1、引言

小麥在我國糧食作物領(lǐng)域占據(jù)第二的位置，小麥的高產(chǎn)和穩(wěn)產(chǎn)對于我國糧食安全有重要作用，科學(xué)有效的田間種植管控是確保小麥實現(xiàn)高產(chǎn)、穩(wěn)產(chǎn)的主要前提。近年來，無人機(jī)遙感技術(shù)在小麥生產(chǎn)監(jiān)測領(lǐng)域得到了大范圍的應(yīng)用，極大地提升了小麥在生產(chǎn)種植環(huán)節(jié)的精準(zhǔn)化管控水平。因此，針對其在應(yīng)用層面的狀況展開研究和分析，不僅有助于及時監(jiān)測生長異常的作物區(qū)域，強(qiáng)化對小麥作物種植區(qū)域的掌控力度，同時也能更好地預(yù)測、評估作物的產(chǎn)量及災(zāi)害可能造成的損失。

2、無人機(jī)遙感技術(shù)的應(yīng)用優(yōu)勢

2.1 遙感監(jiān)測范圍大

近年來，我國農(nóng)業(yè)生產(chǎn)作業(yè)領(lǐng)域?qū)o人機(jī)遙感技術(shù)的應(yīng)用要求持續(xù)提升，無人機(jī)遙感技術(shù)在監(jiān)測環(huán)節(jié)的范圍也在持續(xù)擴(kuò)增，監(jiān)測區(qū)域內(nèi)部的范圍可以包括大、小不同的區(qū)域，無人機(jī)遙感可以在不同的角度、飛行高度，在較大的空間和范圍內(nèi)實行大面積、多角度的監(jiān)測工作，也可以在較低的高度針對多個角度實現(xiàn)范圍較小的精準(zhǔn)性監(jiān)測，還可以由多架無人機(jī)共同完成同步監(jiān)測、多次監(jiān)測操作。

通過合理應(yīng)用三維立體仿真模擬技術(shù)，將收集到的遙感數(shù)據(jù)信息完成三維立體化的模擬和分析，能從宏觀的角度呈現(xiàn)出區(qū)域內(nèi)部的監(jiān)測狀況、監(jiān)測范圍內(nèi)的危害區(qū)域、危害嚴(yán)重程度、危害具體狀況等內(nèi)容，由此為農(nóng)業(yè)部門后續(xù)治理工作的順利開展提供科學(xué)有效的參考依據(jù)。

2.2安全性能高

無人機(jī)遙感技術(shù)就應(yīng)用角度來講，主要是借助無人機(jī)操作平臺在室外完成相應(yīng)的作業(yè)，操作技術(shù)人員借助遠(yuǎn)程操控手段，可以及時有效地捕捉到相應(yīng)的數(shù)據(jù)信息；同時針對當(dāng)?shù)氐臓顩r做出及時有效的應(yīng)對，特別是對一部分危險程度相對較高的區(qū)域開展勘探。

工作期間，無人機(jī)遙感技術(shù)屬于一種安全性能相對較高的監(jiān)測措施，可以最大限度地保障戶外檢測人員在監(jiān)測環(huán)節(jié)的生命安全，降低事故發(fā)生概率。

2.3數(shù)據(jù)信息傳輸效率高

無人機(jī)遙感技術(shù)相比其他遙感技術(shù)，在獲取和傳輸數(shù)據(jù)信息環(huán)節(jié)速率更高、更快，在小麥等農(nóng)作物生產(chǎn)環(huán)節(jié)運用無人機(jī)遙感技術(shù)時，可以使用傳感器、數(shù)碼相機(jī)捕捉相應(yīng)的數(shù)據(jù)信息，在將其集中整合之后傳輸?shù)降孛娼邮账杉夹g(shù)操作人員對信息完成捕捉和整合，最大限度地提升小麥等農(nóng)作物在生長發(fā)育層面的進(jìn)度。

