無(wú)人機(jī)遙感技術(shù)在小麥生產(chǎn)中的應(yīng)用綜述

楊 程， 閆 歌， 杜思?jí)簦?李向東

（1.河南省農(nóng)業(yè)科學(xué)院小麥研究所/小麥國(guó)家工程實(shí)驗(yàn)室/農(nóng)業(yè)農(nóng)村部黃淮中部小麥生物學(xué)與遺傳育種重點(diǎn)實(shí)驗(yàn)室/農(nóng)業(yè)農(nóng)村部中原地區(qū)作物栽培科學(xué)觀測(cè)實(shí)驗(yàn)站/河南省小麥生物學(xué)重點(diǎn)實(shí)驗(yàn)室，鄭州 450000；2.中國(guó)科學(xué)院植物研究所，北京 100093）

遙感技術(shù)是隨著現(xiàn)代信息技術(shù)水平的不斷提高、以物理科學(xué)、地球科學(xué)、空間科學(xué)、電子計(jì)算機(jī)學(xué)科等相關(guān)理論為基礎(chǔ)發(fā)展起來(lái)的一門實(shí)用、新型、綜合性強(qiáng)的探測(cè)技術(shù)［1］. 目前，遙感數(shù)據(jù)的獲得主要通過(guò)近地高光譜、無(wú)人機(jī)和衛(wèi)星等遙感平臺(tái)來(lái)實(shí)現(xiàn). 與衛(wèi)星遙感、近地高光譜等相比，無(wú)人機(jī)遙感具有操作簡(jiǎn)單、機(jī)動(dòng)靈活、響應(yīng)迅速、使用成本低等優(yōu)勢(shì)，近年來(lái)在農(nóng)業(yè)領(lǐng)域中應(yīng)用愈發(fā)廣泛. 一方面可以快速地識(shí)別作物種類、監(jiān)測(cè)作物長(zhǎng)勢(shì)與墑情，及時(shí)發(fā)現(xiàn)生長(zhǎng)異常的區(qū)域，增強(qiáng)對(duì)農(nóng)田的掌控；另一方面可以預(yù)測(cè)作物產(chǎn)量、評(píng)估農(nóng)業(yè)災(zāi)害造成的損失，如統(tǒng)計(jì)受災(zāi)面積、受災(zāi)程度等.

小麥?zhǔn)俏覈?guó)第二大糧食作物，小麥的穩(wěn)產(chǎn)和高產(chǎn)對(duì)國(guó)家糧食安全至關(guān)重要. 科學(xué)的田間管理是小麥穩(wěn)產(chǎn)和高產(chǎn)的重要保障. 無(wú)人機(jī)遙感技術(shù)，近年來(lái)越來(lái)越多地應(yīng)用于小麥生產(chǎn)監(jiān)測(cè)，對(duì)小麥生產(chǎn)精準(zhǔn)化管理發(fā)揮了重要作用. 本文從無(wú)人機(jī)平臺(tái)和傳感器的選擇，無(wú)人機(jī)遙感技術(shù)在小麥種植面積、生長(zhǎng)指標(biāo)、品質(zhì)指標(biāo)監(jiān)測(cè)方面的研究進(jìn)展進(jìn)行了介紹，以期為今后無(wú)人機(jī)遙感在小麥生產(chǎn)中的研究和推廣應(yīng)用提供參考.

1 農(nóng)用無(wú)人機(jī)和傳感器的種類與特點(diǎn)

1.1 無(wú)人機(jī)的種類與特點(diǎn)

根據(jù)飛行平臺(tái)構(gòu)型的不同，常見(jiàn)的農(nóng)用無(wú)人機(jī)類型與特點(diǎn)如下［2］：

1）無(wú)人直升機(jī)：是指單旋翼帶尾槳的直升機(jī)，對(duì)起降的場(chǎng)地要求低，可以在空中懸停，同時(shí)具有載重能力大和續(xù)航時(shí)間長(zhǎng)等優(yōu)勢(shì)，但是機(jī)械結(jié)構(gòu)復(fù)雜，維護(hù)成本高，操作難度大，因此在遙感監(jiān)測(cè)中很少應(yīng)用.

