摘要：文章基于DJI Phantom 4 Multispectral無人機(jī)多光譜成像技術(shù)，利用相機(jī)獲取水稻育秧階段多光譜影像數(shù)據(jù)，通過ENVI5.3軟件對(duì)數(shù)據(jù)處理得到歸一化植被指數(shù)（NDVI），以數(shù)字形式表征露天育秧床面相對(duì)水平度及土壤緊實(shí)度，采用相關(guān)性分析、線性回歸分析探究不同地塊緊實(shí)度、水平度情況對(duì)水稻育秧效果的影響。結(jié)果表明，通過無人機(jī)多光譜技術(shù)分析得到的NDVI數(shù)值可以表示水稻秧苗長勢(shì)，且水稻秧苗長勢(shì)與育秧床面相對(duì)水平度呈顯著相關(guān)，與育秧床面土壤緊實(shí)度呈顯著負(fù)相關(guān)，進(jìn)一步利用線性回歸分析，證實(shí)育秧期間水分管理是影響秧苗素質(zhì)的關(guān)鍵因素。

關(guān)鍵詞：無人機(jī)多光譜遙感技術(shù)；植被指數(shù)；水稻育秧；緊實(shí)度；相對(duì)水平度

中圖分類號(hào)：V279+.2；S511

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1002-0659（2024）04-0014-05

水稻（Oryza sativa L.）是我國主要糧食作物，也是我國重要的商品糧之一，稻谷產(chǎn)量高低及品質(zhì)優(yōu)劣直接關(guān)乎國計(jì)民生和國家糧食安全。育秧階段是水稻種植管理的關(guān)鍵環(huán)節(jié)，秧苗質(zhì)量?jī)?yōu)劣直接影響水稻前期生長及機(jī)插秧效果，提升育秧管理水平能夠有效助力水稻產(chǎn)業(yè)發(fā)展[1]?，F(xiàn)階段，水稻育秧方式主要分為開放式露天育秧和工廠化育秧兩種，其中開放式露天育秧依舊是大多數(shù)農(nóng)戶選擇的水稻育秧方式[2]。有學(xué)者認(rèn)為，結(jié)合育秧地塊天氣情況，適時(shí)采用開放式露天育秧方式具有提高水稻秧齡彈性、降低育秧成本等優(yōu)勢(shì)[3]。盡管如此，水稻開放式露天育秧仍存在標(biāo)準(zhǔn)化程度低、管理困難等問題。無人機(jī)多光譜遙感技術(shù)具有覆蓋面廣、獲取信息效率高、監(jiān)測(cè)精度高、操作便捷等優(yōu)點(diǎn)，已在作物長勢(shì)監(jiān)測(cè)、產(chǎn)量估測(cè)、病蟲害監(jiān)測(cè)、植株水分含量監(jiān)測(cè)、營養(yǎng)估測(cè)等方面廣泛應(yīng)用[4-8]。無人機(jī)多光譜遙感技術(shù)應(yīng)用于水稻種植，能夠大大提高水稻田間管理水平[9-10]。本研究通過將水稻育秧床面相對(duì)水平度數(shù)字化，測(cè)定育秧地塊土壤緊實(shí)度數(shù)

值，利用無人機(jī)多光譜遙感成像技術(shù)，研究水稻育秧床面緊實(shí)度和相對(duì)高度對(duì)水稻育秧的影響，為今后開展水稻開放式露天育秧管理提供參考。

1 材料和方法

1.1 儀器設(shè)備

采用DJI Phantom 4 Multispectral 無人機(jī)配備一體式多光譜成像系統(tǒng)，系統(tǒng)參數(shù)見表1。

1.2 試驗(yàn)方法

試驗(yàn)地點(diǎn)位于天津市寶坻區(qū)大鐘莊鎮(zhèn)大鐘農(nóng)場(chǎng)，試驗(yàn)地塊長200 m，寬20 m，分為4個(gè)育秧床面（301床面、404床面、507床面、603床面），各育秧床面由西向東分為A、B兩個(gè)試驗(yàn)區(qū)域，每個(gè)試驗(yàn)區(qū)域分別由南至北平均劃分為6個(gè)部分，區(qū)域編號(hào)分別為A1、A2、A3、A4、A5、A6；B1、B2、B3、B4、B5、B6。

