2021 年 9 月 第 46 卷第 18 期 Vol. 46，No.

18 September，2021

遥感技术在药用植物资源中的应用研究
1 1 1 1 5 1 5* 1，
2，3，
4*
郭静霞 ，张明旭 ，王聪聪 ，张茹 ，史婷婷 ，王新月 ，张小波 ，李旻辉
（ 1． 包头医学院，内蒙古 包头 014040； 2． 内蒙古自治区中医药研究所，内蒙古 呼和浩特 010020；
3． 中药资源学重点实验室，内蒙古 包头 014040； 4． 道地药材蒙古黄芪种植与开发内蒙古自治区
工程研究中心，内蒙古 包头 014040； 5． 中国中医科学院 中药资源中心 道地药材国家
重点实验室培育基地，北京 100700）

［摘要］ 药用植物可持续利用是中医药事业传承的根本，获取药用植物的信息是中医药事业发展的基础。传统调查药用植
物资源的方法，存在主观性强和时效性差等弊端，难以满足实时监测药用植物资源。近年来，遥感技术成为获取药用植物信
息的重要手段，这一技术的应用弥补了传统方法的不足。中分辨率遥感卫星等数据的免费开放，为提取药用植物资源信息的
发展提供了机遇。该研究首先概述遥感技术的原理，对药用植物资源领域中常用的卫星类型、参数进行归纳总结，并将遥感
技术调查方法与传统方法相比较； 其次，论述了遥感技术在药用植物种植信息提取的研究和目前基于遥感技术提取药用植物
种植结构信息的常用方法； 再次，根据生境特点将研究对象分为野生和栽培药用植物后，深入剖析遥感技术在药用植物调查
和监测中的应用； 最后，指出了目前药用植物资源遥感监测中尚需解决的关键技术问题，并就如何实现药用植物遥感大数据
智能化信息处理提出了解决思路，以期为遥感技术在药用植物资源中的衍生应用发展提供参考。
［关键词］ 遥感技术； 药用植物； 种植信息； 深度学习

Application of remote sensing technology in medicinal plant resources

GUO Jing-xia1 ，ZHANG Ming-xu1 ，WANG Cong-cong1 ，ZHANG Ｒu1 ，SHI Ting-ting5 ，WANG Xin-yue1 ，
ZHANG Xiao-bo5* ，LI Min-hui 1，2，3，4*
（ 1． Baotou Medical College，Baotou 014040，China； 2． Inner Mongolia Autonomous Ｒegion Academy of Chinese Medicine，Hohhot
010020，China； 3． Key Laboratory of Ｒesourceology of Chinese Medicinal Materials，Baotou 014040，China； 4． Inner Mongolia
Engineering Ｒesearch Center of the Planting and Development of Astragalus membranaceus of the Geoherbs，Baotou 014040，China；
5． State Key Laboratory Breeding Base of Dao-di Herbs，National Ｒesource Center for Chinese Materia Medica，China
Academy of Chinese Medical Sciences，Beijing 100700，China）

［Abstract］ The sustainable use of medicinal plants is the foundation of the inheritance of traditional Chinese medicine （ TCM） and
the acquisition of information on medicinal plants is the basis for the development of TCM． The traditional methods of investigating me-
dicinal plant resources are disadvantageous in strong subjectivity and poor timeliness，making it difficult to real-time monitor medicinal
plant resources． In recent years，remote sensing technology has become an important means of obtaining information on medicinal
plants． The application of this technology has made up for the shortcomings of traditional methods． The open-access remote sensing data
with medium spatial resolution satellites provide an opportunity for extracting information on medicinal plant resources． This study firstly
introduced the principles of remote sensing technology，summarized the satellites and the parameters commonly used in the field of me-
dicinal plant resources，and compared the survey methods of remote sensing technology with traditional methods． Secondly，it reviewed
the applications of remote sensing technology in the extraction of information on the cultivation of medicinal plants and the common

