各位老铁们好，相信很多人对机载遥感系统在精准农业中的“技术前沿”应用c都不是特别的了解，因此呢，今天就来为大家分享下关于机载遥感系统在精准农业中的“技术前沿”应用c以及的问题知识，还望可以帮助大家，解决大家的一些困惑，下面一起来看看吧！

成像传感器（胶片相机、光电传感器、无源微波、雷达）可以从垂直点或最低点提供目标区域的视图。根据能量来源的不同，成像传感器可分为无源传感器和有源传感器。被动传感器检测反射的阳光或发射的热红外和微波能量，而以成像雷达为代表的主动传感器向目标提供自己的能量并记录目标反射的辐射。光电传感器是遥感中使用的主要无源传感器。这些无源传感器使用探测器将地面场景反射和/或发射的辐射转换为电信号，然后将其存储在磁、光和/或固态介质上。探测器灵敏度的设计适合遥感中感兴趣的光谱区间，包括近紫外(UV)、可见光到近红外(VNIR)、短波红外(SWIR)、中波红外(MWIR) 和热敏感区域红外或长波红外（长波红外）。电光探测器可以检测的总波长范围为0.3至15m[1]。在短波红外可见光区域工作的传感器只能在阳光条件下使用。相比之下，热传感器能够在有阳光或无阳光的情况下工作。精准农业中使用的绝大多数远程传感器都是具有VNIR 灵敏度的光电传感器，但也常用热传感器。

根据光谱带的数量和带宽，成像传感器可以分为两类：多光谱和高光谱。多光谱成像传感器通常测量3 至12 个光谱带中的反射和/或发射能量，但大多数多光谱成像系统测量三个可见波段（蓝色、绿色和红色）和一个近红外(NIR) 波段的反射和/或发射能量乐队。测量反射率。相比之下，高光谱成像传感器测量电磁频谱中数十到数百个窄光谱带的辐射。来自高光谱传感器的图像比来自多光谱传感器的图像包含更多的光谱信息，从而可以更准确地区分和量化地面物体和特征。

1.2 遥感卫星

Landsat 和SPOT 系列等传统遥感卫星长期以来一直用于大面积农业应用中的作物识别[2]、产量估算[3, 4] 和害虫检测[2]。然而，由于此类图像的空间分辨率较差且重访时间较长，因此在评估精准农业的大田作物生长条件方面用途有限。

高分辨率卫星传感器的最新进展显着缩小了传统卫星图像和机载图像之间的空间分辨率差距。自1999年第一颗高分辨率商业遥感卫星IKONOS成功发射入轨以来，已经发射了数十颗空间分辨率达到10m或更精细的此类卫星成像系统[3]。重访时间短、数据传输快，加上地面覆盖范围大，使得高分辨率卫星图像对许多应用具有吸引力，特别是对于需要高分辨率图像数据的精准农业。

随着许多国家和商业公司推出新的卫星传感器，卫星遥感技术正在迅速发展。目前，Planet Labs, Inc.（美国加利福尼亚州旧金山）运营着三个不同的地球成像星座，即PlanetScope、RapidEye 和SkySat。 PlanetScope由120多颗卫星组成，提供空间分辨率为3m的RGB（红、绿、蓝）帧图像或半RGB、半NIR的分割帧图像。 RapidEye 拥有五颗卫星，以6.5 m 的标称分辨率（重新采样至5 m）收集蓝色、绿色、红色、红边和近红外波段的多光谱图像。 SkySat 拥有14 颗卫星星座，可以捕获1m 多光谱图像（蓝色、绿色、红色和近红外）和地下全色图像。 [4]。杨[5]回顾了二十多个高分辨率卫星传感器及其在精准农业中的应用。

1.3 载人飞行器成像系统

机载成像系统传统上被称为有人驾驶飞机上携带的成像系统，因此从有人驾驶飞机获得的图像通常被称为机载或航拍图像。有人驾驶飞机上使用的摄像机或成像系统一般不受尺寸和重量的限制；它们需要由飞机上的飞行员或摄像师操作或触发。典型的多光谱或高光谱成像系统由一个或多个摄像机、计算机和用于数据采集和实时可视化的监视器组成。

根据所使用的远程传感器的类型，一些飞机在飞机的底部有专门的摄像头孔或端口，用于安装不同的成像传感器。然而，很多时候摄像机只是简单地安装在起落架上或通过简单的支架悬挂在车门上。有大量的商用和私人飞机可用于遥感。大多数用于遥感的飞机在平均海平面(MSL) 以下约3000m 的高度飞行，不需要氧气面罩或加压。此类飞机包括常见的固定翼螺旋桨飞机，例如塞斯纳206、182 或172。此类飞机飞行成本低廉，在世界各地广泛使用。

农用飞机是许多国家使用的一种特殊类型的有人驾驶飞机。仅在美国，就有数千架农用飞机用于农作物生产和材料保护。这些飞机可以配备成像系统来监测作物生长、检测作物害虫（杂草、害虫和疾病）并评估地面和空中施用处理的性能和功效。这种额外的成像能力还将提高有人驾驶飞机的实用性，并帮助航空施药者从遥感服务中获得更多收入。

轻型运动飞机(LSA) 是一种新兴的小型轻型飞机，易于驾驶。不同的国家/地区对于LSA有自己的规范和规定。例如，在美国，几组不同的飞机可以作为LSA 飞行。美国联邦航空管理局(FAA) 将LSA 定义为满足一定要求的飞机，而不是直升机或动力升降机，包括最大起飞总重600 公斤、最大失速速度83 公里/小时、最大水平飞行高度飞行速度220km/h等[6]。有关LSA 及其许可和认证的更多详细信息，请访问FAA 网站[7]。 LSA飞机作为灵活、经济的航空成像平台具有巨大的潜力。它们比其他有人驾驶飞机便宜，但没有无人机的许多限制。

