多光谱相机应用之 | 无人机搭载多光谱相机，冬小麦条锈病监测迎来精准化突破

试验于 2023年4月在河南省新乡市原阳县冬小麦条锈病染病试验田开展，分两次进行数据采集。采用多光谱版无人机，搭载蓝、绿、红、红边、近红外5个波段的多光谱相机，在50米高度以4m/s 速度航线飞行，保证航向和旁向重叠率超75%，获取地面分辨率2.8cm的高清影像。飞行后通过大疆智图进行辐射校正、影像拼接等预处理，得到高质量多光谱影像。

图1 2023年4月16日(a)和28日(b)河南省新乡市原阳县冬小麦条锈病染病试验田无人机影像及拍照点位示意图

参考国家标准《小麦条锈病测报技术规范》，基于数码影像的病情指数计算方法，解决传统人工调查主观性强的问题。通过分析数码照片红、绿、蓝三通道像素值及归一化处理结果，发现红色通道像素值（R_DN）对染病叶片敏感，归一化红色像素值（r）对正常叶片敏感。提取阈值R_DN 大于190时可精准识别染病叶片，r 小于 90 时能有效提取正常叶片。染病叶片和正常叶片提取效果见图2。

图2 2023年4月16日河南省新乡市原阳县冬小麦条锈病染病试验田冠层原始数码照片(a)染病叶片(b)和正常叶片(c)提取效果对比示例图

病情指数和无人机遥感特征相关分析结果见图3。

图3 病情指数与河南省新乡市原阳县冬小麦条锈病试验田无人机数据的遥感特征相关分析对比图

从无人机多光谱数据中提取三类关键遥感特征，通过相关性分析筛选最优参数，并对比多种算法性能，构建最优监测模型。包括 5 个波段反射率、30 种常用植被指数、8 种基于灰度共生矩阵的纹理指数。

表1 河南省新乡市原阳县冬小麦条锈病试验田8种机器学习算法4种遥感特征组合方案模拟精度汇总

对比 4 种特征组合方案，采用 AdaBoost、随机森林、ExtraTrees 等 8 种机器学习算法，将 100 个样本按 8:2 划分训练集和测试集进行模拟。

监测结果显示（图4），4月16日，无病害的、轻度病害的、中度病害的和重度病害的面积比例分别为62.8%、19.2%、13.9%和4.1%;4月28日，4个发病等级面积比例分别为41.0%、22.5%、21.0%和 15.5%。

图4 2023年4月16日(a)和28日(b)河南省新乡原阳县冬小麦条锈病染病试验无人监测结果示意图

通过筛选多光谱相机的波段反射率、植被指数和纹理指数等遥感特征，通过对比不同遥感特征组合下机器学习算法的模拟精度，精准定位染病叶片和正常叶片的识别提取。