2）固定翼無(wú)人機(jī)：指由動(dòng)力裝置產(chǎn)生前進(jìn)的推力或拉力，由機(jī)身的固定機(jī)翼產(chǎn)生升力，在大氣層內(nèi)飛行的重于空氣的航空器. 具備飛行速度快、效率高、續(xù)航長(zhǎng)等優(yōu)勢(shì)，但缺點(diǎn)是對(duì)起降條件要求較高，且無(wú)法執(zhí)行需要懸停完成的作業(yè)任務(wù)，高速拍攝時(shí)容易導(dǎo)致圖片模糊.

3）多旋翼無(wú)人機(jī)：指多于3個(gè)軸以上的旋翼機(jī)，通過(guò)槳之間相對(duì)轉(zhuǎn)速來(lái)調(diào)節(jié)拉力和扭矩，控制飛行器懸停、旋轉(zhuǎn)或航線飛行. 具有結(jié)構(gòu)簡(jiǎn)單，起降要求低，可以懸停，可使用GPS航線飛行的優(yōu)勢(shì)，但是飛行速度慢，續(xù)航能力弱，載荷較小. 目前，多旋翼無(wú)人機(jī)在農(nóng)業(yè)生產(chǎn)中應(yīng)用最為廣泛，可根據(jù)場(chǎng)地和性能需求進(jìn)行選擇.

1.2 傳感器的種類與特點(diǎn)

目前在農(nóng)業(yè)領(lǐng)域，無(wú)人機(jī)搭載的傳感器主要包括以下5種，其特點(diǎn)如下［2］：

1）高光譜成像儀：波段連續(xù)性較強(qiáng)，分辨率一般在400～1000 nm之間，能夠利用很多窄的電磁波波段從目標(biāo)作物獲得更精確的光譜信息，從而用于估算及預(yù)測(cè)作物的葉面積指數(shù)、葉綠素含量、分析和檢測(cè)作物的營(yíng)養(yǎng)狀態(tài)、水分含量以及籽粒的蛋白質(zhì)含量等信息. 缺點(diǎn)是隨著分辨率的提高，數(shù)據(jù)的不良噪聲和冗余度現(xiàn)象逐漸增加，數(shù)據(jù)的處理和分析的難度逐漸增大.

2）多光譜相機(jī)：具有2個(gè)以上波段通道，一般使用綠色、紅色、紅色邊緣和近紅外波來(lái)捕捉農(nóng)作物的可見(jiàn)圖像和不可見(jiàn)圖像，相比于普通高清相機(jī)，多光譜相機(jī)可以對(duì)作物產(chǎn)量、長(zhǎng)勢(shì)、營(yíng)養(yǎng)狀況等更多的農(nóng)藝性狀進(jìn)行精確的診斷和監(jiān)測(cè).

3）激光雷達(dá)：能夠快速地獲取所測(cè)量目標(biāo)的表面模型，具有分辨率高，抗干擾能力強(qiáng)等特點(diǎn)，目前主要用于獲取植被冠層高度信息，因此多用于森林資源的調(diào)查和生態(tài)環(huán)境監(jiān)測(cè)等領(lǐng)域. 由于農(nóng)作物冠層較低、傳感器成本高等原因，很少用于農(nóng)作物的相關(guān)應(yīng)用和研究.

4）熱成像相機(jī)：通過(guò)對(duì)物體發(fā)出的不同紅外線進(jìn)行探測(cè)，能夠?qū)⒉豢梢?jiàn)的紅外能量轉(zhuǎn)化為可見(jiàn)的熱圖像，同時(shí)具有獲取速度快、精度高和反應(yīng)靈敏等優(yōu)點(diǎn). 熱成像相機(jī)主要用于遠(yuǎn)程監(jiān)控植物的冠層溫度，冠層溫度又可以間接反映作物的長(zhǎng)勢(shì)以及蒸騰等特征.

5）高清相機(jī)：具有價(jià)格低、體積小、重量輕、分辨率高等特點(diǎn)，可以獲取農(nóng)田高分辨率的RGB影像，通過(guò)提取圖像特征監(jiān)測(cè)作物的出苗、倒伏、病蟲(chóng)害等情況，而且對(duì)天氣要求較低，無(wú)論晴天還是陰天均可使用，因此也是精準(zhǔn)農(nóng)業(yè)研究的熱點(diǎn).

