面向智慧农业的无人机遥感

适用于各种应用的不同数据采集传感器

“智慧农业”，即有效利用地球资源养活世界，需要准确和先进的数据采集、建模和管理。无人机可以在这方面发挥关键作用。

随着世界人口的持续增长，对粮食的需求也在增加。与此同时，一系列全球和地方性挑战正在威胁着“粮食安全”。在此背景下，近几十年来已经提出并考虑了各种技术和工艺，以确保有效利用地球的农业资源，即“智慧农业”。这需要对相关数据进行准确和先进的采集、建模和管理。本文简要讨论了无人机（UAV或“无人机”）如何在智慧农业中发挥关键作用，包括关注其功能和应用。

什么是智慧农业？
智慧农业被定义为应用现代技术在质量和质量上提高作物产量并改善农业管理。它在商业世界中也被称为“精准农业”或“农业技术”。智慧农业旨在降低种植作物的成本和风险，同时最大限度地减少灌溉、化肥、除草剂、杀虫剂等方面的投入。智慧农业的一个主要目标是根据观察到的农田时间和空间不一致，有效地适应可用资源和需求。

智慧农业汇集了各种先进和不断发展的技术和应用，包括无人机和卫星遥感、基于物联网（IoT）的传感器网络、基于数字的昆虫和疾病预测、机械化灌溉、光热控制、土壤管理和其他相关分析任务。在所有这些技术中，地球观测（EO）在预诊断、建模和预防的各个方面都发挥着重要作用。

作为发展最快的航空EO技术之一，无人机与传统的野外测量技术和卫星图像分析技术相比都具有优势。从现场测量中产生高质量的数据需要大量的时间和精力。相比之下，无人机具有以下几个优点：

• 更快、更灵活、更方便地应对作物相关问题
• 与传统田间测量相比，绘制更大的农田地图
• 通过使用不同的传感器促进高效的数据收集
• 即使在阴天也能运行
• 以更高的空间和时间分辨率捕获作物信息
• 允许准确的派生植被图，以支持更好的决策。

此外，与从卫星或载人航空摄影测量获得的图像相比，无人机图像具有几个优势：

• 由于飞行高度较低，云层的影响较小
• 在短时间内捕获大量数据
• 由用户完全控制
• 受大气影响较小
• 降低运营成本。

无人机在智慧农业中的应用

如今，配备成像传感器的无人机在数字智慧农业中发挥着重要作用。这种技术可以成为推动提高农业精度、提高作物生产力和更加关注有针对性的作物保护的关键因素。

无人机可以配备不同的数据收集传感器，例如RGB，多光谱（MS），高光谱或热像仪或激光雷达。植物根据其叶绿素含量和生物量以不同的水平反射光。带有多光谱或高光谱相机的无人机测量光谱不同区域从太阳接收到的反射能量。从植被反射回来的能量水平以及不同光谱带之间的关系可以使作物的健康状况被索引。有各种植被指数，包括众所周知的归一化差分植被指数（NDVI），它基于使用近红外（NIR）波段。NDVI通常用于指示叶片覆盖率和植物健康，高NDVI值表示高浓度水平的生物质。因此，NDVI和其他植被指数图代表了以更可持续的方式增加农业粮食产量的巨大潜力。

因此，可以分析使用无人机捕获的光谱数据，以评估成像的作物是新鲜的还是干燥的，并定位任何显示出病虫害感染早期迹象的区域。此外，当与来自数字表面模型（DSM）和水道地图等来源的3D信息相结合时，这些光谱信息可用于提高灌溉或农药处理等活动的效率，同时减少所需的投入量。图1总结了无人机在智慧农业中的应用，并显示了传感器、植被指数和应用之间的联系，如下所述。

植被指数和测量

已经提出并定义了几种光谱植被指数来测量植物特性。通过生成适当的颜色图或指示器，可以将不可见的规格转换为可见的索引和测量值。此类索引的示例包括：

• 叶面积指数：这定义为每单位地面面积的单侧绿叶面积的投影。LAI是衡量作物生长状况的重要指标。可以使用地面方法或遥感方法计算 使用光学遥感的电流估计方法分为三种类型：LAI与植被指数（如NDVI）之间的实验关系，冠层反射模型反演或这两种方法的混合。
• 归一化差分植被指数（NDVI）：广泛用于智慧农业，以评估预期LAI的空间变化。NDVI通常用于指示叶片覆盖率和植物健康，高NDVI值代表较高的生物质浓度水平。
• 三角绿度指数： 这是基于使用RGB图像，依靠光谱可见部分的反射率值来指示高叶覆盖区域的叶绿素含量。
• 可见大气电阻指数 （VARI）： 该指数源自用于叶子覆盖的 RGB 图像。VARI指数用于估计对大气敏感性较低的植被元素。
• 地上生物量： 这包括土壤上方活植物中的所有生物量，包括茎、枝、种子、叶子等。由于地上生物量在碳库（如海洋）中大多可见，因此AGB代表了与碳减排相关的变化或惠益的重要指标。因此，AGB是监测温室气体排放和其他相关项目的重要指标。
• 植被覆盖率： 该指数包括地面层（如草）、中层（如中型树木）和冠层。裸土反射率 （NDVI） 和全植被反射率 （NDVIv） 的 NDVI 值可用于确定 FVC。
• 绿地指数：这表明植物的所有绿色特征，包括叶子、茎和生殖器官。互补棕区指数（BAI）是指冠层中的非绿地。称为植物面积指数 （PAI） 的通用指数表示绿色和非绿色部分。

