目前，基于無人機的遙感監(jiān)測(無人駕駛飛行器、遙感傳感器、遙測遙控、通訊、GPS差分定位、遙感應(yīng)用等技術(shù))技術(shù)已在作物病蟲害脅迫領(lǐng)域被廣泛應(yīng)用與研究。當(dāng)作物受到病蟲害脅迫時通常在不同光譜波段上表現(xiàn)出吸收和反射特性的變化，即為作物病蟲害脅迫的光譜響應(yīng)。作物由于病蟲害脅迫受損會引起色素、形態(tài)、結(jié)構(gòu)等改變，通常可以通過提取其光譜響應(yīng)特征并加以分析處理，實現(xiàn)對病蟲害脅迫的精準(zhǔn)、快速、無損監(jiān)測。

一、概述

無人機遙感監(jiān)測作物病蟲害脅迫是以無人機為遙感監(jiān)測平臺，利用搭載的各種傳感器獲取目標(biāo)作物的遙感影像、視頻、點云等數(shù)據(jù)，通過對數(shù)據(jù)的處理、挖掘和建模來獲取作物病蟲害脅迫信息。監(jiān)測方法大致可分為兩類：①單一遙感監(jiān)測方法，主要通過無人機搭載相應(yīng)傳感器進行作物病蟲害脅迫數(shù)據(jù)獲取、處理及分析;②綜合遙感監(jiān)測方法，主要利用無人機遙感監(jiān)測技術(shù)與地面人工調(diào)查取樣等方式綜合進行作物病蟲害脅迫數(shù)據(jù)獲取、處理及分析。

根據(jù)實際監(jiān)測情況的不同選擇單一或綜合無人機遙感監(jiān)測作物病蟲害脅迫方法，以實現(xiàn)作物病蟲害信息的精準(zhǔn)獲取和高效動態(tài)監(jiān)測，為作物病蟲害科學(xué)防治提供支撐。其中，主要涉及以無人機飛行平臺和機載傳感器為代表的無人機遙感監(jiān)測硬件系統(tǒng)，以無人機測繪攝影測量等專業(yè)處理軟件和數(shù)據(jù)處理分析相關(guān)算法或模型為代表的無人機遙感監(jiān)測軟件系統(tǒng)。

二、監(jiān)測數(shù)據(jù)獲取方式

1、無人機飛行平臺

無人機是利用無線電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛行器。大致可分為多旋翼、固定翼、單旋翼(直升機)和混合翼(垂直起降固定翼)幾種。在使用無人機遙感監(jiān)測作物病蟲害脅迫時，關(guān)注的重點是無人機載荷、續(xù)航時間、飛行高度、監(jiān)測精度和空間分辨率等。如表1所示為不同的無人機飛行平臺。

由于遙感監(jiān)測數(shù)據(jù)獲取過程中飛行平臺的選擇對獲取的數(shù)據(jù)質(zhì)量有影響，因此選擇的飛行平臺應(yīng)具備可操控性、高穩(wěn)定性和飛行持久性等特點，以獲取質(zhì)量較好的數(shù)據(jù)。目前，多旋翼無人機因具有航速姿態(tài)可調(diào)、飛行穩(wěn)定、能夠定點懸停等優(yōu)勢，適用于定點重復(fù)獲取多尺度、高分辨率的作物病蟲害脅迫數(shù)據(jù)，在遙感監(jiān)測作物病蟲害脅迫研究與應(yīng)用中最為廣泛。

2、機載傳感器

無人機遙感監(jiān)測作物病蟲害脅迫研究中的機載傳感器類型主要包括多光譜相機、高光譜相機、數(shù)碼相機、熱紅外相機、激光雷達等。無人機遙感監(jiān)測作物病蟲害脅迫的機載傳感器通常為光學(xué)、光電學(xué)和熱力學(xué)傳感器，少部分機載傳感器屬于聲學(xué)等領(lǐng)域。因此，利用無人機獲取病蟲害脅迫數(shù)據(jù)時，需要依據(jù)地域特征、病蟲害爆發(fā)程度和作物種類等情況選擇合適的傳感器。