当需要低空悬停和飞行能力时，可以使用直升机进行低空成像。由于直升机的运营成本较高，无人机将是一个更经济的选择。还有用于空中遥感的高空有人驾驶飞机。这种飞机可以在更高的高度飞行（例如10,000m MSL），以较低的空间分辨率提供更大的区域覆盖范围。如今，高分辨率卫星图像的广泛使用覆盖了大片区域，高空飞行器只能用于专门的任务。

1.4 基于无人机的成像系统

无人机是近年来越来越受欢迎的一类飞机。这些小型便携式飞机价格低廉，能够在有人驾驶飞机无法起飞和降落的地方起降。然而，基于无人机的相机和成像系统具有尺寸和重量限制，更重要的是，它们只能远程或自动触发。无人机上使用的许多摄像头或传感器与有人驾驶飞机上使用的摄像头或传感器相同或相似，尽管它们更紧凑且触发方式不同。

旋翼无人机和固定翼无人机是当今使用的两种主要无人机类型。旋转无人机系统可以垂直起飞、着陆和悬停，但其飞行时间短且缓慢。相比之下，固定翼无人机需要发射器（除非可以手动发射）进行起飞和跑道着陆，但它可以以更快的速度飞行更长的时间。尽管如此，所有小型无人机在有效载荷、飞行时间、飞行范围和防风方面都存在局限性。尽管一些无人机有能力携带多个成像系统，但大多数小型无人机只能携带非常小的有效载荷，限制了可以使用的相机类型。小型无人机由电池供电，通常飞行时间为10-30 分钟。无人机的飞行范围也限制了每次飞行可以覆盖的半径。

然而，无人机可以以非常高的空间分辨率捕获图像，从而可以在表型和精准农业中评估叶子和植物水平上的作物生长状况。在过去的几年中，基于无人机的遥感越来越多地用于作物表型估计植物生长参数，如幼苗密度[8]、株高[9, 10]、叶面积指数[11]、生物量[12] , 13] 和产量[14, 15, 16]。与有人驾驶飞机和卫星的图像一样，基于无人机的图像已成为评估作物健康和害虫状况的重要数据源，例如水分胁迫[17]、杂草蔓延[18, 19]、疾病感染[20, 21]、营养状况[22]和昆虫损害[23]。

尽管无人机被广泛使用并迅速普及，但由于空域安全威胁，无人机仍然受到许多飞行限制。每个国家都有与无人机操作相关的规则和法规。商业飞行员的安全问题，特别是空中施放者和其他在低空空域操作的飞行员的安全问题需要得到解决。在美国，UAS 飞行员必须遵循美国FAA 制定的第107 部分指南[24]。一些重要的操作限制包括： 1）无人机所有有效载荷的重量必须小于25 公斤； 2）只能在视线范围内飞行； 3）最大允许高度为距地面122m（AGL）； 4）最高速度为100mph（161km/h）； 5) 在获得空中交通管制许可的情况下，允许在B、C、D 和E 类空域内运行。操作小型无人机的人员必须持有远程飞行员执照或接受经过认证的人员的直接监督。还有许多其他限制，但如果获得豁免证书，一些限制可能会被免除。

由于当前的航空法规及其自身的限制，无人机主要用于研究区域和相对较小的农作物区域的图像采集。在商业应用中无人机的某些限制得到改变之前，传统有人驾驶飞机仍将是机载遥感的有效且多功能的平台。尽管高分辨率卫星传感器继续缩小空间、光谱和时间分辨率方面的差距，但机载成像系统仍然具有成本相对较低、空间分辨率高、易于部署以及实时或近距离的优势。农场层面的卫星成像还有一个额外的优势——图像的实时可用性。此外，由于卫星轨道的原因，并不总是能够在指定时间获得所需目标区域的卫星图像，

2 机载多光谱成像系统

机载多光谱成像系统自20世纪90年代以来因其成本低、分辨率高、及时性以及与传统卫星传感器获得的光谱带数据相似而广泛应用于精准农业。能力[25, 26]。多光谱成像系统通常采用多个相机和光谱滤波器来实现多光谱波段。大多数系统使用三到四个具有VNIR 灵敏度的相同相机来获取RGB 和彩色红外(CIR) 图像。例如，四波段成像系统由四个相同的相机组成，配备四个不同的带通滤波器以获得蓝色、绿色、红色和近红外波段。使用的相机通常是工业相机，每个相机都是针对一个频段设计的。然而，近年来，随着质量的提高和价格的下降，消费级相机越来越多地被用作遥感工具。消费类相机的主要优点是可以直接使用单个相机捕获RGB 图像。此外，它还可以进行修改以捕获一个近红外波段或两个可见波段和一个近红外波段的组合。

2.1 工业相机

自20 世纪90 年代以来，许多机载多光谱成像系统(AMIS) 已被开发并用于各种遥感应用，包括牧场和农田评估、精准农业和害虫管理[27,28,29,30]。大多数机载多光谱成像系统可以在可见光到近红外光谱区域的3-12 个窄光谱带中提供亚米级分辨率的图像数据[31,32,33,34]。

工业相机通常采用单色电荷耦合器件（CCD）传感器，尽管近年来互补金属氧化物半导体（CMOS）传感器由于其低成本和低功耗而逐渐取代了CCD传感器。多光谱系统中的每个相机通常配备不同的带通滤波器。这种方法的优点是每个相机都可以单独调整以获得最佳设置，但各个波段图像需要相互配准或对齐。另一种方法是使用分束棱镜和内置于单个相机中的多个传感器来实现多光谱成像。这样的系统是CS-MS1920 多光谱相机（Teledyne Optech, Inc.加拿大安大略省旺市），它使用分束棱镜和三个CCD 传感器来采集VNIR 范围内3-5 个光谱带的图像。这种方法的优点是各个波长带的图像在光学和机械上都是对齐的。

