无人机可搭载的遥感传感器多种多样，可以获取多维度、高精度的农田信息，实现多类农田信息的动态监测。这些信息主要包括作物空间分布信息（农田定位、作物种类识别、面积估算及变化动态监测、田间基础设施提取）、作物生长信息（作物表型参数、营养指标、产量）， 以及作物生长胁迫因子（田间墒情、病虫害）动态等。

农田空间信息

农田空间位置信息包括田块的地理坐标及通过目视判别或机器识别得到的作物分类。通过地理坐标识别出田块边界还可以实现种植面积的估算，传统的方法通过以地形图作为底图进行数字化开展区域规划和面积测算，时效性差，边界位置与实际情况差异巨大且缺乏直观性，不利于精准农业的实施。无人机遥感可以实时获取全面的农田空间位置信息，具有传统方法无可比拟的优势。高清数码相机的航拍影像即可实现农田基本空间信息的识别和判定，空间构型技术的发展提高了农田位置信息研究的精度与深度，在引入高程信息的同时提升了空间分辨率，可实现更精细的农田空间信息监测。

作物生长信息

作物生长状况可以通过表型参数、营养指标以及产量等信息来表征。表型参数包括植被覆盖度、叶面积指数、生物量、株高等。这些参数相互关联、共同表征了作物的长势情况，与最终产量直接相关。在农田信息监测研究中占有主导地位，已经开展的研究较多。

1

作物表型参数

叶面积指数是指单位地表面积上单面绿叶面积的总和，可较好地表征作物对光能的吸收利用，与作物的物质积累和最终产量关系密切。叶面积指数是目前无人机遥感监测的主要作物生长参数之一。以多光谱数据计算植被指数（比值植被指数、归一化植被指数、土壤调节植被指数、差值植被指数等）与地面实测数据建立回归模型是反演表型参数较为成熟的方法。

作物生长后期地上部生物量与产量和品质的关系均很密切。目前农业上用无人机遥感进行生物量估测仍多使用多光谱数据，提取光谱参数、计算植被指数进行建模；空间构型技术在生物量的估算方面有一定优势。

2

作物营养指标

传统的作物营养状态监测需要通过田间取样、室内化学分析，以诊断营养物质或指标(叶绿素、氮素等)的含量，而无人机遥感则依据不同物质具有特异的光谱反射吸收特征进行诊断。叶绿素的监测依据是其在可见光波段有两个强吸收区，即640-663nm的红光部分和430-460nm的蓝紫光部分，而在550nm处吸收很弱。作物缺素时， 叶片颜色、纹理特征均会变化，发掘不同缺素情况对应的颜色和纹理的统计特征及相关特性是营养监测的关键。与生长参数监测类似， 特征波段、植被指数和预测模型的选择依旧是研究的主要内容。

3

作物产量

提高农作物产量是农业活动的主要目标，准确估测产量对农业生产和管理决策部门均有重要意义。众多研究者通过多因素分析试图建立更高预测精度的估产模型。

农田墒情

农田墒情常通过热红外法进行监测。植被高度覆盖区，因叶片气孔的关闭可降低因蒸腾造成的水分损失，使地表潜热通量降低，地表感热通量增加，进而引起冠层温度升高，地表温度可认为是植物冠层温度。由于反映作物能量平衡的水分胁迫指数可量化作物含水量与冠层温度的关系，因此通过热红外传感器获取的冠层温度即可反映农田水分状况；裸土或植被覆盖度小的地区，可以用下垫面温度间接反演土壤水分，其原理是：水的比热大，受热温度变化慢，因此白天下垫面温度的空间分布可间接反映土壤水分的分布。在对冠层温度的监测中，裸露的土壤是重要的干扰因素。有研究者对裸土温度与作物地表覆盖度的关系进行了研究，明确了由裸土导致的冠层温度测量值与真值间的差距，将修正结果用于农田水分的监测，提高了监测结果的精度。在实际农田生产管理中，田间水分渗漏情况也是被关注的重点，已有研究利用红外成像仪监测灌溉渠道水分渗漏，精度可达93%。

病虫害

利用近红外光谱反射率监测植物病虫害，其依据是：叶片在近红外区的反射受海绵组织和栅栏组织控制，健康植物这两种组织间隙充满水分而膨胀，是各种辐射良好的反射体；当植物受害，叶片遭到破坏，组织萎蔫，水分随之减少，红外反射减少直到丧失。

热红外监测的温度也是反映作物病虫害的重要指标。植株在健康条件下，主要通过控制叶片气孔开闭进行蒸腾作用的调节，维持自身温度的稳定；在遭受病害后，会发生病理变化，病原物-寄主互作中病原物对植物的影响，特别是对蒸腾有关方面的影响会决定侵染部分温度的升降。一般而言，植物受感会导致气孔的开张调节失调，因而病变区域的蒸腾作用高于健康区域，旺盛的蒸腾作用会导致感染区域温度的下降，叶面温差较正常叶片高，直到叶片表面出现坏死斑点。坏死部位的细胞完全死亡，该部分的蒸腾作用完全丧失，温度开始升高，但是由于叶片其他部分开始感染，所以叶面温差始终高于健康植株。

其他信息

在农田信息监测领域，无人机遥感数据还有更广泛的应用。如：利用多项纹理特征提取玉米倒伏面积；利用NDVI指数反映棉花成熟期叶片老熟程度，生成的脱落酸施用处方图可有效指导棉花脱落酸的喷施，避免农药过度施用等。根据农田监测与管理的需求，不断挖掘无人机遥感数据信息、拓展其应用领域，是未来信息化、数字化农业发展的必然趋势。