智慧农业的通用传感器

有几种类型的传感器通常用于农业和林业部门的无人机遥感应用。它们主要可分为以下几类：

光学RGB相机： RGB传感器是智慧农业无人机系统上使用最广泛的传感器。它们可以拍摄高分辨率图像，并且通常比其他类型的图像便宜。除了重量轻且易于使用外，它们还易于访问。RGB图像可以在更广泛的天气情况下拍摄，包括在晴天和阴天，前提是根据天气条件正确设置某些相机参数（快门速度，ISO等），以防止图像曝光不足或曝光过度。这些传感器的根本缺点是它们的光谱分辨率较低，这使得它们不足以测量植被相关指数，这些指数需要来自光谱中不可见部分的光谱数据。因此，RGB传感器通常与其他类型的传感器一起使用。

多光谱和高光谱相机：光谱数据对于评估作物的几种生物和物理特征非常有帮助。多光谱或高光谱成像传感器受益于更高的光谱分辨率规格。装有这些传感器的无人机捕获的图像可以提供有关植被在不同波段的光谱吸收和反射的信息。病害作物可以及早发现，因为叶绿素吸收红色通道中的可见光，同时强烈反射近红外光。因此，NIR通道中的信息可用于识别此类疾病发病率，即使它们在红色通道中尚不可见。传感器生产的技术改进导致了重量更轻的多光谱传感器，甚至可以在当今的商用轻型无人机上携带。MicaSense RedEdge和Parrot Sequoia是这种传感器的两个例子，它们能够捕获更广泛的波长范围，包括NIR。使用这种照相机，可以得出NDVI和上述其他一些植被指数。图2显示了两个摄像头所覆盖的频谱区域。高光谱传感器也得到了改进，可以专门为无人机生成更轻的传感器。这些相机比多光谱传感器覆盖更大的光谱范围，但它们通常实现较低的空间分辨率。HSC-2是一种常用于植被分类和监测的传感器。这款轻巧的高光谱相机可在 VIS-VNIR 光谱范围内生成多达一千个光谱波段，可在 400-1，000nm 范围内调节。

热成像摄像机：当它们的温度高于绝对零度时，所有物体都会发射与其温度成比例的特定波长的红外光。热成像摄像机聚焦并拾取特定波长的辐射，随后将其转换为灰度图像以表示热量。一些热传感器可以解释接收到的能量并将其转换为物体的绝对温度。在这种情况下，图像可以用颜色显示，较热的物体通常用红色阴影表示，较冷的物体用蓝色表示。基于新鲜植被在较低温度下通常不那么干燥的假设，热无人机遥感已成功用于农业植物健康检查。此外，可以对这些图像进行进一步检查和处理，以提取有助于灌溉测绘、肥料/农药管理和产量估算的信息。此外，热成像可以支持对植物成熟度发育的评估，并可以识别火灾等有害事件对作物的损害。FLIR是积极应用于此领域的主要热像仪品牌之一，提供短波、中波和长波红外三种主要波长范围（图3）。

激光 雷达：目前，3D点云对于评估植物高度，作物物候，水流等至关重要。当高密度点云可用时，可以实现对这些参数的更可靠的估计。配备激光雷达的无人机是获取密集点云的首选方法，因为激光雷达具有显着的精度和接收多个回波的能力。传统上，生物量是通过在生长季节未通过砍伐或放牧而落叶的样方来测量的。虽然数据准确，但这种传统的AGB现场采样方法既费时又费力。此外，在较大的地区收集AGB数据很困难。来自无人机的激光雷达数据为测量3D垂直结构提供了独特的机会。例如，冠层高度测量依赖于来自植被和地面的激光脉冲返回，在多次反射和不同高度。近年来，利用激光雷达数据生成数字地形模型（DTM）和DSM，作为使用无人机监测工厂结构和创建树冠高度模型（CHM）的基础。为了确定CHM，在生长季节的不同时间比较DSM，使用第一次测量计算初始DTM。利用激光雷达的方法也开始出现，以便根据冠层密度估计PAI。这些激光雷达技术的根本好处是它们对绿色和非绿色植物组件的敏感性。