位于德克萨斯州大学城的USDA-ARS 机载应用技术研究小组开发并评估了多种用于农业应用的机载成像系统。图1 显示了四相机多光谱成像系统（左下）以及其他部分中描述的其他三个成像系统（四个成像系统可以安装在USDA-ARS Cessna 206 的两个相机端口上以同时捕获图像）。四相机系统由四个单色CCD相机和一台配备图像采集卡和图像采集软件的计算机组成[34]。该相机在400-1000nm光谱范围内敏感，并提供20482048像素的12位图像。四个相机配备四个带通干涉滤光片，中心波长分别为450nm、550nm、650nm和830nm。所有滤波器的带宽均为40nm。

图1 安装了四相机成像系统（左下）、高光谱相机（左上）、热感相机（右上）和两台美国农业部拥有的消费相机

Airborne Data Systems, Inc.（美国明尼苏达州雷德伍德福尔斯）提供多种机载多光谱成像系统。 Spectra-View 系统是一个多光谱系统，可容纳多达8 个不同尺寸、格式和波长范围从UV 到LWIR 的相机。全球定位系统/惯性导航系统(GPS/INS) 单元与系统完全集成，提供精确、自动的图像地理定位。例如，Spectra-View 5WT 系统可以采集六个波段的12 位图像：蓝色(480-510nm)、绿色(520-610nm)、红色(620-730nm)、NIR (770-970nm)、MWIR (3 - 5m）和长波红外（8-14m）。四个VNIR 图像具有48723248 像素，而MWIR 和LWIR 图像具有640512 像素。 Spectra-View 9W 在蓝色、绿色、红色和NIR 波段以及全色波段(400-1000nm) 中具有90004872 像素。低成本Agri-View 系统旨在提供与Spectra-View 5WT 相同的绿色、红色和NIR 波段。所有系统都集成了专有的飞行前、任务规划和图像处理软件[35]。

Tetracam Corporation（美国加利福尼亚州查茨沃斯）提供两条多光谱成像系统产品线。农业数码相机(ADC) 系列中的每个系统均由配备有绿色、红色和近红外波长固定滤光片的相机组成。 ADC、ADC Lite 和ADC Micro 系统提供20481536 像素的8 位或10 位图像，而ADC Snap 则捕获12801024 像素的图像。多相机阵列(MCA) 系列中的系统包含四个、六个或十二个注册并同步的相机，以同时捕获用户指定的VNIR 波长波段图像。 MCA 系统有标准Micro-MCA 和Micro-MCA Snap 版本。

Tetracam的RGB+3系统基于Micro-MCA4架构，由一台RGB相机和三台单色相机组成，可感知以680nm、700nm和800nm为中心的三个窄带。 Tetracam 的Micro-MCA 系统还可配置一个或两个FLIR TAU 热传感器（FLIR Systems, Inc.美国新罕布什尔州纳舒厄），在7.5-13 m 光谱范围内成像。 Macaw（MCAW：无线多摄像头阵列）是MCA 系列的最新版本，包含6 个具有单独滤波功能的12801024 全局快速快门传感器。 Tetracam 的所有相机都轻巧紧凑，可以进行手动、自动定时或远程触发曝光。所有图像都存储在存储卡上（金刚鹦鹉除外），并且可以连续捕获GPS 坐标以对图像进行地理标记。 Tetracam 的PixelWrench2 软件用于管理和编辑图像。

FLIR 热像仪有多个系列，其传感器阵列高达12801024 像素，典型光谱范围为1-5m、3-5m 和7.5-13m。位于大学城的USDA-ARS 拥有的FLIR SC660 摄像头（图1）的灵敏度在7.5 至13 m 之间，可以测量40C 至1500C 的温度。它捕获640480 像素的14 位热图像。配备非制冷微测辐射热计的FLIR T600 系列相机可显示像素范围为7.5-13m 的640480 像素14 位图像。 SC8000 系列相机具有冷却锑化铟(InSb) 探测器和1.55 m 或35 m（1024 1024 或1344 784 像素）的高空间分辨率[37]。

ITRES Research Ltd.（加拿大艾伯塔省卡尔加里）提供TABI-1800 热像仪，这是一款宽带热像仪，由于其搅拌循环冷却MCT（汞碲化镉）探测器而具有出色的灵敏度。与基于测辐射热计的系统相比，用户的辨别精度仅为十分之一，同时减少了热漂移。它可以在3.74.8 m 的光谱范围内捕获1800 像素（业界最宽的阵列）的14 位宽带图像[38]。

First Stage Industries（丹麦哥本哈根）提供高端航空成像产品。第一级150MP 4 频段航空系统由两个并排安装在板上的同步150 兆像素(150MP) iXM-RS150F 相机（RGB 和消色差）、Somag CSM40 模块化稳定器、Applanix GPS/惯性测量单元(IMU) 组成、iX 控制器计算机和iX Capture 软件。每个相机都有1420410652像素的像素阵列。该软件执行RGB 和NIR 图像之间的像素对齐，并可以生成以下Tiff 格式的图像产品：RGB、NIR、4 波段复合(RGBN)、3 波段CIR (NRG)。另一个类似的配置是带有两个100MP iXM-RS100F 相机的Stage 1 100MP 4 波段航空摄影系统。

2.2 消费级相机

随着成像传感器技术的进步，消费级相机已成为机载遥感的有吸引力的工具。与工业相机相比，此类相机价格便宜、易于使用，并且不需要连接到PC 进行数据采集。消费类相机包含配备拜耳滤色片的CCD 或CMOS 传感器，可使用单个传感器获得真彩色RGB 图像[39, 40]。拜耳彩色滤光片马赛克是一种彩色滤光片阵列，用于将RGB 彩色滤光片排列在传感器像素阵列上。拜耳滤镜模式将50% 的像素分配给绿色，25% 分配给红色，25% 分配给蓝色。每个像素都经过过滤，仅记录三种基色中的一种，并使用各种去马赛克算法对每个像素插入红色、绿色和蓝色值。尽管像素插值降低了每个波段图像的有效空间分辨率，但三个波段图像完美对齐。研究人员越来越多地在农业应用中的载人[41, 42] 和无人机[43, 44] 飞机中使用消费级数码相机。

