无人机遥感技术在农田灌溉管理中的应用

无人机遥感技术在农田灌溉管理中的应用作者：苏环
来源：《乡村科技》 2018年第20期
［摘要］我国是一个农业大国，在农业生产过程中及时有效的灌溉是保证粮食生产安全的重要前提。

本文通过探讨无人机遥感技术在灌区面积识别、农田水利施工、农田灌溉渠系快速
识别和维护、农作物种植结构快速分类以及作物干旱预警等方面的应用，从应用角度出发，建
立了基于无人机遥感的“四位一体”农田灌溉管理信息化体系，不仅可以提高生产效率，还能
为灌区信息化建设提供数据支撑。

［关键词］无人机；遥感技术；农业灌溉管理
［中图分类号］ S127 ［文献标识码］ B ［文章编号］ 1674-7909（2018）20-120-4
在我国，农业一直都是“国之根本”，农业发展水平高低直接关系到粮食的供给安全［1］。

自2010 年以来，国家十分重视节水灌溉的发展，党的十九大报告更是提出了推动人工智能与
农村农业的深度融合，建立健全智能化农业生产经营体系。

基于此，我国智慧农业的发展迎来
了前所未有的新时代［2］。

农业灌溉管理一体化是智慧农业发展的重要组成部分，涉及灌溉区域划分与水利施工、输配水网络识别、农作物种植结构信息采集、作物干旱胁迫预警等各个环节。

随着我国科技水平的不断提高，空间信息技术得到迅速发展，农业灌溉管理数据由传统的
实地调查变为通过遥感技术获取，不仅省时省力，而且大大缩短了数据更新周期［3］，为将来发展规模化种植奠定了良好的基础。

遥感影像的获取方法有多种，如卫星遥感和无人机遥感。

通过卫星遥感获取的遥感影像成
本虽然较低，但获取数据周期长、分辨率较低、受自然环境和天气影响大，难以满足观测频率高、精度要求高的农业监测需求［4］。

与卫星遥感相比，无人机遥感系统具有费用低、获取影像周期短、可即时重拍、影像分辨率高、机动性强等诸多优点［5-7］。

目前，越来越多的学者将无人机遥感技术应用于农业现代化建设相关领域［8］。

其中，在农业灌溉管理中引入无人机遥感技术，不仅可以避免传统实地调查方式上人力、物力和财力的浪费，而且可以弥补卫星遥
感的不足，为实现农作物灌溉的精准化、信息化及一体化作业提供有力保障。

1 无人机遥感系统组成
无人机遥感系统由飞行器平台、地面遥测遥控系统及机载传感器等部分组成［9-11］。

1.1 飞行器平台
从机翼类型划分，无人机主要包括固定翼型无人机和旋翼型无人机2 种。

1.1.1 固定翼无人机。

固定翼无人机起飞动力依靠发射器发射，发射后按照预设航线飞行，降落时多采用降落伞或者直接降落，降落安全性能低，易损坏。

该机型具有飞行高度高、飞行
速度快、续航时间长、覆盖面积大等特点［12］，可用于大尺度下灌溉区域面积划分、农田灌
溉系统辨识及种植作物种类区分等领域。

1.1.2 旋翼型无人机。

旋翼型无人机又可分为单轴和多轴2 种类型，该类机型无需借助外力，能够垂直起落、自由悬停、飞行灵活，但飞行高度低、续航时间短（一般不超过30 min），不适用于大范围测量任务。

多旋翼无人机通过采集低空遥感数据，主要用于分析土壤含水率指数、作物叶面积指数及作物长势等信息［13-15］。

1.2 地面遥测遥控系统
地面遥测遥控系统主要包括地面控制计算机、数据通讯装置、DGPS基准站、数字式遥控器、TV图像接收机、控制软件及电源等结构。

主要功能是利用遥测遥控软件结合数据通讯系统，对
无人机航线进行规划，对遥感数据实时监测，能实现遥感参数设置及遥感数据接收等任务，对
飞行数据（航线、空间位置坐标）进行监测和更改等。

