摘要：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。智慧农业是农业与

作者：杨晓军

单位：中煤西安设计工程有限责任公司

简介：杨晓军，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。

来源：《安徽农业科学》2024年23期

引文格式：杨晓军.无人机遥感技术在智慧农业中的应用研究进展[J].安徽农业科学,2024,52(23):11-15.

长按识别

OSID开放科学计划

长按识别论文专属二维码，听作者讲述论文写作背景，与同行交流心得体会。

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。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。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。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；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；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。

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。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。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。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。

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。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（表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（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（图2）。

图2 无人机遥感技术应用于智慧农业的数据处理流程

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。有学者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。还有学者利用无人机遥感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。有人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。还有人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%。有学者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。另有学者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。有人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。还有人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。

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。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。有人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。还有人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。有学者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。还有学者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。另有学者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。有人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。还有人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。

3.3 农作物病虫害监测

病虫害是影响农作物产量和品质的主要因素，尽早对农作物病虫害的种类和范围进行监测，有利于控制病虫害发生和蔓延，为及时进行病虫害防治奠定基础，从而可以最大限度地降低农业生产的损失。农作物病虫害监测的传统方法主要是田间侦察，虽然效果明显，但是劳动强度大、耗时长，还容易出现人为错误，难以得到病虫害传播范围和严重度等准确信息。病虫害为害农作物后，会导致农作物叶片的色素、冠层结构等性质发生改变，在病虫害发生早期利用无人机遥感技术实时监测叶片的色素、冠层结构的波段光谱特征等信息数据，可据此辨别农作物是否已经遭受病虫害的侵害以及侵害程度，为农作物病虫害防控措施提供准确指导。

利用无人机遥感技术对农作物病虫害进行监测，包括区分病虫害类型以及识别病虫害发病程度，主要方法是通过综合光谱影像通道间的信息量和相关性，运用相关性分析、小波算法、线性判别分析、聚类分析等算法，提取健康叶片与患病叶片的特征波段，以及光谱位置、植被指数、面积等参数，从而建立农作物病虫害分类识别模型。有学者利用常规光谱特征参数，采用因子分析法与BP神经网络相结合的方法对早期小麦叶片白粉病的严重度进行模型模拟研究，结果显示反演模型的精度高、误差小。还有学者将无人机遥感高光谱影像的光谱特征与图像特征进行融合，运用主成分分析法提取出马铃薯早疫病和晚疫病的叶片特征波段，并建立SVM和BP神经网络模型，对马铃薯早疫病、晚疫病的分类识别率高达97.5%。有人利用高光谱无人机影像对冬小麦条锈病的冠层光谱发射率进行测定，筛选出冬小麦条锈病的敏感波段，通过建立多元线性回归模型，最终成功监测了冬小麦条锈病的发生程度与范围。还有人通过无人机遥感技术获取图像信息，采用Adaboost算法进行白穗训练识别，最终对白穗识别率高达93.62%。另有人基于无人机遥感影像数据，通过对标准化光谱进行小波变换，筛选出对小麦条锈病、白粉病敏感的光谱波段的特征，采用判别分析法建立小麦条锈病、白粉病的识别分类模型，其总体识别精度超过91%。农作物病虫害监测除了利用遥感光谱影像的特征外，对于处于大尺度空间范围内的病虫害监测还要结合使用图像特征分析还有学者基于无人机遥感获取的影像，利用影像色度上存在的差异对图像进行分割，最后实现了对遭受小麦病虫害侵害田块的精准识别。另有学者根据图像方向一致性特性，基于无人机遥感影像信息，成功提取出小麦条锈病和白粉病的敏感特征，最终成功实现了对小麦白粉病、条锈病的识别。

3.4 农作物产量估测

农作物产量的精准估测在智慧农业生产管理中意义重大。主要包括4个步骤：①利用无人机遥感影像获取相应农作物的光谱特征；②反演出农作物的生长信息；③根据反演出的生长信息对农作物生长信息与产量的关系进行模型构建；④得出结果，实现对农作物产量的估测。

