基于微小無人機農作物長勢監測試驗研究

陳青松　滕連澤　張洪吉　李思佳　譚小琴　楊紅宇

作者簡介：陳青松（1990-），男，漢，四川遂寧人，四川省自然資源科學研究院（研究實習員），碩士，主要從事資源信息化方面的研究，E-mail：qs_sicau@163.com。

通訊作者：滕連澤（1979-），男，漢，山東青島人，四川省自然資源科學研究院副研究員，碩士，主要從事資源遙感監測技術及應用研究，E-mail：165641328@qq.com。

摘 要：快速、準確獲取農作物長勢信息能夠為種植業的科學化管理提供依據。研究以四川省雅安市蘆山縣某獼猴桃農業園為例，基于微小無人機遙感平臺，采集了研究區可見光遙感影像、地面實測數據及其它管理信息。經過處理獲得研究區正射影像圖（Digital Orthophoto Map，DOM）和數字表面模型（Digital Surface Model，DSM），在此基礎上選取8個不同樣方網格進行分析，運用影像分割算法對DOM進行分割，運用空間分析方法對DSM進行分類并統計獼猴桃上架的面積，并計算得到各樣方的上架獼猴桃覆蓋度（%），依據實際上架株數與覆蓋度進行相關性分析。結果表明，對DOM的分割很難區分獼猴桃和其他植被;對DSM的空間分析表明，以搭架的水泥柱平均高度來區分獼猴桃與其他雜草是可行的，覆蓋度與獼猴桃實際上架株數存在較強的正相關關系（R2=08416），即獼猴桃覆蓋度越多則上架株數也是增加的，通過獼猴桃覆蓋度可以反映獼猴桃上架株數情況進而反映獼猴桃的產業狀況，該方法為快速監測獼猴桃生長提供了參考。

關鍵詞：遙感;無人機;長勢監測;獼猴桃;上架株數;覆蓋度

中圖分類號：S127文獻標識碼：A

Abstract：Quick and accurate access to crop growth information can provide a basis for scientific management of crop production. Taking a kiwifruit agricultural park in Lushan County， Ya'an City， Sichuan Province as an example， based on the UAV （Unmanned Aerial Vehicle）remote sensing platform， the visible light remote sensing image， ground measured data and other investigation information of the study area were collected. After processing， the DOM （Digital Orthophoto Map）and the DSM （Digital Surface Model） of the study area were obtained. Based on this， 8 different square grids were selected for analysis. The DOM is segmented by image segmentation algorithm， the spatial analysis method is used for DSM. Use spatial analysis to classify DSM and count the area of kiwifruit which is on the shelves， and the coverage （%） of kiwifruit on each sample was calculated. Correlation analysis was carried out according to the actual number on the shelf and coverage（%）.The results show that the segmentation of DOM is difficult to distinguish between kiwifruit and other vegetation. The spatial analysis of DSM shows that it is feasible to distinguish kiwifruit from other vegetation with the average height of cement columns. Correlation analysis between the coverage（%） and the actual number on the shelf shows that there was a strong positive correlation between the coverage（%） and the actual number on the shelf （R2= 0.8416）， that is， the more coverage of kiwifruit， the actual number on the shelf increased. The coverage of kiwifruit can reflect the actual number on the shelf， and then reflect the growth of kiwifruit. This method provides a reference for rapid monitoring of the growth of kiwifruit.

Keywords： remote sensing; unmanned aerial vehicle （UAV）; growth monitoring; kiwifruit; shelves number of trees;coverage

0 引言

農作物長勢是農業從事者最關心的信息之一，快速獲取這些農業信息是及時調整農業生產進行科學農情管理的基礎和前提[1，2]。無人機遙感平臺等一些新興技術為快速低成本獲取這些農情信息提供了途徑[3]，以往的學者對此做出了較多的研究，如運用無人機監測玉米的株高、葉面積指數（Leaf Area Index ，LAI）[4];監測反演冬小麥的葉綠素含量、植株含氮量等[5];運用無人機獲取油菜的各植被指數對油菜長勢的反映等[6];運用無人機監測作物長勢及雜草的監測管理[7，8]。無人機的輕便化以及低空遙感數據獲取和處理的自動化加速拓寬了農業資源調查的視野，使得農業的立體層次信息的獲取和構建變得更加經濟和簡便[9]。以成片種植的糧油作物為研究對象可以集中了解成片區域內糧油作物的長勢情況，但對于有大量雜草伴生的種植業來說要提取到可靠的面積信息對其長勢的評估具有重要意義。本研究將基于微小無人機快速獲取地面低空遙感數據對重要的果樹資源獼猴桃生長進行監測，獼猴桃是落葉型雌雄異株的木質藤本植物，在我國種植廣泛，四川是獼猴桃種植大省[10，11]，近年來更是作為脫貧致富的重要經濟植物之一[12，13]，監測其長勢信息不僅能夠為生產主體實時掌握果園生長健康狀況，而且能夠指導農業生產。因此，研究選取四川省蘆山縣西南部某獼猴桃農業產業基地作為本次研究的實驗地，開展基于微小無人機的農業資源長勢監測研究，以期為獼猴桃的生產和科學管理提供支撐。

