测作物水分胁迫状况提供参考。     

基于小波包变换的农作物分类无人机遥感影像适宜尺度筛选

为寻找适宜分类的空间尺度,该文提出一种基于小波包的空间尺度选择方法。该文以无人机航拍农作物影像为数据源,针对高空间分辨率遥感影像农作物分类问题,基于小波包变换对影像分类特征进行多尺度定量分析。将七种农作物影像样本进行小波包分解,从高频部分获取均值,方差,能量,能量差四种纹理信息,从低频部分获取光谱信息,构建分类特征矢量,通过作物样本之间的J-M距离,分析在不同小波包分解层样本之间的可分性,并进一步通过农作物面向对象分类精度和分割耗时评价适宜尺度。该文选择位于河北的涿州农场为研究区,利用无人机航空影像,对提出的方法进行试验验证,结果显示:小波包分解到第三、四层级时,即空间分辨率为0.32~0.64 m时,适宜农作物面向对象分类;在适宜尺度下,基于小波包分解的面向对象分类总体分类精度可达到89%,Kappa系数可达到0.85。研究结果可为高空间分辨率遥感农作物精细识别提供支撑。     

基于冠层叶气温差的苹果园土壤水分预报模型

该研究于2003～2004年采用便携式红外测温仪观测得到苹果主要生长季节晴天14∶00时冠层叶温数据,结合同步观测得到的空气温度数据及0～80 cm土壤相对有效含水率, 分析、建立以苹果树冠层叶气温差为指标的果园水分预报模型。该模型中,土壤相对有效含水率和冠层叶气温差的相关系数为－0.819(n=50),通过0.01水平显著性检验。并利用2002年及2005年的实测土壤水分数据对所建模型进行验证,结果表明：土壤相对有效含水率的观测值与计算值吻合较好,二者线性相关系数可达0.9137(n     

无人机果树施药旋翼下洗气流场分布特征研究

植保无人机悬停果树施药时的旋翼下洗气流场分布对雾滴空间运动和在冠层内部的附着、穿透有重要影响。该文基于计算流体动力学(computationalfluiddynamic,CFD)方法,结合RNGκ–ε湍流模型、多孔介质模型和滑移网格技术,通过构建虚拟果园,对六旋翼植保无人机悬停果树施药时的下洗气流流场进行数值模拟,分析在无人机不同悬停高度、不同果树生长阶段和不同自然风速下的气流场分布特征,并进行标记点下洗气流速度测试试验。研究结果表明:1)自然风速大于3 m/s时,旋翼下洗气流速度已淹没于环境自然风速中,不再满足植保无人机悬停施药作业条件;2)自然风破坏了旋翼下洗气流的中心对称状态,向下风方向出现后扬,且随着自然风速和悬停高度的增大,后扬距离随之增大;3)与无自然风状态比较,果树生长时期对其喷头处速度分布影响不显著,主要受自然风影响,且竖直向下的z向气流占主体地位,对雾滴的对靶运输起主导作用,应将喷头安装于可使雾滴获得较大z向速度的旋翼正下方0.2 m处附近;4)无人机悬停位置沿逆风方向调整后,冠层内部上、中、下层气流平均速度较调整前分别由1.36、0.80、0.81 m/s增大至3.04、2.37、1.63 m/s;上、下层速度分布变异系数分别由74.26%、35.80%降至45.39%和22.70%,中层略有增大,总体利于实现对靶喷雾。试验结果表明,标记点下洗气流速度测量值和模拟值之间具有较好的一致性。该文可为动态环境条件下植保无人机悬停果树施药的对靶喷雾自适应控制技术研究提供参考。     

环境因子与玉米生长对地表温度监测土壤水分的影响

针对当前地表温度受太阳辐射、气象因素及作物生长状态影响,对早晨与傍晚土壤水分估算精度较差的问题,该研究在2020年夏玉米生长的拔节期与抽雄期,利用无人机搭载热红外传感器获取09:00、11:00、13:00、15:00以及17:00的地表温度数据,探究了太阳高度角、饱和水汽压差、植被覆盖度三者与地表-空气温差的相关性,提出了综合调整温度,构建了土壤含水率监测模型,分析模型在玉米吐丝期与水泡期的适用性并绘制了土壤含水率分布图。结果表明：1）同一时刻不同灌溉处理的地表温度与土壤含水率呈现负相关性,同一灌溉处理的地表温度日变化呈现上午升温较快下午降温较慢的负偏态分布趋势。2）太阳高度角正弦4次方根、饱和水汽压差、植被覆盖度与地表-空气温差的线性相关系数分别为0.509、0.948、-0.659。3）相比较基于地表温度构建的土壤含水率监测模型,基于综合调整温度的监测模型将决定系数由0.230提高到0.771,标准均方根误差由18.8%降低至10.3%。4）利用综合调整温度监测其他生育期的土壤含水率,决定系数由0.238提高到0.831,标准均方根误差由18.9%降低至9.5%,表明模型在玉米生长季的各个生育期的不同时段均有较强适用性。该研究可为无人机热红外遥感精准监测土壤水分亏缺状况提供参考。     

