在《通往精準農業之路》專欄開篇之初，有不少同學表示對于 3D 遙感技術、多光譜技術在農業中的應用很感興趣。今天，我們專門來探討一下這個話題，具體聊聊這些技術在植物生長監測、病蟲害監測方面的應用，國內外研究與發展現狀，以及探索其將來在植保無人機上的可能應用。
首先，我們得明確 3D 遙感信息是什么。所謂 3D 遙感信息，是指把三維位置和遙感光譜數據結合在一起的一體化遙感信息。
目前已有機載三維成像儀可從空中同步獲得地面目標的三維位置和遙感光譜信息，實現定位、定性數據的一體化獲取。
目前高分辨率的 3D 遙感影像主要用于：
1、地形分析，如坡度分析、地貌面分析、水系分析、構造分析等等;
2、地質災害調查，通過建立災害體的 3D 仿真模型，提取災害體的特征信息，評價災害體的危險性;
3、礦區礦產資源調查，是將高精度數字高程模型(DEM，Digital Elevation Model，通過有限的地形高程數據實現對地面地形的數字化表達)數據與礦區高分辨率遙感圖像疊合生成三維遙感影像，反映復雜的地形、地貌、地質特征;
4、其它方面，如城市景觀設計、軍事地形三維仿真、工程選線等等。
3D遙感技術在病蟲害監測中的應用
對于病蟲害遙感監測，主要還是依據作物受不同脅迫影響后發生的光譜響應，國內外的相關研究主要集中于四個層面：1)病蟲害光譜響應生理機制;2)病蟲害光譜響應特征位置;3)應用于病蟲害監測的植被指數;4)病蟲害遙感識別和程度區分算法。
概況性地講，目前植物病蟲害脅迫下引起光譜響應的生理機制基本是明確的;病蟲害光譜響應特征位置有不少研究，主要集中于典型作物的典型病蟲害如小麥條銹病、白粉病，水稻褐飛虱、稻瘟病，番茄晚疫病等，但研究的作物和病蟲害的種類遠遠不夠全面;目前已研究嘗試通過數十種類型的植被指數，來建立遙感信息和病蟲害的發生、程度之間的關系。
關于識別和區分算法，主要是想建立病情和光譜特征之間的關系，方法模型很多，大致可以分為兩類：一類是基于高光譜非成像數據建立的模型，一類是基于圖像的數據分析方法。這些方法涉及了多元統計分析，數據挖掘算法和圖像分析方法，目的是希望模型具有較高的精度和專一性。
應用遙感技術進行農作物不同生育期長勢監測/圖 來源極飛學院
3D遙感技術在植保無人機上的應用探索
顯然，3D 遙感技術今后也可以應用于植保無人機。特別是若能利用低空無人機遙感測繪、建模、農情分析及“互聯網+”技術，構造出“農田林地 3D 空間模型平臺”，提供農田林地的空間模型、作物信息、病蟲害信息、位置關系，甚至一些環境數據(包括的溫度、濕度、光照等)，則可對指導植保無人機仿地飛行、精準施藥有極大幫助，也拓展了植保無人機的應用范圍。目前這僅僅是一個愿景，但可以期待。
用無人機作為平臺，通過遙感來監測植物生長情況、監測病蟲害、預測收成等方面的研究早已開展，特別是產量估算/預測收成是遙感技術應用于農業的最早的研究方向之一，也是相對成熟的農業遙感應用研究。
基于遙感的產量估算早在 20 世紀 70 年代就已開始，如 1974 年美國農業部(USDA)、NASA 等部門合作實施的“大面積作物估產實驗”，即 LACIE 計劃，主要是利用 Landsat MSS 影像來估測小麥種植面積。
國內從事這項研究也有差不多 30 年的時間，如 80 年代中期，在國家經委的支持下，以國家氣象局為主組織開展了北方 11 省市冬小麥的 NOAA/AVHRR 衛星遙感估產研究，建立了遙感影像面積測算方法。
1997 年，中國科學院“九五”重大和特別支持項目“中國資源環境遙感信息系統及農情速報”，就實現了全國小麥、玉米、大豆、水稻等大范圍長勢遙感監測與產量預報。
“十一五”期間，北京師范大學和國家統計局建成了“國家糧食主產區糧食作物種植面積遙感測量與估產系統”。
目前，國內外主要的作物遙感監測運行系統(集成了作物種植面積調查、長勢監測和最后產量估測)就在美國、歐盟和中國。
?