前言：尋找寫作靈感？中文期刊網用心挑選的遙感技術在農業信息學教學中應用，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：該文分析了農業信息學的課程設計與本科教學過程中存在的問題，結合近年來課程最新研究內容設計了基于無人機技術的玉米出苗率、葉面積指數、株高、生物量、葉綠素及葉片氮含量監測等6個教學案例，旨在提高學生上課的積極性，培養學生的實踐能力和動手能力，推動教學改革，為涉農專業高層次應用型人才的培養提供參考。

關鍵詞：農業信息學；無人機遙感技術；課程案例

1引言

農業信息學作為農業與信息技術一門交叉的新學科與技術深度融合，是作物栽培生理、農業遙感和智能決策等領域的交叉與創新，研究空間大，知識融通性強，有助于將關鍵技術轉化為生產力。其先進的數據獲取手段與數據采集方法，拓展了無人機遙感在農作物圖像處理、光譜數據分析、光合機理、生理特征、幾何形態研究的廣度和深度，為作物精準栽培與智慧農業研究方法的創新與發展奠定了理論基礎，為現代農業的智能化、定量化，信息化發展提供了重要的技術支持［1-3］。隨著無人機遙感監測技術的不斷發展，其核心技術如機器學習、深度學習已經開始應用于作物農藝參數監測中，提高了傳統農業的生產效率［2］。該技術在農學類專業教學領域的應用不斷增加，提高了農業信息技術的教學水平和質量，為我國培養了一批該領域高層次專業人才［3-6］。雖然在教學過程中已取得了一定的成就，但受教師們傳統教學的影響，教學中仍存在一定問題，如教師單方面灌輸知識［7］，農業信息化教學內容中圖像處理，無人機飛行線路規劃較為難懂，導致學生難以理解，積極性差，最終教學效果不理想。課堂部分授課內容若讓學生自主設計、并參與，定能增加學生積極性，提高教學質量。作物學教學特點就是要求學生去基地實訓，通過親身實踐更好地理解課程內容。無人機遙感（UAVRemoteSensing）具有較大的適用性、機動性，技術的快速發展，其搭載數碼越來越高分辨率的數碼相機，UAV遙感在農業上正成為一種有潛力技術，可用于監測作物農藝參數。目前，UAV在農業領域的應用已經非常普遍，并取得了一系列的成果，在一定程度上推動了農業信息化的發展［8］。然而，由于其包含了作物學、圖像處理、無人機飛行操作等較多的知識點，要完成這些實踐內容，就要求學生多角度、多層次的掌握綜合知識。通過讓學生參與基于無人機的作物長勢與營養監測的實踐探究，可以培養他們的綜合能力，提升教學質量，為農業信息化的發展培養基礎人才［9］。為了提作物學本科生學習的積極性，筆者結合目前的研究內容基于無人機的玉米生產長勢與營養診斷，將該內容設計為6個教學案例，讓學生在實踐中學習知識，即基于無人機的玉米出苗率、葉面積指數、株高、地上部干物質量、葉綠素值、葉片含氮量監測，旨在推動教學改革，培養學生的實踐能力。

2教學案例

2.1基于無人機遙感的玉米出苗率估算。出苗率是玉米大田生產的一個重要指標，及時確定出苗率對于栽培管理決策如補苗、灌水等措施具有重要意義，同時也能預測產量。常規方法評估過程通過人工數苗，費時費力，且容易出現視覺疲勞，造成準確率下降。目前，基于無人機遙感，通過圖像分析處理技術，可以快速準確地監測大田作物的早期出苗率。采用Photosacn軟件自動將無人機獲取的單張高清影像拼接成一個整體，在識別出苗率的研究中，由于最大類間方差法的較好性能可以用于多種作物與作物分割，所以選擇最大類間方差閾值分割法分割識別玉米圖像。玉米4葉期后葉片之間會有重疊，按照常規計數法會將重疊在一起的幾株玉米識別成1株，造成準確率降低。通過幾何特征如葉片的長寬比、形態參數可區分識別重疊植株，通過識別重疊區形態特實現玉米植株計數，建立玉米苗期數的回歸模型。該方法也可較好地識別雜草，提高出苗率識別的準確性。通過比較基于無人機與人工數苗的差異，可以評估該方法的精確性。