1 數據與處理

1.1 研究區概況

為了避開無人機飛行限制區域，結合研究實際需要，研究選取了四川省雅安市蘆山縣西南部某農業園區作為本次的研究區域，經緯度為（102°54′11″E～102°54′28″E，30°08′46″W～30°09′17″W）。蘆山縣多河谷平壩，是獼猴桃種植大縣，目前種植獼猴桃有兩萬余畝。由于種植面積較大，在獼猴桃的管理方面迫切需要引入較為科學快捷的管理手段進行監測。本次的研究飛行區域為河流沖擊平壩，平壩內種植有獼猴桃近67 hm2，種植時間為2015年，平壩內基礎設施配套齊全，如圖1所示。

1.2 無人機遙感影像獲取

本研究獲取的數據為低空無人機遙感影像，無人機采用的是大疆（DJI）精靈4 Pro專業級四軸飛行器，無人機配備的是型號為FC6310的相機，1英寸2000萬像素的影像傳感器，等效焦距為24 mm，可根據天氣情況自動設置圖像獲取參數。飛機內置GPS/GLONASS雙模衛星定位系統、超聲波模組、傳感器冗余等組成的FlightAutonomy能夠實現無GPS下精準懸停，最遠控制距離為7 km;電池續航最長可達到30 min。保證后期三維建模以及圖像獲取的穩定性，采用Pix4DMaper系列飛控軟件提前設置好飛行路線和相應飛行參數，以便構建測區內三維立體數據。路線規劃為“#”字型，拍攝方式選用傾斜攝影的方式，相對航高設置為50 m，航向重疊率和旁向重疊率均為80%，傾角為70°，拍攝時間為2018年9月， 本次飛行共2個架次，獲得不同區域內影像共計832張有效照片數據，共覆蓋面積約為13 hm2。覆蓋區內除了擁有獼猴桃種植地外還有居民地、豆類種植地、撂荒地和種植有青苗樹的部分土地。

1.3 影像處理及分析

本研究獲取無人機數據后包括影像合成和影像信息提取兩個部分。目前影像的處理軟件很多，較流行的有Agisoft PhotoScan、Pix4D和Smart3D等[14-17]，根據各軟件特點，本研究選取Smart3D作為三維實景建模軟件進行影像合成處理。無人機獲取的影像是帶定位信息的單張真彩色照片，利用三維建模軟件Smart3D對單張真彩色照片進行拼接合成，同時加入地面相控點（Ground Control Point，GCP），最終合成研究區的數字表面模型（DSM）和數字正射影像圖（DOM）數據。精靈4P Pro獲取的單張照片大小在8 MB左右，其中正射影像的分辨率為0.014 m。Smart3D合成圖如圖2所示。

Smart3D軟件從空三加密到模型構建到利用三維模型生成數字表面模型（DSM）和數字正射影像圖（DOM）均實現了極少的人工干預，大大節省了工作量[16]。但是通過三維模型生成的DSM和DOM會以多個空間網格對象的方式存儲，如圖2（b）所示。在調查過程中得知，獼猴桃地是以水泥柱拉鋼絲的方式進行搭架的，水泥柱平均離地高度為2 m，獼猴桃栽種模式是以2 m×3.5 m的模式，即每行每隔2 m種植一顆獼猴桃，每行獼猴桃之間的間距為3.5 m，為了減少地形變化對高程統計的影響，且具典型代表性，研究將分別從不同的空間網格中分別選取14 m×14 m大小的樣方共8個進行分析，每個樣方包含4行，如圖3所示。

通過8個典型樣方切割已生成的DSM和DOM圖像后進行進一步的圖像分析。目前，使用的無人機影像處理軟件均能夠生成正射影像圖（DOM），其包含RGB三個波段信息，可以利用eCognition Developer[7，9，14]、ENVI[2]、植被指數[18]等進行分割和分類。而本研究所生成的DOM圖像雜草生長茂盛，植被覆蓋較高，且尺度較小，很難通過數碼影像變量[4]和監督分類[2]及植被指數的方法對獼猴桃和雜草進行區分。當采用圖像分割軟件eCognition Developer 9.0進行分割，利用多尺度分割算法對DOM進行處理，如圖4所示。同樣也因獼猴桃地內植被覆蓋的類型差異大，而無法對不同植被進行有效區分。

針對DSM的分析將采用ArcGIS10.2的空間分析功能著重進行分析，具體的流程和結果分析如下。

首先，生成8個矢量網格樣方，通過矢量網格樣方提取樣方DSM數據，如圖5所示，通過顏色分類可以較為清楚地顯示獼猴桃的上架情況，為了獲得定量指標，研究選取獼猴桃上架的具體面積作為統計對象，因起支撐作用的水泥樁面積在每個網格樣方內所占面積極小，且具體統計中無法區分，因此統計時將其忽略不計。