RGB UAV Imagery for Crop Monitoring and Decision Support in Precision Agriculture

数字化与数据驱动的决策正在改变现代农业，其中对作物状况进行快速、高分辨率评估对于优化田间干预措施至关重要。卫星衍生的归一化差异植被指数（NDVI）等多光谱方法已被广泛使用；然而，其空间分辨率和时间可获得性可能限制了对农田内部细尺度变异的检测。本研究探讨了无人机（UAV）获取的红、绿、蓝（RGB）影像在提供作物状况相关信息方面的能力。研究分析了位于罗马尼亚奥尔特县的两种秋季作物——小麦和油菜。对获取的影像进行摄影测量处理以生成正射镶嵌图，随后提取基于可见光谱的植被指数，即超绿指数（Excess Green Index）和可见光大气阻抗指数（Visible Atmospherically Resistant Index）。两种指数均提供了有关植被状况的有意义信息，其中后者对田内变异表现出更高的敏感性。无人机衍生的超绿指数和可见光大气阻抗指数图揭示了卫星归一化差异植被指数数据中未能同等区分出的空间变异，尤其对小麦作物而言。单独来看，这两种RGB植被指数将每个分析田块约16%的区域归类为脆弱区。这些脆弱区域代表的是基于影像的相对光谱异常，而非经过独立验证的作物生理胁迫、养分缺乏或产量损失指标。经过基于规则的融合并去除孤立检测后，小麦田的21.55%和油菜田的19.75%被识别为空间连贯的脆弱区域。随后将所得地图转换为面向机械的候选干预区，支持了一项示意性模拟，展示如何将空间差异化的田间信息整合到常规农业设备中。这些发现表明，基于无人机的RGB影像可为作物监测提供空间明确的信息，并能够支持识别供后续田间验证和精准农业决策的候选区域。