飼草作物生長的動態(tài)監(jiān)測與定量估算，對于飼草規(guī)模化生產(chǎn)具有重要意義，為了獲取飼草作物生長信息，中國農(nóng)業(yè)大學水利與土木工程學院聯(lián)合新疆農(nóng)業(yè)科學院土壤肥料與農(nóng)業(yè)節(jié)水研究所、農(nóng)業(yè)節(jié)水與水資源教育部工程研究中心、滄州市農(nóng)林科學院等科研院所，組成研究團隊。充分利用無人機遙感分辨率高、靈活性強、成本低等特性,應用場景不斷拓展。

為了掌握無人機在飼草監(jiān)測的國內(nèi)外應用現(xiàn)狀,確定重點發(fā)展方向。

一、無人機遙感飼草作物監(jiān)測研究態(tài)勢

2012—2021年無人機遙感飼草作物監(jiān)測的論文發(fā)表數(shù)量整體呈現(xiàn)從無到有且快速增長的趨勢。其中，2012—2017年間的論文發(fā)表數(shù)量較少，總計不足30篇。自2018年起，越來越多的研究論文開始使用機器學習、SFM等技術方法，飼草作物的監(jiān)測指標也逐漸擴展至氮濃度含量、品質(zhì)、葉面積指數(shù)等。這些論文表明隨著計算機信息技術、遙感技術的迅速發(fā)展，無人機遙感在飼草作物監(jiān)測領域中的應用潛力得到了相應的挖掘。

近10年全球主要國家無人機遙感飼草作物監(jiān)測論文發(fā)表數(shù)量。其中中國在本領域的研究起步較晚，2015年前尚未發(fā)表相關論文。而隨著2012年開始實施的“振興奶業(yè)苜蓿發(fā)展行動”與2015年起實施的“糧改飼”等政策，中國飼草產(chǎn)業(yè)進入蓬勃發(fā)展的時期，甘肅河西走廊、寧夏河套灌區(qū)、毛烏素沙區(qū)等地充分利用產(chǎn)區(qū)氣候干燥少雨、利于干草生產(chǎn)的有利因素，成為優(yōu)質(zhì)苜蓿的主產(chǎn)區(qū)。隨著飼草生產(chǎn)區(qū)域的不斷擴大，越來越多的研究者加大了對飼草作物的研究投入，中國研究者在2016—2021年間共發(fā)表相關論文38篇，位于世界首位。

美國牧草生產(chǎn)歷史悠久，全國近14%的農(nóng)田種植牧草，種植面積約為2470萬公頃，種植的紫花苜蓿和玉米、大豆、小麥進行豆禾輪作，對飼草作物的研究較深入，自2013年起至今共計發(fā)表相關論文34篇。其他國家如德國、澳大利亞、英國等也在近年間相繼發(fā)表了研究論文。通過這些數(shù)據(jù)表明，全球眾多國家已經(jīng)開展了無人機遙感在飼草作物生長監(jiān)測中的應用研究，并取得了一定的進展。但根據(jù)論文發(fā)表數(shù)量及發(fā)表趨勢判斷，總體來說，此領域目前并非研究者關注熱點領域。

二、無人機遙感飼草作物監(jiān)測研究現(xiàn)狀

本節(jié)主要圍繞近年來無人機遙感監(jiān)測在飼草作物中的研究應用現(xiàn)狀，從可見光、多光譜、高光譜、熱紅外和激光雷達傳感器5個方面進行總結和評述。

1、可見光遙感

可見光傳感器具有成像分辨率高、數(shù)據(jù)處理簡單、成本低等優(yōu)勢，目前在飼草作物的覆蓋度、生物量監(jiān)測中應用最廣。在植被覆蓋度的研究中，證實過綠指數(shù)在估算飼草作物植被覆蓋度的可行性。采用監(jiān)督分類結合植被指數(shù)直方圖分析了6種可見光植被指數(shù)對草地的識別效果，結果表明歸一化紅綠差異指數(shù)提取植被覆蓋度的精度最高。植被因子指數(shù)和EXG估測草地覆蓋度的效果較好，平均精確度均在93%以上。

使用敏感植被指數(shù)與生物量直接構建線性或非線性模型是飼草作物生物量監(jiān)測的方法之一。使用NGRDI構建的亞高山草甸的生物量指數(shù)回歸模型，以及使用紅綠藍植被指數(shù)構建的青藏高原地區(qū)放牧草地的生物量模型，均取得了較好的結果。