［收稿日期］ 2021-01-31
［基金项目］ 国家自然科学基金项目（ M1942003） ； 包头医学院花蕾项目（ HL2020033）
* *
［通信作者］ 张小波，博士，副研究员，研究方向为中药资源区划，Tel： （ 010） 64081790，E-mail： jack110007@ 163． com； 李旻辉，教授，研究
方向为中蒙药资源开发利用，Tel： （ 0471） 6262232，E-mail： prof_liminhui@ yeah． net
［作者简介］ 郭静霞，副教授，研究方向为中药资源遥感影像处理，E-mail： 83021508@ qq． com

4689
2021 年 9 月 第 46 卷第 18 期 Vol. 46，No. 18 September，2021

methods for extracting the planting structure information of medicinal plants based on remote sensing technology． Thirdly，the applica-
tions of remote sensing technology in the investigation and monitoring of medicinal plants were further analyzed with the research objects
divided into wild and cultivated medicinal plants according to the characteristics of the habitats． Finally，it pointed out the key unsolved
technical problems in the remote sensing monitoring of medicinal plant resources，and proposed solutions for the intelligent information
processing of medicinal plants based on remote sensing big data，which is expected to provide references for the development of remote
sensing technology in derivative application in medicinal plant resources．
［Key words］ remote sensing technology； medicinal plant； planting information； deep learning
DOI： 10. 19540 / j． cnki． cjcmm． 20210620. 101

药用植物是我国中医药健康事业可持续发展的重要物 物资源的研究应用中积累了丰富的理论基础和实战经验。
［1］
质基础，也是人类防治疾病和社会发展的重要资源 。近年 遥感（ remote sensing） 是指从远处探测、感知被研究目标
来，随着社会的发展，市场对药用植物需求量暴涨，人类对药 的技术，即以“天基”［各种卫星见 （ 表 1） 、航天飞机］、“空
用植物的合理开发和利用的认识不足，导致药用植物骤减。 基”（ 无人机、有人机等航空飞机） 、“地基”（ 地面搭架、汽车、
［6-7］
虽然药用植物是可再生资源，但是由于药用植物的再生周期 船、手持设备等） 为平台 ，运用传感器或者遥感器探测目
较长，生物群落遭到破坏使得野生药用植物再生困难等问题 标地物，获取其辐射、反射或散射等电磁波的信息（ 如磁场、
严重制约了中医药事业的发展。如何科学合理的进行药用 电场、电磁波等信息） ，经过信息处理、知识发现，提取出有用
［8-10］
植物资源的开发利用与保护，缓解药用植物需求和供给之间 的特征信息 ，其集合了空间、电子、光学、计算机、生物学
的矛盾，提升中药健康产业和国际化步伐，成为中医药发展 和地学等学科的最新成就，是当今高新技术领域的重要组成
［11-12］
的关键。传统的药用植物资源的调查主要集中在野外实地 部分 。与此同时，遥感技术正与越来越多的学科相融
［2-3］
调查和历史资料整理 ，此方法研究周期长，工作量大，主 合，而将其应用在药用植物资源领域中，有效地实现了人工
［13-14］
观因素干扰大，缺乏科学性，调查费用高，且不能提供足够详 种植药用植物面积和产量的估算 、动态监测［3］ ，以及野
［15］
细的资料来确定药用植物的范围或地理分布。而遥感技术 生药用植物储量的估算 等，为决策者提供准确地药用植
［16］
以其感测范围广，信息量大，且能快速、无损获取地物信息等 物种植结构信息，有利于科学规划合理种植 ，为实现药用
特点，在药用植物资源调查、生产动态监测、遥感分类与识别 植物资源可持续性利用，经济社会资源和生态平衡保护协调
［4-5］ ［17-19］
等方面的应用取得了显著的成绩 ，为遥感技术在药用植 发展具有重要的意义 。

