基于旋翼无人机的农业低空高光谱遥感技术分析

无人机设备具备便捷、能够低空飞行等特征,在农业领域中得到了广泛应用。利用旋翼无人机搭载各类高光谱遥感设备,能通过反射光谱探测各类农作物信息。笔者阐述了旋翼无人机与高光谱遥感技术,深入分析了旋翼无人机与高光谱遥感技术的应用,在此基础上提出了基于旋翼无人机的农业低空高光谱遥感技术。     

无人机多光谱遥感技术在农业统计中的运用

将以信息化技术为核心的无人机遥感技术应用到农业统计工作中,可以实现快速精确收集农业生产相关信息数据。无人机遥感技术与传统人工统计模式相比具有较为显著的高效性、客观性以及真实性,能够为我国农业发展提供真实可靠的数据支持。基于此,研究小组首先对无人机多光谱遥感技术与可见光遥感技术的区别进行简单阐述,随后对无人机多光谱遥感数据信息的获取和处理进行分析。结果显示,无人机遥感技术能够对农作物生长情况、病虫害、营养水分等进行详尽调查,得到真实可靠的农作物信息。     

农业遥感研究现状与展望

遥感技术具有覆盖面积大、重访周期短、获取成本相对低等优势,对大面积露天农业生产的调查、评价、监测和管理具有独特的作用。从20世纪70年代出现民用资源卫星后,农业成为遥感技术最先投入应用和收益显著的领域。特别是随着高空间、高光谱和高时间分辨率遥感数据的出现,农业遥感技术在长时间序列作物长势动态监测、农作物种类细分、田间精细农业信息获取等关键技术方面得到了突破。但是农业生产的分散性、时空变异性等特点,对当前农业遥感技术的应用还存在诸多挑战。本文简要回顾了农业遥感发展历程以及其应用的理论基础;再从农作物估产、农业资源调查、农业灾害监测和精准农业管理4个领域阐述了国内外相关研究和应用情况。最后提出农业遥感应加强与地面农业观测网技术的结合,推动新一代低空无人机遥感平台的发展,强化多源传感器融合以及农业过程模型与遥感数据同化的研究。     

高光谱遥感技术在智慧农业中的应用研究

在农业生产中,运用高光谱遥感技术能够实时准确地监测地表信息,比如农作物长势监测、产量估测、灾害监测、农作物分类识别等,并且可以连续、大面积地对地面进行长期、实时的观测,在农业生产中起到了不可替代的作用,是推动智慧农业、实现现代农业发展的必然选择。基于此,笔者围绕高光谱遥感技术在智慧农业中的应用,从应用现状、应用展望两个方面对高光遥感技术在智慧农业中的作用进行了详细阐述。研究表明,智慧农业是我国现代化农业发展的一个主要方向,通过高光谱遥感技术的应用,可以实现农业生产管理的现代化和智慧化,大幅提升农业生产效率。     

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。     

小型无人机遥感技术在精准农业中的应用

小型无人机遥感技术具有操作简便、可动态连续检测等优势,在精准农业领域中被广泛应用。笔者阐述了小型无人机遥感技术和精准农业的概念,分析了其在农作物精准识别、农作物病虫害检测、农作物长势监测等方面的具体应用,展望了小型无人机遥感技术在精准农业应用中未来的发展。实践证明,小型无人机遥感技术使农业生产具有实时数据获取、准确定位及高效率应对的新特点。     

无人机低空遥感在农业中应用的研究进展

快速获取并解析农田作物信息是精准农业能够持续发展的前提基础。近年来,随着低空无人机产业的迅速崛起,无人机农业遥感技术在现代精准农业领域中得到了广泛应用。文章介绍了低空无人机遥感的相关概念,总结了其在农业应用中的优势。结合国内外无人机低空遥感技术在农业应用方面的最新进展,进一步分析该技术现存的不足之处,并展望未来的发展方向。     

无人机低空遥感技术在大田作物监测与产量预测中的应用

在数字乡村发展的背景下,新一代信息技术不断向农业领域渗透,将助推我国农业机械化进一步向自动化、信息化、智能化的方向发展。本文简要概述了精准农业技术、遥感技术以及无人机低空遥感技术,列举了无人机低空遥感技术在大田作物监测与产量预测中的应用例子,并用实例介绍了应用低空遥感视觉与光谱图像预测棉花产量的方法与步骤。为大田作物的生长监测与产量预测提供可借鉴的理论与方法。     

