无人机农情监测应用解决方案.pptx

1、无人机农情监测领域应用解决方案目 录01无人机遥感系统基本概念02无人机遥感系统研究进展应用前景03无人机遥感系统与农情监测03.1农作物分类 病虫害监测03.3污染监测 覆盖度监测04总结思考03.203.4研究框架研究框架研究进展基本概念应用前景无人机遥感系统农情监测方面的应用病虫害监测污染监测覆盖度监测农作物分类其他应用原理应用现状应用成果总结思考第 章无人机遥感系统基本概念01APPLICATION IN THE FIELD OF UAV REMOTE SENSING （1）无人机（UAV）是一种机上无人驾驶的航空器，其具有动力装置和导航模块动力装置和导航模块。在一定范围内靠无线电遥控

2、设备或计算机预编无线电遥控设备或计算机预编程序自主控制飞行程序自主控制飞行。（2）无人机遥感(UAVRSS)是利用先进的无人驾驶飞行器技术,遥感传感器技术,遥测遥控技术,通信技术,POS定位定姿技术,GPS差分定位技术和遥感应用技术,具有自动化自动化,智能化智能化,专业化专业化快速获取国土,资源,环境,事件等空间遥感信息,并进行实时处理,建模和分析的先进新兴航空遥感技术解决方案。无人机遥感系统即是一种以无人机遥感系统即是一种以UAVUAV为平台为平台,以各种成像与非成像传感器为主要载荷以各种成像与非成像传感器为主要载荷,飞行高度一般在几千米以内飞行高度一般在几千米以内,能够获取遥感影像能够获取

3、遥感影像,视频等数据的无人航空遥感与摄影测量系统视频等数据的无人航空遥感与摄影测量系统。1基本概念基本概念APPLICATION IN THE FIELD OF UAV REMOTE SENSING 基本概念基本概念 UAVRSS技术以固定翼,无人旋翼机和垂直起降等作为遥感平台获取实时高分辨率遥感影像数据能克服有人航空遥感受制于长航时有人航空遥感受制于长航时,大机动大机动,恶劣气象恶劣气象条件条件,危险环境等的影响危险环境等的影响,又能弥补卫星因天气和时又能弥补卫星因天气和时间无法获取调查区遥感信息的空缺。还能避免地面间无法获取调查区遥感信息的空缺。还能避免地面遥感工作范围小，视野窄，工作量大

4、等因素。遥感工作范围小，视野窄，工作量大等因素。随着计算机通信技术的迅速发展以及各种重量轻体积小探测精度高的数字化新型传感器的不断面世。UAVRSUAVRS的性能不断提高，使具有结构简单，成的性能不断提高，使具有结构简单，成本低，风险小，灵活机动，实时性强等优点。本低，风险小，灵活机动，实时性强等优点。正逐步成为卫星遥感，有人机遥感和地面遥感的有效补充手段。第 章无人机遥感系统研究进展应用前景02APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 研究进展研究

5、进展涉及内容涉及内容研究进展研究进展飞行平台飞行平台材质材质由传统钢铝等金属转换为重量轻，强度大的轻质复合材料，如玻璃纤维，碳纤维等。发动机发动机由传统体积大，噪音高，寿命短，耗油量大，可靠性差的逐渐转变为体积小，噪音低，新能源推进系统。空气动力学空气动力学方面，传统设计主要针对中高空侦察的中，大型无人机，传统设计不能满足民用无人机升阻特性和操稳特征的要求，必须对其进行总体和气动外形的优化。例如改进普通翼和三角翼型设计，采用新型垂直翼片结构等。1飞行控制与导航飞行控制与导航系统系统由传统主要利用经典的单回路频域或根轨迹等线性控制方法单回路频域或根轨迹等线性控制方法来设 计飞行控制与导航系统，转

6、变为非线性动态控制，神经网络智能控制和组合导航非线性动态控制，神经网络智能控制和组合导航等，这些新型飞行控制与导航方法很好地提高无人机飞行性能。1数据传输存储技数据传输存储技术术一是控制信息传送控制信息传送，向UAV和遥感设备的状态参数，可实现飞机姿态，高度,速度,航向的实时显示。二是遥感信息传输，遥感信息传输，传输UAV获得的影像,视频等遥感信息,供地面人员使用。应选择合适的数据传输解压缩方法。采取多种高效可靠的数传链采取多种高效可靠的数传链路系统，并考虑将遥感信息在下传地面站的同时进行机上硬盘备份，路系统，并考虑将遥感信息在下传地面站的同时进行机上硬盘备份，以确保获得快速，安全，高质量的遥

