综述:无人机遥感在作物倒伏监测中的应用:综述
《Computers and Electronics in Agriculture》:UAV remote sensing for crop lodging monitoring: A comprehensive review
【字体:
大
中
小
】
时间:2026年09月21日
来源:Computers and Electronics in Agriculture 10.3
编辑推荐:
•截至2025年的无人机(UAV)作物倒伏监测研究的文献计量分析。
•六种遥感方式的优缺点比较分析。
•主流作物倒伏信息提取方法的综合。
•按特定作物种类分类的当前研究现状概述。
•无人机倒伏 sensing 的挑战、局限性及未来展望。
**引言**
在
•截至2025年的无人机(UAV)作物倒伏监测研究的文献计量分析。
•六种遥感方式的优缺点比较分析。
•主流作物倒伏信息提取方法的综合。
•按特定作物种类分类的当前研究现状概述。
•无人机倒伏 sensing 的挑战、局限性及未来展望。
**引言**
在21世纪的第三个十年中,全球粮食安全面临着前所未有的挑战。预计到2050年全球人口将达到100亿(Godfray等人,2010年),与此同时农业劳动力老龄化以及肥沃自然资源的枯竭,使得稳定的作物生产成为国家主权和全球稳定的关键。这些脆弱性因日益加剧的地缘政治冲突而进一步恶化,这些冲突扰乱了国际粮食供应链,增加了对本地化、具有韧性农业系统的需求。在这些系统性风险中,气候变化的影响日益加剧(Arora,2019年)。极端气象事件的频率和强度不断增加,从超级台风和局部对流风暴到不规则的降水模式,极大地改变了现代农业的风险状况。在这些气候变化引发的主要非生物压力中,作物倒伏(即植物茎秆从垂直位置永久性偏离)已成为对全球粮食产量最具破坏性的因素之一(Pinthus,1974年;Chauhan等人,2019年)。倒伏会破坏作物冠层结构,限制光合作用效率,促进真菌病害在潮湿冠层微气候中的传播,并显著降低粮食质量(Remison和Akinleye,1978年;Setter等人,1997年;Baker等人,1998年;Berry等人,2003年;Berry和Spink,2012年)。此外,倒伏植物的混乱空间分布给机械化收割带来了重大挑战,导致巨大的产后损失,威胁农民的生计和农业保险市场的稳定性。尽管至关重要,但及时准确的倒伏评估仍然是一个技术瓶颈。传统的人工田间调查虽然直观,但本质上具有主观性,劳动密集且对身体要求高。更重要的是,地面检查缺乏量化大规模农田中损伤精确空间范围和严重程度的综合视角。
为了解决这些局限性,卫星遥感被广泛使用(Chauhan等人,2020a;Chauhan等人,2020b;Chauhan等人,2020c;Shu等人,2020年;Guo等人,2023年;Cai等人,2025年)。尽管光学图像提供了广泛的空间覆盖和历史一致性(Zhou等人,2020a;Guan等人,2022b;Qu等人,2022年;Sun等人,2022b),但在容易发生倒伏的暴风雨季节,其效用经常受到持续云层覆盖的阻碍。相反,合成孔径雷达(SAR)能够穿透大气干扰,通过后向散射系数提供有关作物结构变化的宝贵数据(Yang等人,2015年;Dai等人,2022年;Guan等人,2022a)。然而,光学和雷达卫星平台通常空间分辨率不足,无法捕捉到细小的不规则倒伏区域,并且受到固定轨道Revisit周期的限制,可能错过快速灾害响应的关键时机(Steele-Dunne等人,2017年;Weiss等人,2020年;Hashemi等人,2024年;Zhao等人,2025b年;Jiang等人,2026年;Wang等人,2026b年)。
无人机(UAV)显著推动了精准农业监测的发展(Maes和Steppe,2019年;Mukherjee等人,2019年;Radoglou-Grammatikis等人,2020年;Wang等人,2020年;Wang等人,2025a年;Jiang等人,2026年)。UAV平台位于地面观测和轨道传感器之间,可以根据需要部署,从而在极端天气事件后立即进行数据采集。UAV搭载的传感器提供的超高空间分辨率(厘米级)能够检测到作物冠层中通常对太空传感器不可见的细微形态变化。通过集成多种传感器,如用于颜色和纹理分析的高分辨率RGB相机、用于生理活力评估的多光谱(MSI)/高光谱(HSI)/热红外(TIR)传感器(Ram等人,2024年;Zhang等人,2025a),以及用于结构绘制的主动传感器如LiDAR(Rivera等人,2023年)和SAR(Miccinesi等人,2022年),基于UAV的遥感在量化倒伏面积、严重程度和类型方面提供了变革性的优势,为产量估计、灾害补偿和抗倒伏作物品种的开发提供了必要的数据支持。