九波段多光谱相机在作物长势监测中的应用

无人机低空遥感数据具有机动性好、时效性强,受大气辐射影响小,空间分辨率高、数据量大、数据质量好的特点,是传统卫星遥感所无法比拟的,在探测和识别地表的物质种类、评价和测量光谱所反映出来的物质含量、描绘地物空间分布、监测地物变化等应用领域具有较强的优势。随着遥感技术的发展,遥感已成为精准农业中农田信息获取的重要手段,也是地块面积量算、作物种类识别、长势分析等工作的重要数据来源,由于无人机低空遥感数据具有机动性好、时效性强、空间分辨率高的特点,主要应用于绘制低空大比例尺地图、监测自然灾害等[1]。受传感器单一导致的光谱分辨率低的限制,目前在精准农业领域的应用才刚刚起步。     

低空无人机影像分辨率对冬小麦氮浓度反演的影响

针对目前基于无人机遥感进行作物氮素营养诊断中缺乏规范化的标准来指导无人机应用过程中数据获取与处理的问题,开展了不同分辨率、低空无人机影像对冬小麦植株氮浓度反演影响的研究。在小麦生长的灌浆期,通过设置15、30、50、80 m共4种无人机飞行高度,获取了不同分辨率下的无人机多光谱影像,并开展地面试验,采集冬小麦植株氮浓度信息。基于这些数据,提取了不同分辨率下影像的光谱信息和纹理特征,并分别建立光谱信息、纹理特征和光谱信息+纹理特征等反演植株氮浓度的模型。对不同情景下的模型估测效果进行比较,结果表明,影像分辨率在1.00～5.69 cm之间变化时,影像光谱信息对小麦植株氮浓度反演影响不大,各情景下建模结果和验证结果差异较小;随着影像分辨率的降低,影像纹理特征对小麦植株氮浓度反演的效果变差;影像光谱信息+纹理特征信息对小麦植株氮浓度反演效果整体随着影像分辨率的提高呈增加趋势,且其反演结果优于单一光谱特征或单一纹理特征的反演效果。     

高光谱图像技术检测农作物含水量的研究进展

农作物种子和生长发育过程中含水量的检测是衡量农作物种子和作物生命力的重要指标。随着图像技术与高光谱信息的结合发展以及高光谱成像系统硬件成本的降低和性能的提升,高光谱图像技术在农作物含水量检测方面获得更广阔的应用空间。为能够及时和充分利用国内外最新研究成果,在探讨高光谱检测原理和技术现状的基础上,分析利用高光谱图像技术检测农作物含水量研究进展和研究现状。最后,对高光谱图像技术在检测农作物含水量方向进行展望。     

基于无人机成像光谱仪数据的棉花叶绿素含量反演

以棉花为目标作物,使用低空无人机平台的成像光谱仪获取地表农作物高光谱影像,利用无人机影像光谱分辨率高的特点,提取27个光谱参数,构建棉花叶片叶绿素相对含量(SPAD)的反演模型,并制作棉花叶片SPAD分布图。结果表明:在影像上,不同叶片SPAD的棉花冠层反射率有显著差异。光谱参数中,与SPAD相关性最高的为DR526、DR578、SDy和Db,相关系数绝对值都在0.8以上。在各光谱参数参与建立的SPAD反演模型中,使用多元逐步回归和偏最小二乘回归方法的模型精度最高。对高光谱影像结合各模型制作的SPAD分布图进行精度分析,结果表明,使用SPAD-PLSR模型得到的分布图具有最佳预测效果,可以作为棉花叶片SPAD遥感监测的技术手段。     

无人机多光谱遥感反演冬小麦植株含水率

为了建立一种高效监测冬小麦植株含水率的无损方法,用于反映作物水分状况、指导精准灌溉。以北京大兴的冬小麦为研究对象,利用无人机搭载多光谱相机采集冬小麦5个波段的光谱信息,构造了光谱反射率模型和光谱植被指数模型,筛选了典型地区冬小麦植株含水率解译模型。结果表明:冬小麦植株含水率与反射光谱在0.05水平上显著相关,优选的两种模型的预测精度较高,相对误差均小于10%,决定系数均大于0.75;从模型复杂程度和物理含义考虑,估算植株含水率的最优模型为基于逐步回归法的光谱指数模型,该模型的率定及验证的决定系数为0.78和0.83,均方根误差为6.79%和5.47%,相对误差为9.73%和6.91%。该研究为采用无人机多光谱遥感技术实现对作物水分的快速高效监测提供了有效方法。     