仅来自消费级相机的RGB 图像就可以用于许多农业应用。许多源自RGB 图像的植被指数(VIS) 已用于作物评估[11, 21]。然而，大多数VI，包括最常用的归一化植被指数(NDVI)，都需要NIR 波段的光谱信息。由于大多数消费类相机都配备了滤光片来阻挡紫外线和红外光，因此可以在CCD 或CMOS 传感器前面用长通NIR 滤光片替换滤光片，以获得NIR 图像。

有几家公司提供红外相机转换服务，包括Life Pixel Infrared（美国华盛顿州马科尔蒂奥）和LDP LLC（美国新泽西州卡尔施塔特）。 NIR 阻挡滤光片通常被720nm 或830nm 长通滤光片取代。由于拜耳滤光片镶嵌融合到传感器基板上，因此三个拜耳RGB 通道的透射曲线与更换的长通NIR 滤光片保持相同。然而，改装后的相机中的所有三个通道仅记录近红外辐射。尽管三个通道中的任何一个都可以用作NIR 通道，但红色通道通常比其他两个通道具有更高的光强度。对使用近红外转换的数码相机的研究表明，此类相机可与标准RGB 相机结合用作简单且经济的植物胁迫检测工具和作物监测[41, 42]。

研究和实际应用都需要能够使用有人和无人驾驶飞机在不同高度捕获图像的廉价、用户友好的成像系统。在过去的几年中，位于德克萨斯州大学城的USDA-ARS 南部平原农业研究中心开发了多种基于消费级摄像头的单摄像头和双摄像头成像系统，可用于任何传统或农用飞机[42 、 43、 44]。农用飞机在美国广泛用于农作物生产和防护材料。美国有数千架此类飞机，它们可以轻松用作机载遥感的多功能平台。如果配备适当的成像系统，这些飞机可用于获取机载图像，以监测作物生长状况，检测作物害虫（即杂草、害虫和疾病），并评估空中施用处理的性能和功效。这种额外的成像能力将提高这些飞机的实用性，并帮助空中施药者从遥感服务中获得更多收入[45]。

原来的USDA-ARS单相机成像系统由尼康D90数字CMOS相机和尼康AF-尼克尔24mm f/2.8D镜头（尼康公司，梅尔维尔，纽约，美国）组成，捕获42882848像素RGB图像。尼康GP-1A GPS 接收器（尼康公司，梅尔维尔，纽约，美国）地理标记图像，以及Vello FreeWave 无线遥控快门释放（Gradus Group LLC，纽约，纽约，美国）来触发相机。选择固定焦距（24mm）与相机传感器区域的宽度（23.6mm15.8mm）相似，使得地面距离图像宽度与飞行高度大致相同，图像高度约为2 /3 飞行高度。例如，当在1000m处拍摄时，AGL采集图像时，图像将覆盖大约1000m667m的地面区域。自尼康D90 相机停产以来，它已被尼康D7100 取代，尼康D7100 具有相同的传感器面积，但像素阵列为60004000。新的hhnel Captur 定时器套件（hhnel Industries Ltd.Bandon，科克，爱尔兰）可在连续拍摄之间以指定的时间间隔远程触发相机。

通过添加经过NIR 改进的Nikon D7100 相机来组装双相机系统。为了同时触发两个摄像头，每个摄像头都连接有hhnelCaptur 远程接收器，并使用单独的hhnelCaptur 远程发射器来启动/停止图像采集。每台相机均配备尼康GP-1A GPS 接收器，用于地理标记。这两个相机可以通过相机支架连接到飞机上，而无需对飞机进行很少的修改或无需修改。单摄像头和双摄像头系统均已安装在空中拖拉机402B（图2）和几架固定翼飞机（即塞斯纳206、182 和172）上。这些系统已针对农作物病虫害检测和农作物类型识别进行了评估[41, 44]。

图2 位于德克萨斯州大学城的USDA-ARS 机载应用技术实验室开发的双摄像头成像系统，通过摄像头支架连接（黄色框）

另外两个具有大传感器尺寸的系统在德克萨斯州大学城的USDA-ARS 组装。图1 显示了由两台具有5760 3840 像素阵列的Canon EOS 5D Mark III 数码相机（Canon (USA) Inc. Lake Success, NY, USA）组成的系统。另一个系统包括两台带有7360 像素阵列的Nikon D810 数码相机。 4912像素阵列。两个成像系统具有相同的传感器尺寸（36mm24mm）和焦距（20mm）。当飞行高度为1000m AGL时，图像覆盖地面面积为1800m1200m。佳能系统的像素尺寸为31cm，尼康系统的像素尺寸为24cm。每个系统配备两个摄像头的成本约为6,500 美元。双摄像头系统也已针对精准农业应用进行了评估[41,44,46,47]。

随着对改装相机的需求增加，一些公司提供了经过改装的消费级相机，可以用一台相机捕获青色NIR 或绿红NIR（即CIR）图像。例如，Life Pixel Infrared 使用具有高带内传输率的所谓NDVI 滤波器将RGB 相机转换为捕获蓝色、绿色和近红外光。 LDP LLC 提供改装服务，将RGB 相机转换为青色NIR 680-800nm 或绿红NIR 800-900nm (CIR) 相机。此外，两种类型的改进相机可以捆绑在一起，以同时捕获五波段图像。与不受可见光影响的改良近红外相机相比，改良蓝绿近红外或绿红近红外相机可能存在光污染问题，具体取决于用于实现波段分离的滤波器和算法[48]。尽管改进相机在遥感应用中具有其优势和潜力，但仍需要更多的研究来改进改进方法并评估改进相机的性能。

