及時準確的甘蔗長勢信息對于科學種植指導和產量預估極其重要。為滿足產業發展需求，本文研究無人機精準監測甘蔗長勢技術，選取廣西壯族自治區糖料蔗“雙高”基地扶綏“甜蜜之光”開展應用。

引言

衛星遙感技術具有宏觀、快速、重訪周期短等特點，在甘蔗面積識別、長勢監測、產量估算、旱災分析、凍害監測等方面得到有效應用，但仍無法滿足甘蔗產業的高精準監測需求。無人機遙感技術具有靈活、準確的特性，不受時間、地域、氣候等條件限制，能夠快速獲取高分辨影像數據，有效彌補了衛星技術的不足，尤其在災害應急方面具有重大貢獻。

近年來，無人機技術在甘蔗產業的應用取得初步成效，楊琦等學者構建作物表面模型估測甘蔗LAI；莫彩娜等學者利用無人機技術評估甘蔗定位，結合土壤溫濕度指導蔗田灌溉；孫明等學者利用無人機監測糖料蔗“雙高”基地扶綏“甜蜜之光”蔗區洪澇災害和甘蔗倒伏情況；藺喬仙等學者通過試驗證實植保無人機對甘蔗害蟲防治具有效率高、安全和防效好的優勢。不難發現，無人機技術在甘蔗產業應用有待提高，尤其在甘蔗長勢、產量、災害等方面研究十分欠缺。當前，性價比高且常用的無人機圖像以可見光影像為主，近紅外、紅外等波段信息缺乏在一定程度上限制該技術的發展，這對無人機可見光影像應用研究提出巨大挑戰。然而，甘蔗長勢精準監測對于糖料蔗“雙高”基地、糖企種植區、甘蔗種苗培育基地等核心區的種植指導和產量預估具有重要意義，無人機可見光影像精準監測甘蔗長勢研究十分必要且迫在眉睫。

為解決無人機精準監測甘蔗長勢面臨的難題，本文在前人研究基礎上，選取常用無人機可見光植被指數的歸一化綠紅差異指數、超綠紅藍差異指數、紅綠藍植被指數、歸一化綠藍差異指數、超綠指數、綠葉植被指數與同期歸一化植被指數進行相關性分析，篩選相關性最高指數開展2019-2020年甘蔗長勢變化監測，以廣西糖料蔗“雙高”基地扶綏“甜蜜之光”現代特色農業（核心）示范區進行試驗，為甘蔗長勢精準監測提供技術參考，為產量預估提供信息服務。

二、研究區概況

廣西糖料蔗“雙高”基地扶綏“甜蜜之光”現代特色農業（核心）示范區位于扶綏縣渠黎鎮，土地平整，交通便利。2015年，嚴格按照廣西“雙高”糖料蔗基地標準進行建設種植，采用水肥藥一體化滴灌技術，從種植到收獲全程機械化作業，實現現代化農業生產管理，改變靠天吃飯的生產模式。

扶綏縣地處北回歸線以南，位于東經107°31′~108°06′、北緯22°17′~22°57′，屬亞熱帶季風氣候，年均溫度21.3~22.8℃,日平溫超過10℃,年積溫為7502℃,年均降水量1050~1300毫米，優越的立地條件使其成為全國重要的甘蔗生產縣。

三、技術方法

3.1數據獲取與處理

（1）無人機影像處理

在天氣晴朗無云、陽光輻射強度穩、風力較小的正午時段，利用大疆精靈Phantom4RTK小型多旋翼高精度航測無人機拍攝高清影像。傳感器為1英寸CMOS，2000萬有效像素，FOV84°鏡頭，可調節光圈，調節范圍為F/2.8~F/11，帶自動對焦（對焦距離1米~∞),拍攝影像格式為JPEG，最大像素5472×3648。拍攝時間為2019年8月15日和2020年8月13日，航向重疊度為75%、旁向重疊度為70%，飛行高度150米。應用Pix4Dmapper軟件進行無人機影像處理，該軟件具有全自動一體化處理無人機影像的功能，經過原始影像處理、空三解算和數字產品生成輸出，生成無人機可見光正射影像，分辨率為0.06米，坐標系統為WGS-84。

（2）衛星影像處理

采用2019年8月10日GF-1WFV衛星影像數據，利用ENVI軟件進行輻射定標、大氣校正、幾何精校正、影像裁剪，形成與無人機影像無偏移且具有相同坐標系的影像數據。

（3）甘蔗田塊提取

以無人機影像為基底，利用ArcGIS軟件完成甘蔗邊界提取，形成甘蔗田塊矢量數據。

3.2 植被指數計算

RGB數碼相機具有分辨率高、成本低等優勢，備受人們青睞，常搭載在無人機平臺上拍攝地面高清圖像，基于可見光波段影像構建植被指數，開展農業領域專業應用。如Hunt等學者建立歸一化綠紅差異指數（Normalized Green-Red Di?erence Index，NGRDI），評估了作物生物量及氮素營養狀況；高永剛等學者構建超綠紅藍差異指數（Excess Green-Red-Blue Di?erence Index，EGRBDI），利用該指數識別植被信息精度為97.67%[6]；Bendig等學者基于紅綠藍植被指數（Red Green Blue Vegetation Index，RGBVI）監測大麥生物量；汪小欽等學者應用歸一化綠藍差異指數（Normalized Green-Blue Di?erence Index，NGBDI）提取植被信息；Kazmi等學者運用超綠指數（Excess green index，ExG）檢測甜菜田中的薊，準確率超過90%；Louhaichi等學者利用綠葉植被指數（Green Leaf Index，GLI）估算小麥冠層覆蓋度。無人機可見光植被指數計算公式如表1所示。

