导言：

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，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，但这一问题尚未得到系统研究。本文从测高精度要求与数据获取成本双重角度进行评估，能够为不同领域的作物测高方案制定提供参考，从而在保证测高精度需求的前提下合理地选择空间辅助数据。

通过低空无人机遥感基于SfM算法估算作物株高所需要的空间辅助数据包括表示作物高程的DSM、表示土壤高程的DTM、地面控制点GCP以及地面实测株高数据等(图2)。本文比较了不同空间辅助数据组合下油菜株高预测精度，为减少不完备数据下作物高度估算的误差，同时进行了误差分析并据此提出了对应的改进方案优化结果。结果显示在完备数据情况下，株高仍会被低估，通过提高点云密度或者使用实测数据建立回归数据能够有效减小误差(图6)。在DTM数据缺失情况下，地形平坦度会对株高估测产生较大影响，本文通过比较了多种地形数据下株高预测精度，能够为不同地形下的作物测高空间辅助数据选择提供参考依据(图7)。GCP的空间分布和数量会对图像几何校正质量产生影响，而在大田布设GCP需要大量时间和人力，提前确定最优GCP布局可以确保以最小的成本生产出准确数据(图8)。

图2 作物株高估算流程示意图

图6 不同点云密度下油菜高度估算精度比较

图7 缺失DTM情况下地形粗糙度对株高精度影响

图8 不同GCP配置下株高预测精度

针对缺失数据，本文同时提出对应解决方案以在有限空间辅助数据条件下实现株高的最优解算。结果显示，采用完整的空间辅助信息能够得到最佳结果，R²为0.932，RMSE为0.026 m。利用不完备数据获取作物高度，改进方案中的R²可控制在0.445以上，RMSE在0.146 m以下。针对上述结果，文章从精度与成本双重角度评估了不同空间辅助数据组合以及大田环境条件下的株高预测方案(表8)。

表8 多种空间辅助数据组合下作物株高估算精度与成本评价

作者介绍：

论文共同一作分别为华中农业大学资源与环境学院硕士研究生谢田晋和植物科学技术学院博士研究生李继军，论文通讯作者为华中农业大学资源与环境学院张建副教授和植物科学技术学院郭亮教授，合作者包括美国农业部杨成海研究员，华中农业大学硕士研究生蒋钊和陈雅慧。

华中农业大学低空农业遥感团队主要从事低空农业遥感无人机系统研制及应用、基于低空遥感成像平台的作物群体理化信息快速获取与分析以及时序高通量群体冠层表型信息驱动的大田作物长势评价模型研究等方面研究。

来源：

Xie T, Li J, Yang C, et al. Crop height estimation based on UAV images: methods, errors, and strategies. Computers and Electronics in Agriculture, 2021, 185, 106155. https://doi.org/10.1016/j.compag.2021.106155