无人机多光谱遥感的类型（无人机搭载多光谱成像助力精准农业）

每年，美国独立的玉米和大豆种子公司Peterson Farms Seed都会研究和测试创新的施种和施肥方法。必须对诸如土壤成分、植物健康状况等田间条件进行监控，以确定每个季节的种子和肥料施用水平。为了实现这样的目标，传统方法是使用卫星图像，而无人机搭载多光谱成像这样的新技术，正在提供一种更快捷、更精准的方法。

Peterson Farms Seed公司必须要确定种子和肥料的施用水平。一个被称为“变量施种/施肥”的过程，其根据某块田地的历史产量、土壤健康状况、海拔和卫星或无人机图像，对这块田地施用最佳数量的种子或肥料。例如，Peterson Farms Seed公司精准农业系统专家Nolan Berg表示，如果一块玉米地（见图1）的传统播种密度为每英亩34000粒玉米种子，那么调整播种到历史产量较高的田地中的种子数量、减少产量较低的田地中的种子数量，这种做法具有积极意义。

图1：大疆的四旋翼无人机，为Peterson Farms Seed公司提供玉米田收割的空中图像

季节性的变量施种/施肥，是Peterson Farms Seed公司在保持较高产量的同时，降低投入成本的另一种方法。

“玉米在生长季末期会吸收更多的氮肥，所以如果在一开始就将所有氮肥都施放到田地中，就会因为下雨和气候炎热等环境因素，造成氮肥流失。”Berg说，“因此，在玉米生长季的初期，先施加少量氮肥，然后重新评估土壤的养分和玉米植株的生长情况，并根据实际情况在随后的生长期中按需进行变量施肥，从而有助于降低氮肥流失的风险。”

针对变量施肥的计划，被称为变量施肥方案（见图2）。Berg表示，传统的卫星图像有助于告知（显示）应该指定怎样的变量施肥方案。

图2：利用无人机上搭载的RGB相机和多光谱相机收集的数据，创建变量施种/施肥方案

“卫星图像非常有助于创建变量施肥方案，但是卫星图像最多一周只能采集一次，或者每两周或每三周采集一次。”Berg说，“如果要想立即施肥，那么就需要使用最新的卫星图像，因此一周前或几周前采集的卫星图像，可能不能很好地代表当时当地的田地和作物状况。”

Berg解释说，通过使用无人机机载成像技术，Peterson Farms Seed公司现在能够在几英寸范围内对田地和作物实现精准评估，从而能根据实际评估情况，改变对该块田地的施种/施肥方案。

“不同区域的田地中，存在着很大的评估变异，所以会根据评估结果，不断地重新调整种子和肥料的施用水平。”他说：“有些土地贫瘠，每年的产量都很低，所以在这样的土地中施放大量的种子和肥料是没有意义的。这是在浪费资金，因此对这些土地的投入会减少，而是将更多的投入施放到产量较好的土地中，以期获得更高的产量。”

针对该项目，Peterson Farms Seed公司选择了Sony Electronics Professional Solutions美国公司的植被分析平台，该平台包括一个多光谱相机和附带的Fast Field Analyze离线软件。

将索尼的系统安装在一架大疆的Phan-Tom4四旋翼无人机上，可以创建一个覆盖目标领域的飞行计划。一旦计划确定，无人机就自行起飞，开始拍摄目标田地的图像。待无人机着陆后，从相机中取出SD卡，并将其放入笔记本电脑进行处理。有了这套系统，可以在飞行后几分钟内生成一张地图，而无需依赖现场的任何互联网连接。

在索尼的Fast Field Analyze软件生成一张地图后，将地图导出并输入到Ag Leader公司的SMS农场软件中。输入数据包括彩色无人机数据以及数据输入层，包括土壤类型、土壤测试数字、标准化差异植被指数（NDVI）图（见图3）和多年的产量图。这些通过软件运行，并综合在一起创建变量施种/施肥管理区。

图3：标准化差异植被指数（NDVI）地图提供图像和数据，以帮助创建变量施肥方案

在最近的一个案例中，无人机在一天内飞越了好几片田地。到第二天下午，Berg使用这两个软件包处理NDVI地图，并创建变量施肥地图，以便在第二天施肥。地图中的红色部分显示了没有施肥的淹死玉米的区域。在南部（地图下半部分），即地图上排水较好的地区，该公司施用了更多的肥料以获得更好的产量。

“这片农田的整体投入数量通常保持不变，但不是在低产区或无产区浪费种子或氮肥，而是在高产区施用更多的肥料，从而提高产量。”

MSZ-2100G传感器单元（见图4）由一台多光谱相机和一台RGB相机组成。其中RGB相机配备1200万像素的Sony Exmor R CMOS图像传感器，用于捕捉航空图像；而200万像素的NDVI多光谱相机，用于捕获红色区域和NDVI范围内的图像。

图4：Sony的MSZ-2100G传感器单元配备了一个1200万像素的RGB相机和一个200万像素的多光谱摄像机，用于拍摄航空图像

根据美国宇航局（NASA）的描述，NDVI是通过以下方法计算的：近红外辐射减去可见光辐射，两者之差再除以近红外辐射与可见光辐射之和，即：

NDVI =（NIR-VIS）/（NIR+VIS）

大多数卫星植被指数都使用这个公式，来量化地球上植物生长的密度。

除了索尼的图像传感器外，该设备还包含一个全球导航卫星系统（GNSS）传感器，其用于为成像提供精确的地理定位数据。索尼的Fast Field Analyzer软件处理NDVI和RGB数据以及地理位置信息，生成详细的地图，并且能在不需要互联网连接的情况下实现快速现场分析。

Berg说：“仅仅用一幅彩色图像就可以完成很多工作，但是NDVI图像能够提供更科学、更精确的可重复数据。如果某个地方在NDVI标度上显示为红色，这就是对实地情况的准确表示。”

他补充说，“基本上，NDVI图像能够显示肉眼看不到的东西，同时还能更早地显示农作物可能要面临的各种危害。”

当Berg刚开始在Peterson Farms Seed公司工作时，采用的是传统方法，即在种植前将所有计划施用的肥料一次都施放到这块田地中。后来，他们经过研究选择先施用大约70%-75%的肥料，剩余的肥料根据无人机拍摄的图像进行季节性变量施肥，这让他们收获了积极的结果。Peterson Farms Seed公司在种子和化肥等投入上的花费与过去基本相同，但是总产量却有所提高。

Berg说：“归根结底，我们现在的种植方式肯定比以前更加高效，我们希望用比以前更少的投入，获得更高的收益，最终提高盈利能力。”

激光天地转载自： James Carroll act视觉系统设计