牧草作物无人机遥感监测方法

牧草作物无人机遥感监测是通过无人机搭载各类传感器获取遥感影像，利用图像处理软件提取作物的特征信息，根据光谱特征、纹理特征及作物机理等对作物长势、产量、品质等进行快速、高效、大范围地监测。本文将从无人机图像采集、无人机数据处理等方面对牧草作物无人机遥感监测方法进行概述。

一、图像采集

1.1数据获取

目前无人机图像采集技术的发展已经较为成熟，基本原理是通过无人机搭载传感器对目标区域进行图像采集，并将采集的图像通过数字技术进行处理和传输，实现目标区域的图像获取、分析和应用。牧草作物遥感监测中使用的无人机飞行平台以固定翼和多旋翼为主，固定翼无人机中使用较多的是SenseFly公司生产的eBee小型无人机，多旋翼无人机中使用较多的是大疆公司生产的精灵Phantom系列、M600系列等。

1.2传感器

此外，传感器是无人机开展遥感监测的核心设备，常用的传感器主要有可见光相机、多光谱相机、高光谱相机等。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。

二、无人机数据处理

无人机搭载各类传感器能够获取海量的遥感数据，相较于卫星遥感具有更高的空间分辨率，可为作物生长监测提供更全面和准确的数据支持，然而高分辨率的遥感影像也给数据处理带来了挑战，海量数据处理与多源遥感数据配准是低空遥感数据处理技术的关注重点。

2.1图像拼接

无人机采集到的图像首先需要进行拼接处理，利用计算机视觉技术，自动识别和匹配航摄图像中的特征点，并将其拼接成为完整的地图或景观，常用的无人机图像拼接软件有PIX4D、Agisoft Metashape、大疆智图、PhotoScan等，大大提高了图像处理的精度和效率。

2.2图像分析处理

最后也是最关键的一步，对拼接后的图像进行深入地分析和应用，并提取出其中所需的表型信息和特征，尤其对于农业科研人员，如何从图像中获得精确的实验数据尤为重要。如果自身具有一定的计算机背景，可通过编程语言学习进行算法分析，另一种方式则是选择具备一键分析功能的软件来解决获取数据的问题，常用的无人机图像分析系统有PhenoAI air，该系统不光具备无人机图像采集，同时拥有图像分析提取功能，操作简单，自动化提取各类大田植物和草业的农艺性状并精准量化表型信息，不论是高光谱、多光谱还是可见光图像都可一键分析，精准分割，同时分析图表自动化保存，并描出植被轮廓方便用户查看识别精度。

2.3指标提取

在牧草作物生长监测中，冠层结构信息提取、生物量估算等是牧草作物的重要监测指标，利用PhenoAI air可一键提取牧草的150+高光谱指标，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；可提取100+多光谱指标，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50+可见光指标，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)等都可一键提取。

三、适用领域

抗逆品种选育、种质资源调查、苗情苗势、作物健康监测、生物/非生物胁迫鉴定、水肥营养监测、品种测试筛选、面积核算、产量评估、品质品种鉴定、高产稳产以及高产品种全生长周期的表型表现等。

【教程】基于无人机的苗数统计教程

【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