3个机载高光谱成像传感器

高光谱成像传感器（也称为成像光谱仪）是电光传感器（新一代电光传感器：高光谱成像传感器或成像光谱仪），可以收集可见光中数十到数百个非常窄的连续光谱带图像数据到光谱的热红外区域。自20 世纪80 年代末以来，许多商用机载高光谱传感器（AVIRIS、CASI、HYDICE、HyMap、AISA、HySpex）已被开发出来并用于各种遥感应用。本节讨论几种常用的机载高光谱成像系统。

机载可见光/红外成像光谱仪(AVIRIS) [42] 由加利福尼亚州帕萨迪纳喷气推进实验室(JPL) 开发，是第一台能够提供12 位图像高光谱成像传感器的仪器。范围。 AVIRIS 仪器包含四个探测器，覆盖光谱范围：400-700nm、700-1300nm、1300-1900nm 和1900-2500nm。当以730 km/h 的MSL 速度飞行20 km 时，AVIRIS 收集像素大小为20 m、幅宽为11 km 的图像。当以130 km/h 的速度以4 km MSL 采集图像时，像素大小为4 m，幅度为2 km。格林等人。 [49]提供了AVIRIS 的精彩概述，以及有关传感器使用的科学研究和应用示例。 AVIRIS不断升级和改进，以满足研究和应用的需求。

Hymap 是由Integrated Spectronics Pty Ltd（澳大利亚悉尼）开发和制造的机载高光谱成像传感器。自1996年以来，HyMap机载高光谱扫描仪已在北美、欧洲、非洲和大洋洲的许多国家部署。初始HyMap 传感器，波长为550-2500nm

范围内具有96个通道，主要设计用于矿物勘探[ 50 ]。由HyVista Corporation Pty Ltd（澳大利亚悉尼）运营的当前HyMap传感器可在450-2500nm光谱范围内提供128个波段。该系统可适用于具有标准摄像头端口的任何飞机。差分GPS和IMU用于地理定位和图像地理编码。传感器可以配置为以3-10m空间分辨率捕获512像素宽的图像，以用于不同的应用[ 46，47，48，51 ]。 紧凑型机载光谱成像仪（CASI）由ITRES Research Ltd.（加拿大艾伯塔省卡尔加里）于1989年首次推出，是最早的可编程图像光谱仪之一。它允许用户对传感器进行编程，以收集针对不同应用的特定频段和带宽的高光谱数据。当前，ITRES提供了一套从可见光到热光谱范围的机载高光谱传感器。CASI-1500H在380-1050nm光谱范围内具有1500个跨轨像素，可捕获多达288个波段的14位高光谱图像。它具有紧凑的设计，带有嵌入式控制器和集成的GPS / IMU。SASI-1000A可在950-2450nm的200个波段上提供1000像素宽的图像，从而与CASI-1500H一起实现无缝的VNIR-SWIR覆盖。MASI-600，第一个市售的MWIR机载高光谱传感器可在3-5µm光谱范围内的64个波段上提供600像素宽的图像，而TASI-600可以在8-11.5µm范围内的32个波段上以相同的条带捕获高光谱热图像。ITRES还为UAS提供了较小版本的传感器。 SPECIM，Spectral Imaging Ltd（芬兰奥卢）提供了一系列机载高光谱成像系统（AISA机载高光谱传感器系列：AisaEAGLE，AisaEAGLET，AisaHAWK，AisaDUAL，AisaOWL），包括400-1000nm的AisaKESTREL 10、600-600nm的AisaKESTREL 16 1640nm，380-2500nm的AisaFENIX和AisaFENIX 1K，以及7.7-12.3µm的AisaOWL。AisaFENIX传感器可以在多达348个VNIR波段和274个SWIR波段上捕获384个像素的图像，而AisaFENIX 1K传感器可以在多达348个VNIR波段和256个SWIR波段上捕获1024个像素的图像。AisaOWL可以在96个频段上以384像素的条带获得热图像。AisaKESTREL 10和AisaKESTREL 16也可以与UAS配合使用，以分别捕获2040和640像素的高光谱图像。所有传感器都集成了GPS / INS单元[ 51 ]。 Headwall Photonics，Inc.（美国马萨诸塞州菲奇堡）提供了一套涵盖250至2500nm光谱范围的高光谱成像传感器。单独的传感器可用于紫外到可见光（250-500nm），VNIR（380-1000nm），NIR（900-1700nm）和SWIR（950-2500nm）光谱范围。它还提供了一个共同注册的VNIR-SWIR成像传感器，覆盖范围为400至2500nm。位于德克萨斯州大学城的USDA-ARS的高光谱成像系统由Headwall HyperSpec VNIR E系列成像光谱仪（图1的左上方），集成的GPS / IMU和高光谱数据处理单元组成。该光谱仪可以捕获1600像素宽的16位图像，在380至1000nm范围内的多达923个波段上。在1000m AGL时，高光谱摄像机覆盖615m范围，像素大小为38cm[ 52 ]。

