Traceable acquisition and processing workflow for multispectral drone monitoring of orchards
本文提出了一种用于大疆 Mavic 3 多光谱无人机果园监测的可追溯采集与处理工作流，详细阐述了从任务规划到质量控制的完整方案，并利用马来西亚榴莲果园的数据进行了评估，旨在实现可重复的数据溯源并确定未来验证的方向。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代农业的核心领域，一场无声的革命正在树木之上悄然发生。长期以来，农民和科学家一直依赖卫星从太空观察农作物，但这些视角往往过于遥远，无法看到果园中单棵树木之间的细微差异。地面巡查（即人员在树行间行走）虽然提供了细节，但缺乏全局观，且覆盖大面积区域的速度较慢。这时，无人机登场了——这是一种可以悬停在恰当高度的小型飞行器，既能捕捉到每棵树的清晰图像，又能低到足以观察到单根树枝的具体健康状况。为了使这些图像具有实用价值，它们不能仅仅是漂亮的图片，而必须是准确的测量数据。这需要一套严格的规则，规定无人机的飞行方式、光照测量方式以及照片如何拼接在一起。如果没有这些规则，照片中树木颜色的变化可能仅仅是天气或时间的变化，而非树木健康状况的真实改变。
马来西亚砂拉越的一支研究团队致力于建立并测试一套用于监测榴莲果园的清晰、循序渐进的指南。他们专注于一种配备了特殊相机的特定型号无人机，这些相机不仅能看到人类可见的颜色，还能看到植物反射的不可见光。他们的目标不是发明一种新的飞行方式，而是创建一个可靠的记录系统。他们希望确保如果有人在明年在同一片果园上空飞行同一架无人机，他们可以充满信心地对比结果。该团队回顾了之前调查过的三个特定榴番果园，检查了他们的笔记和数据，以确认是否捕捉到了足够的信息来证明这些图像是如何生成的。他们发现，虽然他们可以成功地重建从飞行计划到最终地图的整个过程，但仍缺少一些关键的环节，导致他们无法声称这些结果是树木真实状况的完美准确测量。
研究人员首先检查了他们之前在斯里阿曼（Sri Aman）两个和达巴（Tapah）一个榴莲种植区进行的飞行任务。他们使用了一架携带标准彩色相机和特殊传感器的无人机，该传感器可以捕捉包括对植物健康至关重要的近红外线在内的四种不同波段的光。根据果园区块的大小，他们以不同的高度飞行，范围在地面上方70米至100米之间。在这些高度下，相机的分辨率可以达到每像素3.23厘米或4.60厘米。他们采用网格模式飞行，确保每张照片与下一张照片的重叠率约为75%至80%，这种技术允许软件将图像缝合成一张无缝的完整地图。在飞行过程中，无人机记录了时间、风速和阳光亮度，所有这些因素都会改变植物在照片中的外观。
数据收集完成后，团队对其进行了处理，生成了几种类型的地图。他们生成了清晰的彩色正射影像图，这就像是果园的高分辨率航拍巨幅照片，展示了树木布局、泥路以及周围的景观。他们还创建了基于不可见光波段的地图，从而能够计算植被指数。这些数值指标可以显示植物的绿度和健康程度。例如，他们制作了显示归一化差异植被指数（NDVI）的地图，这是衡量植物生命力的常用指标。软件成功地将数千张单独的图像组合成这些大型地图，团队可以追踪每一步的过程，从原始照片到最终的彩色图层。这证明了他们提出的工作流程是功能性的，并且能够产生预期的视觉产品。
然而，研究也揭示了记录中的重大缺陷，这些缺陷限制了他们利用这些地图进行严肃农业决策的可信度。虽然团队拥有无人机记录的阳光数据，但他们没有在地面使用物理校准的白板来精确测量光照。由于缺乏这种“地面真相”，地图中的数值代表的是相对亮度，而非绝对的、经过科学验证的反射率。这意味着，虽然地图可以显示在单张照片中哪些树看起来更绿，但很难确定一棵树是真的健康，还是仅仅因为云层的移动或太阳角度的变化。此外，尽管无人机使用了高精度定位系统来确定自身位置，但团队并未在地面设置独立的控制点来验证地图上每个点的精确位置。他们使用相同的点既来引导地图生成，又用来检查地图，这就像是在没有第二双眼睛监督的情况下检查自己的作业。
研究人员得出结论，他们提出的工作流程对于组织数据和创建调查过程的清晰历史非常出色，但尚未成为树木状况的完整科学证明。他们制作的地图对于发现需要密切观察的区域（例如看起来异常枯黄或稀疏的果园区域）非常有价值。但研究明确指出，这些地图目前还不能用于确诊特定的问题，如营养缺乏、疾病或水分胁迫。要做到这一点，未来的调查需要包含更严格的检查，例如在地面放置已知的反光板，并直接通过土壤和叶片样本来测量树木的健康状况。该研究为如何记录数据以使无人机监测变得可靠提供了一份蓝图，强调了技术已经准备好起飞，但在解释数据的科学方面，仍需要更多证据的支持才能实现完全的可靠。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。