基于无人机的作物生长监测使用

作物生长监测作为农业生产管理过程中至关重要的一环，需要高效精准的监测方法来获取各类关键参数，传统监测手段，如人工采集、定点观察往往存在着效率低、误差大等缺点，而利用无人机技术可以很好的弥补这一缺失。通过搭载传感器可以精准快速地获取大量作物图像和光谱数据，并分析提取各类表型指标，从而评估作物的健康状况和生长情况。

本文将以无人机一体化分析系统为工具，通过分析示例作物的图像，获取与作物生长监测相关度较高的几个关键性指标，并将不同小区进行数值对比，介绍如何使用无人机技术进行作物生长监测。

① 无人机(搭载多光谱、高光谱镜头均可)
②PhenoAI air分析系统

方法/步骤

步骤一：无人机飞行进行图像采集

步骤二：利用拼接软件对无人机图像进行影像处理

步骤三：使用PhenoAI air对图像进行数据分析，仅需点击三步即可（①标记小区②尺度校正③点击分析）
*分析结果自动弹出(精准分割各植被的轮廓标记图及数据汇总表)
结论:

在作物生长监测过程中，叶绿素含量以及不同植被指数是重点监测要素，本文以NDVI、RVI、DVI、GNDVI作为生长监测的标准。通过PhenoAI air系统分析结果的图表可以看出1号小区的NDVI、RVI、DVI指数均高于2号小区，仅有GNDVI值有细微差距，表明1号小区整体作物长势优于2号小区。

PhenoAI air是一款集无人机高效采集和图像智能分析为一体的表型采集系统，帮助用户快速测量苗情苗势、抗逆选育等。自动化提取各类大田植物和草业的农艺性状并精准量化表型信息，支持按需选配高光谱、多光谱或可见光相机并均可一键分析，同时分析图表自动化保存，并描出植被轮廓方便用户查看识别精度。支持拓展PhenoAI Flow进行表型数据的深度学习建模和挖掘。

健康监测、病虫害监测、苗情苗势、胁迫研究、栽培生理......

• 高光谱可提取150+指标：

例如：PVI(作物估产)、DCNI(检测植株氮浓度)、NPMI(监测白粉病严重程度)、REFCA(反映植物疾病严重程度)、CARI(监测植被叶绿素含量)、Gitelson(反映植物生理状况)等

• 多光谱可提取100+指标：

例如：Red edge(作物估产)、NDVI(检测植被健康程度、抗耐性)、NIR(检测植被水分、氮素、叶绿素含量)、OSAVI(作物出苗初期的植被健康度诊断)、mSR(植物胁迫探测)、LCI(叶绿素和含氮量情况)、RVI(检测和估算植物生物量)等

• 可见光可提取50+指标：

例如：小区面积、NDGI(评估植被冠层水氮含量情况、植被光合活性)、NGRDI(评估生物量和养分状况、管理杂草) 、ExG(评估健康程度)、GRVI(监测作物生长)、MGRVI(可反应不同耕作栽培方法对植被的影响)等
https://www.bio-equip.com/show1equip.asp?equipid=5234038