基于无人机遥感的农作物长势关键参数反演研究进展

无人机遥感是生态-环境-资源领域新兴的重要研究手段,近年来在农作物长势研究中得到了迅速的发展与应用。清楚、透彻地认识基于无人机遥感的农作物长势研究现状及存在问题,有利于更好地把握当前的核心领域并开展更进一步的研究。首先回顾了国际上"基于无人机遥感农作物长势研究"为主题的论文发表情况,其次对无人机遥感平台及不同传感器的基本遥感原理、反演的参数类型、各自的优势及局限性进行梳理,并概述了基于无人机遥感的农作物长势反演流程。在此基础上,一方面将农作物长势参数归纳为形态指标、生理生化指标、胁迫指标、产量指标等4类;另一方面将农作物长势参数的反演方法归纳为经验统计回归与机器学习法、形态特征与光谱特征识别法、辐射传输模型法、多角度航拍与卫星-无人机影像结合法等4类,并针对不同反演方法的优势与不足进行总结。最后综合国内外的研究现状进行了讨论分析与展望评价。该文通过综述近10 a来无人机遥感农作物长势关键参数反演的研究成果,可为今后基于无人机遥感方法的农作物长势研究的理论基础与技术支持方面提供参考。     

基于空间质量平衡法的植保无人机施药雾滴沉积分布特性测试

为了探究飞行方式、飞行参数及侧风等因素对无人机喷雾雾滴空间质量平衡分布和旋翼下旋气流场分布的影响,该文基于无人机施药雾滴空间质量平衡测试方法,测定了3WQF80-10型单旋翼油动植保无人机在不同飞行方式(前进、倒退)、飞行高度和侧风速条件下的喷雾雾滴空间不同部位的沉积率和下旋气流风速。结果表明:对于该型无人机,在飞行高度(3.0±0.1)m、速度(5.0±0.2)m/s、1.2 m/s侧风速条件下,机头朝前与机尾朝前2种飞行方式对雾滴分布有显著影响,机尾朝前的飞行方式底部沉积比例可达60%,作业效果更佳;在2.0~3.5 m高度、(5.0±0.3)m/s速度和0.8 m/s侧风速条件下,空间质量平衡收集装置底部雾滴沉积率变异系数与高度呈现线性负相关,线性回归方程决定系数为0.9178,即高度越高雾滴分布均匀性越好;在(3.0±0.1)m高度和(5.0±0.3)m/s速度条件下,空间质量平衡收集装置底部雾滴加权平均沉积率与侧风风速呈线性正相关,线性回归方程决定系数为0.9684,即侧风速越大雾滴越集中分布在下风向处;飞行方式、高度和侧风3种因素对单旋翼无人机喷雾雾滴产生的影响都是通过改变其旋翼下旋气流场在垂直于地面向下方向的强度,减弱气流对雾滴的下压作用来实现的。研究结果可以为植保无人机设计定型、田间喷雾作业参数确定和作业条件的选择提供理论参考。     

基于U-Net网络和无人机影像的松材线虫病变色木识别

松材线虫病是由松墨天牛等媒介昆虫快速传播的一种针对松树的毁灭性流行病。及时对染病变色木进行识别、定位,并砍伐清除是当前控制该病扩散蔓延的主要手段。该研究使用无人机航拍获取大区域染病松林可见光影像,结合深度学习分割网络U-Net开展染病松材变色木图像分割研究。使用制作的样本数据训练U-Net网络,得到训练精度和验证精度分别为98.74%和97.76%。使用混淆矩阵评估U-Net网络分割精度,表明变色木图像分割的用户精度和生产者精度分别达到93.51%和97.30%,误报率6.49%,漏报率2.70%。总体上,U-Net网络变色木识别精度95.17%,Kappa系数0.90,达到较高精度。U-Net分割网络运用于松材线虫病变色木图像识别较随机森林方法能更有效地降低误报,减少分割噪音。