无人机表型信息获取技术

近年来，随着无人机和各类传感器在作物育种和田间生产中被广泛使用，作物表型组学得到了极大的发展。兼具了高精度、高通量和高度自动化的作物表型组学及其相关技术的发展，加快了新品种的选育和优化了田间管理。

通过利用无人机遥感技术，可以实现对作物生长环境、作物病虫害、苗情苗势等关键信息的高精度监测和分析。如何从无人机遥感图像中高效提取表型特征、获得各区域植被数据信息十分重要，目前市面上最通用、便捷的方法是使用PhenoAI air无人机一体化分析系统，可快速提取的表型特征包括光谱特征、纹理特征、颜色特征、形态特征等；支持各类无人机成像，如大疆御系列、精灵4等主流产品，可搭载可见光、多光谱及高光谱相机，满足不同指标提取需求。

可见光传感器具有成像分辨率高、数据处理简单、成本低等优势，目前在作物覆盖度、生物量监测中应用最广，相比于多光谱相机，可见光相机的波段数较少(普通的可见光传感器只包括R、G、B三个波段)。

而多光谱相机包含的红边、近红外等波段能够更好地捕捉作物整个生育期内的光谱反射特征，使用基于红边、近红外波段构建的植被指数可以准确地开展生物量估算、营养指标监测等，常用的多光谱植被指数包括归一化植被指数(NDVI)、绿色归一化植被指数(GNDVI)、归一化红边指数(NDRE)等。

高光谱传感器相较于多光谱传感器可以提供更丰富的光谱信息，从而敏感地捕获植被正常或胁迫生长引起的光谱反射率变化。

然而可见光传感器成本低于多光谱、高光谱等传感器，具有良好的经济适用性，是无人机遥感监测推广普及的首选方案。总体而言，多光谱遥感的综合应用价值较大，是一种较为成熟、适合推广应用的遥感监测手段。

PhenoAI air支持可见光、多光谱及高光谱相机，可提取可见光50+指标，如小区面积、NDGI(评估植被冠层水氮含量情况、植被光合活性)、NGRDI(评估生物量和养分状况、管理杂草) 、ExG(评估健康程度)、GRVI(监测作物生长)、MGRVI(可反应不同耕作栽培方法对植被的影响)等；可提取多光谱100+指标，如Red edge(作物估产)、NDVI(检测植被健康程度、抗耐性)、NIR(检测植被水分、氮素、叶绿素含量)、OSAVI(作物出苗初期的植被健康度诊断)、mSR(植物胁迫探测)、LCI(叶绿素和含氮量情况)、RVI(检测和估算植物生物量)等；可提取高光谱150+指标，如PVI(作物估产)、DCNI(检测植株氮浓度)、NPMI(监测白粉病严重程度)、REFCA(反映植物疾病严重程度)、CARI(监测植被叶绿素含量)、Gitelson(反映植物生理状况)等。

农业传感器技术作为国际现代农业领域竞争的热点与制高点，是大规模、低成本、高质量农业信息获取的关键和核心，是推动农业科技迭代升级和农业生产方式变革的重要驱动力，为进一步推动数字农业、智慧农业等现代农业快速发展奠定基础。

【教程】基于无人机的作物生长监测

【教程】基于无人机的苗情苗势信息监测

高光谱图像处理流程

如何处理无人机多光谱/高光谱图像