一、引言
卫星遥感技术具有宏观、快速、重访周期短等特点，在甘蔗面积识别、长势监测、产量估算、旱灾分析、冻害监测等方面得到有效应用，但仍无法满足甘蔗产业的高精准监测需求。无人机遥感技术具有灵活、准确的特性，不受时间、地域、气候等条件限制，能够快速获取高分辨影像数据，有效弥补了卫星技术的不足，尤其在灾害应急方面具有重大贡献。
近年来，无人机技术在甘蔗产业的应用取得初步成效，杨琦等学者构建作物表面模型估测甘蔗LAI；莫彩娜等学者利用无人机技术评估甘蔗定位，结合土壤温湿度指导蔗田灌溉；孙明等学者利用无人机监测糖料蔗“双高”基地扶绥“甜蜜之光”蔗区洪涝灾害和甘蔗倒伏情况；蔺乔仙等学者通过试验证实植保无人机对甘蔗害虫防治具有效率高、安全和防效好的优势。不难发现，无人机技术在甘蔗产业应用有待提高，尤其在甘蔗长势、产量、灾害等方面研究十分欠缺。当前，性价比高且常用的无人机图像以可见光影像为主，近红外、红外等波段信息缺乏在一定程度上限制该技术的发展，这对无人机可见光影像应用研究提出巨大挑战。然而，甘蔗长势精准监测对于糖料蔗“双高”基地、糖企种植区、甘蔗种苗培育基地等核心区的种植指导和产量预估具有重要意义，无人机可见光影像精准监测甘蔗长势研究十分必要且迫在眉睫。
为解决无人机精准监测甘蔗长势面临的难题，本文在前人研究基础上，选取常用无人机可见光植被指数的归一化绿红差异指数、超绿红蓝差异指数、红绿蓝植被指数、归一化绿蓝差异指数、超绿指数、绿叶植被指数与同期归一化植被指数进行相关性分析，筛选相关性最高指数开展2019-2020年甘蔗长势变化监测，以广西糖料蔗“双高”基地扶绥“甜蜜之光”现代特色农业（核心）示范区进行试验，为甘蔗长势精准监测提供技术参考，为产量预估提供信息服务。
二、研究区概况
广西糖料蔗“双高”基地扶绥“甜蜜之光”现代特色农业（核心）示范区位于扶绥县渠黎镇，土地平整，交通便利。2015年，严格按照广西“双高”糖料蔗基地标准进行建设种植，采用水肥药一体化滴灌技术，从种植到收获全程机械化作业，实现现代化农业生产管理，改变靠天吃饭的生产模式。
扶绥县地处北回归线以南，位于东经107°31′~108°06′、北纬22°17′~22°57′，属亚热带季风气候，年均温度21.3~22.8℃,日平温超过10℃,年积温为7502℃,年均降水量1050~1300毫米，优越的立地条件使其成为全国重要的甘蔗生产县。
三、技术方法
3.1数据获取与处理
（1）无人机影像处理
在天气晴朗无云、阳光辐射强度稳、风力较小的正午时段，利用大疆精灵Phantom4RTK小型多旋翼高精度航测无人机拍摄高清影像。传感器为1英寸CMOS，2000万有效像素，FOV84°镜头，可调节光圈，调节范围为F/2.8~F/11，带自动对焦（对焦距离1米~∞),拍摄影像格式为JPEG，最大像素5472×3648。拍摄时间为2019年8月15日和2020年8月13日，航向重叠度为75%、旁向重叠度为70%，飞行高度150米。应用Pix4Dmapper软件进行无人机影像处理，该软件具有全自动一体化处理无人机影像的功能，经过原始影像处理、空三解算和数字产品生成输出，生成无人机可见光正射影像，分辨率为0.06米，坐标系统为WGS-84。
（2）卫星影像处理
采用2019年8月10日GF-1WFV卫星影像数据，利用ENVI软件进行辐射定标、大气校正、几何精校正、影像裁剪，形成与无人机影像无偏移且具有相同坐标系的影像数据。
（3）甘蔗田块提取
以无人机影像为基底，利用ArcGIS软件完成甘蔗边界提取，形成甘蔗田块矢量数据。
3.2 植被指数计算
RGB数码相机具有分辨率高、成本低等优势，备受人们青睐，常搭载在无人机平台上拍摄地面高清图像，基于可见光波段影像构建植被指数，开展农业领域专业应用。如Hunt等学者建立归一化绿红差异指数（Normalized Green-Red Difference Index，NGRDI），评估了作物生物量及氮素营养状况；高永刚等学者构建超绿红蓝差异指数（Excess Green-Red-Blue Difference Index，EGRBDI），利用该指数识别植被信息精度为97.67%[6]；Bendig等学者基于红绿蓝植被指数（Red Green Blue Vegetation Index，RGBVI）监测大麦生物量；汪小钦等学者应用归一化绿蓝差异指数（Normalized Green-Blue Difference Index，NGBDI）提取植被信息；Kazmi等学者运用超绿指数（Excess green index，ExG）检测甜菜田中的蓟，准确率超过90%；Louhaichi等学者利用绿叶植被指数（Green Leaf Index，GLI）估算小麦冠层覆盖度。无人机可见光植被指数计算公式如表1所示。
