摘要：该文分析了农业信息学的课程设计与本科教学过程中存在的问题，结合近年来课程最新研究内容设计了基于无人机技术的玉米出苗率、叶面积指数、株高、生物量、叶绿素及叶片氮含量监测等6个教学案例，旨在提高学生上课的积极性，培养学生的实践能力和动手能力，推动教学改革，为涉农专业高层次应用型人才的培养提供参考。
关键词：农业信息学；无人机遥感技术；课程案例
1引言
农业信息学作为农业与信息技术一门交叉的新学科与技术深度融合，是作物栽培生理、农业遥感和智能决策等领域的交叉与创新，研究空间大，知识融通性强，有助于将关键技术转化为生产力。其先进的数据获取手段与数据采集方法，拓展了无人机遥感在农作物图像处理、光谱数据分析、光合机理、生理特征、几何形态研究的广度和深度，为作物精准栽培与智慧农业研究方法的创新与发展奠定了理论基础，为现代农业的智能化、定量化，信息化发展提供了重要的技术支持［1-3］。随着无人机遥感监测技术的不断发展，其核心技术如机器学习、深度学习已经开始应用于作物农艺参数监测中，提高了传统农业的生产效率［2］。该技术在农学类专业教学领域的应用不断增加，提高了农业信息技术的教学水平和质量，为我国培养了一批该领域高层次专业人才［3-6］。虽然在教学过程中已取得了一定的成就，但受教师们传统教学的影响，教学中仍存在一定问题，如教师单方面灌输知识［7］，农业信息化教学内容中图像处理，无人机飞行线路规划较为难懂，导致学生难以理解，积极性差，最终教学效果不理想。课堂部分授课内容若让学生自主设计、并参与，定能增加学生积极性，提高教学质量。作物学教学特点就是要求学生去基地实训，通过亲身实践更好地理解课程内容。无人机遥感（UAVRemoteSensing）具有较大的适用性、机动性，技术的快速发展，其搭载数码越来越高分辨率的数码相机，UAV遥感在农业上正成为一种有潜力技术，可用于监测作物农艺参数。目前，UAV在农业领域的应用已经非常普遍，并取得了一系列的成果，在一定程度上推动了农业信息化的发展［8］。然而，由于其包含了作物学、图像处理、无人机飞行操作等较多的知识点，要完成这些实践内容，就要求学生多角度、多层次的掌握综合知识。通过让学生参与基于无人机的作物长势与营养监测的实践探究，可以培养他们的综合能力，提升教学质量，为农业信息化的发展培养基础人才［9］。为了提作物学本科生学习的积极性，笔者结合目前的研究内容基于无人机的玉米生产长势与营养诊断，将该内容设计为6个教学案例，让学生在实践中学习知识，即基于无人机的玉米出苗率、叶面积指数、株高、地上部干物质量、叶绿素值、叶片含氮量监测，旨在推动教学改革，培养学生的实践能力。
2教学案例
2.1基于无人机遥感的玉米出苗率估算。出苗率是玉米大田生产的一个重要指标，及时确定出苗率对于栽培管理决策如补苗、灌水等措施具有重要意义，同时也能预测产量。常规方法评估过程通过人工数苗，费时费力，且容易出现视觉疲劳，造成准确率下降。目前，基于无人机遥感，通过图像分析处理技术，可以快速准确地监测大田作物的早期出苗率。采用Photosacn软件自动将无人机获取的单张高清影像拼接成一个整体，在识别出苗率的研究中，由于最大类间方差法的较好性能可以用于多种作物与作物分割，所以选择最大类间方差阈值分割法分割识别玉米图像。玉米4叶期后叶片之间会有重叠，按照常规计数法会将重叠在一起的几株玉米识别成1株，造成准确率降低。通过几何特征如叶片的长宽比、形态参数可区分识别重叠植株，通过识别重叠区形态特实现玉米植株计数，建立玉米苗期数的回归模型。该方法也可较好地识别杂草，提高出苗率识别的准确性。通过比较基于无人机与人工数苗的差异，可以评估该方法的精确性。
