飼草作物生長的動(dòng)態(tài)監(jiān)測與定量估算，對(duì)于飼草規(guī)?；a(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(xué)水利與土木工程學(xué)院聯(lián)合新疆農(nóng)業(yè)科學(xué)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(xué)院等科研院所，組成研究團(tuán)隊(duì)。充分利用無人機(jī)遙感分辨率高、靈活性強(qiáng)、成本低等特性,應(yīng)用場景不斷拓展。

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

一、無人機(jī)遙感飼草作物監(jiān)測研究態(tài)勢

2012—2021年無人機(jī)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(jì)不足30篇。自2018年起，越來越多的研究論文開始使用機(jī)器學(xué)習(xí)、SFM等技術(shù)方法，飼草作物的監(jiān)測指標(biāo)也逐漸擴(kuò)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(jì)算機(jī)信息技術(shù)、遙感技術(shù)的迅速發(fā)展，無人機(jī)遙感在飼草作物監(jiān)測領(lǐng)域中的應(yīng)用潛力得到了相應(yīng)的挖掘。

近10年全球主要國家無人機(jī)遙感飼草作物監(jiān)測論文發(fā)表數(shù)量。其中中國在本領(lǐng)域的研究起步較晚，2015年前尚未發(fā)表相關(guān)論文。而隨著2012年開始實(shí)施的“振興奶業(yè)苜蓿發(fā)展行動(dòng)”與2015年起實(shí)施的“糧改飼”等政策，中國飼草產(chǎn)業(yè)進(jìn)入蓬勃發(fā)展的時(shí)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(kuò)大，越來越多的研究者加大了對(duì)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(guān)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(jìn)行豆禾輪作，對(duì)飼草作物的研究較深入，自2013年起至今共計(jì)發(fā)表相關(guān)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(jī)遙感在飼草作物生長監(jiān)測中的應(yīng)用研究，并取得了一定的進(jìn)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(lǐng)域目前并非研究者關(guān)注熱點(diǎn)領(lǐng)域。

二、無人機(jī)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(jī)遙感監(jiān)測在飼草作物中的研究應(yīng)用現(xiàn)狀，從可見光、多光譜、高光譜、熱紅外和激光雷達(dá)傳感器5個(gè)方面進(jìn)行總結(jié)和評(píng)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(yīng)用最廣。在植被覆蓋度的研究中，證實(shí)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(jié)合植被指數(shù)直方圖分析了6種可見光植被指數(shù)對(duì)草地的識(shí)別效果，結(jié)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(gòu)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(gòu)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(lán)植被指數(shù)構(gòu)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(jié)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(duì)高度信息能為飼草作物的生物量提供重要參照，可以彌補(bǔ)可見光影像中波段少光譜信息量低的不足，提高模型的預(yù)測精度。除此之外，基于AlexNet深度學(xué)習(xí)網(wǎng)絡(luò)成功預(yù)測了不同基因型大黍的生物量，預(yù)測值與實(shí)際值相關(guān)系數(shù)r達(dá)到0.88。探究不同飛行高度和拍攝角度對(duì)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(shí)構(gòu)建的生物量模型精度最高。對(duì)比了30、40、50 m飛行高度下構(gòu)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(duì)結(jié)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(jī)器學(xué)習(xí)、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(jié)果。相比于多光譜相機(jī)，可見光相機(jī)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(jià)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(jì)適用性，是無人機(jī)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(gè)波段，而多光譜相機(jī)包含的紅邊、近紅外等波段能夠更好地捕捉作物整個(gè)生育期內(nèi)的光譜反射特征，使用基于紅邊、近紅外波段構(gòu)建的植被指數(shù)可以準(zhǔn)確地開展生物量估算、營養(yǎng)指標(biāo)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(jì)算苜蓿干草質(zhì)量并與實(shí)測值進(jìn)行相關(guān)性分析，評(píng)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(guān)性，成功提高了飼草作物育種試驗(yàn)的效率與準(zhǔn)確性。