7、感数据。1表表1-11-1：无人机遥感系统研究进展一览表：无人机遥感系统研究进展一览表2.12.1研究进展研究进展表表1-11-1：无人机遥感系统研究进展一览表（接上页）：无人机遥感系统研究进展一览表（接上页）APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 2.12.1研究进展研究进展表格来源：自绘1李德仁,李明.无人机遥感系统的研究进展与应用前景J.武汉大学学报:信息科学版,2014,39(5):505-513.涉及内容涉及内容研究进展研究进展遥感数据处

8、理遥感数据处理UAVRSS多使用小型成像与非成像传感器作为机载遥感设备,与传统的航天和航空影像相比,存在采样周期短,分辨率高,像幅小,影像数量多,倾角过大和倾斜方向不规律等问题。遥感数据的处理由主要以地面处理为主转换为地面准实时处理和遥感数据的处理由主要以地面处理为主转换为地面准实时处理和机上实时处理。机上实时处理。1遥感传感器技术遥感传感器技术我国传感器技术实现了由早期的胶片相机向大面阵数字化相机发展的历程，各种智能，轻小由早期的胶片相机向大面阵数字化相机发展的历程，各种智能，轻小型化的光电红外传感器，激光三维扫描仪和合成孔径雷达等的综合化，模块化使用。型化的光电红外传感器，激光三维扫描仪和

9、合成孔径雷达等的综合化，模块化使用。遥感传感器技术的发展除了各种传感器在硬件技术上的突破与成功应用外，还体现在传感器智能化和自主化的发展上。它依托计算机处理能力和机上存储器的发展初步实现了传感器自初步实现了传感器自主性观测。主性观测。1运行空域政策与运行空域政策与环境环境我国在相关空域管理法规，人员培训，基础，设施建设及保障方面与急剧膨胀的UAV遥感市场空域开放需求不相适应，与发达国家相比，空域管理是我国当前中低空域全面开放的难点所在。部分中大型，长航时部分中大型，长航时UAVUAV飞行高度与商飞行高度与商,民用载人飞行高度相互交叉民用载人飞行高度相互交叉大量中小型遥感大量中小型遥感UAVUA

10、V航空设备较差航空设备较差,在我国某些地区在我国某些地区,雷达探测能力弱雷达探测能力弱,通信易被干扰通信易被干扰,尤其是尤其是边境与沿海等敏感地区边境与沿海等敏感地区,极易造成航空飞行器飞行状态监视失控。极易造成航空飞行器飞行状态监视失控。1（4 4）海事信息化海事信息化建设与动态管理建设与动态管理（5 5）灾害预报灾害预报监测与评估监测与评估（1 1）气象监测与预报气象监测与预报（2 2）国土资源环境调查国土资源环境调查（3 3）城市管理）城市管理（6 6）国家海国家海洋权益保障洋权益保障APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLI

11、CATION IN THE FIELD OF UAV REMOTE SENSING 2.22.2应用前景应用前景（4 4）农情预测）农情预测（2 2）国土资源环境调查国土资源环境调查（1 1）气象监测与预报气象监测与预报对温度，湿度，气压，风速，风向和电场等气象参数进行测量。美国，澳大利亚，法国，中国等相继研制了Perseus,Theseus,Aerosonde,Fox,Chacal等气象遥感系统。1（4 4）农情预测）农情预测（3 3）城市管理）城市管理（5 5）海事信息化建设与动态管理）海事信息化建设与动态管理（6 6）灾害预报监测与评估）灾害预报监测与评估（7 7）国家海洋权益保障）国家

12、海洋权益保障APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 2.22.2应用前景应用前景环境监测；违章用地监测；城市交通管理，道路拥堵监测；解译出违法乱建废弃物乱堆乱放；规划执行现状；追踪调查高危湖泊，河道，海岸和涉污工厂集中区等1土地及资源调查与分类；区域土地利用类型遥感图；资源分布等的抽样调查；资源分类与资源总量估算；1农情无人机遥感监测是以遥感技术为主对农业生产过程进行动态监测的过程，内容是对大宗农作物种植面积、长势、墒情与产量的发生与发展过程进行系