表1 药用植物遥感研究中常用卫星及其主要参数
Table 1 Satellites and main parameters commonly used in remote sensing research of medicinal plants
卫星名称 卫星型号 传感器类型 波段数量 / 个 空间分辨率 / m 应用时间 / 年份 发射地点
Landsat Landsat-5 MSS / TM 7 30、
120 1984—2011 美国
Landsat-7 ETM+ 8 15、
30、
60 1999—2003（ 故障） 美国
Landsat-8 OLI / TIIＲS 11 15、
30、
100 2013 美国
World View WorldView-2 MSS 8 0. 46、
1. 85 2009 美国
WorldView-3 IＲS / SIＲS 16 0. 3、
1. 24 2014 美国
高分 高分 1 号（ GF-1） PMS / WFV 4 2、
8、16 2013 中国
高分 2 号（ GF-2） PMS / MSS 4 0. 8、
3. 2 2014 中国
高分 4 号（ GF-4） PMI 5 50、
400 2015 中国
高分 6 号（ GF-6） PMS / WFV 4 2、
8、16 2018 中国
资源 资源 3 号（ ZY-3） TDI CCD 4 2. 1、
3. 5、
5. 8 2012 中国

［20］ ［21］
本研究以遥感技术为切入点，对提取药用植物种植结构 信息 ，
它是现代药用植物种植对土地利用的表现形式 ，
［22］
遥感影像信息常用方法进行了阐述，总结了遥感技术在药用 也是科学管理田间和高效利用自然资源的结果 。药用植
植物调查、病虫害监测等领域中的研究成果和特点，提出了 物种植结构遥感影像信息提取主要基于不同类型的药用植物
［23］
遥感大数据智能化信息处理在药用植物未来发展中的潜在 在遥感影像上呈现的光谱、时间和空间特征的差异 ，遥感
［20］
趋势和挑战，以期为遥感技术在药用植物的发展中提供有用 影像信息提取分析主要是基于像素和面向对象 。遥感数
［24］
的理论依据和科研思路及方法。 据具有与大数据相似的特点 ，了解如何处理这些遥感数
1 药用植物种植结构遥感影像信息提取的研究 据，为提高药用植物种植结构遥感影像信息提取的精度提供
药用植物种植结构包括作物类型和空间分布结构等重要 了指导，
为遥感技术在药用植物资源的应用奠定了基础。
4690
 郭静霞等： 遥感技术在药用植物资源中的应用研究

1. 1 基于像素的药用植物种植结构遥感提取的应用 在药用植物种植结构遥感提取中应用较广的机器学习方法
基于像素的药用植物种植结构遥感提取是以像元为基本 有最小距离法 （ MDM） 、支持向量机 （ SVM） 、平行六面体法
单元，
通过 ENVI、ArcGIS、EＲDAS 等软件，对遥感数据模型化 （ PM） 、马氏距离法（ MD） 、最大似然分类法 （ MLC） 、决策树
后的药用植物地表覆盖进行特征提取，参与信息提取的特征 （ DT） 、随机森林（ ＲF） 等监督分类器和主成分分析（ PCA） 等
因子是 像 元 的 光 谱 信 息 或 信 息 增 强 的 植 被 指 数。韦 翡 翡 非监督分类器。其中 MDM、MLC、PCA 等是统计遥感影像记
［25］
等 根据药用植物物候期在光谱上显示的不同特性，利用目 录中药用植物光谱信息，将统计较高的分量用于药用植物分
［32］
视解译的方法提取当归种植结构信息，整体精度为 95. 85%； 类中，此 方 法 实 现 了 对 白 芍 、丹 凤［33］ 、罗 布 麻［34］ 、红
［26］ ［35-37］
白吉庆等 以高分辨率的 ZY-3、GF-1 多光谱多时相遥感影 花 等药用植物种植信息的提取。此外趋向于自动化的
像为数据源，
增强光谱等特征，提取白及种植结构信息，精度 非参数模型对数据无需呈现正态分布假设，而逐渐成为提取
为 92. 62%。虽然提取精度较高，但是由于地物较复杂，作物 药用植物信息的研究的热点，常用的非参数分类器是 SVM、
使得统计工作量较大，对工作人员的专业素养要求
种类繁多， DT、ＲF 等，它们分别完成了对黄精［38］ 、三七［39］ 、裸花紫珠［40］
较高，
并且在多光谱或高光谱图像中，邻近波段之间具有高度 等药用植物种植信息的提取。而药用植物种植模式与其所
［27］
相关性，
会造成大量冗余或重复的信息 ，凭借光谱特征直 处的地形、湿度、气候、土壤、耕种制度等因素紧密相关。因
接采用这些波段进行信息提取会降低提取效率，因此需要先 此，在药用植物种植结构提取中，除像素光谱波段特征外，药
从这些数据中提取出无冗余的有效信息，建立行之有效的自 用植物的统计数据、地形地貌、物候期特征、专家先验知识等
动分类方法，
以提高提取药用植物种植结构信息的效率。 其他非遥感信息作为重要辅助信息参与到药用植物种植结
20 世纪 90 年代机器学习（ machine learning） 蓬勃发展， 构提取以提高分类精度，非参数模型将非遥感信息与遥感影
［32-33］
它是通过多个非线性信息层处理数据拟合模型（ 表 2） 进行 像信息可以在像素层面上有效的协同起来 ，此方法却在
［28-31］
特征提取、分类等任务 ，这一技术的出现提升了基于像 提取影像中复杂特征的效果较差，缺乏一定泛化能力，鲁棒
素的药用植物种植结构遥感提取和地物分类的效率。目前 性不够健壮。