3、無人機(jī)遙感技術(shù)在小麥作物生長環(huán)節(jié)的監(jiān)測應(yīng)用

3.1監(jiān)測小麥生物量

在生態(tài)系統(tǒng)中，生物量與生物產(chǎn)量息息相關(guān)，傳統(tǒng)形式的生物量檢測方式在應(yīng)用層面存在時效性低、破壞性取樣等缺陷。應(yīng)用高光譜遙感技術(shù)具有數(shù)據(jù)體量大、連續(xù)性好、波段多、光譜分辨率高等優(yōu)點，可以及時科學(xué)地監(jiān)控作物群體生長的具體狀況，在農(nóng)業(yè)定量遙感的研究分析工作中得到了大范圍的應(yīng)用，是未來實現(xiàn)精準(zhǔn)化農(nóng)業(yè)管理和可持續(xù)發(fā)展的主要方式，也是監(jiān)測地表植物狀況的主要方式。在精準(zhǔn)農(nóng)業(yè)發(fā)展中，有一種概念叫做歸一化植被指數(shù)。

根據(jù)專業(yè)解釋，歸一化植被指數(shù)是反映農(nóng)作物長勢和營養(yǎng)信息的重要參數(shù)之一，也是改善作物健康狀況的重要參考依據(jù)。有研究學(xué)者通過實踐研究證實，以歸一化植被指數(shù)為基礎(chǔ)，可以合理評估小麥開花期間的生物量數(shù)值。有學(xué)者以人工神經(jīng)網(wǎng)絡(luò)的方法，合理提升了小麥生物量在評估環(huán)節(jié)的數(shù)據(jù)精準(zhǔn)性。有學(xué)者通過研究證實，紅邊三角植被指數(shù)是評估冠層生物量指數(shù)的最佳數(shù)值。有學(xué)者通過研究證實，波段深度分析和偏最小二乘回歸結(jié)合，可以合理提升小麥生物量在估算期間的精準(zhǔn)度。上述人員的實踐研究，為小麥作物在不同生長發(fā)育周期的長勢狀態(tài)監(jiān)測、評估診斷工作提供了科學(xué)有效的理論參考依據(jù)。

3.2監(jiān)測小麥葉面積指數(shù)

葉面積指數(shù)和小麥作物的光能應(yīng)用效率息息相關(guān)，是預(yù)測小麥作物產(chǎn)量、評估小麥作物生長狀態(tài)的一項主要指標(biāo)，葉面積指數(shù)數(shù)值不同，對于光的反射率數(shù)值也不同，所以可以在無人機(jī)上裝載相機(jī)，針對面積相對較大的小麥作物開展葉面積指數(shù)的監(jiān)測工作，按照相應(yīng)的標(biāo)準(zhǔn)和需求，可以選擇在無人機(jī)上裝載紅外相機(jī)、多光譜相機(jī)、高光譜相機(jī)、可見光相機(jī)等不同類型的相機(jī)。

有學(xué)者以植被指數(shù)為基礎(chǔ)，分別對葉面積指數(shù)構(gòu)建線性、非線性的回歸數(shù)據(jù)模型，科學(xué)合理地預(yù)測了小麥在不同生長周期的LAI數(shù)值，通過研究發(fā)現(xiàn)利用NDVI可以合理估算小麥的LAI數(shù)值，但是卻存在相對較大的誤差。通過科學(xué)應(yīng)用無人機(jī)高光譜獲取多光譜數(shù)據(jù)信息，組建了葉面積指數(shù)和TNDVI、RVI、RDVI、NDVI、MSAVI、EVI2、DVI等七種小麥作物植被指數(shù)的數(shù)據(jù)統(tǒng)計分析模型，獲得了相對較好的效果，且決定系數(shù)R2超過了0.76。有研究人員使用無人機(jī)裝載高光譜數(shù)碼相機(jī)，針對冬小麥作物在三個生長發(fā)育周期的光譜數(shù)據(jù)信息完成測定操作，針對LAI、Hcsm、植被指數(shù)之間的相關(guān)性進(jìn)行了分析和研究，篩選出了植被指數(shù)的最優(yōu)數(shù)值，然后針對單個參數(shù)分別組建了LAI評估數(shù)據(jù)模型，有針對性地提升了LAI在數(shù)據(jù)估算環(huán)節(jié)的數(shù)據(jù)精準(zhǔn)度。

3.3監(jiān)測小麥葉綠素含量

小麥植物葉片中的葉綠素含量與小麥植物光合作用能力息息相關(guān)，葉綠素含量是反饋小麥作物光合能力、氮素營養(yǎng)狀況的主要評估指標(biāo)。通常狀況下，葉綠素含量用來評估小麥作物在逆境脅迫生長狀態(tài)下受到傷害的具體程度，以及受傷之后的營養(yǎng)發(fā)育狀況。因為胡蘿卜素、葉綠素B、葉綠素A等元素對波長的光在吸收層面的強(qiáng)度不同，由此在遙感監(jiān)測環(huán)節(jié)，植物冠層反射光譜所出現(xiàn)的各種變化波動，可以在某種程度上反饋出小麥作物中葉綠素的實際含量和組成。