13、统监测。结合农作物地面测量数据，能迅速而准确地完成该区域农情监测任务，并为更大范围农情采样估计提供便利。2迅速抵达灾区进行航拍，通过对大量现势遥感影像的快速处理与对比分析，短时间内获得了灾区灾情的初步评价结果，为减灾救灾科学决策与指挥提供了更加客观，及时，全面，的灾情信息。提高了减灾效果，提升了灾害现场勘查能力。如城市火灾，地震等海事海-空监测系统，形成全方位，全天候的海-空-天立体监测，实现了海事监管水域的多维可视化，为近海常规巡航与目标搜索，应急现场监控与信息传递，船舶事故探查与污染监视等提供新技术解决手段。1许多重点海域，如钓鱼岛，南海，黄海等和海上油田等项目需进行多频次，高精度的监视监

14、测，国家海洋局实施了“国家海域动态监视监测管理系统”的研究与建设，以UAVRSS动态监测为主要内容.1第 章无人机遥感系统与农情监测03APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.13.1农作物分类农作物分类应用现状应用原理表表3-13-1：无人机遥感系统农作物分类应用原理：无人机遥感系统农作物分类应用原理传感器：针对不同需要，有多种供选择类型，如ADC Air 冠层测量相机，理光 GXR A12 数码相机等。数据预处理：需要借助多种图像处理软件，

15、如PixelWrench2，ENVI等。分类原理与算法：分析不同农作物波普曲线，借助NDVI 等软件可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，增强了对植被的响应能力。分类结果分析：根据合适的算法分析，编程实现自动分类。普适性验证与评价：农作物分类结果混淆矩阵进行验证和精度评价。数据与方法1数据获取与预处理传感器无人机平台试验设计数据预处理2分析农作物影像特征3分类原理与算法结果分析1分类结果分析2普适性验证与评价APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF U

16、AV REMOTE SENSING 3.13.1农作物分类农作物分类应用成果：河北省廊坊市的中国农业科学院国际农业高新技术产业园项目应用成果：河北省廊坊市的中国农业科学院国际农业高新技术产业园项目 以位于河北省廊坊市的中国农业科学院国际农业高新技术产业园（万庄）为依托，对面积评价区域种植的春玉米、夏玉米、苜蓿和裸土 4 种地物类型进行分类，对无人机影像在农情监测方面的应用进行了初步研究，开展了无开展了无人机影像获取、地面数据的采集和正射影像图、人机影像获取、地面数据的采集和正射影像图、农田区划图等的制作，利用野外检查点对这些农田区划图等的制作，利用野外检查点对这些成果的几何精度进行评价，成果的

17、几何精度进行评价，表明人机影像校正处理结果在几何精度上是满足农业应用需求的；依据校正后的影像，分别采用传统的监督分类依据校正后的影像，分别采用传统的监督分类方式进行了农作物分布的分类提取，与地面实方式进行了农作物分布的分类提取，与地面实测数据进行比较，测数据进行比较，表明无人机影像在农作物遥感监测方面的应用是切实可行且能达到较高的精度。1APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.13.1农作物分类农作物分类应用成果：河北省廊坊市的中国农业科学院国

18、际农业高新技术产业园项目应用成果：河北省廊坊市的中国农业科学院国际农业高新技术产业园项目 研究采用 Free Bird 小型电动无人机，起飞质量 2.5 kg，巡航速度 54 km/h，飞行高度 502 500 m。系统操控简单，轻便灵活，易于推广。无人机上搭载了理光 GXR A12 数码相机。为了进一步定量考察分类结果的精度，利用 GPS 地面测量结果对其进行验证，将测量结果地面真值，计算二者之间的混淆矩阵，如表 4 中给出了不同作物类型的总体精度。从表中可见，4 种类型的地物分类精度均在 85%以上，尤其是苜蓿，精度达 93%，由此可见，无人由此可见，无人机遥感系统在农业领域对检测地区的农

19、作物分类面积评估较为准确。机遥感系统在农业领域对检测地区的农作物分类面积评估较为准确。1APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.23.2病虫害监测病虫害监测1）病虫害光谱响应生理机制；）病虫害光谱响应生理机制；光学遥感监测，植物在病虫害侵染条件下在不同波段上表现出不同程度吸收和反射特性的改变，即病虫害光谱响应。2）病虫害光谱响应特征位置；）病虫害光谱响应特征位置；由于病虫害叶片或冠层光谱是对植物生理、生化、形态、结构等改变的整体响应，具高度复杂

