农作物病虫害遥感监测关键技术研究进展与展望

病虫害是影响农作物健康生长、产量和质量的制约因素之一,加强农作物病虫害的监测,对农作物病虫害进行精准防控,对保障粮食安全,提高农产品产量和质量具有重要意义。随着信息技术的发展,农作物病虫害监测由传统的人工监测逐渐向自动化、信息化和智能化方向发展。农作物病虫害监测平台、监测传感器技术以及相关的数据分析和处理技术是研究农作物病虫害遥感监测的关键技术,这些关键技术的发展水平,决定了农作物病虫害遥感监测技术的发展水平。本文从监测平台、监测传感器技术和相关数据分析与处理技术3方面对农作物病虫害监测技术研究进展进行综述。在监测平台方面,归纳总结了地面监测平台、航空监测平台和卫星监测平台的国内外研究现状,并分析了上述平台优缺点;在监测传感器技术方面,综述了雷达传感器、图像传感器、热成像传感器和光谱传感器等在作物病虫害领域的研究进展;在相关数据分析与处理技术方面,阐述了经典统计算法、计算机图像处理算法、机器学习算法和深度学习算法在农作物病虫害监测领域的研究成果。最后提出了监测平台、监测传感器技术和相关数据分析与处理技术的未来发展趋势,以期为进一步促进我国农作物病虫害监测平台及相关技术的发展提供参考。     

基于小型智能无人机低空遥感技术的农田信息采集的研究

随着现代农业的发展,精准掌握农田信息越来越重要。目前,传统的地面农田信息监测设备不能准确快速获取农田的空间信息、农田区域边界的划分以及农作物的生长状态等,部分采用遥感技术的无人机虽然可以获取农作物的倒伏状态,但是经常会出现数据判断错误的情况,导致将本来生长正常的农作物判断成伏地农作物。基于此,研究小组采用智能无人机低空遥感技术作为农田信息采集的核心,分析了智能无人机在农田中对农作物信息采集的简便性和快捷性,介绍了智能无人机在农田工作的操作步骤以及与相机数据采集通信的处理。研究结果表明:无人机遥感技术在农田面积检测和面积划分方面具有超高的精度,为农业科学化生产奠定了坚实的基础,推动我国更精细化、更智能化的现代农业的发展。     

基于图像边缘检测的作物倒伏面积评估系统

为全面预防和降低我国农作物倒伏带来的产量与经济损失,利用先进的图像边缘检测技术,对作物倒伏面积评估系统进行了设计。在深度理解图像边缘检测机理的基础上,结合作物具备的本体图像纹理特征建立作物倒伏面积评估理论模型,实现作物倒伏图像及面积的准确化检测,并进行面积评估试验。试验结果表明:该系统可以实时掌握作物的生长状态,对倒伏状态进行预判定,并可以提供完整的作物倒伏面积评估与分布情况,图像检测成功率较传统倒伏面积评估法可控制在78%以上,整体面积评估误差率可控制在10%以内,验证了基于图像边缘检测作物倒伏面积评估系统设计的可行性。     

无人机遥感在饲草作物生长监测中的应用研究进展

饲草作物生长的动态监测与定量估算对于饲草规模化生产具有重要意义。无人机遥感分辨率高、灵活性强、成本低,近年来在饲草作物生长监测领域发展迅速,应用场景不断拓展。为了掌握无人机在饲草监测的国内外应用现状,确定重点发展方向,本文首先从数据获取、数据处理和饲草作物生长监测关键技术三个方面简述了无人机遥感在饲草作物监测中的基本研究方法。其次按照传感器类型从可见光、多光谱、高光谱、热红外和激光雷达遥感五个方面阐述了无人机遥感饲草作物生长监测的应用现状。最后针对研究应用中尚未解决的关键技术问题展望了未来的发展方向,提出融合饲草作物时空尺度数据和多源遥感数据、进一步拓展数据获取手段、研发智能化数据分析综合平台是未来饲草作物监测领域应用创新的关键所在。     

农业植保领域中无人机测绘技术分析

我国作为农业大国,保证农作物产量对保护我国粮食安全具有重要意义。无人机测绘技术优势明显,将无人机测绘技术引入农业植保领域,能够有效掌握农作物的长势以及健康状态,但在应用过程中也存在着技术水平低、行业不规范等问题。基于此,笔者阐述了无人机测绘技术在农业植保领域中的应用优势以及存在的问题,提出了优化无人机农业植保技术、构建相关服务机构、完善维修网点等在农业植保领域应用无人机测绘技术的具体措施,并分析了无人机测绘技术在农业植保领域的具体应用。结果表明,无人机测绘技术不仅可以有效监测和判断农作物的健康状态,还可以有效识别农作物的密度和出芽率,为作物的产量提供基础保障。     