2.2基于无人机遥感的叶面积指数监测。LAI是作物冠层性能及其生长和产量潜力的指标，是栽培和育种研究中重要的先决条件，精准估计LAI对于监测玉米的生长状况尤为重要。无人机遥感作为一种新型非破坏性的测量方法，已被广泛应用于估计作物的LAI，特别是在较大尺度范围下优势明显。在玉米关键生育时期如苗期、拔节期、吐丝期，通过UAV获取冠层数字图像并处理，提取图像红绿蓝（R、G、B）通道值，用于LAI相关性较高的图像色彩参数如G-R，并用公式计算冠层覆盖度CC。以UAV图像提取的色彩参数与大田测量LAI为基础，通过不同回归分析方法，如单变量回归、偏最小二乘估计法以及精确性较高的机器学习方法如回归和随机森林何支持向量机法构建基于UAV的LAI估算模型，并通过R2和RMSE进行模型检验，选出估测LAI的最佳图像参数与回归方法，建立LAI最佳模型，为大面积玉米栽培措施的制定提供科学依据。
2.3基于无人机遥感的玉米株高估算。株高是评价大田作物生长状况的重要的农艺参数，株高的改变对于作物倒伏能力有着重要影响，并影响收获指数，最终影响作物籽粒产量。将基于UAV作物株高监测数据融入作物模型数据同化中，既有利于降低观测成本，也可提高作物（如玉米）的产量估算精度，因此株高是栽培和育种中一个重要的监测指标。通过基于无人机高清遥感图像不同生育时期的生产的数字地面模型DSM相互作差，可以进行玉米株高的提取，在播种后进行试验田裸地图像获取，将根据GPS定位田间获取生成地面坐标基点DSM0，在玉米拔苗期、节期、吐丝期获取无人机影像定义为DSM1、DSM2、DSM3，通过不同生育时期的DSM高度坐标（DSM1、DSM2、DSM3）减去基点（DSM0）即可得出玉米植株高度，通过实测的数据来进行模型精确度评价。
2.4基于无人机遥感的玉米生物量监测。生物量作为作物光合产物积累的最终体现，经常用于反映作物植株长势，产量形成与预测具有决定性意义，及时、准确地获取田间作物大规模作物干物质量，可以为作物精准生产管理提供依据。UAV遥感是获取田间植株生物量行之有效的手段。通过提取数字图像的色彩参数如R、G、B及监测生物量的常用植被指数如超绿植被指数（ExG）和归一化差分指数（NDI）等，以及一些常用纹理参数如能量（ASM）熵（ENT）等。通过相关性分析选出与各生育时期生物量相关性较高的图像色彩与纹理参数，通过逐步回归法与支持向量机回归法对比分析，找出模型精度较高的回归方法，建立并检验基于UAV的玉米生物量的监测模型，为监测玉米生长状况提供相应的方法。
2.5基于无人机遥感的玉米叶绿素含量、叶片氮含量监测。叶绿素值和叶片氮素营养状况是反映作物光合能力及作物营养元素亏缺的主要指标。如何利用数字图像无损监测作物叶绿素值和叶片氮素的营养状况，一直是作物营养状态领域的研究热点。近些年来，UAV已被广泛应用于及时、无损监测作物氮素营养状态，以实现作物精准施肥，提高肥料利用率。通过获取玉米苗期、拔节期、大喇叭口期和吐丝期的冠层图像，并同步测定叶片叶绿素值、含氮量，提取图像中CC、ExG等图像色彩参数，计算图像平滑度、均值、三阶矩等纹理特征。为提高模型精度，通过输入不同组合图像值用R语言进行深度神经网络和卷积神经网络深度学习算法，建立基于图像色彩和纹理参数的氮素营养诊断算法模型。
2.6大田作物系数无人机多光谱遥感估算作物系数快。速获取是大田作物产量等估算的关键，为了解无人机多光谱遥感估算作物系数的可行性和适用性，在教学实践中以宁夏实验站大田玉米、水稻、小麦为研究对象，以土壤、气象等数据为基础数据作为例证，采用气象因子和作物覆盖度校正后的双作物系数法计算不同生长时期与不同水分胁迫的作物系数，并使用自主研发的无人机多光谱系统航拍玉米的冠层多光谱（蓝、绿、红、红边、近红外，475～840nm）影像，给本科生讲解作物不同生长时期（快速生长期、生长中期和生长后期）的几种常用植被指数，如归一化差值植被指数（NDVI）、土壤调节植被指数（SA⁃VI）、增强型植被指数（EVI）、比值植被指数（RVI）、绿度归一化植被指数（GNDVI）等对作物的影响，让学生从光谱的角度深入认识无人机多光谱技术估算作物系数具有一定的可行性。