20、性，因此对于不同植物，不同类型、不同发展阶段的病虫害，可能会有多样的光谱特征。例如水稻，小麦。3）应用于病虫害监测的植被指数；）应用于病虫害监测的植被指数；4）病虫害遥感识别和程度区分算法；）病虫害遥感识别和程度区分算法；一类是基于高光谱非成像数据建立的模型，一类是基于图像的数据分析方法。这些方法涉及了多元统计分析，数据挖掘算法和图像分析方法等等。1应用原理数据与方法1数据获取与预处理传感器无人机平台试验设计数据预处理2分析农作物影像特征病虫害遥感识别和程度区分算法结果分析1病虫害结果分析病虫害光谱响应生理机制病虫害光谱响应特征位置试验设计应用于病虫害监测的植被指数表表3-23-2：无人机遥感

21、系统农作物病虫害监测应用原理：无人机遥感系统农作物病虫害监测应用原理APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.23.2病虫害监测病虫害监测应用原理应用现状APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.23.2病虫害监测病虫害监测应用原理 美国农业部（USDA）国家农业统计服务司（NASS）于 2009

22、年 5 月发布的一份最新报告了解到，美国国家尺度作物生长状态及作物产量数据自 1995 年起开始利用卫星遥感数据进行分析，该技术对快速、低成本地获得全国尺度的各种粮食种植品种、生长状态、病虫害状态产量等数据具有重要作用。1 Morais 等将 ZigBee基础引入葡萄栽培的精准管理，在病害实时监测和产量估测方面进行了应用示范。还有很多案例，不一一列举了。应用成果APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.33.3污染监测污染监测 农作物污染包括很多

23、方面，重点探讨重金属污染，无人机遥感系统是一个可以借助用来获得遥感影像数据等的平台。运用无人机遥感技术进行农田重金属污染监测的主要思路是建立作物冠层光谱反射率与重金属污染胁迫下作物生理生态参数（叶绿素、叶面积指建立作物冠层光谱反射率与重金属污染胁迫下作物生理生态参数（叶绿素、叶面积指数和细胞结构等）之间的响应关系。数和细胞结构等）之间的响应关系。有学者通过对植被在重金属污染胁迫下的光谱响应进行研究，建立了光谱指数与土壤重金属含量以及植被生理生态参数的相关关系，提出了一些对重金属胁迫更具有针对性和敏感性的光谱指数针对性和敏感性的光谱指数；有研究选择叶绿素含量作为水稻重金属污染胁迫的响应因子，通过

24、分析验证得到对叶绿素变化敏感的光谱指数及其响应规律对叶绿素变化敏感的光谱指数及其响应规律，并进行了区域应用与验证；为了对重金属污染胁迫遥感弱信息进行增强，有学者对原始光谱进行微分、小波分析等变换以提取污染胁迫下的遥感诊断光谱指数原始光谱进行微分、小波分析等变换以提取污染胁迫下的遥感诊断光谱指数，提高了光谱指数对重金属胁迫的响应能力。1 数据与方法1数据获取与预处理传感器无人机平台试验设计数据预处理2分析农作物影像特征病虫害遥感识别和程度区分算法结果分析1区域验证和分析重金属污染情况下的响应关系 不同类型光谱指数应用原理APPLICATION IN THE FIELD OF UAV REMOTE

25、 SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.33.3污染监测污染监测应用现状应用成果-长春第一汽车制造厂周边水稻重金属污染胁迫监测无人机遥感系统影像本研究所用数据主要包括环境与无人机遥感系统检测影像，模拟根重的作物生长模型WOFOST 所需输入数据以及实测土壤重金属含量数据等；利用 LAI（LAI 是作物重要生理生态参数之一，也是农业遥感研究中常用的指标之一）作为同化量来优化 WOFOST模型模型的参数 CVR，参数优化算法选用 PSO 算法算法，技术流程如图APPLICATION IN THE FIELD OF UAV