4 机载图像应用示例

机载多光谱图像已被广泛用于精密农业用于评估土壤性质[ 52，53 ]，映射作物生长和产量的变化[ 54，55，56 ]，和检测水应力[ 57 ]，杂草侵染[ 58 ]，作物昆虫损伤[ 59 ]，和疾病的感染[ 30，53，60 ]。Moran等。[ 27 ]回顾了基于图像的遥感为精确农业应用提供时空数据的潜力。最近，Mulla [ 61 ]回顾了精密农业中遥感技术的关键进展并确定了知识差距。机载高光谱图像已经用于评估土壤肥力，估计作物生物物理参数被评估[ 62 ]，映射作物产量变性[ 63，64 ]，并检测农作物病虫害[ 65，66，67，68 ]。在本节中，将基于作者及其合作者的工作提供五个应用示例，以说明如何将多光谱和高光谱图像用于实际的精准农业应用中的作物生长评估和作物病害管理。 4.1用于创建管理区域和产量图的彩色红外图像 确定管理区域是针对精准农业中农业投入物（即养分，水和农药）的特定地点应用的重要第一步。除了土壤采样和产量测绘，遥感还为在田间建立管理区提供了另一种选择。Yang和Anderson [ 69 ]演示了如何使用机载多光谱图像来描绘野外管理区域并绘制产量变化图。他们采用了Everitt等人描述的机载三摄像机成像系统。[ 31 ]用于图像采集。该系统由三台CCD相机组成，分别装有绿色滤光片（555-565nm），红色滤光片（625-635nm）和NIR滤光片（845-857nm）。将来自三个摄像机的绿色，红色和NIR信号数字化并合并，以生成640×480像素的8位CIR复合图像。 图3（a）显示了德克萨斯州南部6hm 2谷物高粱田的CIR图像。以1300m的姿态获取图像，像素大小为1.4m。在CIR图像上，健康植物的颜色偏红，而褪绿植物和土壤暴露量较大的区域则偏白和偏灰。使用无监督分类技术将CIR图像分为四个光谱区域（图3）。（b））。由于高海拔地区，蓝色区域代表缺水地区。红色区域表示由于铁缺乏而导致植物严重缺绿的区域。其他两个区域（青色和绿色）代表了具有土壤和环境因素共同作用的生长变异性的区域。将图像数据分类为离散区域的优点是减少了每个区域内的方差。这些区域可用作指导植物和土壤采样以及其他精确农业操作的管理区域。使用分层随机采样方法来生成有限数量的采样点，以识别该字段变化的原因（图3（b））。 图3 德克萨斯州南部6hm 2谷物高粱田的机载图像和地图（改编自[69]） 相关分析表明，籽粒产量与NDVI显着相关（r = 0.95）。这种强相关性的含义是，可以基于产量和NDVI之间的回归方程从图像生成谷物产量图（图3）。（C））。与CIR图像和分类图相比，良率图具有相似的空间模式，但揭示了区域内的更多变化。该示例说明了机载多光谱图像如何与GPS，地理信息系统（GIS），地面采样和图像处理技术结合使用，以识别管理区域并绘制田间产量变化。无监督分类有效地将图像分类为具有不同生长条件和生产水平的光谱区域。多光谱影像也已被证明有助于建模产生空间变异性。 4.2绘制棉花根腐病的四波段图像 棉花根腐病是由土生真菌Phymatotrichopsis omnivora引起的，是一种破坏性疾病，已经影响了整个棉花行业长达一个多世纪。从受侵染的田间拍摄的历史航空图像已经证明，这种疾病倾向于年复一年在田间的同一大片区域中发生[ 30 ]。独特的空间特性使棉花根腐病成为进行特定地点管理的极佳候选者。 图4（a）显示了用图1中所示的四相机系统从德克萨斯州圣安吉洛附近的11hm 2棉田中捕获的CIR图像。在图4（b）中还示出了相应的两区域分类图和两区域处方图。与未感染的植物带红色调相比，根腐病感染的植物在CIR图像上具有深灰色。两区分类显示，大约37％的田地受到了侵扰。将5m缓冲区添加到分类图上的感染区域，以将处方图上的治疗区域增加到63％（图4）。（C））。缓冲液有效地消除了疫区之间小的非疫区，这不仅适应了疾病的潜在蔓延，而且使大型农机在特定地点的应用更加实用。 图4 德克萨斯州圣安吉洛附近一个11hm 2的棉田播有棉根腐烂的航空图像和地图。处方图中的绿色区域已用杀菌 可变速率控制系统适用于现有的拖拉机和播种机系统，以便在种植时将杀真菌剂应用于田间。系统将期望的比率应用于规定的区域，误差为1.5％。处理后的航空图像显示，该杀菌剂有效地控制了受灾地区的棉花根腐病。简单的经济分析表明，如果可以将治疗面积减少40hm 2，则杀真菌剂使用的节省可以抵消对可变速率控制器的最初投资。对于某些大田地，单个田地中治疗面积的减少可能超过该数目。因此，通过对该疾病的特定部位管理，存在巨大的节省潜力。

