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。

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软件能生成定位精度和辐射精度双高的正射影像，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就要显著高于正常水稻。

△ 可见光倒伏监测基础：倒伏/正常作物在色彩和纹理上会有明显不同
相对而言，多光谱倒伏监测模型的分类机理是：当作物发生倒伏后，作物冠层结构和植株理化成分发生变化，进而影响反射光谱。比如在绿、红边和近红外波段，倒伏作物的反射率与正常作物有明显区别。

可见光 vs 多光谱  
以下两张是可见光和多光谱倒伏监测模型所得到的分类图，两者的分类结果基本一致，倒伏水稻约占整体面积的30%。

上图：基于可见光影像的倒伏分类图；下图：基于多光谱影像的倒伏分类图

田明璐和班松涛博士分别从以下几个维度，来分析可见光和多光谱，哪个方法更占优势：

精度

基于可见光和多光谱的倒伏监测模型，其识别精度都达到了90%以上。使用多光谱影像比使用可见光影像精度更高，这主要是因为多光谱相机能获取更大范围波长的信号，特别是对植被敏感的红外波段和近红外波段。此外，多光谱相机获取的数据经过了严格的辐射校正，生成的数据比可见光相机更准确。

处理时间

基于多光谱影像的倒伏监测模型更为简洁，物理意义更明确，对图像的解算速度也更快。

成本

可见光相机使用范围广，成本更低，因此具有更广阔的应用前景。

结论

使用多光谱相机还是可见光相机，需要根据项目的大小、目标、预算、已有技术等实际情况来决定。然而无论使用哪种传感器，基于无人机平台的遥感技术都可以及时、高效、精准地提取作物倒伏信息，可以作为作物灾害监测的有效技术手段。