星海注册-平台首页无人机平台搭载可见光相机可以通过多种空间辅助数据来优化测高精度，如DTM、DSM、地面控制点（Ground Control Point，GCP）、地面实测株高数据等。科学研究或农业生产等不同领域为满足测高精度与成本需求会对空间辅助数据有所取舍。Che等系统地评估了多种空间辅助数据组合下无人机搭载可见光相机的测高精度与成本。本研究结合

　　讨论结果，将决定系数R2和均方根误差RMSE作为精度评价指标，人工、时间和操作成本作为成本评价指标，共同评估DTM、GCP、株高实测数据和冠层密度4种数据不同组合下的测高结果，如表1所示。

　　类别1同时采集了DTM和GCP数据，结合DSM能够实现高精度的株高测量。此外，通过加入地面实测数据建立线性回归模型能够有效降低株高的绝对误差。使用完备的空间辅助数据会提升数据采集成本，但对于精细的株高提取是必要的。例如，株高性状的基因定位对于作物育种具有重要的理论和应用价值，育种学家会关注作物全生育期的株高变化，上述情况需要收集完备的空间辅助数据以实现高精度的估测结果。

　　DTM数据一般在作物出苗前或收获后采集，以避免作物对土壤造成的遮挡。然而，在作物冠层稀疏的情况下，可以从DSM中提取裸土高程作为基底，该方式能降低数据采集成本，并且裸露土壤较多的情况下能够获取与完备条件下近似的精度（具体见全文）。然而，当作物冠层已经密闭且地形起伏大时，难以通过对裸地进行插值的方式实现准确地DTM构建，该种情况下，采集单独一期的DTM数据是有必要的。

　　在无人机图像拼接时，通过导入同一套GCP能够实现多幅图像间的配准并提高图像质量，因此可以观测特定作物植株或群体株高的动态变化。然而，在地势崎岖、区域分散或有灌溉系统的大田中，GCP的布设难以实现。同时需要实时动态（Real-Time Kinematic，RTK）等仪器测量GCP的空间位置，其信号强度易受周围环境影响，如高压电线、变压器或地形等。因此，从农业生产的角度而言，进行GCP布设和位置信息收集的难度较大，成本较高。在难以实现GCP的田间布设时，从图像中直接提取GCP可以有助于多期数据间的配准，但通常测高精度会低于完备数据的情况。

　　低空无人机被动遥感以成像方式构建三维模型获取大田作物株高，对于玉米、水稻、小麦等叶片直立而狭长的作物，尤其是穗部或叶尖处的高度信息提取难度大，易造成作物株高的低估。Liu等使用Mavic Pro2采集图像后构建冠层三维点云直接进行株高量测，飞行高度为5 m，但仍然不能恢复其完整的穗部结构。

　　由可见光图像导出作物高程是一种间接测高方法，而激光雷达是通过点云数据直接测量，其测高精度通常优于可见光方式。目前，已有一些轻小型化的激光雷达搭载于无人机上对作物测高研究进行了初步探索（表2），其重量均在4 kg以下，测量精度为0.5~5 cm。然而，由表2可见，只有通过降低测量高度情况下（测量高度低于20 m）作物的株高测量精度较好，表2其余作物株高测量结果的R2均在0.8以下。而且，这些激光雷达仍未解决成本高问题。以上是限制无人机搭载激光雷达模式在农业领域发展的重要原因。大疆创新科技有限公司于2020年10月发布了一款“禅思L1”，该系统集成了低成本、轻小型的Livox系列激光雷达AVIA。Hu等人评估了同品牌的MID 40在森林资源清查中的应用，在100 m飞行高度下可以获得密度大于464 pts/m2的点云数据，能够精确地计算树高、林冠覆盖率、林隙分数等森林表型信息。AVIA相较于MID 40具有更大的FOV（视场角）和点云数据率，从而可以提高数据采集效率和点云密度，然而，还未有研究将其应用于大田作物的表型提取。目前，激光雷达系统的高成本以及点云密度、测距精度等性能无法满足农田作物表型精确测量仍是遥感测高中急需解决的问题。

　　作物的形态结构会因栽培措施、环境、品种等因素产生变化。并且，农学上的作物株高测量通常不包含禾本科作物的芒及豆科作物的卷须等部分。然而，遥感测高一般获取田间作物在自然状态下植株全部结构的顶端到地面的垂直距离，因此会与农学测高结果不同。为方便表述，下文使用自然株高和植株长度分别表示遥感和农学测取的作物高度（图1）。例如，受栽培措施影响，小麦株型会产生变化，根据旗叶形态结构可以划分为“直立型”和“下披型”，通过遥感手段容易对“下披型”作物的真实植株长度产生低估；遥感方式获取的自然株高能够辅助倒伏区域识别、倒伏程度测定，但无法提供倒伏后的真实植株长度；同样，遥感测高方式会将作物的芒计算在内，以上情况皆不能获取作物真实的植株长度，进而影响估产等应用。遥感测高需要根据农业应用需求有针对性地制定株高测量方案。当作物的自然株高与真实植株长度有差异时，可以尝试通过多种传感器协同进行株高提取。例如通过可见光相机获取纹理图像识别植株主体部分，再使用激光雷达进行植株的骨架提取，针对弯折部分采取分段式株高量测。多相机倾斜摄影测量技术能够获得地物丰富的纹理信息，通过建立作物三维模型也能够为倾斜状态下的作物植株长度量测提供一种解决思路。

　　近十年来，近地遥感技术在大田作物测高研究中得到广泛应用，能够实现大面积作物的同步监测，获得高精度、重复性好的作物株高数据，考虑到近地遥感技术仍面临多种问题，未来该领域主要可以从以下4个方面展开科学研究。

　　（1）无人机作为作物株高获取的主要平台，需要提高有效载荷和续航能力，而测高传感器需要向轻小型、低成本方向发展，实现作物株高高效、大面积的观测。

　　（2）被动式传感器无法穿透作物冠层，需要单独执行一次飞行任务采集裸地高程或者通过从DSM中提取土壤部分进行插值获得DTM，前者会增加数据采集成本，而后者在裸露土壤较少时DTM提取精度较差。因此需要改进裸地探测算法与插值算法，以实现小样本量的裸地插值以及在复杂大田环境下的精准裸地探测，从而提高数据采集效率、改善测高精度。

　　（3）作物株高在农业中应用广泛，一方面株高可用于作物多种长势参数估测，但其反演方式以经验统计、传统机器学习方法为主，需要探索针对不同作物、不同生育期、不同环境中的长势反演通用模型。另一方面，加强遥感与遗传育种研究的结合，可为株高遗传机制研究提供高通量的株高数据，突破现有作物形态指标数据获取效率瓶颈，能够促进大田作物遗传育种研究，实现粮食产量与质量的提高。