2 無(wú)人機(jī)遙感技術(shù)在小麥生長(zhǎng)監(jiān)測(cè)中的應(yīng)用

2.1 小麥葉綠素含量監(jiān)測(cè)

葉綠素是植物吸收和利用光能的重要載體，植物葉片的葉綠素含量和光合作用能力密切相關(guān)，因此，葉綠素含量是反映作物光合能力與氮素營(yíng)養(yǎng)狀況的重要指標(biāo)，常用來(lái)評(píng)價(jià)作物逆境脅迫下的傷害程度和營(yíng)養(yǎng)狀況. 由于葉綠素a、葉綠素b、胡蘿卜素等分別對(duì)不同波長(zhǎng)的光有強(qiáng)吸收，所以通過(guò)遙感監(jiān)測(cè)植物冠層的反射光譜的變化可以一定程度上反映作物的葉綠素組成和含量. 目前，葉綠素含量的遙感監(jiān)測(cè)主要是通過(guò)建立光譜參數(shù)或植被指數(shù)與葉綠素含量的回歸關(guān)系來(lái)實(shí)現(xiàn)，例如，靳彥華等［3］通過(guò)研究旱地和水澆地環(huán)境下春小麥葉片全生育期葉綠素含量的變化規(guī)律，分析了小麥葉綠素相對(duì)含量與不同冠層的高光譜植被指數(shù)之間的關(guān)系，建立了水澆地和旱地兩種生境下春小麥葉綠素含量的估測(cè)模型. 周敏姑等［4］通過(guò)無(wú)人機(jī)遙感獲得了小麥拔節(jié)期的多光譜影像，然后提取出了4個(gè)波段下小麥冠層葉片的光譜圖像，并從中選取了與小麥葉片葉綠素相對(duì)含量（SPAD值）具有強(qiáng)相關(guān)關(guān)系的7 種植被指數(shù)，建立了植被指數(shù)與葉綠素相對(duì)含量值的多元線性回歸模型和一元線性回歸模型，并對(duì)模型進(jìn)行了驗(yàn)證，實(shí)現(xiàn)了對(duì)小麥拔節(jié)期葉片的葉綠素含量的預(yù)測(cè).利用無(wú)人機(jī)遙感對(duì)冬小麥葉綠素含量的有效監(jiān)測(cè)在一定程度上可以反映田間小麥營(yíng)養(yǎng)狀況，對(duì)于未來(lái)農(nóng)業(yè)的精準(zhǔn)高效管理具有重要的意義.

2.2 小麥葉面積指數(shù)監(jiān)測(cè)

葉面積指數(shù)（Leaf Area Index，LAI）與作物的光能利用率密切相關(guān)，也是評(píng)估作物長(zhǎng)勢(shì)、預(yù)測(cè)作物產(chǎn)量重要指標(biāo)之一. 葉面積值指數(shù)不同，對(duì)光的反射率也不同，因此可以利用無(wú)人機(jī)搭載的相機(jī)對(duì)大面積作物的葉面積指數(shù)進(jìn)行監(jiān)測(cè)，根據(jù)需求可以搭載可見(jiàn)光、高光譜、多光譜、紅外相機(jī)等不同的相機(jī). 蒙繼華等［5］利用植被指數(shù)分別與葉面積指數(shù)建立線性和非線性的回歸模型對(duì)不同時(shí)期小麥LAI進(jìn)行預(yù)測(cè)，發(fā)現(xiàn)NDVI能較好地估算小麥的LAI，但是誤差較大. 傅銀貞等［6］利用IRS-P6（LISS-III）多光譜數(shù)據(jù)，建立了葉面積指數(shù)與DVI、EVI2、MSAVI、NDVI、RDVI、RVI及TNDVI 等7種植被指數(shù)的統(tǒng)計(jì)模型，得到較好的結(jié)果，決定系數(shù)R2能夠達(dá)到0.76以上. 陶惠林等［7］通過(guò)無(wú)人機(jī)搭載的高光譜相機(jī)對(duì)冬小麥三個(gè)生育期的光譜數(shù)據(jù)進(jìn)行了測(cè)定，分析了植被指數(shù)、Hcsm 與LAI的相關(guān)性，挑選出了最優(yōu)植被指數(shù)，并分別構(gòu)建了單個(gè)參數(shù)的LAI線性估算模型，進(jìn)一步提高了LAI的估算精度.