26、REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.33.3污染监测污染监测结果与分析：1 同化模型参数优化结果及验证：同化模型参数优化结果及验证：将采样点的 CVR 最优值输入WOFOST 模型，比较优化后的模型模拟的与 CCD 数据反演的 LAI（图 4，这里的 LAI 实测值为遥感 CCD数据反演所得，日序为年度自然时间序列）。可以看出，优化后的模拟结果更加接近 LAI 随生长期变化的真实情况，表明通过调整 WOFOST 模型参数可以更好地模拟研究区水稻生长状况。2 水稻根重时空域模拟水稻根重时空域模拟：将优化后

27、的 CVR 值输入 WOFOST 模型中，分别模拟研究区采样点的 LAI 和 WRT，结果如图5。在水稻整个生长期内，重金属污染对 LAI 和 WRT都有抑制作用，但在生长初期，污染区与非污染区的LAI 曲线基本重合，相较而言，根重对重金属污染胁迫的响应更加敏感，因此利用根重监测重金属污染胁迫可行性更强。重金属对水稻根重的影响始于生长，初期的分蘖期，这是由于在分蘖期水稻主要进行营养生长，需要吸收大量水分及其他营养元素，包括重金属元素在内。1APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV

28、 REMOTE SENSING 3.43.4覆盖度监测覆盖度监测应用现状应用原理 植被覆盖度植被覆盖度，是描述地表植被分布的重要参数，在分析植被分布影响因素、评价区域生态环境等方面具有重要意义。在农学领域，它也反映农作物对光的截获能力，指示0作物的生长发育和生物产量，是农学所关心的一个重要参数。估测农作物的覆盖度对指导农业生产管理和农业生态系统评价有重要的意义。遥感监测作物覆盖度变化主要分为 2 类：一是通过卫星影像数据，建立光谱植被指数一是通过卫星影像数据，建立光谱植被指数与覆盖度的相关模型；二是通过人工地面采集数字影像，对影与覆盖度的相关模型；二是通过人工地面采集数字影像，对影像进行图像分

29、隔或分类操作，提取覆盖度像进行图像分隔或分类操作，提取覆盖度。通过卫星影像提取覆盖度，受天气影响大，且空间分辨率、时间分辨率常常难以满足作物田块尺度的覆盖度变化研究需求。人工地面采集影像提取覆盖度，大面积范围应用时耗时耗力、效率较低。然而，低空无人机遥感可以弥补原有覆盖度变化监测方法的不足。1 数据与方法1数据获取与预处理传感器无人机平台试验设计数据预处理2分析农作物影像特征病虫害遥感识别和程度区分算法结果分析1区域验证和分析植被指数与阈值确定 覆盖度提取公式APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FI

30、ELD OF UAV REMOTE SENSING 3.43.4覆盖度监测覆盖度监测应用成果-北京市顺义区内某冬小麦田覆盖度监测 试验于 2010 年在北京市顺义区内，地理坐标为N40.21，E116.51。田块面积约为 500 m500 m。小麦种植行距约为 25 cm，正常肥水处理。遥感传感器为美国 Tetracam 公司生产的 ADC Air 冠层多光谱相机冠层多光谱相机。该相机是防水型高质量可见光与近红外相机。在冬小麦播种到成熟过程中，选取选取 5 个主要生育期个主要生育期开展飞行任务以获取相应数据，试验日期与对应生育期如图 所示。1 植被指数阈值法是对影像进行植被和非植被像元识别的有

31、效方法，常见的植被指数有归一化差值植被指数（NDVI）、土壤调整植被指数（SAVI）等，本案例采用本案例采用 土壤调整植被指数土壤调整植被指数SAVI 作为植被和土壤的判作为植被和土壤的判断指标。断指标。本案例的覆盖度是指研究目标范围内植被的平均覆盖率，而非某一像元内植被组分占有的面积比。基于植被指数的分类结果，分别统计研究范围内小麦像元数和土壤像元数，并按式（2）计算作物的覆盖度 FVC。APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.43.4覆盖度

32、监测覆盖度监测应用成果-北京市顺义区内某冬小麦田覆盖度监测 研究区域内冬小麦的覆盖度整体上是逐渐增大，然而，可以发现在开花期（即 5 月 20 日）时，覆盖度却略低于前一生育期。推测光照条件和影像的扭曲程度将在一定程度上影响整个 SAVI 的整体分布。此外缺少实时的 GPS 和姿态数据来对影像进行精确的空间定位与姿态角度纠正。空间的不匹配以及观测角度和仪器噪声等误差也有可能是导致开花期的覆盖度小于抽穗期和灌浆期的原因。进行纠正后，窗口边长大于 100 像元时，单一样方的覆盖度趋于稳定。无人机所获取的低空遥感数据可以提取作物的覆盖度，获取的多时相数据可以用于监测作物覆盖度的变化。然而，该方法也存