将遥感无人机用于智慧农业

使用配备激光雷达或成像摄像头的无人机收集的数据可用于多种农业规划和监测目的，包括：

• 作物健康监测
• 植被和土壤干旱度评价
• 肥料需求评估
• 作物损害和疾病检测
• 作物生长观察和收获优化
• 水流测绘和灌溉管理
• 侵蚀和土壤流失监测
• 创建坡度和阳光照射区域地图。

下面将更详细地介绍一些应用程序。

灌溉管理： 无人机技术在智慧农业中的一个关键用途是作物灌溉管理，其中通过在最佳位置和最佳时间应用最佳资源量来提高水分利用的有效性。具有适当传感器类型的无人机可用于定位需要额外浇水的作物区域。这对整体作物生产有积极影响。热像仪是此应用中最常用的传感器之一。通过采用热成像来绘制田间水势的变化，可以优化灌溉。无人机热成像对于识别灌溉系统故障和灌溉不均匀等问题可能是必要的。使用无人机热成像可以在植物遭受永久性伤害之前检测热应激，或者在症状明显出现之前发现灌溉问题。例如，在葡萄园中，基于无人机的灌溉正被用于智慧农业，以改善葡萄园内的水分配，帮助实现均匀成熟，从而提高产品质量。

农作物保险：全球变暖和全年更极端的降雨等全球挑战越来越多地导致洪水，导致作物因根部缺氧和叶子缺乏阳光而死亡。在这种情况下，农民经常可以就已经发生的损害提出保险索赔。在索赔得到兑现之前，保险损失检查员必须进行作物损失评估。传统上，这些操作很难执行，并且经常出错，因为工作大多是手动完成的。无人机具有作物损害评估的潜力，因为它们能够在广泛的覆盖区域内捕获图像，从而减少所涉及的时间和成本，同时提高检查准确性并支持高效的文档记录。

杂草映射： 杂草测绘是基于无人机的智慧农业的重要应用。杂草是作物中不需要的植物，可能导致几个问题。它们对植物生长产生负面影响，因为它们加剧了对有限资源（如水或生长空间）的斗争。用除草剂喷洒农田是处理或控制杂草的传统方法。然而，过量使用除草剂除了对作物发育和生产力产生影响外，还会导致抗除草剂杂草。此外，它还通过污染严重危害环境，更不用说显着增加成本价格了。另一种方法是特定地点的杂草管理（SSWM），其中除草剂以空间可变的方式施用，而不是喷洒在整个田地上。这需要创建精确的杂草覆盖图，以便基于无人机成像进行有针对性的除草剂施用。任务杂草地图或区域地图显示土壤类型、地形或害虫地图。当机器学习技术应用于无人机图像时，可以根据杂草和作物的形状、结构和对比度自动识别杂草和作物。然后，除草剂专门施用于杂草，这对作物更好，对环境的影响也较小。

作物损害检测： 无人机可用于创建作物的3D数字地图，并评估各种因素，包括作物高度和LAI。此外，基于无人机的作物成像数据可以通过数据处理工具进行分析，以发现植物生物量和健康的变化。因此，可以在早期阶段发现感染，使农民能够采取行动将损失降至最低。通常，无人机通过收集作物健康相关数据来发挥作用，以便在感染的初始阶段，在视觉迹象出现之前检测潜在的感染。此外，无人机可以在治疗感染期间使用，农民可以使用它们进行有针对性的喷洒以及精确跟踪干预的进展。

作物肥料： 世界上最受欢迎的肥料是氮;它是叶绿素的重要组成部分，叶绿素是植物生存的关键。控制用于作物的肥料数量对植物和预算都有好处。因此，如今许多农民利用无人机和智慧农业技术来获取信息并绘制农田地图，以便为植物提供所需的肥料，同时总体使用更少的氮。GAI是计算何时何地需要施氮的最常用指数。通常，生成的作物图根据GAI值进行颜色编码，GAI值越低表示对氮的需求越大。

淹没作物面积检查： 对于保险损失评估，无人机可以飞越受损区域，以使用RGB或MS相机收集数据。可以使用适当的尖端技术处理和显示数据，以计算作物损失。为了分析作物损失并为农民提供调查结果报告，损失检查员应首先构建一系列可视化效果，类似于正射镶嵌地图。损失检查员还可以计算NDVI，这对于发现植被和裸露的土壤非常有效，以确定损坏程度。在开发显示农田裸土斑块的分类 NDVI 地图后，检查员可以使用该地图来确定田间的哪些区域需要对损坏程度进行更仔细的评估。

结论

本文概述了无人机技术在与作物监测和管理相关的各种应用中的智慧农业的出现，并强调了与现场和卫星技术相比，在该领域使用无人机的好处。简要解释了各种植被指数，包括它们与无人机上使用的传感器类型的联系，例如多光谱、热、RGB 相机和激光雷达。