多光谱相机RedEdge-P对农田作物监测 MicaSense

多光谱相机RedEdge-P对农田作物监测

MicaSense多光谱相机RedEdge-P产品应用：

植物计数:植物计数算法需要分辨率图像。RedEdge- P将全色透镜与分辨率多光谱透镜相结合，可生成分辨率RGB和多光谱，使其即使在早期生长阶段也能进行植物计数。

表型分析:手动测量农作物的各项征数据非常耗时，RedEdge- P波段组合允许生成分辨率多光谱输出，从而能够检测叶的变异性。

植物健康制图: RedEdge-P的分辨率多光谱输出允许生成指数和复合指数，以查看植物中单个叶绿素水平并随着时间的推移对数值进行比较。

病虫害识别: RedEdge-P能够捕捉用于植物研究的关键光谱部分(712~722 nm)。此部分称为红边诸带。正是在这个光谱带，植物开始显现逆境状况。借助由红边诸带生成的分析数据，我们可以快地识别病虫害并快地采取措施来阻止病害传播。

作物区分和杂草识别:物种之间的某些差异可能无法通过肉眼进行判断。分辨率的多光谱数据可通过突出显示叶绿素含量、植物活力和叶片大小等征来区分物种(包括杂草)。

作物勘查:分辨率的多光谱和RGB成像技术具有的田地侦察功能。RedEdge-P在次飞行中，可以收集某个问题确且带有地理标签的信息，从而使您可以轻松评估现场情况并确定适当的干预措施。

分辨率3D点云: RedEdge- P的5.1MP像素全色波段提供了RedEdge-MX (行业标)两倍以上的地面分辨率，可生成较点密度达4倍的3D点云。

肥料管理: RedEdge P的分辨率和确输出不可以轻松识别养分含量低的区域，还可以帮助监控整个季节的施肥效果来确定是否需要，以及在何时何地需要再次施肥。

倒伏是影响农作物产量的一个常见且重要的因素，常由大风、暴雨、冰雹等气象灾害引发，一般多发生在水稻、小麦、玉米等粮食作物灌浆期至成熟期，导致作物严重减产，谷物品质下降。

快速、准确地监测作物的倒伏灾害，有助于管理者及时评估损失，也有助于育种人员选育抗倒伏品种。
近年来，基于无人机平台的遥感技术正以其机动灵活、低成本的优势，在倒伏监测中发挥着越来越重要的作用。此次来自上海农科院的田明璐和班松涛博士为我们讲述了他们如何使用无人机多光谱/可见光传感器监测水稻倒伏，并且对比了这两种传感器的监测结果。

项目地点	上海崇明东滩
项目所属机构	上海市农业科学院
传感器	可见光：DJI 精灵4 RTK多光谱：Micasense RedEdge
软件	Pix4Dmapper
项目大小	1平方公里
飞行高度	100米
影像重叠率	80%航向 70%旁向

倒伏监测流程

无人机倒伏监测流程可以分为三个步骤，分别是数据采集、数据处理、以及数据分析。
在数据采集阶段，工作人员使用无人机搭载可见光或多光谱传感器对农田进行扫描式影像采集，需要注意飞行高度、重叠率以及天气等因素。

在数据处理阶段，把上一阶段采集到的可见光或多光谱影像导入Pix4D软件中进行校正、拼接等处理。班松涛博士评价说：“Pix4D软件能生成定位和辐射双高的正射影像，是我们进行精准农业研究的利器。" 这一阶段的成果是农田的完整可见光或多光谱正射影像镶嵌图。
在数据分析阶段，工作人员分别使用农科所自行研发的倒伏监测模型，对上述各种正射影像进行逐像元的解算和分类，找出哪里是正常作物，哪里是倒伏作物。
可见光倒伏监测模型的分类机理是基于作物的色彩和纹理。相比于正常作物，倒伏作物在色彩和纹理上都会有明显不同：比如倒伏水稻的纹理更为规则，在绿通道上的均值纹理特征要显著高于正常水稻。