3、數(shù)據(jù)獲取流程

無人機遙感監(jiān)測作物病蟲害脅迫的數(shù)據(jù)獲取流程是保證每次飛行能正常操作且安全準(zhǔn)確獲取監(jiān)測數(shù)據(jù)的重要流程，無人機數(shù)據(jù)獲取的質(zhì)量和數(shù)量對后續(xù)處理分析的結(jié)果有重要影響。對自主作業(yè)模式(全球定位系統(tǒng)模式，以實現(xiàn)精確懸停、指點飛行、規(guī)劃航線等操作)下無人機遙感監(jiān)測作物病蟲害脅迫方法來說，主要有以下步驟：

(1)飛行前期準(zhǔn)備。確認(rèn)飛行任務(wù)區(qū)域及申請空域;查詢地理、天氣環(huán)境信息;選擇并調(diào)試飛行與地面設(shè)備(無人機飛行平臺、機載傳感器、遙控器、導(dǎo)航等)以及檢查電量、是否能正常工作等;是否攜帶其他設(shè)備，如輻射定標(biāo)板等。

(2)正式飛行前準(zhǔn)備。現(xiàn)場組裝、調(diào)試、連接飛行與地面設(shè)備;根據(jù)任務(wù)區(qū)域地形、作物病蟲害、續(xù)航、載荷等情況，設(shè)計飛行任務(wù)方案，如起降點、航線、高度、架次、重疊率等。

(3)飛行作業(yè)執(zhí)行。實時關(guān)注無人機飛行平臺的速度、位置、電量、電壓、任務(wù)時間等飛行情況，監(jiān)督飛行時穩(wěn)定、安全作業(yè)，必要時可以手動接管飛行。

(4)飛行作業(yè)結(jié)束。自主返航或操控返航;返航完畢可關(guān)閉飛行與地面設(shè)備電源;回收飛行與地面設(shè)備，讀取儲存卡數(shù)據(jù)或在飛行作業(yè)時通過地面設(shè)備實時獲取遙感監(jiān)測數(shù)據(jù)。

三、監(jiān)測數(shù)據(jù)處理方法

如何從無人機遙感監(jiān)測作物病蟲害脅迫獲取的大量數(shù)據(jù)中高效提取表型特征十分重要，并且很大程度決定處理分析的結(jié)果。表型特征主要包括光譜特征、紋理特征、顏色特征、形狀特征和生理特征等。目前，對這些表型特征的分析處理是無人機遙感監(jiān)測作物病蟲害脅迫研究的熱點?，F(xiàn)階段主流的無人機遙感監(jiān)測作物病蟲害脅迫數(shù)據(jù)處理的方法可以大致分為統(tǒng)計分析方法和機器學(xué)習(xí)方法兩類。

目前，監(jiān)測數(shù)據(jù)處理方法的流程主要為：遙感影像的格式調(diào)整、清洗、預(yù)處理、拼接、校正、特征提取、特征選擇、設(shè)計方法模型、評價指標(biāo)與調(diào)優(yōu)等。對于遙感影像格式調(diào)整一般使用機載傳感器配套軟件處理，對于遙感影像拼接和校正等則使用無人機測繪攝影測量軟件。

1、統(tǒng)計分析方法

在無人機遙感監(jiān)測作物病蟲害脅迫相關(guān)研究中，常用描述統(tǒng)計、相關(guān)分析、回歸分析、判別分析、方差分析和聚類分析等統(tǒng)計分析方法。

通常，借助上述方法使用植被的光譜特征進行作物病蟲害脅迫遙感監(jiān)測。通過對光譜曲線進行分析，可以發(fā)現(xiàn)不同作物病蟲害脅迫的光譜曲線變化特征。一般基于特定光譜波段、波段計算與組合以及植被指數(shù)(Vegetation Index，VI)等方法進行光譜特征提取。因為不同病蟲害脅迫對作物生長造成的影響程度不一致，所以特定光譜波段更有利于對不同病蟲害脅迫進行監(jiān)測。光譜波段經(jīng)運算組合后可以得到反映植被生長狀況、植被覆蓋度等有相關(guān)意義的值，即VI。VI已廣泛用來定性和定量評價植被覆蓋及其生長活力，常用于作物病蟲害脅迫監(jiān)測的VI主要由2~3個波段構(gòu)成。