基于热红外遥感影像的玉米田间土壤水分反演研究

土壤水分监测对掌握农作物的生长状态至关重要。本研究为了在玉米作物的主要生育期有效地反演田间土壤含水量。本文以无人机平台获取的热红外遥感影像作为数据源,基于热惯量法反演田块尺度的土壤含水量。通过建立土壤热惯量与土壤含水量之间的线性回归模型,在试验田进行模型精度验证。结果表明,在实际农田环境中基于热惯量方法反演土壤含水量时,随着灌溉水平的提高其反演精度先升高后下降。模型在不同灌溉水平下反演土壤含水量的精度验证结果为:R~2=0.71,RMSE=3.09%。热惯量法具有较高的土壤含水量反演精度,为基于无人机热红外遥感田间土壤含水量监测提供了参考。     

水稻倒伏监测研究进展

倒伏是水稻生长过程中常见的非生物逆境之一。倒伏不仅影响水稻的高产、稳产,也降低水稻的品质。选育抗倒伏的优质品种,制定适宜的田间管理计划可以有效改善倒伏。本文综述倒伏对水稻产量、品质的影响,阐述目前常用的水稻倒伏监测技术,比较传统技术和现代信息技术在倒伏监测应用上的优缺点,并对未来基于无人机监测水稻倒伏进行展望。     

无人机农业遥感在农作物病虫草害诊断应用研究进展

农田作物信息的快速获取与解析是开展精准农业实践的前提和基础。根据农作物病虫草害的实际程度进行变量喷施和作业管理,可减少农业生产成本、优化作物栽培、提高农作物产量和品质,从而实现农业精准管理。近年来,随着无人机产业的快速发展,无人机农业遥感技术因其空间分辨率高、时效性强和成本低等特点,在农作物病虫草害监测应用中发挥了重要作用。本文首先介绍了精准农业航空的基本思想与系统组成和无人机遥感在精准农业航空的地位。接着探讨了无人机农业遥感系统常见的成像方式和遥感影像解析方法,并阐述了国内外无人机农业遥感技术在农作物病虫草害检测研究的最新进展。最后总结了无人机农业遥感技术发展至今面临的挑战并展望了未来的发展方向。本文将为开展无人机农业遥感技术在精准农业航空领域的研究提供理论参考和技术支撑。     

无人机遥感在作物病虫害监测中的应用方法与研究进展

病虫害是导致作物减产的主要因素。传统的病虫害防治方式主要依靠植保人员实地勘察,速度慢且无法进行大面积监测。随着光谱技术的发展,无人机遥感也得到了飞速发展。目前,无人机遥感技术已成功应用于农业、林业、生态等多领域。课题组首先对无人机遥感用于作物病虫害监测的背景进行了介绍;其次总结了无人机遥感用于作物病虫害监测的方法,主要讨论无人机的数据采集与处理;最后对无人机搭载的主要传感器进行了系统的说明,并探讨了无人机遥感技术目前存在的问题和发展建议,以期为作物的病虫害防治提供参考。     

基于无人机平台的智慧农业系统研究与应用

智慧农业是利用数字技术、数据分析和人工智能等先进技术手段,对农业生产进行精细化管理和智能化决策的一种新型农业生产模式。它可以通过实时监测、预测和调控土壤、气象、水文、植物生长情况等各方面信息,为农业生产提供高效、经济、环保的解决方案。无人机的应用给智慧农业发展带来了巨大推力,既可提高农业工作的效率、降低成本,同时也为智慧农业更加智能化、精细化提供了必要的技术支持。因此,课题组通过分析基于无人机平台的智慧农业发展现状,剖析无人机在智慧农业中的应用优势和应用场景,重点对数据获取端的数据感知系统功能、农业植保无人机任务载荷系统功能、农业植保无人机和农情监测无人机选型进行了详细论述。     

基于无人机高光谱遥感影像的农作物分类研究

为快速、精准地对农作物信息进行分类和提取,笔者以某研究区农作物作为研究对象,对农作物分类展开研究。利用SVM和RF分类方法,对降维和一阶导数处理后的无人机高光谱遥感影像中的农作物进行分类,并比较了SVM和RF分类结果的精准性。研究结果表明,通过对高光谱影像农作物进行分类,利用RF分类法获得的分类结果精度较高,可以实现对农作物的有效提取,能够为我国农作物生长情况监测、产量估计和病虫害防治提供参考。     