近年來眾多研究發(fā)現(xiàn)數(shù)字表面模型特征所包含的絕對高度信息能為飼草作物的生物量提供重要參照，可以彌補可見光影像中波段少光譜信息量低的不足，提高模型的預測精度。除此之外，基于AlexNet深度學習網(wǎng)絡成功預測了不同基因型大黍的生物量，預測值與實際值相關系數(shù)r達到0.88。探究不同飛行高度和拍攝角度對紫花苜蓿生物量建模精度的影響，明確了飛行高度為50 m，拍攝角度為75°時構建的生物量模型精度最高。對比了30、40、50 m飛行高度下構建的草地生物量模型，模型的決定系數(shù)R 2分別為0.65、0.63、0.63，表明飛行高度對結果的影響不顯著。

深入挖掘分析高分辨率的可見光遙感信息，通過回歸分析、機器學習、SFM等方法在植被覆蓋度、株高和生物量等方面展開研究，取得了令人滿意的結果。相比于多光譜相機，可見光相機的波段數(shù)較少，尤其是缺乏紅邊、近紅外波段的信息，為營養(yǎng)價值估算、倒伏判斷、含氮量監(jiān)測等方面研究帶來了挑戰(zhàn)。然而可見光傳感器成本低于多光譜、高光譜等傳感器，具有良好的經(jīng)濟適用性，是無人機遙感監(jiān)測推廣普及的首選方案。

2、多光譜遙感

普通的可見光傳感器只包括R、G、B三個波段，而多光譜相機包含的紅邊、近紅外等波段能夠更好地捕捉作物整個生育期內(nèi)的光譜反射特征，使用基于紅邊、近紅外波段構建的植被指數(shù)可以準確地開展生物量估算、營養(yǎng)指標監(jiān)測等工作。常用的多光譜植被指數(shù)包括歸一化植被指數(shù)、綠色歸一化植被指數(shù)、歸一化紅邊指數(shù)等。

在育種表型參數(shù)解析方面，使用NDVI指數(shù)與覆蓋度計算苜蓿干草質(zhì)量并與實測值進行相關性分析，評估了不同品種苜蓿的生產(chǎn)力。分析NDVI、NDRE、GNDVI和綠紅比值植被指數(shù)四種多光譜植被指數(shù)與苜蓿生物量的相關性，成功提高了飼草作物育種試驗的效率與準確性。

在氮素監(jiān)測研究中，基于多光譜遙感數(shù)據(jù)構建了紅羊茅草-黑麥草混合草地氮濃度、氮吸收、生物量和氮營養(yǎng)指數(shù)反演模型。使用RF算法構建了基于5種多光譜植被指數(shù)的青貯玉米含氮量反演模型。大量研究證實了使用多光譜植被指數(shù)能夠預測飼草作物的產(chǎn)量，在此基礎上，使用多光譜指數(shù)融合冠層結構信息能夠避免光譜指數(shù)模型在產(chǎn)量高值區(qū)出現(xiàn)飽和，在黑麥草、白車軸草-黑麥草混播草地和紫花苜蓿的產(chǎn)量預測模型中加入作物冠層結構信息，均獲得了更好的預測效果。

與可見光遙感相比，多光譜遙感獲取的近紅外波段能夠為作物信息反演提供更多的支持，也使數(shù)據(jù)處理和模型構建具有更大的操作空間，然而當前的研究主要圍繞簡單的波段組合展開，尚未體現(xiàn)飼草作物在連續(xù)波段范圍的吸收過程。總體而言，多光譜遙感的綜合應用價值較大，是一種較為成熟、適合推廣應用的遙感監(jiān)測手段。

3、高光譜遙感

高光譜傳感器相較于多光譜傳感器可以提供更豐富的光譜信息，從而敏感地捕獲植被正常或脅迫生長引起的光譜反射率變化。在高光譜的研究中，對比了可見光與高光譜影像估算草地生物量、含氮量的效果，證實了高光譜植被指數(shù)在草地含氮量的估算中優(yōu)于可見光。通過無人機搭載高光譜相機獲取苜蓿冠層植被指數(shù)，結合RF、SVR和K近鄰算法3種機器學習算法，構建了基于集成機器學習算法的苜蓿產(chǎn)量預測模型，結果表明集成模型優(yōu)于基礎學習算法模型，最優(yōu)模型的R2為0.87。在產(chǎn)量預測的基礎上，首次將多任務模型用于作物營養(yǎng)價值估算，使用基于長短期記憶和ANN的多任務學習模型估算了苜蓿品質(zhì)，結果表明多任務模型在估算苜蓿品質(zhì)方面優(yōu)于其他模型。研究不同算法對牧草品質(zhì)的估算效果，結果表明基于SVR的粗蛋白模型精度最高，而基于Cubist回歸的酸性洗滌纖維模型精度最高。

