探讨无人机农业遥感在农作物病虫草害诊断应用
摘要：作为低空遥感的重要部分，无人机农业遥感大大扩大了农业遥感在作物监测中的适用范围。随着小型、便携、耐用的传感器和设备的迅速发展，推动了无人机农业遥感技术的发展。近年来，无人机农业遥感已成为精准农业航空的重要研究方向。笔者结合多年工作经验，深入分析无人机农业遥感在农作物病虫草害诊断应用，希望可以给相关专业人员提供借鉴与参考。相聚的反义词
关键词：无人机；农业遥感；农作物病虫害；诊断
前言
无人机农业遥感是当前精准农业领域的一个重要课题。与卫星农业遥感相比，无人机农业遥感技术具有移动性、高分辨率、设备成本低的优点。与传统农业生产管理设备相比，无人机农业遥感有许多得天独厚的优势。与地面感知相比，它具有宽范围、高速、低劳力的优点。因此，无人机农业遥感具有广阔的前景和巨大的发展前景。
1无人机遥感在农作物病害识别的应用研究
1.1无人机高光谱遥感病害进展
在病害的检测上，许多团队进行了以柑橘、小麦、棉花为主要农作物的无人机高光谱遥感技术。
下眼皮浮肿佛罗里达大学Lee 团队在无人机遥感应用于柑橘黄龙病时，使用高分辨率的低空高光谱仪器构建了光谱库，用于低空高光谱影像的频谱匹配和识别。但是，由于采集的仪器和摄影条件不同，这种方法的识别精度不高；Kumar等采用了图像衍生光谱库、混合调谐匹配滤波器（Mixture Tuned Matched Filtering，MTMF）、光谱角映射（Spectral Angle Mapping，SAM）等技术，通过对无人机机载对高光谱、多光谱图像进行分析，从而确定了柑橘黄龙病的感染范围，因此，采用光谱库技术进行柑橘黄龙病的诊断，其准确性不够理想。因此，利用地物谱仪提出的光谱库，对柑橘黄龙病的低空高光谱影像进行鉴别，存在着一定的限制。兰玉彬等利用无人机采集了低空柑橘园的高光谱图像，利用K邻近（K-Nearest Neighbor， KNN）和支持向量机（Support Vector Machine，SVM）进行了识别，识别准确率达94.7%，这说明了利用机器学习技术进行低空高光谱遥感探测 HLB的方法是可行的，但是不同的柑橘品种、不同的种植区域、不同的摄影环境对此算法的应用带来了很大的挑战。
在小麦的无人机遥感病害研究中，黄文江等利用无人机高光谱影像，利用光化学植物指标（Photochemical Reflectance Index，PRI）对小麦条锈病进行了有效的监测，显示 PRI对小麦条锈病的定量分析具有一定的应用价值。罗菊花等人利用多时相高光谱航空图像，对小麦条锈病进行了监测，首先通过对地面高光谱数据的敏感频带区域进行检测，然后根据敏感频带的平均反射率来确定疾病指标，建立了一个多维线性回归模型。此模式能够很好地监控小麦条锈病的发生和发展。本研究结果显示，基本达到了预期的目标，利用无人机进行高光谱遥感技术监控作物病害及病情分级，其关键是选择特征波段及病情指标。
1.2无人机多光谱遥感病害检测研究进展
针对无人机多光谱遥感病害，国内外已有学者在不同作物上进行了应用研究。
欧洲学者在大范围的葡萄园监测方面进行了无人机的远程监测。葡萄黄萎病（Flavescencedorée）给欧洲葡萄园带来了巨大的经济损失，而且由于无法救治，至今仍然对欧洲的葡萄生产构成了巨大的威胁。法国学者 Johanna等采用单变量和多变量的分类法，利用光谱带、植被指数和生物物理指数等对葡萄藤的光谱学特性进行了分析，结果显示，红色栽培品种植物的分类效果最好。意大利学者 GeNNaro等对葡萄条纹病（Grapevin
野生多肉eLeafStripeDia ，GLSD ）进行了研究，利用无人机获取高分辨率多光谱影像，计算出标准化差异植被指数（NDVI)，并与地面调查的 GLSD叶片症状进行相关性分析，发现二者存在很强的相关性。
重庆有什么好玩的
Calderón 等讨论了利用高分辨热像仪和多光谱影像来检测罂粟霜霉病的感染，利用罂粟霜霉病无症状和有症状进行了检测。冠层温度是利用温度（Tc-Ta）和绿/红指数（R550/R670）标准化后得到的。结果显示：Tc-Ta、R550/R670指数与罂粟霜霉病所致的生理应激有一定关系。另外，本研究小组还研究了利用高分辨率的航空高光谱、红外图像、冠层温度、窄带光谱指数等技术，利用无人机遥感方法，对大丽花病毒的感染进行早期诊断，并对其进行鉴定。这对于无人机多光谱遥感技术的研究具有重要意义，为开发新的无人机多光谱遥感提供了新的思路。本论文是应用无人机热成像技术对作物早期病害进行监测的少数几项研究。