表1 无人机可见光植被指数信息
3.3 相关性分析
随机获取2019年无人机影像上点信息，将点所对应的植被指数NGRDI、EGRBDI、RGBVI、NGBDI、ExG、GLI分别与2019年GF-1WFV影像的归一化植被指数（Normalized Difference Vegetation Index，NDVI）进行相关性分析，根据Pearson相关系数r的大小选取相关性最高指数进行长势监测，利用SPSS22软件进行相关性分析，计算方法如公式（1）。
式中，xi、yi分别为某无人机可见光植被指数和NDVI，x-、y-分别为2个要素的平均值，计算方法如公式（2）和（3）。
r是反映2个要素相关程度的指标，r>0表示正相关，r<0表示负相关。r绝对值越接近1说明2个要素关系越密切。
3.4 甘蔗长势监测
选取相关性最高的植被指数开展甘蔗长势监测，以甘蔗地块为单元，将每个地块范围内所有像元的植被指数平均值作为该地块植被指数值，将2020年植被指数与2019年植被指数相减求取偏差值，计算甘蔗地块植被指数标准差进而划分甘蔗长势等级，计算公式如下。
在公式（4）和（5）中，ΔTi为第i块甘蔗地块植被指数偏差；T2020为2020年甘蔗地块植被指数，T2019为2019年甘蔗地块植被指数，σ为甘蔗地块植被指数标准差，n为甘蔗地块数量。
利用甘蔗地块偏差和标准差综合判定长势情况，划分3个等级，ΔT＞σ为长势比上年优、-σ≤ΔT≤σ为长势与上年持平、ΔT＜-σ为长势比上年差。
四、结果与分析
4.1 相关性分析
随机选取524个样本点分析无人机植被指数与NDVI的相关性，结果如图1所示。通常相关系数绝对值|r|＜0.5表示弱相关，0.5≤|r|＜0.8表示中度相关，|r|≥0.8表示高度相关。在图1中，0.01水平NGBDI的r为0.805，说明NGBDI与NDVI高度正相关，EGRBDI、GLI、ExG与NDVI中度相关，NGRDI、RGBVI与NDVI弱相关。本研究选取 NGBDI 开展长势监测。
图1 相关性分析散点（**表示在0.01水平上显著相关）
4.2 甘蔗长势监测结果
试验区甘蔗种植面积为391.53公顷，共有374个地块，将2020年NGBDI与2019年NGBDI相减获取甘蔗地块偏差，标准差为0.1，基于NGBDI偏差与标准差对比划分甘蔗长势等级，形成专题效果图，如图2所示。2020年8月，试验区甘蔗长势比上年优、与上年持平、比上年差的面积分别为105.87、206.7、78.96公顷，占甘蔗总面积比例分别为27.04%、52.79%、20.17%，长势与上年持平的面积超过半数，长势比上年优的面积超过长势比上年差的面积26.91公顷，2020年甘蔗产量有望增产。
五、结论
本文选取6种常用无人机可见光植被指数与卫星影像NDVI进行相关性分析，利用相关性最高的植被指数开展甘蔗长势精准监测。试验结果表明，NGBDI与NDVI高度相关，EGRBDI、GLI、ExG与NDVI中度相关。而毛智慧等学者利用无人机可见光影像提取植被，研究发现NGRDI、ExG与NDVI相关性显著。高永刚等学者研究发现EGRBDI识别作物精度更高。为此，下一步工作将选取多时段无人机影像与同期卫星影像NDVI进行分析，筛选普适性的甘蔗长势评价指标，提高试验准确性。
通过对比2019年与2020年NGBDI分析试验区甘蔗长势，比上年优、与上年持平、比上年差3个等级面积分别占甘蔗总面积的27.04%、52.79%、20.17%，2020年甘蔗产量有望增产，但监测时间为8月中旬，而8-10月是甘蔗生长关键时期，降水及灌溉情况直接影响产量，为此仍需持续监测长势变化，提高产量评估的精准性。
图2 无人机监测甘蔗长势等级
本文参考卫星影像监测甘蔗长势标准，通过计算甘蔗地块植被指数标准差划分甘蔗长势等级，虽然采用了常用的作物长势分级方法，但是否适用无人机技术监测甘蔗长势，仍需结合实地生长情况进行深入研究。
