农作物苗期阶段的生长状态和健康状况是作物生命周期中的关键时期，决定了后续生长和产量的潜力,传统苗情获取主要依靠植保员田间抽样调查、手动估算，这种方式主观性强、精确度低且费时费力，难以满足当前农业发展要求。
随着遥感技术的发展，针对大田环境中作物苗情信息人工采集困难、误差大、效率低等问题，无人机具有效率高、成本低、操作灵活、更适合复杂农田环境等特点，不仅克服了人工获取影像数据的困难，还可减少人体接触对农作物的损害，为大范围农情信息获取提供了新的技术手段。
利用无人机一体化系统PhenoAI air对作物进行图像采集并分析数据，为研究作物出苗率、覆盖度、出苗面积、植被指数等苗情苗势信息提供高效监测方法，以期实现作物长势的定量评估，为作物精细化管理提供依据，在现代农业生产中具有重要意义。
实验方法/步骤
步骤一：使用无人机成像系统对作物田块进行图像采集
步骤二：如田块面积过大，可采用Pix4D对图像进行拼接
步骤三：使用PhenoAI air分析系统对图像进行数据分析，仅需点击三步即可（①标记小区②尺度校正③点击分析）
*分析结果自动弹出(精准分割各植被的轮廓标记图及数据汇总表)
结论:
本方案提出的方法可实现大面积作物苗情苗势的快速监测，在中、小尺度范围内，低空无人机遥感克服了人工调查效率低、卫星遥感分辨率不足以及云层干扰等外界条件的限制，在作物生长季，利用PhenoAI air提取作物出苗率(株数)、覆盖度、出苗面积等苗情信息并结合ExG、NDGI、NGRDI等植被指数信息，能客观估测作物的产量。
PhenoAI air是一款集无人机高效采集和图像智能分析为一体的表型采集系统，帮助用户快速测量苗情苗势、抗逆选育等。自动化提取各类大田植物和草业的农艺性状并精准量化表型信息，支持按需选配高光谱、多光谱或可见光相机并均可一键分析，同时分析图表自动化保存，并描出植被轮廓方便用户查看识别精度。支持拓展PhenoAI Flow进行表型数据的深度学习建模和挖掘。
应用场景：
出苗统计、出苗率、出苗密度、面积核算、农场监测、智慧农场、植物表型
指标提取：
- 高光谱(150+指标)：PVI(作物估产)、DCNI(检测植株氮浓度)、NPMI(监测白粉病严重程度)、REFCA(反映植物疾病严重程度)、CARI(监测植被叶绿素含量)、Gitelson(反映植物生理状况)等;
- 多光谱(100+指标)：Red edge(作物估产)、NDVI(检测植被健康程度、抗耐性)、NIR(检测植被水分、氮素、叶绿素含量)、OSAVI(作物出苗初期的植被健康度诊断)、mSR(植物胁迫探测)、LCI(叶绿素和含氮量情况)、RVI(检测和估算植物生物量)等;
- 可见光(50+指标)：小区面积、NDGI(评估植被冠层水氮含量情况、植被光合活性)、NGRDI(评估生物量和养分状况、管理杂草) 、ExG(评估健康程度)、GRVI(监测作物生长)、MGRVI(可反应不同耕作栽培方法对植被的影响)等。
高光谱图像处理流程
https://mp.csdn.net/mp_blog/creation/editor/136878662【教程】基于无人机的苗情苗势信息监测https://mp.csdn.net/mp_blog/creation/editor/139864693