1.3 机载传感器
无人机所搭载的遥感探头一般包括高分辨率CCD数码相机、高光谱相机、多光谱传感器、
激光雷达等［16］。

一般机载遥感传感器应具备体积小、精度高、质量轻、数据存储量大等特
点［17］。

机载传感器的主要作用是遥感影像数据的获取和存储，因此可根据不同任务需求，
选择合适的挂载传感器［18］。

当遥感数据采集完成后，可将数据导入计算机进行处理。

2 无人机遥感技术在农田灌溉中的应用
2.1 灌区面积识别与农田水利施工
在我国现行土地政策的引导下，农业生产由原来包产到户的精耕细作逐步向集约化模式转变。

在农业生产过程中，灌溉是不可或缺的一环，当规模化种植形成后，作物灌溉需要完备的
农田水利设施作为保障。

由此可见，当前及未来的一段时期内，我国的农田灌溉工程建设将继
续维持高速发展的势头。

过去空间信息技术发展缓慢，农田工程建设过程中灌区面积的确定、
灌区及周边地形地貌信息的收集需要人工测量，耗费较多的时间、人力、物力和财力，并且精
度不能得到保证。

近年来，随着空间信息技术应用推广，采用卫星遥感手段对灌区面积识别方
面得到了较多的应用［19-20］。

然而，卫星遥感影像分辨率较低，难以准确获取灌区面积轮廓图像，且由于卫星运行周期长，获取资料的时效性较差，难以满足现阶段的水利规划工作要求。

针对灌区面积数据资料获取难、时效性低等一系列问题，采用无人机遥感技术可在较短时间内
获取灌区面积及地形数据等资料，水利工程设计人员可根据无人机遥感影像对灌溉面积进行科
学合理的规划［21］。

比如，以地下水作为灌溉水源，根据无人机遥感影像，结合当地的地质
条件，可以科学设计灌区内机井的个数、位置及蓄水池的个数、位置和容积等参数。

若采用管
道输水，可根据无人机遥感影像测得的地形高差，结合管道水力学知识，计算出科学合理的输
水管道铺设方案，有效降低工程投资。

若采用渠道输水，可根据地形图、地质条件和明渠水力
学知识，合理地规划渠系路线，减小工程量，降低工程造价。

2.2 灌溉渠系的快速识别与维护
田间灌溉管网和渠系是农田输配水工程中最重要的一环，灌溉管网和渠系分布信息的短周
期更新是农田灌溉的重要保障，因此，定期对灌溉管道和渠道进行巡线，及时发现田间水利工
程的破损并及时维护，可在旱灾发生时有效保障粮食生产安全。

然而，灌溉管网和渠网分布范
围广、铺设路线长，传统的人工巡线模式要投入大量的人力，并且人工巡线时间长，在恶劣天
气下巡线效率低。

采用无人机遥感技术巡线灌溉渠系空间信息可有效降低人力、物力的投入，
是最经济、最高效的技术手段之一。

灌溉渠系主要由干渠、支渠、斗渠、农渠和毛渠组成，利用无人机遥感技术对农田灌溉渠
系进行识别时，需要对采集的图像进行预处理，涉及图像的校正、去噪和拼接等［22］。

通过
图像颜色增强和颜色空间转换，可将RGB彩色图像转换为LAB颜色图像，该图像可较好地体现
目标建筑物的亮度和颜色，进一步增强可见光遥测渠系信息［23］。

但这种采用单一数据源对
农田渠系进行提取的方法效果一般，给渠系提取、制图，尤其是灌溉渠系泥沙淤积的识别带来
一定困难。

随着支持向量机（Support VectorMachines，SVM）分类检测方法在特征提取、目标识别等方面的广泛应用，通过无人机遥感对灌溉渠系进行识别和维护技术得到了显著提升。

执
行时，要将无人机采集的高精度正射影像、高程和坡度等数据结合起来作为数据源，提取出具
有描述渠系显著特征的数据来构建训练样本集，然后基于SVM 分类方法对渠系进行分割提取，
最后对提取结果进行去噪、连接和优化处理，最终可实现无人机高分辨率多数据源干渠、支渠、斗渠和农渠的渠系提取，并通过分析各渠系的连续性，了解渠系中渠床淤泥沉积淤塞段情况，
为灌前渠道清淤提供参考［24］。