已有研究結果表明，高光譜遙感在飼草作物含氮量、產(chǎn)量和營養(yǎng)價值監(jiān)測等方面具有較高可行性。目前，基于高光譜遙感發(fā)表的研究論文數(shù)量要少于可見光、多光譜遙感，在未來研究中，應根據(jù)不同作物的特征，充分利用高光譜遙感的光譜分辨率高、信息量大的特點，進一步提升飼草作物的監(jiān)測效果。

4、熱紅外遙感

熱紅外遙感因其獨特的波段范圍(0.76~1000 μm)，在冠層溫度、土壤含水和蒸散發(fā)方面取得了較好的表現(xiàn)。在青藏高原地區(qū)開展研究，研究結果表明無人機熱紅外遙感技術可以快速、精準獲取地表溫度數(shù)據(jù)，為高寒草甸干旱監(jiān)測提供數(shù)據(jù)支持。使用無人機搭載熱紅外相機結合地面采樣數(shù)據(jù)，準確估算了紫花苜蓿與燕麥的土壤含水率空間分布，模型R2為0.77。基于地表能量平衡的蒸散發(fā)模型是獲取冠層蒸散發(fā)的重要手段之一。相較于衛(wèi)星遙感數(shù)據(jù)，使用無人機熱紅外數(shù)據(jù)進行蒸散發(fā)估算更適合中小型地塊的田間監(jiān)測。

現(xiàn)階段熱紅外傳感器圖像分辨率普遍較低，通常將熱紅外與多光譜、可見光遙感數(shù)據(jù)融合以提升遙感監(jiān)測效果。使用熱紅外傳感器獲得的作物水分脅迫指數(shù)(Crop Water Stress Index，CWSI)和多光譜傳感器獲得的非線性調(diào)整指數(shù)構建了紫花苜蓿的產(chǎn)量預測模型，其中使用多元線性回歸法構建的模型R2為0.64。使用可見光植被指數(shù)與冠層溫度判斷羊茅草、黑麥草的耐旱性，將育種專家給出的視覺評分與無人機遙感數(shù)據(jù)進行對比分析，結果表明基于逐步回歸算法構建的模型能夠準確估算牧草的耐旱分數(shù)。研究同樣表明植被指數(shù)與育種專家給出的視覺評分具有較高的相關性，使用熱紅外遙感得到的CWSI可用于分析不同品種黑麥草的生理生態(tài)差異。

上述研究證實了熱紅外傳感器在飼草作物監(jiān)測中的可行性，然而傳感器本身較低的分辨率和復雜的外界環(huán)境為熱紅外成像技術帶來了挑戰(zhàn)，在今后的研究中需要關注研發(fā)適用性更強的熱紅外傳感器，以達到準確、經(jīng)濟、實用等目的。

5、激光雷達遙感

激光雷達與光學成像遙感成像原理不同，其通過主動發(fā)射激光脈沖獲取目標空間數(shù)據(jù)，具有點密度高、空間分辨率高、低空探測性能好等優(yōu)勢。結合機載激光雷達數(shù)據(jù)與地表高程點構建了錫林浩特地區(qū)草地的DSM，通過空間坐標匹配疊加及數(shù)值解獲得草地冠層高度模型。探究無人機搭載離散回波激光雷達對呼倫貝爾草原生態(tài)系統(tǒng)冠層高度和覆蓋率建模的能力，結果表明平均冠層高度是草地生物量的最佳估算指標，模型的均方根誤差為81.89 g/m2。

激光雷達相較光學傳感器有更強的抗干擾能力，但不合理的飛行參數(shù)仍會導致點云信息缺失。探究不同飛行高度下激光雷達估算呼倫貝爾牧區(qū)草地冠層高度與植被覆蓋度的效果，證實了數(shù)據(jù)采集高度對覆蓋度的估算有顯著影響。對比了機載與近地測量的激光雷達數(shù)據(jù)，建議在數(shù)據(jù)采集過程中降低飛行速度并采用地形跟隨的方式保證數(shù)據(jù)質(zhì)量。

激光雷達傳感器測量精度更高，但數(shù)據(jù)處理難度大，而且價格較高，目前在飼草作物生長監(jiān)測研究中鮮有使用。在未來研究中，激光雷達遙感可重點著眼于低成本傳感器的研發(fā)和配套算法模型的開發(fā)。

融合飼草作物時空尺度數(shù)據(jù)和多源遙感數(shù)據(jù)、進一步拓展數(shù)據(jù)獲取手段、研發(fā)智能化數(shù)據(jù)分析綜合平臺是未來飼草作物監(jiān)測領域應用創(chuàng)新的關鍵所在。

審核編輯 黃宇