无人机遥感技术在智慧农业中的应用研究进展

摘要 无人机遥感技术可以实时、准确、快速地获取高质量遥感影像数据，从而为农事决策提供准确的数据支撑，目前已成为智慧农业生产管理的重要组成部分。 介绍了无人机遥感系统组成及数据获取和处理流程，梳理了近年来无人机遥感技术在智慧农业中的应用研究进展，包括农作物识别与分类、农作物长势监测、农作物病虫害监测、农作物产量估测4个方面，同时对无人机遥感技术在智慧农业应用中面临的挑战进行分析与展望，以期为无人机遥感技术在智慧农业中的精准应用提供理论依据。

关键词 无人机遥感技术；智慧农业；应用

中图分类号 S 127  文献标识码 A  文章编号 0517-6611（2024）23-0011-05

doi：10.3969/j.issn.0517-6611.2024.23.003

Research Progress on the Application of UAV Remote Sensing Technology in Smart Agriculture

YANG Xiao-jun

（China Coal Xi’an Design Engineering Co.， Ltd.，Xi’an， Shaanxi 710054 ）

Abstract UAV remote sensing technology can obtain high-quality remote sensing image data in real time， accurately and quickly， so as to provide accurate data support for agricultural decision-making， and has become an important part of smart agricultural production management.This paper introduces the composition of UAV remote sensing system and data acquisition and processing process， and reviews the application research progress of UAV remote sensing technology in smart agriculture at home and abroad in recent years，including four aspects： crop identification and classification， crop growth monitoring， pest monitoring， yield estimation.At the same time， the challenges faced by UAV remote sensing technology in the application of smart agriculture are analyzed and prospected， in order to provide theoretical basis for the accurate application of UAV remote sensing technology in smart agriculture.

Key words UAV remote sensing technology;Smart agriculture;Application

作者简介 杨晓军（1970—），男，陕西兴平人，高级工程师，硕士，从事测绘工程与检测监测研究。

收稿日期 2024-08-08

智慧农业是由精准农业逐渐发展而来的，属于农业生产的高级阶段，主要是依托物联网技术、互联网技术、计算机网络技术、遥感技术、地理信息技术等现代信息技术，通过对农业生产过程进行智能化感知、分析、控制和管理，为农业生产提供智能远程诊断、分析、预测预警［1］。智慧农业是农业与信息技术相融合的新业态，具有明显的技术优势和理念优势，是近年来国家大力推广的农业发展模式，是现代农村经济社会健康发展的关键推动力［2］。党的二十大报告指出，要加快农业现代化发展，加快传统农业向智慧农业和数字农业转型［3］。近年来，随着农业规模化、集约化和信息化的快速发展，智慧农业得到了推广普及，但同时也面临着众多症结和阻点，如采用的统计方法获取不同尺度的农作物面积和产量的相关数据，准确度和时效性较低［4］；对于农作物长势的定量化、空间化模拟研究较少，导致农作物种植结构的优化调整缺乏相应的技术支撑［5］；在农作物病虫害防治方面，部分病虫害无法及时监测，导致防治困难［6］。

无人机遥感技术是一种新型航空遥感技术，集无人机、传感器、无线通信、卫星定位等技术于一体，可以实现快速、准确地采集高时空遥感影像数据，并完成对影像数据的处理和分析［7］。目前，卫星遥感技术和地面遥感技术已经广泛地应用于农业，也有效提升了农情获取的效率，但是卫星遥感技术在应用过程中容易受到天气因素的影响，获取高质量影像的难度较大，且重访周期较长，而地面遥感技术在应用过程中存在监测范围小、获取信息较慢、费时费力等缺点［8］。无人机遥感技术操作方便、覆盖区域广，且成本较低，同时受到云层覆盖、天气的影响较小，可以获取高通量、高分辨率的影像，这无疑很好地弥补了卫星遥感和地面遥感技术的缺陷，可以为农事决策提供准确的数据支撑，满足智慧农业管理过程中对各种农业环境和场景的需求，促进农业生产的高效化和精准化［9］。目前，国内外很多学者已认识到无人机遥感技术在智慧农业中的应用潜力，也开始关注这方面的研究，但是关于无人机遥感技术在智慧农业应用中的综述研究较少。为此，笔者基于目前常用于智慧农业生产管理的无人机飞行平台类型、机载传感器类型、数据获取和处理流程，综述了无人机遥感技术在智慧农业中的应用研究进展，包括农作物识别与分类、农作物长势监测、农作物病虫害监测、农作物产量估测，对无人机遥感技术在智慧农业应用中面临的挑战进行了讨论和展望，以期为促进无人机遥感技术在智慧农业中的进一步应用和深入研究提供理论支撑和参考。

