摘要
基于无人机遥感的水稻病害程度判别是智慧农业中的重要组成部分，对于世界粮食安全和提高水稻品质具有重要作用。本文以水稻窄褐叶斑病和茎腐叶枯病为研究对象，采用专业版航拍无人机平台DJIINSPIRE2(DJIInnovationScienceandTechnologyCo.,Shenzhen,China)搭载多光谱传感器Sentera’sMultispectralDouble4Ksensor(Sentera,Minneapolis,MNUSA)获取2019年美国德克萨斯州水稻窄褐叶斑病10m、15m可见光和多光谱影像；基于大疆精灵4Pro(DJIInnovationScienceandTechnologyCo.,Shenzhen,China)和精灵4多光谱版(DJIInnovationScienceandTechnologyCo.,Shenzhen,China)获取2021年安徽省六安市霍邱县多时期水稻茎腐叶枯病40m、80m可见光和多光谱影像，基于机器学习算法反演水稻病害程度、评估杀菌剂药效，以期为农业生产者提供科学有效的防治措施，从而保障水稻品质和产量。取得的主要研究结果如下： (1)基于无人机影像的窄褐叶斑病遥感识别及药效评价。分别计算无人机影像的14种可见光植被指数、9种多光谱植被指数和变化3种颜色空间(HSI、Lab、YCbCr)，通过随机森林特征排序筛选出Lab-a、HSI-H、YCbCr-Cr、g、r、ExGR、VDVI、NGRDI、RGRI、MExG为可见光最佳建模特征，红边、红、近红外、NRVI、DVI为多光谱最佳建模特征。进而比较偏最小二乘(PartialLeastSquaresRegression，PLSR)、支持向量回归(SupportVectorRegression，SVR)、随机森林(Randomforest，RF)、极限学习机(ExtremeLearningMachine，ELM)的反演效果。在此基础上，探讨不同高度、不同病害程度组合对反演精度的影响并评估杀菌剂药效。研究结果表明，可见光影像比多光谱影像更适宜于窄褐叶斑病研究；15m飞行高度下，SVR模型的病害反演效果最佳，其可见光影像训练集和验证集的决定系数R2、均方根误差RMSE分别为0.9383、0.8319,0.5568、0.9166；进一步地，病害为中度和重度的组合模型精度最高，且地面实测杀菌剂药效排序与无人机的预测结果一致，杀菌剂AmistarTop(A,B)效果最好、对照组Untreatedcontrol效果最差。 (2)基于无人机影像的茎腐叶枯病遥感识别及药效评价。计算14种可见光植被指数和变化3种颜色空间（HSI、Lab、YCbCr），计算多光谱影像的多时段NDVI(NormalizedDifferenceVegetationIndex)植被指数和9月6日的15种多光谱植被指数，通过随机森林特征排序筛选出两种颜色变换特征HSI-H、Lab-a和5种植被指数NGRDI、ExGR、RGRI、MExG、ExG为最后建模特征。分别建立PLSR、SVR、RF和ELM四种病害反演模型并比较其反演效果。进一步的，基于最佳模型探讨不同高度对反演精度的影响并评估杀菌剂药效。实验结果表明，反演模型SVR的效果最好，40米高度下训练集R2为0.5918(RMSE为1.6252),优于80米的结果。其次，治疗作用下，无人机预测杀菌剂药效与地面实测一致，四霉素效果最好，氯溴异氰尿酸最差；保护作用下，无人机预测CK效果最好，氯溴异氰尿酸效果最差。最后，NDVI植被指数可以区分所有时期的严重染病与一般染病，DVI、GNDVI、NRVI、PSNDa、RDVI、SAVI、TVI、VI720也具有较好的区分度。 (3)在上述工作的基础上，采用PyQt5平台搭建基于无人机影像的“水稻病害反演系统”。以窄褐叶斑病为例，系统实现了影像导入、方法选择、反演可视化、结果保存等功能。以期为无人农场级或生产合作社级的水稻病害程度预测提供一种方便快捷的方式。 综上，本文基于RGB、多光谱影像尝试基于无人机的水稻窄褐叶斑病、茎腐叶枯萎病病害反演与杀菌剂药效评估方法。经田间验证，低空无人机病害反演方法可以为水稻病害监测、杀菌剂药效评估提供技术支持，有助于推进我国智慧农业的发展并保障国家粮食安全。
NETL