1.2.1 試驗(yàn)地塊土壤緊實(shí)度測(cè)定 采用托普云農(nóng)土壤緊實(shí)度傳感器進(jìn)行測(cè)定。在各編號(hào)區(qū)域隨機(jī)選取10個(gè)點(diǎn)位進(jìn)行測(cè)定，最終取平均值代表該編號(hào)區(qū)域土壤緊實(shí)度。

1.2.2 試驗(yàn)地塊相對(duì)水平度測(cè)定 采用北京博飛儀器有限責(zé)任公司生產(chǎn)的DZS3-1自動(dòng)安平水準(zhǔn)儀進(jìn)行測(cè)定，以試驗(yàn)地塊中間位置為中心，設(shè)A1～A6、B1～B6區(qū)域內(nèi)中心點(diǎn)為測(cè)定點(diǎn)，測(cè)定數(shù)值表征各區(qū)域較試驗(yàn)田中心的相對(duì)高度，以此判斷地塊相對(duì)水平度。

1.2.3 水稻秧苗素質(zhì)調(diào)查 待水稻育秧秧齡達(dá)30 d后，分別在A1～A6、B1～B6試驗(yàn)區(qū)域內(nèi)取10 cm×10 cm 大小的基質(zhì)，選取10株秧苗測(cè)定水稻成秧率、葉齡、株高指標(biāo)。

成秧率

（%）

=

大苗數(shù)

×100

大苗數(shù)+小苗數(shù)+未出苗種谷

1.2.4 多光譜影像數(shù)據(jù)獲取 本試驗(yàn)地塊無人機(jī)影像采集于2023年5月8日12：00-14：00。在

無人機(jī)采集影像前，使用大疆GSPRO軟件標(biāo)定飛行測(cè)繪區(qū)，設(shè)置無人機(jī)測(cè)繪區(qū)航向重疊率為75%、旁向重疊率為70%，飛行高度為30 m，飛行航速為2.6 m·s-1，分辨率為1.6 cm·px-1，拍照模式為航點(diǎn)懸停拍照。航拍前在地面放置1塊校準(zhǔn)反射面板，每個(gè)無人機(jī)架次起飛前，手動(dòng)控制飛機(jī)懸停于校正板上方2.5 m處拍照，獲取當(dāng)時(shí)條件下標(biāo)準(zhǔn)反射率值。

使用Pix4Dmapper數(shù)字影像處理軟件，對(duì)所獲影像進(jìn)行拼接。影像拼接主要步驟為：將多光譜影像導(dǎo)入到Pix4Dmapper軟件，選擇農(nóng)業(yè)多光譜處理模板，輸出并保存多光譜數(shù)字正射影像。選擇NDVI進(jìn)行水稻秧苗覆蓋度計(jì)算，使用超綠值（ExG）與最大類間差法相結(jié)合的方法提取農(nóng)田背景中秧苗特征圖像，計(jì)算歸一化植被指數(shù)（NDVI）。使用ENVI 5.3軟件，以試驗(yàn)區(qū)域數(shù)碼正射影像為參考影像，全區(qū)均勻選取15個(gè)參考點(diǎn)對(duì)多光譜影像進(jìn)行幾何校正，檢驗(yàn)圖像幾何糾正誤差小于2個(gè)像元。通過 ENVI5.3軟件處理后獲計(jì)算NDVI數(shù)值，計(jì)算公式為：

NDVI=

BandNIR－Bandred

BandNIR＋Bandred

式中，BandNIR表示地面物體在近紅外波段的反射率；Bandred表示地面物體在紅光波段的反射率。如計(jì)算結(jié)果為負(fù)值，表示地面無植被覆蓋；如計(jì)算結(jié)果接近零，表示地面主要為巖石或裸

土；如計(jì)算結(jié)果為正值，表示地面有植被覆蓋，且地面隨著覆蓋度的增大而升高。

1.3 數(shù)據(jù)處理

采用Excel 2007、Origin 2021、SPSS 26.0軟件進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析。