无人机技术在农业领域的应用研究

无人机技术可以用于农林植物保护作业,通过地面遥控及GPS技术可以实现农业中的药剂喷洒,作物生长监测等。与传统农业相比,无人机具有精准作业、高效环保、操作简单、自动化及智能化程度高等特点,且无人机体积较小,重量轻,运输方便,对于不同的农业地形及农作物均具有良好的适用性,因此在农业生产中具有广泛的应用。但是,目前无人机在农业生产中存在雾滴漂移规律不明晰、果园病虫害防治效果较差及无人机播种不成垄等问题,限制了无人机在农业生产中的应用。针对以上问题,首先系统阐述了无人机在农业生产中的发展过程及应用现状,分析无人机技术在农业生产中的应用优势,提出未来无人机的主要发展方向与研究重点,研究结果旨在为提升无人机在农业生产应用效率与工作可靠性提供技术参考与借鉴,研究结果对于推动无人机技术的发展、加快我国农业现代化进程具有重要意义。     

基于无人机多光谱的耐旱苎麻品种筛选方法

高温干旱是影响作物生长及最终生产力的主要胁迫源。当前,无人机遥感技术已在作物倒伏和病虫害的分级监测研究中取得重大进展,但有关利用无人机遥感进行作物抗旱等级监测的研究却鲜有报道。因此,以苎麻种质资源为研究对象,提出了苎麻抗旱性量化标准,并提供了一种利用无人机多光谱遥感鉴定苎麻种质资源抗旱性的方法。首先,由专家对36份苎麻种质资源进行抗旱性分级;然后,结合无人机多光谱遥感获取的植被指数,采用随机森林(Random forest, RF)、支持向量机(Support vector machine, SVM)、决策树(Decision tree, DT)3种机器学习方法分别构建苎麻抗旱性鉴定模型,并通过苎麻在高温干旱胁迫下的表型响应检验鉴定结果;最后,基于无人机获取的遥感表型,筛选高温干旱胁迫下优质苎麻种质资源。结果表明,利用SVM构建的苎麻抗旱性鉴定模型正确率达到0.74,不同抗旱级分类F1得分范围为0.69～0.79,说明该方法能用于苎麻种质资源抗旱性评估。利用无人机遥感数据反演得到的3项苎麻表型性状(叶绿素相对含量、叶面积指数、株高)均与人工测量值具有较强的相关性,在此基础上,研究从高温...     

无人机技术在农业植保中的应用与实践

随着科技水平的不断提升以及科学技术的不断进步,日常生活中各类高新技术的应用也越来越广泛,且均取得了非常显著的效果。无人机在农业植保工作开展中的应用,充分体现了现代化农业的优势以及作用,通过无人机技术的不断研究以及合理应用,能够有效提升对于农作物质量的监测,对于农作物生长情况进行相应完善管理,有利农作物的健康生长。主要分析农业植保中无人机技术的应用措施以及效果。     

农用无人机自主飞行技术研究与趋势

随着人工智能、深度学习的快速发展,无人机自主飞行技术已然成为无人机智能化评价之一。在精准农业与智慧农业的倡导下,无人机在农业领域发展迅猛。农用无人机应用场景包括:作物授粉、喷洒作业、农情监测、打顶剪枝、疏花疏果及畜牧跟踪,其自主程度重要性不言而喻。综述国内外无人机飞行技术研究现状,介绍农用无人机在自主控制方法、避障方法、轨迹规划算法以及精准喷洒方法的研究进展,分析指出农用无人机系统自主环境感知能力差、信息处理速度慢、路径规划算法收敛慢、作物识别率低等不足,提出采用多传感器组合、双冗余控制、多算法融合和基于深度学习的作物特征识别等改进方法。本文为农用无人机自主飞行技术满足智能作业需求提供理论基础。     