2.3 小麥氮素含量監(jiān)測(cè)

氮素是作物生長(zhǎng)發(fā)育必需的大量元素之一，缺氮時(shí)作物生長(zhǎng)會(huì)受到抑制，生長(zhǎng)速度減緩；而氮肥過(guò)量則會(huì)導(dǎo)致作物貪青晚熟，品質(zhì)下降. 遙感技術(shù)具備廣覆蓋、高時(shí)效、多載荷等獨(dú)特優(yōu)勢(shì)，表現(xiàn)在：第一，能夠?qū)崟r(shí)連續(xù)有效地獲取作物長(zhǎng)勢(shì)及營(yíng)養(yǎng)信息；第二，將信息進(jìn)行時(shí)空融合，為及時(shí)制定作物養(yǎng)分調(diào)優(yōu)栽培措施提供依據(jù)，能夠大大提高作物氮素監(jiān)測(cè)的時(shí)效性. 高光譜遙感具備信息量大、分辨率高等優(yōu)勢(shì)，改善了傳統(tǒng)氮素測(cè)量方法破壞性取樣、室外分析不便的劣勢(shì)，可以實(shí)現(xiàn)作物營(yíng)養(yǎng)水平和長(zhǎng)勢(shì)信息的實(shí)時(shí)無(wú)損監(jiān)測(cè)［8-9］. 馮偉等［10］通過(guò)測(cè)定不同類型小麥品種在田間不同施氮水平下葉片氮含量與冠層高光譜數(shù)據(jù)，并分析兩者的相互關(guān)系，表明基于紅邊面積建立小麥葉片氮含量監(jiān)測(cè)模型具有較好的預(yù)測(cè)精度. 胡昊等［11］指出紅邊參數(shù)可以有效監(jiān)測(cè)小麥氮素營(yíng)養(yǎng). 劉昌華等［12］利用無(wú)人機(jī)搭載的多光譜相機(jī)采集了冬小麥4個(gè)關(guān)鍵生育期的影像，建立了不同生育期氮素營(yíng)養(yǎng)指數(shù)的反演模型，結(jié)果表明基于小麥揚(yáng)花期構(gòu)建的模型精度最高，R2為0.95. 姚霞等［13］基于比值光譜指數(shù)（RSI）建立小麥氮素監(jiān)測(cè)模型，有效改善模型預(yù)測(cè)精度和穩(wěn)定性. Honkavaara等［14］利用無(wú)人機(jī)搭載的輕便的Fabry-Perot相機(jī)獲取了冬小麥的FPI光譜影像，發(fā)現(xiàn)通過(guò)影像計(jì)算的NDVI能夠精確地反演小麥氮素水平，決定系數(shù)R2為0.8. 通過(guò)反演模型遙感監(jiān)測(cè)技術(shù)可以提高冬小麥葉片氮含量監(jiān)測(cè)精度，從而為冬小麥不同生育時(shí)期氮素運(yùn)籌調(diào)控提供理論參考，進(jìn)而推動(dòng)精準(zhǔn)農(nóng)業(yè)的發(fā)展.

2.4 小麥生物量的監(jiān)測(cè)

生物量是與光能的利用和產(chǎn)量密切相關(guān)，可以反映作物的生長(zhǎng)狀況，因此被認(rèn)為是最重要的生理參數(shù)之一，可以有效地監(jiān)測(cè)作物長(zhǎng)勢(shì)和預(yù)測(cè)產(chǎn)量［13，15］. 傳統(tǒng)的生物量測(cè)定主要為破壞性取樣、時(shí)效性差，高光譜遙感具有光譜分辨率高，波段多且連續(xù)性強(qiáng)，數(shù)據(jù)量大等優(yōu)勢(shì)，能夠及時(shí)有效地監(jiān)測(cè)作物的群體生長(zhǎng)狀況，是未來(lái)精準(zhǔn)農(nóng)業(yè)和可持續(xù)發(fā)展的重要手段，在農(nóng)業(yè)定量遙感研究中被廣泛應(yīng)用，同時(shí)也是觀測(cè)地表植被狀況的強(qiáng)有力工具［7，16］. Hansen等［17］的研究表明利用歸一化差值植被指數(shù)可以通過(guò)偏最小二乘法能精確地估算小麥地上部生物量. 譚昌偉等［18］的研究表明基于歸一化植被指數(shù)能有效估算小麥開(kāi)花期的生物量. 王大成等［19］通過(guò)人工神經(jīng)網(wǎng)絡(luò)方法顯著地提高了小麥生物量診斷的準(zhǔn)確性. 陳鵬飛等［20］的研究表明紅邊三角植被指數(shù)是最好的估算冠層生物量的指數(shù). 付元元等［21］的研究結(jié)果表明波段深度分析與偏最小二乘回歸結(jié)合能提高小麥生物量的估算程度. 以上研究為小麥不同生育時(shí)期長(zhǎng)勢(shì)精確監(jiān)測(cè)和診斷提供了理論依據(jù).

