面向家庭农场的小麦条锈病无人机遥感监测与诊断模型研究

It significant important for food quality and ecological environment security to reduce the use of pesticides. For the requirements of precise and variable spraying by UAV of family farms in China, the research will focus on the monitoring methods and diagnostic models of wheat stripe rust based on rotor UAV. Through the UAV hyperspectral monitoring experiments in the wheat stripe rust induction test area in the National Experiment station for Precision Agricultural, we will: (1) find the right flight height of UAV for the spraying in different scales of fields in family farms; (2) filter the patterns and spectra index of the precise recognition features of the severity of wheat stripe rust based on its characteristics of occurrence and development; and (3) build and verify UAV remote sensing monitoring and diagnostic models which appropriate for variable spraying based on the right flight height and the disease recognition features. The research results will not only support the variable spraying technology spreading in family farms, but also improve China's farmland ecological environment and the quality of food.

针对我国家庭农场绿色植保对精准变量喷药的迫切需求，开展基于旋翼无人机平台的小麦条锈病精准监测方法及诊断模型研究，对于有效控制农药使用量，保障农产品质量安全和生态环境安全具有重要的现实意义。本项目拟在国家精准农业研究示范基地针对性设计小麦条锈病诱导实验并开展无人机高光谱影像获取，重点研究：1）结合不同模式下植保变量喷药的田块尺度，寻找适用于家庭农场生产的无人机遥感监测病情的作业高度；2）根据病害发病期的发生发展特点，针对性筛选出识别病害严重度的图谱指标并优化病情精准识别特征；3）在适宜作业高度和优选病害识别特征的支持下，构建适用于变量喷药防治的遥感监测模型并验证。项目研究结果将为面向家庭农场规模化生产的精确变量施药提供技术支持，促使粗放式的统防统治植保作业向精准变量方向转变，有利于我国农田生态环境改善和粮食品质提高。

针对我国家庭农场绿色植保对精准变量喷药的迫切需求，本项目以小麦条锈病精准监测方法及诊断模型为目标，通过开展小麦条锈病诱导实验，开展以下研究：1）以大疆精灵4多旋翼无人机的多光谱传感器数据为基础，探索适用于家庭农场植保作业的无人机遥感病情识别与诊断的最佳飞行高度；2）根据病害发病期的发生发展特点，针对性筛选出识别病害严重度的图谱指标并优化病情精准识别特征；3）在适宜作业高度和优选病害识别特征的支持下，构建适用于变量喷药防治的遥感监测模型。主要结论如下：（1）面向家庭农场精准植保作业的需求，采用目前市场广泛使用的大疆精灵4多光谱版无人机，在20m、30m、40m、50m四个飞行高度采集的数据进行对比发现：在小麦条锈病发病初期，飞行高度越低，病害识别效果越好；但在发病中后期，30米飞行高度，病害识别效果最好。（2）建立了数码图像和多光谱图像的小麦条锈病关键生育期的病害识别图谱特征。在数码图像方面：病害严重度为1~4级时G+R组合图像能较好的区分出病斑区域，病害严重度为5~8级时G+1.7R组合图像能较好的区分出病斑区域。在多光谱图像方面：构建了基于光谱特征的病害严重度估算模型和光谱特征协同纹理特征的病害图谱特征。（3）构建了小麦条锈病多生育期反演模型，确定ANN模型具有最优估算精度。基于近地面ASD光谱数据，采用ANN、MLR、PLSR、PCR四种方法在冠层尺度上构建小麦条锈病病害严重度估算模型。多生育期构建的模型精度要优于单生育期；植被指数协同微分指数为自变量建立的小麦条锈病病情指数估算模型优于以植被指数为自变量建立的模型；基于不同特征因子，在不同生育期基于上述四种方法构建和对比估算模型。其中ANN模型具有最佳估算精度，更适合于小麦条锈病病害严重度估算。国内主流无人机植保企业已经在开展基于无人机遥感监测诊断的精准植保服务，本项目研究成果可以为无人机定量植保提供更有效的技术支撑，适宜的飞行高度可以保障病害诊断精度与效率，促进无人机精准植被深入应用。