无人机遥感技术在精量灌溉中应用的研究进展

以提高农业用水效率为目标的精量灌溉是未来农业灌溉的主要模式,精量灌溉的前提条件是对作物缺水的精准诊断和科学的灌溉决策。用于作物缺水诊断和灌溉决策定量指标的信息获取技术主要基于田间定点监测、地面车载移动监测及卫星遥感。无人机从根本上解决了卫星遥感由于时空分辨率低而导致的瞬时拓延、空间尺度转换、遥感参数与模型参数定量对应等技术难题,也克服了地面监测效率低、成本高、影响田间作业等问题。近几年的研究结果表明,无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像,使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能,为大面积农田范围内快速感知作物缺水空间变异性提供了新手段,在精量灌溉技术应用中具有明显的优势和广阔的前景。无人机遥感系统已经应用在作物覆盖度、株高、倒伏面积、生物量、叶面积指数、冠层温度等农情信息的监测方面,但在作物缺水诊断和灌溉决策定量指标监测方面的研究才刚刚起步,目前主要集中在作物水分胁迫指数(CWSI)、作物系数、冠层结构相关指数、土壤含水率、叶黄素相关指数(PRI)等参数估算的研究,有些指标已经成功应用于监测多种作物的水分胁迫状况,但对于大多数作物和指标,模型的普适性还有待进一步研究。给出了无人机遥感在精准灌溉技术中应用的技术体系,并指出,为满足不同尺度的高效率监测和实现农业用水精准动态管理的需求,今后无人机遥感需要结合卫星遥感和地面监测系统,其中天空地一体化农业水信息监测网络优化布局方法与智能组网技术、多源信息时空融合与同化技术、作物缺水多指标综合诊断模型、农业灌溉大数据等将是未来重点研究内容。     

农作物病虫害防治中植保无人机的运用

现代农业面临着农作物病虫害防治的挑战,传统方法效率低下且存在安全和环境问题。植保无人机作为一种创新工具,具有高效、安全和精准的特点,在农作物病虫害防治中具有广阔的应用前景。然而,植保无人机的推广仍面临政策、技术和培训等问题。本文提出了三项策略来推动植保无人机的应用和发展。首先,政府需要提供政策支持,制定相关政策和措施,鼓励农民和农业企业积极采用植保无人机。其次,技术研发是关键,需要不断提高植保无人机的性能、稳定性和智能化水平,同时研发适用于不同作物和病虫害的专用农药和喷洒技术。最后,培训与推广也至关重要,通过举办培训班、现场演示和技术交流等方式,提高农民和农业企业的植保无人机操作技能和应用意识。通过以上策略的实施,可以推动植保无人机在农作物病虫害防治中的广泛应用,提高农业生产的效益和可持续性,为粮食安全和农业可持续发展做出贡献。     

基于合成孔径雷达数据的农作物长势监测研究进展

[目的/意义]农作物长势监测能及时提供农作物的生长状态信息,对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而,在雨热同期的作物生长旺季,光学遥感数据的获取经常受到天气的限制。因此,近年微波雷达遥感技术受到了广泛重视。[进展]梳理了利用合成孔径雷达(Synthetic Aperture Radar,SAR)数据进行农作物长势监测的国内外研究现状,从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上,对它们在长势监测中应用情况进行分析。[结论/展望]提出了4个国内外SAR监测农作物长势所存在的问题:1)基于SAR数据的农作物长势监测方法研究整体较少;2)微波散射特征挖掘不够,特别是对极化分解参数的长势监测应用研究还有待深入;3)针对农作物长势监测中的雷达植被指数相对较少,其应用尚未得到充分发挥;4)基于SAR散射强度的农作物长势监测主要采用经验模型,难以推广到不同地区和类...     

基于低空无人机遥感的高粱生长状况监测

配备多光谱相机的无人机可实现对农作物生长状况的快速无损监测,为评估无人机遥感监测高粱作物长势的可行性和准确性,利用无人机搭载的多光谱相机获取高粱拔节期、抽穗开花期、灌浆成熟期多光谱遥感图像,构建常用的4种植被指数与叶面积指数LAI和植被覆盖度FVC之间的回归模型.经过精确度评价,确定归一化差异植被指数NDVI为最优植被...     

无人机遥感监测果树氮素含量研究进展

氮素是果树生长发育不可或缺的成分,氮素含量超出正常范围会影响树体生长发育,会直接或间接降低果实产量及品质。快速准确掌握果树氮素含量,可为精准施肥提供技术支撑,从而达到果树的优质丰产。随着无人机产业的快速发展,无人机遥感监测以其无损、快速、实时、高效等优点在氮素含量监测中发挥着重要作用。在介绍目前主流无人机的基础上,梳理数据获取及后续处理方式,阐述多光谱、高光谱、可见光以及其他类型传感器实现果树氮素含量监测研究现状。可以发现,多光谱和高光谱传感器对果树氮素监测效果更佳,且使用机器学习方法构建模型相较于传统方法具有更高精度。提出无人机遥感监测果树氮素含量在无人机飞行平台与传感器性能、数据获取与处理、推广与应用及政策4个方面现阶段存在的不足之处和未来精准化、高效化和智能化的发展方向。