2.2基于無人機遙感的葉面積指數監測。LAI是作物冠層性能及其生長和產量潛力的指標，是栽培和育種研究中重要的先決條件，精準估計LAI對于監測玉米的生長狀況尤為重要。無人機遙感作為一種新型非破壞性的測量方法，已被廣泛應用于估計作物的LAI，特別是在較大尺度范圍下優勢明顯。在玉米關鍵生育時期如苗期、拔節期、吐絲期，通過UAV獲取冠層數字圖像并處理，提取圖像紅綠藍（R、G、B）通道值，用于LAI相關性較高的圖像色彩參數如G-R，并用公式計算冠層覆蓋度CC。以UAV圖像提取的色彩參數與大田測量LAI為基礎，通過不同回歸分析方法，如單變量回歸、偏最小二乘估計法以及精確性較高的機器學習方法如回歸和隨機森林何支持向量機法構建基于UAV的LAI估算模型，并通過R2和RMSE進行模型檢驗，選出估測LAI的最佳圖像參數與回歸方法，建立LAI最佳模型，為大面積玉米栽培措施的制定提供科學依據。

2.3基于無人機遙感的玉米株高估算。株高是評價大田作物生長狀況的重要的農藝參數，株高的改變對于作物倒伏能力有著重要影響，并影響收獲指數，最終影響作物籽粒產量。將基于UAV作物株高監測數據融入作物模型數據同化中，既有利于降低觀測成本，也可提高作物（如玉米）的產量估算精度，因此株高是栽培和育種中一個重要的監測指標。通過基于無人機高清遙感圖像不同生育時期的生產的數字地面模型DSM相互作差，可以進行玉米株高的提取，在播種后進行試驗田裸地圖像獲取，將根據GPS定位田間獲取生成地面坐標基點DSM0，在玉米拔苗期、節期、吐絲期獲取無人機影像定義為DSM1、DSM2、DSM3，通過不同生育時期的DSM高度坐標（DSM1、DSM2、DSM3）減去基點（DSM0）即可得出玉米植株高度，通過實測的數據來進行模型精確度評價。

2.4基于無人機遙感的玉米生物量監測。生物量作為作物光合產物積累的最終體現，經常用于反映作物植株長勢，產量形成與預測具有決定性意義，及時、準確地獲取田間作物大規模作物干物質量，可以為作物精準生產管理提供依據。UAV遙感是獲取田間植株生物量行之有效的手段。通過提取數字圖像的色彩參數如R、G、B及監測生物量的常用植被指數如超綠植被指數（ExG）和歸一化差分指數（NDI）等，以及一些常用紋理參數如能量（ASM）熵（ENT）等。通過相關性分析選出與各生育時期生物量相關性較高的圖像色彩與紋理參數，通過逐步回歸法與支持向量機回歸法對比分析，找出模型精度較高的回歸方法，建立并檢驗基于UAV的玉米生物量的監測模型，為監測玉米生長狀況提供相應的方法。

2.5基于無人機遙感的玉米葉綠素含量、葉片氮含量監測。葉綠素值和葉片氮素營養狀況是反映作物光合能力及作物營養元素虧缺的主要指標。如何利用數字圖像無損監測作物葉綠素值和葉片氮素的營養狀況，一直是作物營養狀態領域的研究熱點。近些年來，UAV已被廣泛應用于及時、無損監測作物氮素營養狀態，以實現作物精準施肥，提高肥料利用率。通過獲取玉米苗期、拔節期、大喇叭口期和吐絲期的冠層圖像，并同步測定葉片葉綠素值、含氮量，提取圖像中CC、ExG等圖像色彩參數，計算圖像平滑度、均值、三階矩等紋理特征。為提高模型精度，通過輸入不同組合圖像值用R語言進行深度神經網絡和卷積神經網絡深度學習算法，建立基于圖像色彩和紋理參數的氮素營養診斷算法模型。

2.6大田作物系數無人機多光譜遙感估算作物系數快。速獲取是大田作物產量等估算的關鍵，為了解無人機多光譜遙感估算作物系數的可行性和適用性，在教學實踐中以寧夏實驗站大田玉米、水稻、小麥為研究對象，以土壤、氣象等數據為基礎數據作為例證，采用氣象因子和作物覆蓋度校正后的雙作物系數法計算不同生長時期與不同水分脅迫的作物系數，并使用自主研發的無人機多光譜系統航拍玉米的冠層多光譜（藍、綠、紅、紅邊、近紅外，475～840nm）影像，給本科生講解作物不同生長時期（快速生長期、生長中期和生長后期）的幾種常用植被指數，如歸一化差值植被指數（NDVI）、土壤調節植被指數（SA⁃VI）、增強型植被指數（EVI）、比值植被指數（RVI）、綠度歸一化植被指數（GNDVI）等對作物的影響，讓學生從光譜的角度深入認識無人機多光譜技術估算作物系數具有一定的可行性。