利用VI進行回歸或相關(guān)分析可以建立遙感監(jiān)測數(shù)據(jù)與作物生長信息的反演模型，即經(jīng)驗?zāi)Ｐ汀Ｓ捎诮?jīng)驗?zāi)Ｐ托枰罅康膶崪y數(shù)據(jù)為基礎(chǔ)，而實測數(shù)據(jù)的精度如何，很大程度取決于實測數(shù)據(jù)的測量精度;經(jīng)驗?zāi)Ｐ痛嬖趨^(qū)域適用性的限制，常常在實測數(shù)據(jù)采集的區(qū)域模型的適用性較高，在其他區(qū)域適用性較低;地表粗糙度的變化經(jīng)驗?zāi)Ｐ蜔o法考慮。目前，由于植被參數(shù)的遙感反演物理模型具有因果關(guān)系和數(shù)學(xué)物理基礎(chǔ)，因而正成為遙感反演作物病蟲害脅迫研究的主要方向，但主要集中在輻射傳輸模型，尚無幾何光學(xué)模型和混合模型等在作物病蟲害脅迫中研究與應(yīng)用。

2、機器學(xué)習(xí)方法

當(dāng)前，無人機遙感監(jiān)測作物病蟲害脅迫的數(shù)據(jù)處理方法主要集中于機器學(xué)習(xí)方法。機器學(xué)習(xí)最基本的做法是使用算法來解析遙感監(jiān)測數(shù)據(jù)，然后對真實世界中的病蟲害脅迫做出決策和預(yù)測。機器學(xué)習(xí)傳統(tǒng)的算法包括決策樹、聚類、貝葉斯分類、隨機森林、支持向量機、k-近鄰算法等。從學(xué)習(xí)方法上劃分，機器學(xué)習(xí)算法可以分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、集成學(xué)習(xí)、深度學(xué)習(xí)和強化學(xué)習(xí)等。

在機器學(xué)習(xí)傳統(tǒng)的算法中，如何最大限度地在數(shù)據(jù)中提取有用的特征以供算法和模型使用至關(guān)重要。當(dāng)作物受到一定程度病蟲害脅迫后，患病蟲害的作物外部形態(tài)(葉面積、株高、顏色等)與內(nèi)部生理均會發(fā)生較為明顯地改變。因此，除了使用無人機遙感監(jiān)測獲取作物病蟲害脅迫影像的光譜特征之外，顏色特征(如顏色直方圖、顏色熵、顏色矩、顏色聚合向量等)、紋理特征(如局部二值模式、灰度直方圖、灰度共生矩陣、小波變換等)和形狀特征(如傅立葉變換、形狀不變矩、小波輪廓描述符等)等也常被提取使用。此外，還可以結(jié)合實地調(diào)查取樣獲取作物病蟲害脅迫下的株高、葉綠素含量、生物量和含水量等各項指標(biāo)。特別地，作物受病蟲害脅迫的環(huán)境(溫度、濕度、海拔、土壤含水量、養(yǎng)分等)也會對病蟲害脅迫有影響，也是需要重點關(guān)注與開展長期性、周期性的研究。

近年來，隨著數(shù)據(jù)的高速增長、算力的迅猛增強、算法的完善成熟，深度學(xué)習(xí)逐漸在無人機遙感監(jiān)測作物病蟲害脅迫領(lǐng)域得以大量應(yīng)用。使用傳統(tǒng)的機器學(xué)習(xí)方法提取特征往往需要進行手工提取或特征工程，并且需要大量的時間優(yōu)化，而深度學(xué)習(xí)減少人為設(shè)計特征的過程，將自動學(xué)習(xí)與任務(wù)相關(guān)的特征即特征學(xué)習(xí)融入建立模型的過程。

不過，使用深度學(xué)習(xí)方法面臨需要大量訓(xùn)練數(shù)據(jù)和性能較高的計算機硬件支持，以及更優(yōu)的模型等主要限制。盡管如此，相關(guān)研究表明使用深度學(xué)習(xí)方法比機器學(xué)習(xí)傳統(tǒng)的算法能獲得更好的分類、檢測、識別和分割性能，因此未來也需要不斷深入研究與改進。同時，隨著高光譜機載傳感器和深度學(xué)習(xí)技術(shù)的不斷發(fā)展，利用深度學(xué)習(xí)技術(shù)可以充分挖掘高光譜影像的潛在特征，實現(xiàn)更好地對各種作物病蟲害脅迫進行監(jiān)測。

審核編輯 黃宇