哈尔滨航天恒星数据系统科技有限公司 黑龙江省哈尔滨市 150000
摘要：无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像，使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能，为大面积农田范围内快速感知作物缺水空间变异性提供了新手段，在精量灌溉技术应用中具有明显的优势和广阔的前景。
关键词：无人机遥感;精量灌溉;变量灌溉;
1农田土壤水分无人机遥感监测技术
作物水分的吸收和蒸腾是作物和外界环境(土壤和大气环境)共同作用、相互影响的复杂过程。在农田灌溉决策中，应用最多的指标仍然是土壤水分状况。能够获得合理及时的土壤信息，对提高灌溉的准确性和有效性十分重要。土壤水分的传统监测方法主要分为直接测量和通过卫星遥感技术的间接测量。直接测量可以提供高精度、高时间分辨率的土壤水分数据，但是该方法仅适用于小范围的点测量，在进行大范围测量时费时、费力、数据采集成本高。基于卫星遥感技术的间接测量方式弥补了以上缺陷，可实现大范围的土壤水分空间变异性监测，其中应用最为广泛的是微波遥感和光学遥感卫星。
2作物水分信息无人机遥感监测技术
灌溉的真正对象是作物而不是土壤，而且作物的生长情况实际上能综合反映天气和土壤水分的变化情况，故合理的灌溉应以作物的生长情况为主要依据。当土壤含水率充足时，环境温度的上升会造成气孔导度增大、蒸腾速率提升，最终使得冠层温度相对稳定。然而，当土壤含水率不足时，作物气孔导度和蒸腾速率会下降，导致蒸腾降温效果变弱，从而造成冠层温度升高。
2.1作物水分信息无人机遥感监测技术体系
无人机遥感技术在作物水分胁迫信息感知研究方面具有很大的应用潜力，已经被成功地应用到很多作物的水分胁迫分布信息的监测。完整的基于无人机遥感技术的作物水分信息感知技术体系。
该技术体系主要包括图像采集与预处理、基于温度指数的水分胁迫感知和基于植被指数的水分胁迫感知。其中，图像采集与处理主要包括无人机飞行参数设计、数据采集、地理信息匹配和图像拼接及校正处理;基于温度指数的水分胁迫感知主要包括温度校正、冠层温度提取和基于温度的胁迫指数建立;基于植被指数的水分胁迫感知主要包括反射率分布图获取和水分胁迫敏感植被指数选取或建立。
2.2基于温度指数的作物水分信息无人机遥感技术
2.2.1无人机热红外遥感图像的温度校正
目前无人机热红外遥感系统集成的热红外相机多为较轻的非制冷相机，缺少制冷装置，具有获取温度不稳定等问题。在提取作物冠层温度之前还需要对热红外图像进行校正，主要包括:非均匀性校正、缺陷像素校正、快门校正、辐射定标和温度校正。在当前使用的非制冷热相机中，非均匀性校正、缺陷像素校正和快门校正由系统固件执行。而对于辐射校正来说，在利用无人机热红外遥感系统采集作物冠层温度数据之前，需要将数据采集时刻的相应数据在热红外相机系统中进行设置，以减少温度感知误差。
2.2.2基于无人机热红外遥感图像的作物冠层温度提取方法
冠层温度的准确提取是有效监测作物水分胁迫分布信息的另一个关键问题。由于无人机热红外相机具有相对较低的分辨率。因此在作物冠层温度提取中如何有效剔除土壤和其他地物所带来的影响仍是个挑战，其常用方法主要为阈值法，阈值法只需要热红外遥感影像，其核心为采用机器学习算法(聚类、Otsu和边缘检测等)寻找作物和非作物的温度分类阈值。
3无人机遥感在变量灌溉中的应用
3.1变量灌溉管理分区