2 結(jié)果與分析

2.1 試驗(yàn)地塊水稻育秧床面相對(duì)水平度、土壤緊實(shí)度測(cè)定結(jié)果

如圖1所示，試驗(yàn)分別以水稻育秧床面中心位置為中點(diǎn)，測(cè)定A1～A6及B1～B6共計(jì)12個(gè)點(diǎn)位的水稻育秧床面相對(duì)水平度，用數(shù)字表征水稻育秧床面相對(duì)水平度。結(jié)果表明，所有試驗(yàn)區(qū)域的水稻育秧床面相對(duì)水平度變化范圍在

-49 cm至57 cm之間，且A組及B組兩個(gè)組內(nèi)的相對(duì)水平度數(shù)值變化較小，而兩組之間的東西兩側(cè)相對(duì)水平度數(shù)值差異較大。

如圖2所示，通過測(cè)定獲得試驗(yàn)地塊土壤緊實(shí)度測(cè)定數(shù)據(jù)，表明4組區(qū)域編號(hào)301、404、507、603的水稻育秧床面土壤緊實(shí)度變化范圍在1 190～6 300 Pa之間，最大差值為5 110 Pa，四組床面之間的土壤緊實(shí)度變化范圍分別為2 715、2 974、2 374、1 732 Pa。

2.2 試驗(yàn)地塊水稻育秧床面植被指數(shù)（NDVI數(shù)值）提取分析

基于無人機(jī)多光譜影像拍攝的水稻秧苗長勢(shì)，如圖3所示。將多光譜影像導(dǎo)入ENVI5.3軟

件，經(jīng)該軟件處理后可獲得各試驗(yàn)區(qū)域水稻育秧床面的植被指數(shù)NDVI數(shù)值。結(jié)果顯示，當(dāng)試驗(yàn)區(qū)域水稻秧苗長勢(shì)較好時(shí)，多光譜分析顯示NDVI數(shù)值較高；當(dāng)水稻秧苗長勢(shì)一般時(shí)，則NDVI數(shù)值隨之下降。

根據(jù)圖3顯示的NDVI數(shù)值，以區(qū)域編號(hào)603床

面為例，結(jié)合水稻秧苗長勢(shì)實(shí)測(cè)結(jié)果（表2），顯示當(dāng)育秧床面A3的水稻成秧率最高為94%時(shí)，對(duì)應(yīng)的NDVI數(shù)值最高，為0.54；當(dāng)育秧床面A1、A2的水稻成秧率最低為75%時(shí)，對(duì)應(yīng)NDVI數(shù)值最

低，均為0.42。

2.3 NDVI數(shù)值與水稻育秧床面相對(duì)水平度、土壤緊實(shí)度的相關(guān)性分析

為進(jìn)一步探究無人機(jī)多光譜技術(shù)在水稻露天育秧中的應(yīng)用，本研究對(duì)NDVI數(shù)值、水稻育秧床面相對(duì)水平度及土壤緊實(shí)度進(jìn)行Pearson相關(guān)性分析。如表3所示，NDVI數(shù)值與水稻育秧床面相對(duì)水平度呈顯著正相關(guān)，相關(guān)系數(shù)為0.428；NDVI數(shù)值與水稻育秧床面土壤緊實(shí)度呈顯著負(fù)相關(guān)，相關(guān)系數(shù)為-0.335。結(jié)果表明，水稻育秧床面相對(duì)水平度越高，秧苗長勢(shì)情況越好；同理，水稻育秧床面緊實(shí)度越高，秧苗長勢(shì)越差。

在此基礎(chǔ)上，對(duì)NDVI數(shù)值與水稻育秧床面相對(duì)水平度進(jìn)行線性回歸分析，將水稻育秧床面相對(duì)水平度數(shù)值分為高、低兩部分，即表征相對(duì)水平度正值為一組，負(fù)值為一組，分別與其對(duì)應(yīng)的NDVI數(shù)值進(jìn)行對(duì)應(yīng)分析，目的是得到更加準(zhǔn)確的線性回歸方程，結(jié)果如圖4所示。當(dāng)水稻育秧床面相對(duì)水平度為負(fù)值時(shí)，得到一條R2=0.564 4