2.3 农作物种植结构快速分类
不同类型植物光谱特征不同，农作物种植结构快速分类主要是根据植被光谱、植被指数和
叶面积指数等生物量的差异对不同农作物进行识别［25］。

由于相同作物不同生长时期、不同
作物在相同生长时期的光谱特征和空间特征有较大的差异，利用遥感影像对农作物种植结构进
行识别时，要根据遥感区域的光谱差异，确定作物的识别特征及翻译标志［26-27］。

以小麦为例，当小麦处于分蘖期时，植株匍匐于地表，遥感影像中有大量裸露的土壤及秸秆残留物；小
麦处于拔节期时，植株逐渐长大，封垄基本结束，小麦覆盖度高，形成了垂直层，影像中几乎
看不到裸露的土壤，只能看到光照下垂直层的阴影。

因此，当小麦处于分蘖至拔节期生长区间时，遥感影像分为小麦、裸露土壤和阴影3 个部分。

当小麦处于乳熟期时，小麦叶片为绿色，
植物完全覆盖于地表，阴影部分完全消失，光谱图像为绿色小麦。

乳熟期至完熟期生长阶段，
小麦由绿逐渐变黄，光谱特征发生了较大的变化。

以上通过遥感影像的分析，使用绿光波配合
近红外波反射率值，采用归一化差值植被指数就可以快速对图像进行分类［28］。

当同一遥感
影像中有不同种类作物时，重点考虑作物之间光谱特征、空间特征和植被指数等方面的差异，
采用逐级分层分类的方法进行提取，间接对不同作物种类进行识别［29］。

2.4 作物干旱预警
土壤含水率和植被的生长状况是直接反应干旱是否发生的重要指标，作物蒸发蒸腾量参数
结合天气因素可以对干旱的发展趋势进行预测。

因此，采用无人机遥感技术建立农作物干旱预
警机制，可通过作物含水率的监测、土壤含水率的反演及蒸发蒸腾量的测量等方面实施。

2.4.1 作物含水率监测。

采用遥感的方式监测植物含水率的主要依据是不同植物的含水率对特定波长
反射率呈显著相关性这一特点。

一般特征波长与植株含水率相关性受光谱仪器和温度等因素的
影响，存在一定误差，但仍不失为测量植株含水率的一种快速有效的方法。

以玉米为例，玉米
含水率与910、1 210、1 450 nm及1 930 nm的波长反射率呈现显著相关，尤其对1 450 nm波长反射率相关性尤其显著。

与玉米相比，小麦相关性较强的波长则在900～1 000 nm、1 400～
1 500 nm及1 900～
2 000 nm
3 个波段［30］。

测量作物含水率前，一般要先通过近红外遥感
技术，对目标作物进行测量，再采用滤波和校正的方法得出该作物的近红外反射强度，通过分
析测量数据，建立含水率检测模型。

采用遥感技术监测植物含水率时，通过采集数据与模型计
算数据相对比，间接反映作物是否缺水，为作物的灌溉提供依据。

2.4.2 土壤含水率监测。

对土壤含水率时空分布信息的测定，目前多采用可见光、近红外
和热红外等光学遥感手段来获取［31-32］。

无人机作为一种简便的负载工具，可搭载光谱相机、微波发射器及红外探测仪等，以实现地表图像的实时传输，并通过提取无人机传回的图像信息，建立土壤含水率的预测模型［33］。

一般情况下，建立含水率遥感预测模型要分两个步骤实施［34］。

一是分析土壤不同波段反射率与土壤含水率相关性，找出与土壤含水率存在最大相关
性的波段，得出土壤含水率最佳回归方法，建立土壤含水率预测模型。

二是对无人机采集的图
像数据进行降噪、几何校正和图像拼接等方面的处理，将处理后的完整图像数据与上一步骤得
出的土壤含水率预测模型进行对比分析，最终形成一套完整的土壤含水率遥感监测体系。