1.3无人机数码影像遥感病害进展
在农业领域，利用基于图像的无人机数码影像遥感技术代替传统的人工检测技术，及时、客观地获取害虫状态，降低损失，已越来越受到人们的重视。由于其设备成本低、使用方
便、空间分辨率高，因此，数码相机也被广泛应用于各种作物病害的探测。
王震等采用无人机遥感数码图像，研制了一种微型多旋翼无人机水稻病害识别系统。首先，从白穗图像提取Haar-like样的特征。其次，Adaboost算法识别白穗，识别率为93.62%。此方法是应用“无人机遥感+可见光”技术进行水稻白穗识别并对其撰写第一篇论文，对大规模稻田病害的识别有一定的借鉴意义。
针对萝卜的枯萎， Hassan等利用计算机视觉与深度学习技术，对由无人机拍摄的 RGB图像进行识别。通过对传统的深度学习方法（例如随机森林与深度学习算法）和深度卷积网络（CNN ）对健康萝卜和枯萎萝卜进行了分类，结果显示，深度卷积网络具有很好的识别效果，其识别的正确率达到93.3%。无人机机载遥感技术也是监测农作物研究中常用的对作物生长情况进行监测的方法。Sugiura等利用无人机采集到的 RGB影像，进行了晚枯病抗性的实验。实验结果较传统方法具有较高的识别预测精度，较好地解决了高维、非线性和局部极小问题。此实验对马铃薯晚疫病（Potato late blight ）的影响进行了客观、有效的评估，其效果优于常规的目测评估，且能节约人力。
2无人机遥感在虫害控制中的应用进展
篆书学习
在农作物虫害的监测中，由于大部分的虫害是动态的，所以在当前的虫害监测中，大部分都是通过地面的视频监控。应用无人机遥感技术对作物虫害进行监测的先例很少。黄华盛等采用无人机多光谱图像对棉蚜的危害进行了研究。本论文首先利用向量机分类器将每一个像素分成三类：棉花类、阴影类和其他类；实验结果显示，此算法的整体准确率达到95.4%，并通过 Alexnet对小鼠进行了分类。Fernando 等利用 RGB、多光谱和高光谱照相机对葡萄园中的害虫（葡萄园叶状体）进行了监测和预报。同时，此研究还证实了利用高光谱图像对人类尚未发现的葡萄叶状体进行探测，此研究所提出的方法、工作流程、结果及分析结果均能为植物病虫害的监测提供参考，并可推广应用于矿产勘探、生物多样性及生态评价等其它方面。
Severtson等利用无人机多光谱图像检测对油菜籽缺钾与绿桃蚜虫的相关性进行了研究，结果表明，在油菜籽粒缺钾条件下，它更易受绿桃蚜的侵染。吴才聪等利用大疆精灵4拍摄了100米高空的数字图像，将图像进行分类，提取出村庄、麦垛和玉米田。采用人工调查方法，获得了玉米受害株率资料，并对其进行了分类。此课题采用无人机对玉米田进行了田间分布及秸秆含虫量的探测，探索了虫源与害虫发生的关系。Morley等利用装有远程照相机的无人机，能够在地面上空飞行，并对植物的光谱特性进行分析，从而探测到负鼠的存江南扇舞
在和对环境的破坏。根据监控的结果，无人机能够准确的将有毒物质或诱捕装置投放到指定的位置。
无人机遥感技术在农作物虫害监测方面还处于初步的探索阶段，相关的研究报道很少，特别是无人机遥感应用于虫害的文献很少，主要是无人机数字影像、多光谱、高光谱遥感影像的处理和分析。如果采用传统的基于像素的分类方法对高维度分辨率遥感图像进行分类，会造成大量的空间数据冗余，导致分类结果的准确性和分类效率不高。所以此课题的主要研究内容还包括：利用红外热成像技术采集害虫的温度变化，利用影像和定时采集的方法，对害虫的传播规律进行分析，以促进无人机遥感技术在作物虫害监测中的应用。
3无人机遥感在农作物杂草识别中的应用
古代朴素唯物主义近年来，利用无人机遥感技术进行杂草识别已成为国内外许多学者的热点问题。目前，无人机上使用的主要是多光谱和数码相机。安全注意事项
在利用多光谱图像进行杂草识别方面，P érez-Ortiz 等利用无人机采集了一幅向日葵农田的遥感影像，并将其与作物的行排列特征和遥感影像的光谱特征相结合，利用半监督学习算
法对杂草进行准确的识别。此课题既可以利用遥感图像中的影像资料，又可以运用农业经验知识进行辨识，从而简化了对杂草与农作物的辨识。Afroditi等采用多光谱照相机（绿色-红色-近红外）采集高分辨率图像，并通过多层感知器（MLP-ARD）进行识别。