的線性方程y=116.62 x+84.433；而當(dāng)水稻育秧床面相對(duì)水平度為正值時(shí)，得到R2=0.359 1的線性方程y=-145.97 x+123.48。結(jié)果表明，在不考慮其他因素影響的條件下，水稻秧苗長勢(shì)隨育秧床面地勢(shì)的相對(duì)增高而變差，反之水稻育秧床面相對(duì)水平度較低則秧苗長勢(shì)較好。

根據(jù)水稻育秧床面相對(duì)水平度變化范圍，結(jié)合土壤緊實(shí)度進(jìn)行進(jìn)一步線性回歸分析，結(jié)果如圖5所示。當(dāng)水稻育秧床面相對(duì)水平度在-50～-30 cm之間時(shí)，得到一條R2=0.274 3的線性方程y=-6 947.1 x+7 975；當(dāng)水稻育秧床面相對(duì)水平度在-30 cm～-10 cm之間時(shí)，得到一條R2=0.483 2

的線性方程y=-35 720 x+20 894；當(dāng)水稻育秧床面相對(duì)水平度在50～60 cm之間時(shí)，得到一條R2=0.476 8的線性方程y=26 002 x-7 740。研究結(jié)果說明，在水稻育秧床面相對(duì)水平度較低時(shí)，隨著水稻育秧臺(tái)面保水性的升高，水稻秧苗長勢(shì)逐漸變差，反之在水稻育秧床面相對(duì)水平度較高的育秧床面，土壤保水性越強(qiáng)，此時(shí)秧苗長勢(shì)則越好。由此判斷，水稻育秧期間的水分管理與秧苗長勢(shì)密切相關(guān)。

3 結(jié)論與討論

本研究通過將無人機(jī)多光譜技術(shù)引入水稻露天育秧作業(yè)管理中，初步得出可以通過多光譜分析數(shù)值歸一化植被指數(shù)（NDVI）表示水稻秧苗長勢(shì)的試驗(yàn)結(jié)果。同時(shí)，進(jìn)一步利用無人機(jī)多光譜技術(shù)分析水稻育秧床面相對(duì)水平度、土壤緊實(shí)度2個(gè)關(guān)鍵因素與水稻秧苗長勢(shì)的關(guān)系，結(jié)果表明，水稻露天床面育秧的水分管理是影響水稻秧苗長勢(shì)的關(guān)鍵因素，與前人研究結(jié)果“合理的肥水運(yùn)籌是培育機(jī)插健壯秧苗重要措施”[11]較為一致。

本研究發(fā)現(xiàn)NDVI數(shù)值與水稻育秧床面相對(duì)水平度呈顯著正相關(guān)，與水稻育秧床面土壤緊實(shí)度呈顯著負(fù)相關(guān)，說明試驗(yàn)田中位置相對(duì)較高的育秧床面，在水稻育秧期間水分管理中具有較大優(yōu)勢(shì)，NDVI數(shù)值越高，水稻秧苗長勢(shì)較優(yōu)，這與于林惠等[11]、陳川等[12]研究結(jié)果較為一致。通過NDVI值與水稻育秧床面相對(duì)水平度進(jìn)行線性回歸分析，判斷出越接近水稻育秧床面相對(duì)水平度中心位點(diǎn)時(shí)，水稻秧苗長勢(shì)越好，且在水稻育秧床面相對(duì)水平度較低時(shí)，土壤緊實(shí)度越高，則NDVI數(shù)值越大，反之則NDVI數(shù)值越小，說明水稻秧苗長勢(shì)與水稻育秧床面的土壤保水性等相關(guān)因素密不可分，但尚未準(zhǔn)確得到可應(yīng)用到實(shí)際生產(chǎn)中的線性關(guān)系，仍需進(jìn)一步探索研究。

