作物生長監測作為農業生產管理過程中至關重要的一環，需要高效精準的監測方法來獲取各類關鍵參數，傳統監測手段，如人工采集、定點觀察往往存在著效率低、誤差大等缺點，而利用無人機技術可以很好的彌補這一缺失。通過搭載傳感器可以精準快速地獲取大量作物圖像和光譜數據，并分析提取各類表型指標，從而評估作物的健康狀況和生長情況。

本文將以無人機一體化分析系統為工具，通過分析示例作物的圖像，獲取與作物生長監測相關度較高的幾個關鍵性指標，并將不同小區進行數值對比，介紹如何使用無人機技術進行作物生長監測。

① 無人機(搭載多光譜、高光譜鏡頭均可)
②PhenoAI air分析系統

方法/步驟

步驟一：無人機飛行進行圖像采集

步驟二：利用拼接軟件對無人機圖像進行影像處理

步驟三：使用PhenoAI air對圖像進行數據分析，僅需點擊三步即可（①標記小區②尺度校正③點擊分析）
*分析結果自動彈出(精準分割各植被的輪廓標記圖及數據匯總表)
結論:

在作物生長監測過程中，葉綠素含量以及不同植被指數是重點監測要素，本文以NDVI、RVI、DVI、GNDVI作為生長監測的標準。通過PhenoAI air系統分析結果的圖表可以看出1號小區的NDVI、RVI、DVI指數均高于2號小區，僅有GNDVI值有細微差距，表明1號小區整體作物長勢優于2號小區。

PhenoAI air是一款集無人機高效采集和圖像智能分析為一體的表型采集系統，幫助用戶快速測量苗情苗勢、抗逆選育等。自動化提取各類大田植物和草業的農藝性狀并精準量化表型信息，支持按需選配高光譜、多光譜或可見光相機并均可一鍵分析，同時分析圖表自動化保存，并描出植被輪廓方便用戶查看識別精度。支持拓展PhenoAI Flow進行表型數據的深度學習建模和挖掘。

健康監測、病蟲害監測、苗情苗勢、脅迫研究、栽培生理......

• 高光譜可提取150+指標：

例如：PVI(作物估產)、DCNI(檢測植株氮濃度)、NPMI(監測白粉病嚴重程度)、REFCA(反映植物疾病嚴重程度)、CARI(監測植被葉綠素含量)、Gitelson(反映植物生理狀況)等

• 多光譜可提取100+指標：

例如：Red edge(作物估產)、NDVI(檢測植被健康程度、抗耐性)、NIR(檢測植被水分、氮素、葉綠素含量)、OSAVI(作物出苗初期的植被健康度診斷)、mSR(植物脅迫探測)、LCI(葉綠素和含氮量情況)、RVI(檢測和估算植物生物量)等

• 可見光可提取50+指標：

例如：小區面積、NDGI(評估植被冠層水氮含量情況、植被光合活性)、NGRDI(評估生物量和養分狀況、管理雜草) 、ExG(評估健康程度)、GRVI(監測作物生長)、MGRVI(可反應不同耕作栽培方法對植被的影響)等
http://www.xrmwt.cn/show1equip.asp?equipid=5234038