在氮素監(jiān)測研究中，基于多光譜遙感數(shù)據(jù)構(gòu)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(gòu)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(shí)了使用多光譜植被指數(shù)能夠預(yù)測飼草作物的產(chǎn)量，在此基礎(chǔ)上，使用多光譜指數(shù)融合冠層結(jié)構(gòu)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(yù)測模型中加入作物冠層結(jié)構(gòu)信息，均獲得了更好的預(yù)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?yàn)樽魑镄畔⒎囱萏峁└嗟闹С?，也使?shù)據(jù)處理和模型構(gòu)建具有更大的操作空間，然而當(dāng)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(yīng)用價(jià)值較大，是一種較為成熟、適合推廣應(yīng)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(duì)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(shí)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(jī)搭載高光譜相機(jī)獲取苜蓿冠層植被指數(shù)，結(jié)合RF、SVR和K近鄰算法3種機(jī)器學(xué)習(xí)算法，構(gòu)建了基于集成機(jī)器學(xué)習(xí)算法的苜蓿產(chǎn)量預(yù)測模型，結(jié)果表明集成模型優(yōu)于基礎(chǔ)學(xué)習(xí)算法模型，最優(yōu)模型的R2為0.87。在產(chǎn)量預(yù)測的基礎(chǔ)上，首次將多任務(wù)模型用于作物營養(yǎng)價(jià)值估算，使用基于長短期記憶和ANN的多任務(wù)學(xué)習(xí)模型估算了苜蓿品質(zhì)，結(jié)果表明多任務(wù)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(duì)牧草品質(zhì)的估算效果，結(jié)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(jié)果表明，高光譜遙感在飼草作物含氮量、產(chǎn)量和營養(yǎng)價(jià)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(yīng)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(diǎn)，進(jìn)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(dú)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(jié)果表明無人機(jī)熱紅外遙感技術(shù)可以快速、精準(zhǔn)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(jī)搭載熱紅外相機(jī)結(jié)合地面采樣數(shù)據(jù)，準(zhǔn)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?；诘乇砟芰科胶獾恼羯l(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(jī)熱紅外數(shù)據(jù)進(jìn)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(gòu)建了紫花苜蓿的產(chǎn)量預(yù)測模型，其中使用多元線性回歸法構(gòu)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(píng)分與無人機(jī)遙感數(shù)據(jù)進(jìn)行對(duì)比分析，結(jié)果表明基于逐步回歸算法構(gòu)建的模型能夠準(zhǔn)確估算牧草的耐旱分?jǐn)?shù)。研究同樣表明植被指數(shù)與育種專家給出的視覺評(píng)分具有較高的相關(guān)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(shí)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(fù)雜的外界環(huán)境為熱紅外成像技術(shù)帶來了挑戰(zhàn)，在今后的研究中需要關(guān)注研發(fā)適用性更強(qiáng)的熱紅外傳感器，以達(dá)到準(zhǔn)確、經(jīng)濟(jì)、實(shí)用等目的。

5、激光雷達(dá)遙感

激光雷達(dá)與光學(xué)成像遙感成像原理不同，其通過主動(dòng)發(fā)射激光脈沖獲取目標(biāo)空間數(shù)據(jù)，具有點(diǎn)密度高、空間分辨率高、低空探測性能好等優(yōu)勢。結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)與地表高程點(diǎn)構(gòu)建了錫林浩特地區(qū)草地的DSM，通過空間坐標(biāo)匹配疊加及數(shù)值解獲得草地冠層高度模型。探究無人機(jī)搭載離散回波激光雷達(dá)對(duì)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(jié)果表明平均冠層高度是草地生物量的最佳估算指標(biāo)，模型的均方根誤差為81.89 g/m2。

激光雷達(dá)相較光學(xué)傳感器有更強(qiáng)的抗干擾能力，但不合理的飛行參數(shù)仍會(huì)導(dǎo)致點(diǎn)云信息缺失。探究不同飛行高度下激光雷達(dá)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(shí)了數(shù)據(jù)采集高度對(duì)覆蓋度的估算有顯著影響。對(duì)比了機(jī)載與近地測量的激光雷達(dá)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(dá)傳感器測量精度更高，但數(shù)據(jù)處理難度大，而且價(jià)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(dá)遙感可重點(diǎn)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(shí)空尺度數(shù)據(jù)和多源遙感數(shù)據(jù)、進(jìn)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(tái)是未來飼草作物監(jiān)測領(lǐng)域應(yīng)用創(chuàng)新的關(guān)鍵所在。

審核編輯 黃宇