基于无人机遥感与随机森林的荒漠草原植被分类方法

荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机（SVM）、K-最近邻（KNN）和最大似然分类（MLC）法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。     

卫星遥感技术在气象为农服务中的应用

该文简要回顾了国内外学者在卫星遥感方面所做的相关工作,主要介绍的国内外学者研究内容有卫星遥感资料、图像的处理和订正、对地面目标物的识别、农作物产量预报、卫星遥感的发展状况、建立卫星遥感资料库、建立预报模型、降水监测、地温监测、冻土监测、灾害监测、气体监测、卫星云图应用和不同类型卫星遥感技术相互融合使用等内容。该文在简要介绍卫星遥感技术监测原理的基础上,分析了卫星遥感技术在气象为农服务中的应用现状,提出了在气象为农服务的工作中亟需加强卫星遥感技术应用,阐述了要结合农业气象服务产品加强卫星遥感技术在农业气候区划、农作物种植规划、农作物生长期监测管理、病虫害防治、灾害防御、农作物产量预报、防御火灾以及农业气象服务效益评估等方面的应用。强调要强化卫星遥感技术的应用,最大程度地开发和利用卫星遥感数据,使卫星遥感技术在农业生产实践中能够趋利避害和发挥出更大的作用。      

基于无人机遥感影像的农作物分类研究

本研究结合实际案例,在简单介绍研究区概况的基础上,深入探讨基于无人机遥感影像的农作物分类,并分析其结果。本研究借助无人机搭载数码相机的方式生成研究区域的RGB图像,相比于传统的只提取纹理特征的农作物分类方法,本研究有效地对比了两个不同时段的农作物DSM数据,使农作物的生长差异特征变得更为明显,并在农作物分类中有效运用了这一特征。仿真结果表明,在进行农作物分类时综合考虑农作物纹理、光谱、高度等多维特征,能够精准划分农作物种类,同时Kappa系数也能够维持较高的水平。     

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。     

轻小型无人机多光谱遥感技术应用进展

随着光谱传感技术和图像处理与分析软件的日益成熟,无人机多光谱软硬件一体化程度和观测精度及易用性得到极大的发展。无人机多光谱遥感已在农业、林业、资源、生态、环境保护等领域应用日益广泛。本文概述了无人机飞行平台、多光谱传感器等硬件技术的发展,和无人机遥感影像的几何校正、辐射校正图像处理技术及数据处理流程,并对无人机多光谱遥感在植被长势监测、存在问题、精细分类与地物识别、病虫害监测、生物量和产量估算等方面的应用潜力和发展方向进行了系统分析和总结,以期为开展相关领域研究提供参考。建议各行业部门的专业人员与遥感、计算机科学等领域的专家密切合作,制订无人机多光谱遥感技术的相关标准和规范,共同推进并普及无人机多光谱遥感技术。     

基于无人机多光谱遥感的夏玉米叶面积指数估算方法

无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数（LAI）。为研究水分胁迫条件下,利用无人机多光谱植被指数估算夏玉米LAI的可行性,本研究基于无人机多光谱遥感系统,结合同时期实地采集的夏玉米LAI,选择5种植被指数,包括归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）、绿度归一化植被指数（GNDVI）和抗大气指数（VARI）,作为模型输入参数,使用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI之间的关系模型,并与一元线性回归和多元线性回归算法建立的模型进行对比分析。结果表明,在充分灌溉条件下,植被指数的多元线性回归模型可以较好地估算LAI（R² = 0.83）;在水分胁迫条件下,植被指数的随机森林回归模型可以较好地估算LAI（R² = 0.74~0.87）,水分胁迫因素对该模型影响较小,且NDVI和VARI对估算LAI的贡献最大。上述结果表明基于无人机多光谱遥感技术,使用随机森林回归算法估算多种灌溉条件下的夏玉米LAI是可行的。该研究为实现快速、准确地监测全生育期不同灌溉条件下的大田夏玉米LAI提供了技术和方法支持。     

无人机RTK测绘技术在农业生产中的应用

无人机的应用可以帮助农业生产人员监测大面积的农作物,生成清晰的影像数据,分析农作物的生长状态和病虫害情况,保障农作物的健康成长,提高产量和质量。基于此,笔者概述了地形的三维模型重建技术,分析了无人机RTK测绘的硬件系统和软件系统的构建,探讨了无人机RTK测绘技术在农业生产中的具体应用情况。研究结果表明,无人机RTK测绘技术的监测精度符合要求,能够监测复杂的地形,提高对农作物监测的准确性和安全性。