适时、准确地获取和感知农田作物对水分胁迫的响应是变量灌溉处方图生成的核心技术。传统的精准灌溉技术中变量灌溉处方图生成模型的研究主要基于土壤特性，如电导率和田间持水量等。由于作物生长状况是土壤水分状况的直接反映，且随着空间信息技术和作物生长信息监测仪器、收获机械产量监测系统的快速发展，出现了基于作物特征如作物生物量、产量和平均叶水势等的变量灌溉管理分区研究。在卫星和航空影像技术进一步发展和成熟前，近地面移动车载测量地物吸收和反射光谱的地物光谱仪正在成为低成本高密度获取农田缺水空间变异信息的技术手段。
3.2变量灌溉决策技术决策
支持系统是变量灌溉的核心组成部分，其管理方法是指用于指导特定区域的灌溉时间和灌水量的灌溉制度。该系统使用自然资源保护服务网格土壤调查地理数据库评估控制方案和潜在节水情况，根据土壤水平衡方法，开发了变量灌溉处方图。大多数灌溉决策系统是针对特定的农作物或农田而设计的，很难将其应用于其他地区或其他作物。鉴于此，YANG等开发了用于灵活灌溉计划的决策支持系统，用户可以通过用户界面修改其输入参数，以提高系统的普适性。
3.3无人机遥感在变量灌溉决策中的应用
遥感技术弥补了固定式传感器的缺陷，具有实时性好和覆盖面积广的优点。目前，无人机载热红外相机多为较轻的非制冷相机，缺少制冷装置，具有获取温度不稳定等问题，同时易受气温和人类活动的影响。与无人机热红外遥感系统相比，无人机多光谱遥感系统在信息获取稳定性和拼接质量方面具有更好的技术成熟度。同时，作物在冠层结构以及叶片色素含量上对水分胁迫的响应引起的特定波段反射率的变化，也为基于无人机多光谱植被指数的作物水分胁迫感知奠定了基础。首先，决策支持系统的输出是控制系统的输入信息，在一些控制系统中，实际灌溉量不能完全等同于农作物的需水量，决策支持系统应该是与控制系统结合。控制系统的常用方法包括区域控制和速度控制。速度控制可改变中心枢轴的移动速度以实现所需的灌溉深度，而占空比控制改变了单个喷头或喷头组的开关时间达到所需的灌溉深度。其次，针对不同地区或不同农作物建立的CWSI/Kc反演模型(VI-Kc/VI-CWSI)差异较大。
3.4无人机遥感在变量灌溉中应用的技术体系
根据已有研究基础，总结出无人机遥感在变量灌溉中应用的技术体系。首先根据作物缺水诊断和变量灌溉对无人机遥感图像的技术要求优化无人机遥感系统作业参数，以保证获取农田高质量的可见光、多光谱和热红外遥感图像，地面同时进行土壤水分、冠层温度、作物形态参数和绿度参数等的监测。其次利用无人机可见光图像和地面形态参数监测结果筛选与作物缺水相关性较强的形态参数指标并进行反演，建立基于作物形态参数的缺水信息无人机遥感诊断模型。然后基于无人机多光谱遥感图像和地面作物绿度参数监测结果进行多种植被指数和作物系数Kcb的计算，建立基于作物绿度参数的缺水信息无人机遥感诊断模型。然后基于无人机热红外遥感图像和地面温度参数监测结果计算作物缺水指数CWSI，建立基于温度参数的缺水信息无人机遥感诊断模型。
4结论
无人机遥感在灌溉技术中的应用是近几年灌溉领域的研究热点之一。无人机遥感系统可以高通量地获取多个地块的高时空分辨率图像，使精准分析农业气象条件、土壤条件、作物表型等参数的空间变异性及其相互关系成为可能，为大面积农田范围内快速感知作物缺水空间变异性提供了新手段，在变量灌溉等技术应用中具有明显的优势和广阔的前景。
参考文献：
［1］蔡甲冰，刘钰，雷廷武，等．精量灌溉决策定量指标研究现状与进展［J］．水科学进展，2004，15(4):531－537．
［2］汪沛，罗锡文，周志艳，等．基于微小型无人机的遥感信息获取关键技术综述［J］．农业工程学报，2014，30(18):1－12．
［3］牛亚晓，张立元，韩文霆，等．基于无人机遥感与植被指数的冬小麦覆盖度提取方法［J/OL］．农业机械学报，2018，49(4):212－221．