3D遙感技術在農業中有哪些應用？

4 人贊了文章

在《通往精準農業之路》專欄開篇之初，有不少同學表示對於3D 遙感技術、多光譜技術在農業中的應用很感興趣。今天，我們專門來探討一下這個話題，具體聊聊這些技術在植物生長監測、病蟲害監測方面的應用，國內外研究與發展現狀，以及探索其將來在植保無人機上的可能應用。

首先，我們得明確 3D 遙感信息是什麼。所謂 3D 遙感信息，是指把三維位置和遙感光譜數據結合在一起的一體化遙感信息。

目前已有機載三維成像儀可從空中同步獲得地面目標的三維位置和遙感光譜信息，實現定位、定性數據的一體化獲取。

目前高解析度的 3D 遙感影像主要用於：

1、地形分析，如坡度分析、地貌面分析、水系分析、構造分析等等；

2、地質災害調查，通過建立災害體的 3D 模擬模型，提取災害體的特徵信息，評價災害體的危險性；

3、礦區礦產資源調查，是將高精度數字高程模型（DEM，Digital Elevation Model，通過有限的地形高程數據實現對地面地形的數字化表達）數據與礦區高解析度遙感圖像疊合生成三維遙感影像，反映複雜的地形、地貌、地質特徵；

4、其它方面，如城市景觀設計、軍事地形三維模擬、工程選線等等。

3D遙感技術在病蟲害監測中的應用

對於病蟲害遙感監測，主要還是依據作物受不同脅迫影響後發生的光譜響應，國內外的相關研究主要集中於四個層面：1）病蟲害光譜響應生理機制；2）病蟲害光譜響應特徵位置；3）應用於病蟲害監測的植被指數；4）病蟲害遙感識別和程度區分演算法。

概況性地講，目前植物病蟲害脅迫下引起光譜響應的生理機制基本是明確的；病蟲害光譜響應特徵位置有不少研究，主要集中於典型作物的典型病蟲害如小麥條鏽病、白粉病，水稻褐飛虱、稻瘟病，番茄晚疫病等，但研究的作物和病蟲害的種類遠遠不夠全面；目前已研究嘗試通過數十種類型的植被指數，來建立遙感信息和病蟲害的發生、程度之間的關係。

關於識別和區分演算法，主要是想建立病情和光譜特徵之間的關係，方法模型很多，大致可以分為兩類：一類是基於高光譜非成像數據建立的模型，一類是基於圖像的數據分析方法。這些方法涉及了多元統計分析，數據挖掘演算法和圖像分析方法，目的是希望模型具有較高的精度和專一性。

應用遙感技術進行農作物不同生育期長勢監測

3D遙感技術在植保無人機上的應用探索

顯然，3D 遙感技術今後也可以應用於植保無人機。特別是若能利用低空無人機遙感測繪、建模、農情分析及「互聯網+」技術，構造出「農田林地 3D 空間模型平台」，提供農田林地的空間模型、作物信息、病蟲害信息、位置關係，甚至一些環境數據（包括的溫度、濕度、光照等），則可對指導植保無人機仿地飛行、精準施藥有極大幫助，也拓展了植保無人機的應用範圍。目前這僅僅是一個願景，但可以期待。

用無人機作為平台，通過遙感來監測植物生長情況、監測病蟲害、預測收成等方面的研究早已開展，特別是產量估算/預測收成是遙感技術應用於農業的最早的研究方向之一，也是相對成熟的農業遙感應用研究。

基於遙感的產量估算早在 20 世紀 70 年代就已開始，如 1974 年美國農業部（USDA）、NASA 等部門合作實施的「大面積作物估產實驗」，即 LACIE 計劃，主要是利用 Landsat MSS 影像來估測小麥種植面積。

國內從事這項研究也有差不多 30 年的時間，如 80 年代中期，在國家經委的支持下，以國家氣象局為主組織開展了北方 11 省市冬小麥的 NOAA/AVHRR 衛星遙感估產研究，建立了遙感影像面積測算方法。

1997 年，中國科學院「九五」重大和特別支持項目「中國資源環境遙感信息系統及農情速報」，就實現了全國小麥、玉米、大豆、水稻等大範圍長勢遙感監測與產量預報。

「十一五」期間，北京師範大學和國家統計局建成了「國家糧食主產區糧食作物種植面積遙感測量與估產系統」。

目前，國內外主要的作物遙感監測運行系統（集成了作物種植面積調查、長勢監測和最後產量估測）就在美國、歐盟和中國。