2.4.3 蒸发蒸腾量计算。

采用无人机遥感技术对作物蒸发蒸腾量计算，是根据遥感数据和
气象因子来估算太阳辐射量、作物吸收率、作物长势，进而计算出目标区域作物蒸发蒸腾量
［35-36］。

近年来的研究结果表明，采用遥感技术分析大尺度范围内蒸发蒸腾量是一种方便快
捷、经济可行的方法［37］。

利用遥感数据，采用能量平衡原理对蒸发蒸腾量进行估算时，一
般在分别计算出地表净辐射、土壤热通量和感热通量后，再通过能量平衡将潜热通量作为余项
求出。

3 基于无人机遥感技术的灌溉管理信息化体系
通过以上分析可知，无人机遥感技术在水利施工、渠系识别、作物分类及作物干旱预警等
方面具有较强的优势。

本文通过梳理分析无人机遥感技术在灌溉管理中的应用，建立灌溉面积
识别及农田水利施工、灌溉渠系的快速识别与维护、农作物种植结构快速识别以及作物干旱预
警“四位一体”的农田灌溉管理信息化体系。

一般来说，农田水利规划设计之初，首先应对作
物区域面积进行识别，采用无人机遥感技术对作物种植区域及边界进行图像采集，确定设计范围。

其次，利用机载激光雷达对水利设计区域的地形图进行采集，结合地形图和种植区域分布图，对灌区水利设施进行设计和施工，形成若干套农田灌溉管网或渠系。

农田水利工程完备后，需要对工程设施进行日常维护，采用无人机遥感技术，在灌前对田间输水设施进行检测，不仅
解放劳动力，而且可以避免灌溉时管网或渠系损坏得不到及时处理等问题的出现，影响粮食生
产安全。