无人机遥感技术在智慧农业应用中面临的挑战与展望

4.1 无人机遥感设备性能有待优化

传感器是无人机遥感系统的重要组成设备之一，目前应用于智慧农业的无人机平台搭载的多为多光谱传感器，而激光雷达、热红外、高光谱传感器应用的案例较少，这主要是由于这类传感器的成本高，再加上无人机对承重力有严格要求，难以大规模应用于无人机遥感系统中。同时，当前的无人机平台存在续航时间短、飞行不稳定、受外界干扰影响较大、漏拍重拍等现象，在智慧农业生产中无法实现大范围应用。对此，需要开发出价格低、通用性强、微型化、质量轻的遥感设备，重点要保障设备的长时性和安全性，进一步优化无人机飞行算法，完善遥感影像数据传输模式，从而获取更高质量的遥感影像，提高无人机遥感技术在智慧农业应用中的实效性。

4.2 无人机遥感影像信息处理复杂

无人机遥感技术获取的影像信息具有数量多、重叠度差异大、幅宽小等特点，对影像进行匹配、拼接、校正具有相当大的难度，因此，当前急需解决的问题是要实现无人机遥感影像信息自动化预处理。目前，关于无人机遥感技术在智慧农业中的应用研究大多是利用影像的光谱特征，对农作物生长参数进行反演，然后构建生长参数遥感模型，由于目前模型的精确度有待提高，一定程度上限制了无人机遥感技术在智慧农业上的应用。对此，要进一步挖掘遥感影像与农作物各生理参数的关系，提高构建遥感模型的精确度、通用性，这是无人机遥感技术应用于智慧农业面临的新的挑战。在后续研究中，要重点提升影像数据的获取和解析技术，为智慧农业转型升级提供思路。

4.3 数据集成与融合度不高

智慧农业中农作物具有多种类型，也容易受到众多因素影响，无人机遥感技术可以在农作物动态监测方面发挥重要作用，但是在获取高密度的农作物遥感影像数据后，如何有效集成和融合这些数据，并推出一套可实施性较强的精准管理措施显得尤为重要。无人机遥感技术在智慧农业中的应用涉及众多学科，包括农学、生态学、计算机科学、光学等众多学科，需要与卫星遥感数据、地面测量数据、自然环境数据等其他数据源获取的数据相融合，实现对农作物全生育期全方位的动态监测，这也是今后无人机遥感技术应用于智慧农业的研究方向之一。

结语

无人机遥感技术具有使用成本低、灵活性强、分辨率高等优点，可以及时获取智慧农业生产管理中需要的相关数据信息。随着无人机遥感技术的发展和农业生产对农作物生长实时、准确数据需求的提升，无人机遥感技术在智慧农业生产管理过程中得到了广泛应用，相关研究也取得了重大进展，但仍存在诸如无人机遥感设备性能不够完善、遥感信息数据处理过程复杂、数据集成与融合度不高等问题，今后应进一步开发稳定性强、续航时间长、载荷能力强、图像质量高的无人机智能化遥感技术，为智慧农业的可持续发展提供高效的技术支撑。

更多推荐论文

论文推荐｜种植方式对优质籼稻产量和经济效益的影响

论文推荐｜以村民需求为导向的乡村景观改造实践研究

论文推荐｜不同施肥调控措施对设施番茄产量·养分利用及品质的影响

论文推荐｜绿豆-谷子轮作模式的产量与经济效益研究

论文推荐｜不同规格穴盘砧木育苗对断根甜瓜嫁接苗生长·产量和品质的影响

论文推荐｜典型抗菌药物在不同品种肉鸡羽毛和皮脂中的残留规律研究

论文推荐｜引江济淮大型弃土场土地复垦适宜性分析及模式选择

论文推荐｜不同氮磷钾肥配施对洛南烟区云烟99产质量的影响

论文推荐｜安徽省蔬菜种业发展路径分析与对策研究

论文推荐｜丝瓜子房培养类胚体发生途径诱导研究

采编：夏梦

排版：小同

来源：安徽农业科学