3小結與討論

綜上所述，無人機遙感已廣泛應用于作物栽培和育種領域研究，可有效彌補衛星遙感與地面觀測的不足，排除中大尺度監測的異質性。隨著現代作物栽培學與新興學科領域的交叉與融合，作物栽培管理正從傳統的模式化和規范化向著定量化和智能化的方向邁進。由無人機遙感技術在農業信息學教學中應用與教學案例設置可以看出，農業信息學課程的最大特點是將典型的信息技術應用于課程設計中去，并對所涉及的技術、研究對象和過程加以數字化應用、信息化感知、動態化模擬等，從而實現農作物信息化管理的定量化與精確化。通過10多年的教改探索和教學實踐，本文基本上構建了具有寧夏大學地域特色的農業信息學教學方法和技術提高體系，重點在為涉農專業如農學、植物保護、農業資源利用等專業本科生的農業信息學教學方案與設計提供了有力的幫助，取得了顯著的教學成果，實現了基于信息技術體系的涉農本科生農業信息學教學管理方案與優化設計。農業信息學教學和農業信息技術的未來發展將需要深入推進農作物模擬技術、傳感技術、決策技術等的交叉融合，在教學過程中不斷完善農業信息技術教學方案的精確設計，把農作物生長狀況精確診斷、作物生產力精確預測等關鍵技術不斷地增加到教學過程中，加強農業信息軟件相關系統和硬件產品的開發應用與示范推廣，從而促進現代農業信息學不斷向著智慧化方向邁進。農業信息學教學改革將農作物精確栽培技術深度增加到教學過程中，進一步完善了教學內容，以栽培科學與信息科學的交叉為主要特征，將有助于提升涉農專業本科生的認知能力、感悟能力、實踐能力。同時，對于作物栽培學的定量化和工程化等具有重要的推動作用，使得現代農科類大學生規范化的步入精確化、科學化栽培時代。然而，農業信息學課程改革還需要不斷地進行科學技術與內容創新，在技術與內容創新方面著力關鍵技術的突破。首先，加強農作物的大量營養元素以及病、蟲、草、鼠害等信息的實時性監測及數字化處理教學內容，深化和拓展作物生長生理指標的實時感知和定量診斷等關鍵技術講授。其次，教學內容要拓展極端氣候環境如高溫和低溫對作物生長與生產力形成的動態影響及定量模擬內容，構建功能與結構一體化的可視化數字化作物生長虛擬平臺，通過平臺的展示，讓學生獲得猶如身臨其境的感受。再次，不斷完善作物管理知識模型的相關技術與內容，讓學生明確作物品種性狀、土壤特性、技術指標等關鍵參數的變化特征和量化方法，促進處方設計與管理調控的精量化和科學化。最后，加強精確栽培技術與空間信息技術的融合的教學內容，實現由點到面、由田塊到區域的尺度化跨越，提升教學內容的空間性。在應用開發方面，農業信息學應強化農作物精確栽培技術軟件系統和硬件設備的研制開發，注重對產品在教學過程中的應用。在教學過程中，強調學生未來的發展前景，基于農作物精確栽培關鍵技術，研制開發便攜式和機載式作物生長傳感設備、基于遙感的作物生長監測與診斷系統、基于模型的數字化農作模擬與設計系統、基于模型和3S的綜合性作物智慧管理系統等，為未來作物精確栽培提供工程化產品和實用化平臺。打破傳統作物栽培“軟”技術的標簽，促進農藝處方與農機作業的有效結合，實現軟件系統與硬件裝備的配套應用。同時，加快技術產品在不同區域不同條件下的示范應用，并探索建立不同層次用戶的技術應用模式，從而使作物精確栽培技術更快更好地服務于規模化、現代化農業生產。

作者:賈彪 王銳 孫權 賀正 辛明 單位:寧夏大學農學院