4.3用于绘制作物产量变化的高光谱图像 与多光谱成像相比，高光谱成像具有更好的光谱分辨率，因此有可能提供更好的生物物理参数估计。Yang等[ 71 ]。评估了机载高光谱图像，以绘制与产量监测器数据相比的作物产量变化。Yang等人描述的机载高光谱成像系统。[ 72 ]用于从14hm 2采集图像得克萨斯州南部的谷物高粱田。该系统配置为在450至920nm光谱范围内的128个波段上捕获640个像素的12位图像。去除较低和较高波长的噪声带后，将剩余的102个波长从475至845nm的频带用于分析。使用安装在收获物上的Yield Monitor 2000系统（Ag Leader Technology，艾姆斯，爱荷华州，美国）从田间收集产量数据。 图5显示了由该场的高光谱图像合成的RGB彩色图像。该图像是在农作物的峰值植物发育期间拍摄的。田地东北部的浅灰色主要是由于稀疏的植物覆盖在非常沙质的土壤上。相关分析表明，籽粒产量与可见带显着负相关，与近红外带正相关，相关系数范围为-0.80至0.84。主成分分析应用于图像以消除数据冗余。基于前十个主成分的逐步回归分析表明，十个主成分中的五个是显着的，并解释了产量的80％变异性。要确定重要的乐队，直接对产量数据和102波段高光谱图像数据进行逐步回归。七个波段（481、543、713、731、735、771和818nm）被认为是重要的，并解释了约82％的产量变异。图5显示了从产量监控器数据和图像中的七个重要波段生成的产量图。两个产量图上的空间模式相似，表明可以根据生长季节高峰期附近获取的机载高光谱图像估算谷物产量。 图5 RGB彩色图像和由产量监控器数据生成的，基于14hm 2谷物高粱田的102波段高光谱图像中的七个重要波段的 4.4使用消费级相机监控作物 如第2.2节所述，消费级相机也可以像示例4.1和4.2中的工业相机一样用于获取RGB和NIR图像。根据相机和飞行高度的不同，单个图像可以覆盖一个区域的一部分，整个区域，多个区域甚至整个农场。例如，在300m AGL时，尼康D90相机可以覆盖300m×200m或6hm 2的地面区域，像素大小为8.6cm。在3000m AGL下，同一台摄像机可以覆盖3000m×2000m或600hm 2的区域，像素大小为86cm。显然，如果飞行高度增加到初始高度的10倍，则地面覆盖率将增加到初始覆盖率的100倍，像素大小是初始值的10倍。 如果单个图像不能以所需的像素大小覆盖关注区域，则可以沿着多条飞行路线拍摄多幅图像。例如，要绘制得克萨斯州大学城附近的6.4km×12.8km（8190hm 2）的耕地面积（图6中的红色框），将由两个尼康D90相机组成的双相机系统安装在Air Tractor 402B农用拖拉机上飞机。相机以1500m AGL的速度沿11条相距600m的飞行线飞行（图6中的黄线））。以220 km / h的地面速度和6s的成像间隔，总共获取了360对带有地理标记的RGB和NIR图像，其侧面重叠为60％，向前重叠为62％。飞行整个成像区域大约花费了55分钟。然后使用Pix4Dmapper软件（瑞士洛桑的Pix4D SA）对图像进行镶嵌，然后创建一对正交RGB和NIR图像以及3D数字表面模型。 图6： 使用一对RGB和NIR消费级相机拍摄图像的飞行线（左），以及德克萨斯州大学城附近一个种植区域的镶嵌 如果将相同的双摄像头系统安装在以FAA允许的最大飞行高度（400英尺或122m）飞行的UAS上，则每个图像将仅覆盖像素大小为122 * 81.3m 2（1hm 2）的地面区域2.8厘米 成像8190hm 2与载人飞机相同的侧面和前向重叠区域，将使用我们的AG-V6A六翼直升机（HSE LLC，美国科罗拉多州丹佛市），其最大地面速度为10m / s，连续飞行约62小时完成144行，可产生约56,800张图像。由于用于UAS的电池只能使用15分钟左右，因此需要多个电池。由于频繁更换电池并需要额外的起飞和降落时间，因此实际飞行时间会更长，更不用说天气因素了。而且，拼接大量图像将需要几天甚至几天的时间。显然，如果需要在相对较小的区域进行高分辨率成像，则基于UAS的成像将更为合适。即使更快的飞行速度和更长的电池续航时间， 来自载人飞机的镶嵌RGB和NIR图像被堆叠为多光谱图像，从中可以导出各种VI（例如NDVI）进行作物监测。例如，Zhang等。[ 17 ]使用镶嵌的多光谱图像来识别作物类型并估计作物叶面积指数（LAI）。该图像的其他用途包括用于肥料的田间变异性评估以及用于棉花，作物病害检测和其他精准农业应用的植物生长调节剂。 4.5用于特定地点的空中除草剂的多光谱成像 可变速率或精密空中施用开始受到关注在21世纪初，当可变速率喷涂系统变得可用于农业飞机[ 73，74 ]。近年来，越来越多的空中喷枪认为他们需要在运营中采用遥感和可变速率喷油等新技术来保持竞争力。为了满足对作物生产和保护材料在特定地点进行空中应用的实用方法的需求，Yang和Martin [ 58 ]演示了如何集成机载多光谱成像系统和可变速率的空中应用系统，以针对冬季杂草henbit进行特定位置的管理。该成像系统由两台消费级相机组成，用于从德克萨斯大学学院附近休耕地的小块虫害侵染场中获取RGB和NIR图像。根据图像创建了一张处方图，仅将草甘膦除草剂应用于受灾地区。 图7所示为CIR图像，其中有虫侵染和从NDVI分类图导出的处方图，并在受感染区域添加了5m缓冲区。估计有缓冲液的鸡感染面积为56.4hm 2或总面积（124hm 2的 45.5％）。）。安装在Air Tractor AT-402B农用飞机上的Air IntelliStar可变速率系统（Satloc，Hiawatha，堪萨斯州）用于根据处方图在田间施用草甘膦。除草剂施用后两周收集的施用地图和图像用于评估特定地点施用的性能。空间和统计分析结果表明，该成像系统对于制止虫侵害和评估特定地点除草剂的使用效果是有效的，可变速率系统可将所需速率的产品准确地递送到指定区域，以有效地控制除草剂的使用。杂草。 图7 德克萨斯州大学城附近124hm 2休耕地被杂草hen 杂草侵扰的休耕地的图像（改编自[68]） （a）机载彩色