1 无人机遥感系统组成

1.1 无人机飞行平台类型

无人机种类繁多，按照飞行平台构型可以分为多旋翼无人机、单旋翼无人机、混合翼无人机、固定翼无人机等，根据作业任务的具体内容，选择不同类型［10］。无人机遥感技术在智慧农业中的具体应用需要综合考虑作业区域面积与高度、载荷、续航时间、精度等因素来选取适宜的无人机（表1）。其中，多旋翼无人机以其成本较低、起降方便、稳定性高等优势在智慧农业中的应用较为广泛。

1.2 机载传感器类型

无人机飞行平台载荷有限，因此搭载的传感器要满足质量轻、尺寸小、精度高的要求，要根据影像数据类型的具体需求，合理选择传感器类型。 目前，无人机飞行平台搭载的传感器主要包括数码相机、高光谱相机、多光谱相机、热红外相机、激光雷达等，不同传感器的类型差异较大、获取数据的类型各有优劣，要根据研究的具体需要选择合适的传感器［11］（表2）。

2 无人机遥感数据获取和处理流程

2.1 数据获取流程

无人机遥感技术应用于智慧农业生产中，其对相关影像数据获取的安全性、规范性和实效性尤为重要，这在很大程度上解决了最终获取影像数据的质量，也会对数据分析结果产生直接影响。目前，国内外关于无人机遥感技术应用于智慧农业中遥感影像数据获取的流程大致相同，具体包括制定飞行计划、申请飞行空域、飞行前准备、正式飞行、飞行结果［12］（图1）。

2.2 数据处理流程

现阶段，无人机遥感技术应用于智慧农业的数据处理流程大致相似，主要包括原始数据预处理、数据特征提取、构造模型、精度分析、遥感产出与应用［13］（图2）。

3 无人机遥感技术在智慧农业中的应用研究进展

3.1 农作物识别与分类

随着智慧农业和信息化技术的不断发展，如何准确且快速地获取农作物的空间分布特征已成为迫切需要解决的问题，这是由于进行农作物苗情科学评估、对农作物长势和面积进行分析与测算等农事都要基于农作物空间分布特征，这也对重新规划农作物种植、制定农业生产管理措施等具有重要意义。传统的利用人工进行农业数据调查统计工作量大，调查周期长，需要耗费大量的物力和财力。

无人机遥感技术抗干扰性较强，同时具有高效性和实时性，可以为智慧农业生产提供丰富的农作物结构与纹理信息，在农作物识别与计数中发挥重要作用。田振坤等［14］利用无人机平台搭载冠层测量相机，获取覆盖冬小麦和玉米整个生育期的高分辨率影像，在分析波谱特征、NDVI变化阈值的基础上，提出了一种基于无人机遥感技术的玉米和冬小麦分类方法。杨玉莹［15］利用无人机遥感RGB影像数据，基于纹理特征、颜色特征、植被指数构建了机器学习模型，并创新提出了种植结构复杂地区的大豆遥感识别方法。Zhao 等［16］先通过田间实际调查，再利用无人机遥感技术获取了超高分辨率影像，采用回归分析法实现了油菜出苗株数的准确统计。戴建国等［17］利用无人机遥感系统获取了可见光影像，构建了纹理和低通滤波特征，利用优选特征训练分类模型，实现了对棉花、玉米、苜蓿、西葫芦的分类提取，且各作物的分类精度均超过80%。Lin 等［18］利用无人机视频流计数平台，结合改进的目标检测与跟踪算法，实现了花生苗与杂草的精准识别分类。李婕等［19］通过提取无人机遥感影像的油菜特征，利用搭建的油菜影像识别网络模型，有效地提高了对不同品种油菜的识别精度。王利民等［20］采用面向对象的分类方法，根据遥感影像的纹理特征，对春玉米、夏玉米、苜蓿、裸土4种地物类型进行分类，实现了对该4种作物识别精度均超过86%的目标。张超等［21］根据无人机遥感影像信息，基于小波包变化法，实现了对玉米、高粱、黄豆、桃树、棉花、苜蓿、黑豆7种农作物的精细识别分类。

