0引 言
高粱是世界第五大农作物，是酿造业和饲料业的基础原料，在我国种植广泛且近几年的对外依存度较高。全面并准确地获取高粱的生长状态信息对指导高粱的生产、精确的预测产量、评价生产耗能等具有重要的现实意义。然而在无人机遥感技术对高粱生长状态的监测研究方面还未有大量研究。本文以南通市农业研究实验基地种植的高粱为研究对象，选取可反应农作物长势的叶面积指数（LAI）、植被覆盖度（FVC）为高粱生长参数的指标，通过多旋翼无人机平台获取高粱不同生长阶段的遥感图像，在建立４种典型植被指数和高粱生长参数 LAI 和FVC 的经验统计回归模型，确定适用于反应高粱长势的最优植被指数；然后，对比实测和通过无人机遥感图像获得的 LAI 和FVC 值，评估无人机遥感评价农作物长势的准确性。
1材料与方法
1.1 试验区概况
试验于南通市农业研究实验基地进行，基地地势平坦，土壤类型草甸黑土，土壤质地黏重，前茬大豆，秋整地。高粱品种为红糯 16，每公顷的保苗株数为25万株，播种同时施入种肥300kg/hｍ２（氮∶磷∶钾＝23:10:12）。施肥、防虫灭草等均按当地生产进行，播种及各项农事活动均在同一天内完成。
1.2 数据获取
1.2.1 无人机遥感数据
本研究采用无人机５通道多光谱相机。相机在120ｍ 的飞行高度时，分辨率（ GDS ）为８ｃｍ，可采集蓝、绿、红、红边、近红外５个光谱波段。在高粱播种到成熟的过程中，选取３个主要生育期开展无人机遥感作业，选择太阳光强度稳定、天气晴朗无云的天气，10:00～14:00获取遥感图像，试验日期与对应的生育期如表１所示。３ 次 无 人 机 作 业 时 采 取 同 一 航 线，飞 行 时 间 约 为20ｍiｎ，飞行高度为120ｍ。
表１无人机遥感图像获取时间及对应的生育期
1.2.2 地面数据采集
地面数据采集工作与无人机空中作业在同一天同一时间段开展，利用植物冠层分析仪，完成研究区域内的高粱叶面积指 数 LAI 的测量。同时，将数码相机安装在杆子上，在距离地面约３ｍ 的高度俯拍高粱冠层的图片，每个拍摄点至少拍摄３张照片。
1.3 数据处理
对无人机采集的多光谱图像，首先采用图像软件将单个图像拼接成研究区域整体的图像。再使用 ENVI 遥感图像处理软件进行辐射定标，采用伪标准地物辐射纠正法，通过建立地面实测反射率和地面实际反射系数之间的线性关系来实现辐射定标。在试验田周边布置两个标称反射率为0.03和0.22的３ｍ×３ｍ 航拍实验标准反射率参考板。使用 ENVI 软件从无人机图像中提取与标准参考板相对应的ＤＮ 值。利用各光谱波段的参考板ＤＮ 值和已知的校准参考板反射率值建立了线性回归方程，将无人机图像的 ＤＮ 值转换为辐射定标后的反射率
式中：ρ（x , y , i ）—光谱带ｉ中像素（ x , y ）的辐射定标后的反射率；ＤＮ（x , y , i ）—光谱带ｉ中像素（ x , y ）的 ＤＮ 值；ａｉ、ｂｉ—光 谱 带ｉ 的 线 性 回 归 模 型 的 斜 率 和截距。无人机多光谱影像的辐射定标需要单独提取绿、红、红边和近红外波段影像的白色参考板ＤＮ值，依次分别进行单波段影像的辐射校正。最后，对经过辐射定标的绿、红、红边和近红外波段影像进行波段合成处理，得到多光谱影像合成数据。对于地面采集的图像，在采用 Adobe Photo shop 软件处理高粱冠层图片后，将照片导入 ENVI 软件以估算植被覆盖度ＦＶＣ 值。具体的计算过程为：首先利用“maｘimum likehood ”函数，将每幅图像分为有植被和无植被两类。然后，使用“quick stats”函数确定植被区域中的像素数。将植被部分的像素数除以图像的像素总数，估算出每幅植被图像的 FVC 值。
1.4 植被指数的选取
在辐射定标后，结合无人机遥感平台，如表２所示，选择４种常用的植被指数用于高粱LAI和 FVC反演模型的构建，利用ENVI软件中的自带函数计算植被指数。
表２选取的植被指数和计算公式