表1 無人機可見光植被指數信息

3.3 相關性分析

隨機獲取2019年無人機影像上點信息，將點所對應的植被指數NGRDI、EGRBDI、RGBVI、NGBDI、ExG、GLI分別與2019年GF-1WFV影像的歸一化植被指數（Normalized Di?erence Vegetation Index，NDVI）進行相關性分析，根據Pearson相關系數r的大小選取相關性最高指數進行長勢監測，利用SPSS22軟件進行相關性分析，計算方法如公式（1）。

式中，xi、yi分別為某無人機可見光植被指數和NDVI，x-、y-分別為2個要素的平均值，計算方法如公式（2）和（3）。

r是反映2個要素相關程度的指標，r>0表示正相關，r<0表示負相關。r絕對值越接近1說明2個要素關系越密切。

3.4 甘蔗長勢監測

選取相關性最高的植被指數開展甘蔗長勢監測，以甘蔗地塊為單元，將每個地塊范圍內所有像元的植被指數平均值作為該地塊植被指數值，將2020年植被指數與2019年植被指數相減求取偏差值，計算甘蔗地塊植被指數標準差進而劃分甘蔗長勢等級，計算公式如下。

在公式（4）和（5）中，ΔTi為第i塊甘蔗地塊植被指數偏差；T2020為2020年甘蔗地塊植被指數，T2019為2019年甘蔗地塊植被指數，σ為甘蔗地塊植被指數標準差，n為甘蔗地塊數量。

利用甘蔗地塊偏差和標準差綜合判定長勢情況，劃分3個等級，ΔT＞σ為長勢比上年優、-σ≤ΔT≤σ為長勢與上年持平、ΔT＜-σ為長勢比上年差。

四、結果與分析

4.1 相關性分析

隨機選取524個樣本點分析無人機植被指數與NDVI的相關性，結果如圖1所示。通常相關系數絕對值|r|＜0.5表示弱相關，0.5≤|r|＜0.8表示中度相關，|r|≥0.8表示高度相關。在圖1中，0.01水平NGBDI的r為0.805，說明NGBDI與NDVI高度正相關，EGRBDI、GLI、ExG與NDVI中度相關，NGRDI、RGBVI與NDVI弱相關。本研究選取 NGBDI 開展長勢監測。

圖1 相關性分析散點（**表示在0.01水平上顯著相關）

4.2 甘蔗長勢監測結果

試驗區甘蔗種植面積為391.53公頃，共有374個地塊，將2020年NGBDI與2019年NGBDI相減獲取甘蔗地塊偏差，標準差為0.1，基于NGBDI偏差與標準差對比劃分甘蔗長勢等級，形成專題效果圖，如圖2所示。2020年8月，試驗區甘蔗長勢比上年優、與上年持平、比上年差的面積分別為105.87、206.7、78.96公頃，占甘蔗總面積比例分別為27.04%、52.79%、20.17%，長勢與上年持平的面積超過半數，長勢比上年優的面積超過長勢比上年差的面積26.91公頃，2020年甘蔗產量有望增產。

五、結論

本文選取6種常用無人機可見光植被指數與衛星影像NDVI進行相關性分析，利用相關性最高的植被指數開展甘蔗長勢精準監測。試驗結果表明，NGBDI與NDVI高度相關，EGRBDI、GLI、ExG與NDVI中度相關。而毛智慧等學者利用無人機可見光影像提取植被，研究發現NGRDI、ExG與NDVI相關性顯著。高永剛等學者研究發現EGRBDI識別作物精度更高。為此，下一步工作將選取多時段無人機影像與同期衛星影像NDVI進行分析，篩選普適性的甘蔗長勢評價指標，提高試驗準確性。

通過對比2019年與2020年NGBDI分析試驗區甘蔗長勢，比上年優、與上年持平、比上年差3個等級面積分別占甘蔗總面積的27.04%、52.79%、20.17%，2020年甘蔗產量有望增產，但監測時間為8月中旬，而8-10月是甘蔗生長關鍵時期，降水及灌溉情況直接影響產量，為此仍需持續監測長勢變化，提高產量評估的精準性。

圖2 無人機監測甘蔗長勢等級

本文參考衛星影像監測甘蔗長勢標準，通過計算甘蔗地塊植被指數標準差劃分甘蔗長勢等級，雖然采用了常用的作物長勢分級方法，但是否適用無人機技術監測甘蔗長勢，仍需結合實地生長情況進行深入研究。

推薦：

便攜式高光譜成像系統iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫學醫療、精準農業、礦物地質勘探等領域的最新產品，主要優勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統集成高性能數據采集與分析處理系統，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據用戶需求更換物鏡。

審核編輯 黃宇