33、在明显的不足，即无人机所获取的低空遥感数据可以提取作物的覆盖度，获取的多时相数据可以用于监测作物覆盖度的变化。然而，该方法也存在明显的不足，即需要多时相的对同一地块的观测影像，同时还需要存在植被像元和非植被像元空间分布具有明显的差异的需要多时相的对同一地块的观测影像，同时还需要存在植被像元和非植被像元空间分布具有明显的差异的 2 个观测时期。个观测时期。APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 3.53.5其他其他 无人机影像在农情遥感监测领域的应用

34、具有巨大的优势和广阔的前景，它相比卫星影像具有更高的地面空间分辨率，并能带来卫星遥感所不具有的农作物精细纹理等额外的遥感信息，可以很好地应用于精细农业遥感监测领域可以很好地应用于精细农业遥感监测领域；同时，无人机影像还能很方便地应用于统计某一地区应用于统计某一地区作物的种植结构、作物长势等信息，为大范围农作物种植及长势、产量等信息的计算提供依据。作物的种植结构、作物长势等信息，为大范围农作物种植及长势、产量等信息的计算提供依据。由于基于无人机影像的农情遥感监测起步较晚，需要进一步进行的研究和工作还有很多，包括更高精度的正射影像图的制作和获取、更多类型的影像获取（包括红外、多光谱和高光谱、SAR

35、 等），更多农业方面应用的研究（植被指数、植物识别、产量预测、育种信息、授粉施药植被指数、植物识别、产量预测、育种信息、授粉施药作业、长势评估、灾情监测等作业、长势评估、灾情监测等），这些都是下一步工作的重点。1 产量预测产量预测植被指数植被指数植物识别植物识别育种信息育种信息授粉施药作业授粉施药作业长势评估长势评估灾情监测灾情监测。第 章总结思考04 UAVRSS因其独有优势，将在传统农林作业传统农林作业,工业测量和土地资源调查工业测量和土地资源调查,智慧城市智慧城市,数字考古数字考古,抢险救灾抢险救灾,三维实景三维实景,城市规划，新农村城市规划，新农村建设建设,物流配送物流配送,地理国情监

36、测地理国情监测等应用中保持强势增长与快速拓展,其使用需求和频率将不断加大,这对于完善遥感动态观测体系和服务具有重要意义。而UAVRSS自身及其产业发展还存在诸多亟待考虑和解决的问题,需要从技术，政策等诸多方面予以突破和扶持。1APPLICATION IN THE FIELD OF UAV REMOTE SENSING APPLICATION IN THE FIELD OF UAV REMOTE SENSING 4.4.总结思考总结思考应用更广泛 技术方面，通过建设高水平联合研究中心建设高水平联合研究中心，从飞行平台气动布局与结构设计，材料研发与制造技术，推进系统与能源技术，导航与飞行控制技术，

37、微机电技术$微型高效一体化智能传感器技术，发射与回收技术出发，加强UAVSS的技术进步和生产力跃升,使UAVSS朝小型化朝小型化,自动化自动化,自主化自主化,智能化智能化,模块化模块化,集成化方向深度发展。集成化方向深度发展。同时研究开发高性能的航空遥感数据处理应用系统是发挥其独有优势和广泛应用的基础。应针对数据的特点，在影像校正，拼接，融合，分析等处理中研究新的算法和技术研究新的算法和技术，实现无人机遥感数据的自动，智能，高效的处理。1技术更先进 政策方面，由于民用无人航空遥感主要在低于3km低空空域内作业.应积极吸取国内外经验,在确保地面人员安全的情况下,进一步加快并明确中低空无人遥感业务飞行的指导性法规指导性法规,健全UAVSS飞行保障从业人员的职业能力评价体系和监管体制机制从业人员的职业能力评价体系和监管体制机制,并在无人机航摄安全作业基本要求(等测绘行业标准的基础上,会同其他应用主管部门和机构,分类制定各行业的UAVSS建设内容建设内容,技术标准和考核统技术标准和考核统计指标体系计指标体系等,为无人机遥感市场的有序健康发展提供基本产品质量保障和服务标准.1政策更完善