再次，采用无人机遥感技术对灌区种植作物类型进行识别，计算不同作物含水率，对
作物缺水情况进行监测，并通过遥感数据对土壤含水率进行分析，对土壤是否缺水作出论断。

最后，通过计算蒸发蒸腾量，结合植物含水率及土壤含水率等信息，对该测量区域内作物是否
发生干旱胁迫及干旱发展趋势进行预测。

当得出作物受到干旱胁迫的结论后，可采用渠系或者
管网输水的方式对作物实施灌溉，具体实施方案如图1所示。

4 结语
随着农村地区人们生活水平的提高，农村劳动人口向城镇转移，造成了从事农业生产的劳
动力逐步减少，导致大面积农田“无人愿种”“无人种好”等一系列问题。

而我国农业生产负
担着全国14 亿人的粮食安全重任，在此背景下，农业规模化和集约化经营是大势所趋。

当规
模化农业形成后，作物合理有效的灌溉是粮食生产过程中的重要环节，而传统的人工实地调查
种植结构、查看土壤墒情、巡线渠系等手段已然满足不了规模化生产的需求。

随着无人机遥感
技术的日益成熟，在农业灌溉管理中引入无人机遥感技术，不仅可以避免传统实地调查方式上
人力、物力和财力的浪费，而且可以弥补卫星遥感的劣势。

本文通过分析无人机遥感技术在农
田灌溉管理中的应用，采用基于无人机遥感的四位一体农田灌溉管理信息化体系，为农作物灌
溉的精准化、信息化及一体化作业提供参考。

参考文献
［1］周小萍，陈军伟，肖潇. 我国粮食综合生产能力评估方法评述［J］.山东社会科学，2006（12）：123-125.［2］中华人民共和国农业部《“十三五”全国农业农村信息化发展规划》［J］. 中国食品，2016（19）：148-153.
［3］易珍言. 遥感技术在灌溉管理中的应用研究［D］. 兰州：兰州交通大学，2014.
［4］刘笃晋. 面向植被识别的无人机图像处理关键技术研究［D］.成都：成都理工大学，2016.
［5］张欢. 无人机遥感影像快速处理关键技术研究及实现［D］.成都：电子科技大学，2012.
［6］王玉鹏. 无人机低空遥感影像的应用研究［D］. 焦作：河南理工大学，2011.
［7］朱锋. 基于对偶四元数的无人机影像几何处理研究［D］.南京：南京航空航天大学，2014.
［8］汪沛，罗锡文，周志艳，等. 基于微小型无人机的遥感信息获取关键技术综述［J］.农业工程学报，2014（18）：1-12.
［9］李少龙. 无人机摄影测量技术在输电线路工程中的应用研究［D］.西安：长安大学，2012.
［10］崔红霞，林宗坚，孙杰. 无人机遥感监测系统研究［J］.测绘通报，2005（5）：
11-14.
［11］孙世友，孔祥军，刘海英，等.基于3S技术与无人机相结合的低空遥感监测系统：
中国，CN 203376646 U［P］.2014-01-01.
［12］苑梦婵. 固定翼无人机飞前姿态辅助检测装置研究［D］.杨凌：西北农林科技大学，2017.
［13］王海峰，张智韬，付秋萍，等. 低空无人机多光谱遥感数据的土壤含水率反演［J］.节水灌溉，2018（1）：90-94.
［14］褚洪亮，肖青，柏军华，等. 基于无人机遥感的叶面积指数反演［J］.遥感技术与
应用，2017（1）：140-148.
［15］郑博元. 基于高光谱成像的氮素胁迫下寒地水稻营养诊断的研究［D］.哈尔滨：东
北农业大学，2015.
［16］周禹. 浅谈基于无人机遥感的湿地植被监测［J］. 城市地理，2017（2）：79.
［17］胡胜文. 无人机航测技术在工程测量中的应用［J］. 建筑工程技术与设计，2016（19）：439.
［18］刘建刚，赵春江，杨贵军，等. 无人机遥感解析田间作物表型信息研究进展［J］.
农业工程学报，2016（24）：98-106.
［19］何娇娇，刘海新，张安兵，等. 温度反演和植被供水指数的农田灌溉面积提取［J］.测绘科学，2017（5）：50-55.
［20］王啸天，路京选. 基于垂直干旱指数（PDI）的灌区实际灌溉面积遥感监测方法［J］. 南水北调与水利科技，2016（3）：169-174.
［21］李万能，陈黎. 无人机遥感技术在水利管理中的应用探讨［J］.亚热带水土保持，2017（1）：41-43.
［22］张海鑫. 基于无人机遥感的渠系分布信息提取方法研究［D］.杨凌：西北农林科技
大学，2016.
［23］罗优，谢凯娜. 无人机航遥技术在某灌区渠系信息提取中的应用［J］.水利技术监督，2017（6）：51-52.
［24］张宏鸣，任强，韩文霆，等. 基于SVM的灌区无人机影像渠系提取［J］.农业机械
学报，2018（2）：141-148.
［25］徐美，阮本清，黄诗峰，等. 灌区作物种植结构遥感监测及其应用［J］.水利学报，2007（7）：879-885.
［26］刘亚群. 基于多时相遥感影像的黑河流域农作物种植结构提取研究［D］.重庆：重
庆交通大学，2016.
［27］谭向农，刘淮，漆锟，等. 高光谱遥感在农业生产中的应用及展望［J］.北京测绘，2017（1）：49-52.
［28］田振坤，傅莺莺，刘素红，等. 基于无人机低空遥感的农作物快速分类方法［J］.
农业工程学报，2013（7）：109-116.
［29］徐美，黄诗峰，姚永慧. 干旱半干旱地区灌溉农业中的遥感应用［J］.干旱区研究，2006（4）：592-597.
［30］张亚伟，王书茂，陈度，等. 基于近红外的小麦植株含水率检测方法［J］.农业机
械学报，2017（s1）：118-122，261.
［31］李亚春，徐萌，唐勇. 我国土壤水分遥感监测中热惯量模式的研究现状与进展［J］.中国农业气象，2000（2）：40-43.
［32］魏珍. 基于Landsat ETM遥感数据的大柳塔煤炭开发区土壤水分信息提取［D］.西安：长安大学，2010.
［33］肖武，李小昱，李培武，等. 近红外光谱和机器视觉信息融合的土壤含水率检测［J］.农业工程学报，2009（8）：14-17.
［34］张智韬，王海峰，韩文霆，等. 基于无人机多光谱遥感的土壤含水率反演研究［J］.农业机械学报，2018（2）：173-181.
［35］徐美，李纪人，阮本清. 灌区遥感应用［J］. 水土保持研究，2006（5）：23-26.
［36］阿不都沙拉木，崔春亮，吐尔洪·吐尔地，等. 基于遥感估算蒸发蒸腾量技术的研
究进展综述［J］. 新疆水利，2010（2）：4-8.
［37］张晓涛. 区域蒸发蒸腾量的遥感估算——以民勤绿洲为例［D］.杨凌：西北农林科
技大学，2006.。