UAV获取的数据处理经历了几个不同的阶段。早期研究主要集中在几何和光谱指数上,利用数字表面模型(DSMs)或植被指数(VIs)通过统计分析来识别高度变化和冠层压力。随后,传统的机器学习(ML)方法被用来通过结合手工制作的颜色、纹理、光谱和结构特征来分类倒伏区域。最近,基于监督的深度学习(DL)已成为作物倒伏监测的主要方法。然而,像素级分割的手动注释高成本造成了一个关键的数据瓶颈。这促使了人工智能(AI)辅助的数据合成策略和半监督或无监督学习算法的发展。多模态UAV遥感的快速发展和先进的深度学习算法(如CNN、Transformer和Mamba)的出现,为农田尺度的精确倒伏评估创造了新的机会。虽然一些现有的综述探讨了UAV在精准农业中的更广泛应用(Maes和Steppe,2019年;Mukherjee等人,2019年;Radoglou-Grammatikis等人,2020年;Rejeb等人,2022年;Wang等人,2024c年;Jiang等人,2026年),或者AI在智能农业中的总体作用(Kamilaris和Prenafeta-Boldú,2018年;Wang等人,2022a年;Akkem等人,2023年;Su等人,2023年),甚至UAV和AI在农业中的集成(Wang等人,2025a年;Mowla等人,2026年),但这些工作往往缺乏对基于UAV的作物倒伏监测的专门关注。迄今为止,与作物倒伏遥感最相关的综述是Chauhan等人的研究(2019年),但该研究主要集中在卫星观测和基础方法上。鉴于此背景,一个专门的综述对于剖析最先进的UAV技术和现代分析方法在作物倒伏评估中的集成至关重要。
本综述提供了基于UAV的作物倒伏监测的技术综合,以解决已识别出的研究空白,概念框架如图1所示。具体而言,综述首先系统地描述了作物倒伏机制和描述符,为后续分析多种传感器模式(如RGB、MSI、HSI、TIR、LiDAR和SAR)奠定了基础。我们进一步探讨了统计、机器学习和深度学习框架在处理多维特征(从颜色、纹理和光谱特征到结构和极化后向散射信号)方面的方法演变。通过综合不同作物物种的证据及其现有限制,本综述为开发稳健和实用的倒伏评估系统提供了战略路线图。
**部分摘录**
- 综述框架、方法和文献计量分析
本综述的系统工作流程如图2所示。逻辑进展分为四个主要阶段:文献获取、文献计量分析、主题综合和讨论。
**作物倒伏的定义和驱动因素**
作物倒伏被定义为植物茎秆从垂直位置永久性偏离,发生在结构系统的机械完整性不足以抵消外部重力或环境负荷时(Pinthus,1974年)。在农学和遥感领域,这种现象主要根据结构故障的具体点分为两种类型:茎秆倒伏涉及下部节间的弯曲或断裂。
**基于UAV的倒伏监测的传感器模式**
本节专门关注作物倒伏监测任务,全面回顾了六种主要的UAV搭载的传感器模式,即RGB、MSI、HSI、TIR、LiDAR和SAR。系统讨论了每种模式的感觉原理、优势和局限性以及操作权衡,为多模态融合建立了硬件层面的基础。
**从基于UAV的遥感中反演倒伏参数的方法**
基于UAV的作物倒伏监测的方法演变特征是从基于基本指数的评估向高级计算智能的转变。如图10所示,该框架分为三个主要范式:统计分析(SA)、机器学习(ML)和深度学习(DL),所有这些都源于统一的实验和数据生产阶段。这一初始阶段包括严格的实验设置,包括...
**基于UAV的遥感用于作物倒伏监测**
UAV遥感在倒伏评估中的应用显示出针对不同作物物种的形态和结构特征的特定方法趋势和传感器偏好。虽然基本目标(区分倒伏植物和复杂背景)保持一致,但在小麦、水稻、玉米、大豆等作物中,最优特征空间和算法框架存在显著差异。
**实际挑战**
从理论框架到实际监测的过渡受到农业环境随机性本质的几个根本性挑战的阻碍。
**结论**
本综述通过系统地考察最近在传感器模式、分析方法和不同作物物种应用方面的进展,提供了基于UAV的作物倒伏监测的全面技术综合。高分辨率RGB图像结合深度学习架构目前是检测作物倒伏的主要方法,特别是在主要谷物作物中。虽然光学传感器提供了必要的纹理细节,但结合主动...
**作者贡献说明**
Dashuai Wang:撰写——审阅与编辑、撰写——初稿、可视化、项目管理、方法论、研究、资金获取、数据管理、概念化。Changxing Geng:撰写——审阅与编辑、验证、资金获取。Xiaoguang Liu:撰写——审阅与编辑、资源获取。
**关于写作过程中生成式AI和AI辅助技术的声明**
在准备本工作时,作者使用了Gemini工具来精炼语言并提高可读性。使用该工具后,作者根据需要审查和编辑了内容,并对发表文章的内容负全责。
**关于利益冲突的声明**
作者声明没有已知的财务利益或个人关系可能影响本文的报告。
**致谢**
本工作得到了国家自然科学基金(32371992)、广东省基础与应用基础研究基金(2024A1515011902)和深圳市科技计划(JCYJ20250604144035024)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号