5 挑战与未来的努力

为了选择合适的平台和/或成像系统，对于特定应用，需要考虑各种因素（例如，区域的大小，图像类型和分辨率要求以及时间和成本约束）。通常，如果在较小区域中需要非常高分辨率的图像，则UAS将更为合适。对于大片区域或农场一级的成像，有人机会更有效。但是，如果没有有人驾驶飞机，则卫星图像将是一个不错的选择，因为它可以以相对较高的空间分辨率覆盖较大的区域。尽管农民知道机载和卫星图像的可用性，但大多数人不清楚要选择哪种图像以及如何订购。因此， 常见的图像类型包括多光谱（RGB，NIR和红边），高光谱和热成像。对于大多数精密农业应用，虽然某些情况下仅使用RGB图像就足够了，但RGB和NIR图像是必需的。由于很少有卫星高光谱传感器，目前有人驾驶飞机和UAS提供高光谱图像。仅当RGB和NIR图像不能满足要求时才需要高光谱和热图像。何时收集图像是另一个问题。根据目的（例如营养评估，水状况，害虫检测和产量估算），最佳图像获取日期会有所不同。需要更多的研究来确定不同应用的最佳时期。 及时获取和交付图像非常重要。当前大多数卫星的重访时间为1-5天，实际的图像获取时间取决于当地的天气情况以及与相似地理区域中其他客户的竞争。由于大多数高分辨率卫星的覆盖范围相对较窄，因此可以将这些传感器倾斜一定角度，以在沿路径的任务区域上拍摄最低点图像。随着更多卫星传感器的推出，客户可以从公司拥有的多个卫星传感器订购图像，以增加及时成像的机会。完整的PlanetScope星座最终将能够每天对整个地球进行成像。 如何将图像转换为可用的地图和信息是最大的挑战之一。尽管有许多图像处理技术可用于将图像转换为分类图和植被指数图，但将这些图转换为用于可变速率应用的处方图并不总是容易的。相同的NDVI图可能显示出土壤，产量和病虫害的差异。图像处理软件具有不同的功能，复杂性和价格。大多数种植者可能没有技能和时间来处理图像数据。图像处理是一个专业领域，需要高级计算机技能和对所涉及技术的基本了解。如果这对某些种植者不切实际，他们可以随时使用商业图像处理服务来创建相关地图。 來源：智慧农业

用户评论

别悲哀

太厉害了！现在用的都是卫星遥感吧？这机载遥感的精度更高更实时性强， agricultores 可以根据实时数据来调整种植方案，简直是农业的未来！

    有14位网友表示赞同！

青山暮雪

这个标题就吸引了我的眼球！我一直听说技术前沿在农业上有很大帮助，但具体运用在哪儿我还不了解。这次终于看到机载遥感系统应用的文章了，希望能深入了解一下它的工作原理和效果，期待后续分享。

    有6位网友表示赞同！

怪咖

文章写的太专业了，感觉需要一定的背景知识才能完全理解。不过，总的来说，机载遥感系统在精准农业中的应用确实很有潜力！未来会更能帮助农民精确管理资源，提高生产效率，实现农业可持续发展吧 。

    有8位网友表示赞同！

各自安好ぃ

这个 "机载遥感" 听起来像科幻电影里才会出现的科技啊！真的会被用于精准农业的种植？ 感觉太酷了！希望将来有一天我也能亲眼看到这种技术的使用。

    有6位网友表示赞同！

龙吟凤

文章提到利用机载遥感系统监测作物生长状况，这也太棒了吧！这样农民就可以及时发现问题并采取措施，避免大面积的减产损失。精准农业才是未来农业发展的方向啊！

    有14位网友表示赞同！

颓废i

我对这个 "技术前沿" 挺感兴趣的，但是机载遥感系统的使用成本会不会很高？对于规模小的农户来说，能否普及还是个需要考虑的问题吧! 希望能够有更实惠的方案让更多农民也能受益于这项技术。

    有6位网友表示赞同！

久爱不厌

精准农业确实很必要，但除了机载遥感系统以外，还有很多其他先进技术可以应用在农业领域啊！例如农业物联网、大数据分析等等。要多方结合才能真正实现可持续发展！

    有17位网友表示赞同！

巷雨优美回忆

这篇文章让我看到了农业科技的巨大潜力，真是充满希望！我相信随着技术的不断发展和完善，机载遥感系统等先进技术将为现代农业带来革命性的改变！

    有17位网友表示赞同！

惯例

我一直觉得农业是基础产业，但往往被人忽视。希望这个 "技术前沿" 可以真正解决农业生产上的问题，提高农民的收入水平，促进农村经济的发展。

    有11位网友表示赞同！

若他只爱我。

我是一个从事农业的研究员，对机载遥感系统很有兴趣，希望能了解更多关于它的应用经验和未来发展趋势？文章中提到了一些案例，但我想要更详细的信息！

    有10位网友表示赞同！

伤离别

文章只说了技术的优点，没提任何缺点？比如，机载遥感系统可能会带来哪些数据安全问题呢？

    有11位网友表示赞同！

冷嘲热讽i

这篇文章让我对 "精准农业" 了解了一点，原来技术应用可以如此广泛。希望以后能看到更多类似的文章，深度解析不同的先进技术在农业领域的使用案例！

    有16位网友表示赞同！

无所谓

我觉得机载遥感系统虽然很厉害，但是光靠科技进步不足以解决农业发展的问题。还需要考虑农民的技能培训、政策支持等多方面的因素才能真正推动精准农业的发展。

    有19位网友表示赞同！

仰望幸福

机载遥感系统的应用成本这么高？对于国内部分地区来说，普及率估计很低吧？希望能有更易于推广和使用的新技术！

    有16位网友表示赞同！

安之若素

我曾经听过 “精准农业”，感觉很概念化，没有想到原来可以做到这一点。机载遥感系统真是很先进的科技啊！它可以帮助农民解决很多实际问题，提高农业效率。

    有8位网友表示赞同！

生命一旅程

文章内容介绍得太浅薄了，我想要更深入的了解机载遥感系统的具体原理和操作方法？希望作者能够分享更多实践经验，例如不同场景下如何有效运用该系统？

    有7位网友表示赞同！

柠栀

这篇文章让我知道技术前沿也在为农业文明做贡献！ 越来越多的科技应用在改变农业生产方式，未来农业会更加智能化、高效化吧！

    有19位网友表示赞同！