2.5 小麥產(chǎn)量監(jiān)測(cè)

作物產(chǎn)量是糧食供需平衡和農(nóng)業(yè)政策制定的重要依據(jù)，直接決定國(guó)家糧食安全. 高光譜遙感能在較短時(shí)間內(nèi)獲取較大區(qū)域范圍的作物信息，具在作物產(chǎn)量預(yù)測(cè)上具有動(dòng)態(tài)、宏觀、快速、準(zhǔn)確的優(yōu)勢(shì)［22］. 近年來(lái)，隨著遙感技術(shù)的發(fā)展，許多學(xué)者利用高光譜反射率對(duì)小麥產(chǎn)量進(jìn)行研究，明確了小麥產(chǎn)量預(yù)測(cè)的敏感光譜波段以及不同形式的植被指數(shù)，如基于高光譜遙感技術(shù)組建歸一化差異植被指數(shù)、比值植被指數(shù)預(yù)測(cè)作物產(chǎn)量［23-24］.朱婉雪等利用無(wú)人機(jī)遙感平臺(tái)對(duì)不同生育期小麥進(jìn)行遙感觀測(cè)和估產(chǎn)，構(gòu)建了基于不同植被與冬小麥實(shí)測(cè)產(chǎn)量的9種線性模型，結(jié)果表明基于可見(jiàn)光EVI2構(gòu)建的抽穗期小麥產(chǎn)量反演模型的精度最高，決定系數(shù)R2達(dá)到了0.7［25］. Royo等［26］通過(guò)光合化學(xué)反射指數(shù)、水分指數(shù)等植被指數(shù)，較為準(zhǔn)確地預(yù)測(cè)了小麥單產(chǎn). 馮偉等［27］通過(guò)氮素營(yíng)養(yǎng)指數(shù)將植被指數(shù)與小麥產(chǎn)量建立相關(guān)關(guān)系，建立起了田間小麥籽粒產(chǎn)量預(yù)測(cè)模型. 劉良云等［28］指出抽穗開(kāi)花以后利用NDVI能有效預(yù)測(cè)小麥產(chǎn)量. 劉小輝等［29］通過(guò)無(wú)人機(jī)搭載的4K高清相機(jī)獲取了小麥廬江縣白湖農(nóng)場(chǎng)10個(gè)小麥品種灌漿中期的影響數(shù)據(jù)，比較了通過(guò)PLSR和紅色特征R構(gòu)建的小麥產(chǎn)量反演模型，發(fā)現(xiàn)利用PLSR構(gòu)建的產(chǎn)量反演模型具有較高的精度，R2達(dá)到了0.831. 無(wú)人機(jī)高光譜遙感技術(shù)為實(shí)現(xiàn)更大區(qū)域范圍內(nèi)冬小麥不同肥力水平下產(chǎn)量預(yù)測(cè)及生產(chǎn)管理提供了理論依據(jù)和科技支撐.

3 無(wú)人機(jī)遙感在小麥品質(zhì)監(jiān)測(cè)中的應(yīng)用

根據(jù)小麥的使用目的，小麥品質(zhì)有不同的劃分標(biāo)準(zhǔn)，一般包括營(yíng)養(yǎng)品質(zhì)、外觀品質(zhì)、加工品質(zhì)、食味品質(zhì)、安全與衛(wèi)生品質(zhì)等. 根據(jù)小麥加工企業(yè)的需求，我國(guó)小麥按照面筋數(shù)值的大小和筋力的強(qiáng)弱又可以分為強(qiáng)筋、準(zhǔn)強(qiáng)筋、中筋、準(zhǔn)弱筋和弱筋等5種類型［30］. 在力的作用下，物質(zhì)會(huì)在特定波長(zhǎng)段形成反射特征，這些特征能夠反映物質(zhì)成分和結(jié)構(gòu)信息，遙感對(duì)小麥品質(zhì)的監(jiān)測(cè)一般都是通過(guò)在小麥冠層光譜特征中找到與籽粒蛋白質(zhì)相關(guān)的指標(biāo)，然后建立預(yù)測(cè)模型進(jìn)行預(yù)測(cè)，具體的預(yù)測(cè)時(shí)間根據(jù)小麥生理特征和品質(zhì)指標(biāo)來(lái)確定［30］.