3小结与讨论
综上所述，无人机遥感已广泛应用于作物栽培和育种领域研究，可有效弥补卫星遥感与地面观测的不足，排除中大尺度监测的异质性。随着现代作物栽培学与新兴学科领域的交叉与融合，作物栽培管理正从传统的模式化和规范化向着定量化和智能化的方向迈进。由无人机遥感技术在农业信息学教学中应用与教学案例设置可以看出，农业信息学课程的最大特点是将典型的信息技术应用于课程设计中去，并对所涉及的技术、研究对象和过程加以数字化应用、信息化感知、动态化模拟等，从而实现农作物信息化管理的定量化与精确化。通过10多年的教改探索和教学实践，本文基本上构建了具有宁夏大学地域特色的农业信息学教学方法和技术提高体系，重点在为涉农专业如农学、植物保护、农业资源利用等专业本科生的农业信息学教学方案与设计提供了有力的帮助，取得了显著的教学成果，实现了基于信息技术体系的涉农本科生农业信息学教学管理方案与优化设计。农业信息学教学和农业信息技术的未来发展将需要深入推进农作物模拟技术、传感技术、决策技术等的交叉融合，在教学过程中不断完善农业信息技术教学方案的精确设计，把农作物生长状况精确诊断、作物生产力精确预测等关键技术不断地增加到教学过程中，加强农业信息软件相关系统和硬件产品的开发应用与示范推广，从而促进现代农业信息学不断向着智慧化方向迈进。农业信息学教学改革将农作物精确栽培技术深度增加到教学过程中，进一步完善了教学内容，以栽培科学与信息科学的交叉为主要特征，将有助于提升涉农专业本科生的认知能力、感悟能力、实践能力。同时，对于作物栽培学的定量化和工程化等具有重要的推动作用，使得现代农科类大学生规范化的步入精确化、科学化栽培时代。然而，农业信息学课程改革还需要不断地进行科学技术与内容创新，在技术与内容创新方面着力关键技术的突破。首先，加强农作物的大量营养元素以及病、虫、草、鼠害等信息的实时性监测及数字化处理教学内容，深化和拓展作物生长生理指标的实时感知和定量诊断等关键技术讲授。其次，教学内容要拓展极端气候环境如高温和低温对作物生长与生产力形成的动态影响及定量模拟内容，构建功能与结构一体化的可视化数字化作物生长虚拟平台，通过平台的展示，让学生获得犹如身临其境的感受。再次，不断完善作物管理知识模型的相关技术与内容，让学生明确作物品种性状、土壤特性、技术指标等关键参数的变化特征和量化方法，促进处方设计与管理调控的精量化和科学化。最后，加强精确栽培技术与空间信息技术的融合的教学内容，实现由点到面、由田块到区域的尺度化跨越，提升教学内容的空间性。在应用开发方面，农业信息学应强化农作物精确栽培技术软件系统和硬件设备的研制开发，注重对产品在教学过程中的应用。在教学过程中，强调学生未来的发展前景，基于农作物精确栽培关键技术，研制开发便携式和机载式作物生长传感设备、基于遥感的作物生长监测与诊断系统、基于模型的数字化农作模拟与设计系统、基于模型和3S的综合性作物智慧管理系统等，为未来作物精确栽培提供工程化产品和实用化平台。打破传统作物栽培“软”技术的标签，促进农艺处方与农机作业的有效结合，实现软件系统与硬件装备的配套应用。同时，加快技术产品在不同区域不同条件下的示范应用，并探索建立不同层次用户的技术应用模式，从而使作物精确栽培技术更快更好地服务于规模化、现代化农业生产。
作者:贾彪 王锐 孙权 贺正 辛明 单位:宁夏大学农学院