當(dāng)前，遙感監(jiān)測葉綠素含量的工作，主要是借助光譜參數(shù)、植被參數(shù)與葉綠素含量之間的回歸關(guān)系來完成。例如：旱地環(huán)境、水澆地環(huán)境等不同狀況下，春小麥葉片在整個生長發(fā)育周期內(nèi)部，體內(nèi)葉綠素含量的變化波動幅度，研究分析出了小麥葉綠素的相對含量數(shù)值，與不同葉片冠層的高光譜植被指數(shù)相互之間存在的數(shù)字關(guān)系，在旱地環(huán)境、水澆地環(huán)境兩種生長狀況下，針對春小麥葉綠素含量組建了數(shù)字化的評估數(shù)據(jù)模型。有學(xué)者借助無人機(jī)遙感監(jiān)測的方式，捕獲了小麥在拔節(jié)生長周期的多光譜影像數(shù)據(jù)信息之后，針對4個波段提取了小麥冠層葉片的光譜圖像數(shù)據(jù)信息，然后從其中挑選了與小麥葉綠素的相對含量數(shù)值存在較大關(guān)系的7種植被指數(shù)數(shù)據(jù)信息，針對葉綠素的相對含量數(shù)值、小麥作物植被指數(shù)，構(gòu)建了一元化的線性數(shù)字回歸模型、多元化的線性數(shù)字回歸模型，并對數(shù)字模型完成了驗證、評估等操作。最終針對處在生長拔節(jié)期的小麥葉片，在葉綠素含量層面完成了預(yù)測和評估工作，借助無人機(jī)遙感監(jiān)測的方式，對冬小麥葉綠素的含量實現(xiàn)合理的監(jiān)控。就某種程度來講，這能夠反饋出田間小麥作物在生長期間的實際營養(yǎng)狀態(tài)，在農(nóng)業(yè)種植領(lǐng)域提高管理工作的高效性、精準(zhǔn)性。

3.4監(jiān)測小麥產(chǎn)量

農(nóng)作物產(chǎn)量是糧食維持供應(yīng)需求平衡，以及農(nóng)業(yè)管理規(guī)章制度編制的主要參考數(shù)據(jù)信息，對國家層面的糧食安全能起到直接的決定性作用。

利用高光譜遙感技術(shù)可以在最短的時間內(nèi)，在較大的區(qū)域范圍內(nèi)捕獲最多的農(nóng)作物數(shù)據(jù)信息，在農(nóng)作物產(chǎn)量評估層面具備精準(zhǔn)、快速、宏觀、動態(tài)等優(yōu)點。現(xiàn)階段，隨著遙感技術(shù)發(fā)展速度不斷加快，大多數(shù)研究人員開始應(yīng)用高光譜反射率，針對小麥作物的產(chǎn)量展開研究和分析，確立了小麥產(chǎn)量的評估敏感光譜波段和不同方式的作物植被指數(shù)信息，例如以高光譜遙感監(jiān)測技術(shù)為基礎(chǔ)，構(gòu)建植被指數(shù)、規(guī)劃差異性的作物植被指數(shù)，預(yù)測和評估作物的產(chǎn)量。

4、結(jié)語

綜上所述，現(xiàn)階段農(nóng)業(yè)生產(chǎn)領(lǐng)域應(yīng)用到的遙感模型，大多數(shù)是以統(tǒng)計分析為基礎(chǔ)展開研究分析的，隨著應(yīng)用尺度、區(qū)域、氣候等條件因素的變換，適用性可能會受到不同程度的影響，降低預(yù)測環(huán)節(jié)的數(shù)值精準(zhǔn)度。未來在研究操作環(huán)節(jié)，需要在不同的氣候環(huán)境、土壤狀況、生態(tài)區(qū)域內(nèi)部，針對小麥生長發(fā)育模型、小麥產(chǎn)量品質(zhì)的預(yù)測評估數(shù)字模型展開研究和分析，不僅有助于提高數(shù)字模型在應(yīng)用期間的精準(zhǔn)性，也能合理提高其在區(qū)域?qū)用娴倪m用性和實用性。

推薦：

便攜式高光譜成像系統(tǒng) iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價比特點采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