研究表明小麥生育后期葉片全氮含量和成熟期籽粒品質(zhì)有較強(qiáng)的相關(guān)性，用小麥生育后期葉片的全氮含量能夠反映小麥籽粒蛋白質(zhì)和面筋的含量，因此可以通過(guò)無(wú)人機(jī)獲得的近地光譜數(shù)據(jù)實(shí)現(xiàn)對(duì)小麥籽粒蛋白質(zhì)含量相關(guān)指標(biāo)的遙感監(jiān)測(cè)［31-32］. 薛利紅等［33］的研究表明，冬小麥抽穗以后冠層的植被指數(shù)R1500/R610與小麥籽粒蛋白質(zhì)呈極顯著指數(shù)關(guān)系，R220/R560與小麥淀粉含量呈極顯著指數(shù)關(guān)系. 李映雪等［34］發(fā)現(xiàn)小面花后14 d的葉片氮素含量與籽粒蛋白質(zhì)含量相關(guān)性較高，可以通過(guò)比值指數(shù)RVI（1220，710）監(jiān)測(cè)小麥葉片的氮含量，從而實(shí)現(xiàn)對(duì)小麥籽粒蛋白質(zhì)含量的預(yù)測(cè). 宋曉宇等［35］根據(jù)氮素轉(zhuǎn)運(yùn)原理，利用小麥開(kāi)花期的Aster影像與收貨期籽粒蛋白質(zhì)含量的相互關(guān)系，可以實(shí)現(xiàn)小麥籽粒蛋白質(zhì)含量的大面積監(jiān)測(cè). 黃文江等［36］通過(guò)對(duì)紅遍參數(shù)與葉片全氮含量進(jìn)行相關(guān)性分析，發(fā)現(xiàn)紅邊參數(shù)的歸一化最小振幅能夠很精確地反演小麥葉片的全氮含量，并進(jìn)一步建立模型對(duì)籽粒蛋白質(zhì)含量進(jìn)行預(yù)測(cè). 賀佳等［37］通過(guò)研究不同氮磷水平下，冬小麥不同生育期冠層光譜反射率、植株氮含量和成熟籽粒蛋白質(zhì)含量之間的關(guān)系，發(fā)現(xiàn)拔節(jié)期以后建立的植株氮含量和籽粒蛋白質(zhì)含量的預(yù)測(cè)模型具有較高的精度.

4 存在問(wèn)題和研究展望

雖然近年來(lái)無(wú)人機(jī)遙感平臺(tái)系統(tǒng)做了大量改進(jìn)，低空遙感技術(shù)硬件相對(duì)較成熟，但還存在一些不足，如：平穩(wěn)性差、續(xù)航時(shí)間短、載荷能力小、傳感器成本較高，安裝過(guò)程復(fù)雜等，在遙感圖像處理上也相對(duì)乏力，沒(méi)有標(biāo)準(zhǔn)的處理過(guò)程，這使得無(wú)人機(jī)遙感技術(shù)的實(shí)用性有所下降. 此外，低空空域資源不足，航空飛行管制十分嚴(yán)格，工作人員需提前對(duì)航拍區(qū)域提出飛行空域申請(qǐng)，申請(qǐng)周期較長(zhǎng)，審批手續(xù)繁瑣，這制約無(wú)人機(jī)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用和發(fā)展. 未來(lái)應(yīng)加大對(duì)無(wú)人機(jī)遙感相關(guān)技術(shù)的研發(fā)，降低飛行成本，同時(shí)建立健全無(wú)人機(jī)飛行監(jiān)管機(jī)制，為無(wú)人機(jī)遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的推廣和應(yīng)用提供保障.

目前的遙感模型大部分是基于統(tǒng)計(jì)分析進(jìn)行的，隨著氣候、區(qū)域、應(yīng)用尺度等條件的改變，適用性可能受到影響，從而導(dǎo)致預(yù)測(cè)精度的下降. 在未來(lái)的研究中應(yīng)該加強(qiáng)對(duì)不同生態(tài)區(qū)，不同土壤和氣候環(huán)境下的小麥生長(zhǎng)模型以及品質(zhì)預(yù)測(cè)模型的研究，提高模型的精確度和區(qū)域?qū)嵱眯?