现阶段，无人机遥感技术应用于农作物识别与分类主要是通过提取影像的光谱特征、色彩特征、纹理特征等，并利用分类算法或机器学习算法来实现的，可以为农作物种植结构的信息提取提供重要的技术支撑，但是现有研究大部分采用单个分类器，而单个分类器的类型多样，且各自适用的范围具有明显差异，因此在大部分种植结构相对复杂的区域，由于分类方法不具有明显的针对性，从而导致对农作物的识别分类精度普遍较低［22］。

3.2 农作物长势监测

利用无人机遥感技术进行农作物长势动态监测，可以实时掌握农作物的生长状况、苗情、水肥胁迫、营养水平等，可以提前诊断农作物在生长发育过程中可能出现的问题，为智慧农业田间作业和生产管理提供重要依据，为保证农作物正常生长和获取更好的经济效益奠定基础［23］。农作物生长过程较为复杂，但可以用相关的生长参数、营养元素含量等来表征。祝锦霞等［24］通过无人机遥感平台获取水稻第一、第三完全展开叶的遥感图像，采用面向对象光谱分割技术的遥感信息提取方法，实现了水稻氮素养分的监测和诊断。叶面积指数（LAI）可以在一定程度上反映农作物的生长状况，是农作物产量评估的重要指标之一。植被指数与叶面积指数、生物量、光合辐射量之间具有密切联系，常被用于农作物长势监测［25］。Chosa等［26］利用无人机遥感技术获取的近红外影像资料，根据计算出的研究区水稻的归一化植被指数，对水稻的生长变异性进行了量化，并据此提出了研究区改进措施。Hunt等［27］通过无人机遥感技术获取的影像，对冬小麦生长情况进行分析，得出叶面积指数与绿色归一化植被指数间存在较好相关关系的结论。裴浩杰等［28］利用无人机遥感获取的高光谱影像数据，基于偏最小二乘回归法建立综合长势指标（CGI）反演模型，实现对小麦生育期综合长势的高精度监测。

高光谱遥感技术中的窄波段可以有效地获取更加精细的波谱数据，对农作物叶绿素含量和红边特征等信息进行精确监测，从而实现对农作物叶片中氮、磷、钾等营养元素含量的快速监测，以此反映农作物的生长状况［29］。魏鹏飞等［30］利用无人机遥感技术获取夏玉米不同生育期的高光谱影像，采用相关性分析法探究光谱变量与叶片氮含量之间的相关关系，最终实现了对夏玉米在不同生育期叶片氮含量的估测。冯帅等［31］通过无人机高光谱遥感技术获取了不同生长期粳稻的冠层高光谱数据，利用标准正态变量变换（SNV）和滤波器滤波法（SG），实现了对粳稻冠层叶片氮素含量的精确监测。秦占飞等［32］通过开展不同氮素水平水稻试验，基于无人机高光谱影像数据，以光谱指数构建水稻叶片全氮含量估测模型，结果显示高光谱影像反演的水稻叶片全氮含量分布与实际情况完全一致。无人机高光谱遥感技术用于监测农作物长势，关键是要寻找到敏感波段以及相关光谱参数，然后再利用适宜的算法构建反演模型［33-34］。