近年來，水稻工廠化育秧能夠?qū)崿F(xiàn)機(jī)械化、自動(dòng)化、標(biāo)準(zhǔn)化等優(yōu)點(diǎn)受到種植戶的歡迎，然而水稻工廠化育秧普遍存在投資成本較高、育秧程序繁雜[13]等問題，與現(xiàn)階段中國農(nóng)村農(nóng)業(yè)發(fā)展水平不相適應(yīng)，水稻露天育秧在天津地區(qū)仍然為大多數(shù)農(nóng)戶所選擇。本研究在水稻露天育秧階段引入無人機(jī)多光譜遙感技術(shù)，初步對(duì)水稻秧苗長勢(shì)進(jìn)行數(shù)字化描述，后續(xù)可通過構(gòu)建模型，持續(xù)精確提供水稻育秧期間的水肥管理、溫度調(diào)節(jié)等技術(shù)支持，為實(shí)現(xiàn)水稻秧苗質(zhì)量易控制、田間管理更科學(xué)等奠定基礎(chǔ)，以期更好地滿足水稻機(jī)插秧的規(guī)格化和標(biāo)準(zhǔn)化的育秧要求。

參考文獻(xiàn)

[1] 周麗瑤，吳軍，龔克成，等．水稻機(jī)插及基質(zhì)育秧技術(shù)研究進(jìn)展[J]．中國稻米，2018，24（1）：20-23.

[2] 姜春艷，蔣洪杰．推廣開放式露天育秧技術(shù)助力光山縣優(yōu)質(zhì)稻產(chǎn)業(yè)發(fā)展[J]．鄉(xiāng)村科技，2022，13（10）：3.

[3] 河南省科學(xué)技術(shù)廳．開放式露天育秧助力盛世源合作社機(jī)插秧服務(wù)規(guī)模持續(xù)擴(kuò)大[EB/OL]．科技支撐鄉(xiāng)村振興工作網(wǎng)，https：//kjt.henan.gov.cn/2022/05-16/2449096.html.

[4] 陳虹，謝玲，陳林琳．基于低空無人機(jī)遙感的高粱生長狀況監(jiān)測(cè)[J]．中國農(nóng)機(jī)化學(xué)報(bào)，2021，42（4）：170-175.

[5] 王來剛，賀佳，鄭國清，等．基于無人機(jī)多光譜遙感的玉米FPAR估算[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（10）：202-210.

[6] 馮浩，楊禎婷，陳浩，等．基于無人機(jī)多光譜影像的夏玉米SPAD估算模型研究[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（10）：211-219.

[7] 韓文霆，湯建棟，張立元，等．基于無人機(jī)遙感的玉米水分利用效率與生物量監(jiān)測(cè)[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2021，52（5）：129-141.

[8] 韓文霆，邵國敏，馬代健，等．大田玉米作物系數(shù)無人機(jī)多光譜遙感估算方法[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49（7）：134-143.

[9] 凌琪涵，孔發(fā)明，寧強(qiáng)，等．基于無人機(jī)多光譜影像的水稻氮營養(yǎng)監(jiān)測(cè)[J]．農(nóng)業(yè)工程學(xué)報(bào)，2023，39（13）：160-170.

[10] 張征云，江文淵，張彥敏，等．基于哨兵SAR數(shù)據(jù)和多光譜數(shù)據(jù)的水稻識(shí)別研究[J]．生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2023，39（4）：556-564.

[11] 于林惠，丁艷鋒，薛艷鳳，等．水稻機(jī)插秧田間育秧秧苗素質(zhì)影響因素研究[J]．農(nóng)業(yè)工程學(xué)報(bào)，2006（3）：73-78.

[12] 陳川，張山泉，莊春，等．水稻機(jī)插旱育秧與水育秧幼苗素質(zhì)的比較研究[J]．江蘇農(nóng)業(yè)科學(xué)，2003（6）：27-29.

[13] 徐一成，朱德峰，趙勻，等．超級(jí)稻精量條播與撒播育秧對(duì)秧苗素質(zhì)及機(jī)插效果的影響[J]．農(nóng)業(yè)工程學(xué)報(bào)，2009，25（1）：99-103.

收稿日期：2024-01-22

基金項(xiàng)目：天津市寶坻區(qū)農(nóng)業(yè)科技項(xiàng)目（202104）

主要作者簡(jiǎn)介：孫琪瑋（1995—），男，助理農(nóng)藝師，主要從事水稻遺傳育種研究工作。E-mail：1390059199@qq.com