表2 机器学习算法分类及代表方法
Table 2 Classification and representative methods of machine learning algorithms
算法名称 特性 代表方法
监督学习 需要人工在训练数据集上加标签，即 线性回 归 （ liner regression ） 、逻 辑 回 归 （ logistic regression ） 、朴 素 贝 叶 斯 （ Naïve
标识出属性 Bayes） 、高斯判别（ Gaussian discriminant analysis，GDA） 、支持向量机（ support vector
machine，SVM） 、神 经 网 络 （ neural network，NN ） 、K 最 邻 近 法 （ K nearest neighbor，
KNN） 、决策树（ decision trees，DTs） 、随机森林（ random forest，ＲF） 等
无监督学习 无需在数据集上加标签 分层聚类分析（ hierarchical cluster analysis，HCA） 、K 均值法（ K means） 、主成分分
析（ principal component analysis，PCA） 、关联规则学习算法等
半监督学习 人工为少量训练数据集加上标签，或 拉普拉斯支持向量机（ Laplacian SVM） 、协同过滤算法（ collaborative filtering） 、贝叶
为训练数据集加上不确定的标签 斯网络（ Bayesian network） 、马尔科夫随机场（ Markov radom filed） 等
强化学习 无需预先给定训练数据，而需要通过 策略梯度（ policy gradient， Q 学习（ Q learning） 、
PG） 、 深度 Q 网络（ deep Q network） 等
接收环境对动作的反馈获得学习信息

2006 年 HINTON G E 等［41］ 掀起了深度学习（ deep lear- 在遥感影像中会形成特殊的光谱特征

［46］
易于提取。如 FEＲ-
［47］
ning） 的热潮，它是指包含多隐藏层、多感知器的多层结构， ＲEIＲA A 等 在大麻的特殊像素光谱特征基础上，将 CNN、
通过构建一个多层网络，经过计算机自动学习得到隐含在内 VGG 等方法融合为集成算法，对大麻种植信息进行了提取。
［42］
部更抽象、更深层次、更具有表达力的属性和特征 。其经 随着可获取遥感图像数据量的日益增加，分辨率的不断提
典算法是卷积神 经 网 络 （ convolution neural network，CNN） 、 升，设备、计算能力的大幅度提高，深度学习算法的迅速发
AlexNet、VGG、GoogLeNet、ＲesNet 等［43-44］ 神经网络。基于此 展，在遥感大数据中进行药用植物资源信息的智能化提取具
类智能化参数模型（ 数据分布需要呈现正太分布的假设） 学 有很大的发展潜能。
［45］
习的 性 能、鲁 棒 性 和 精 度 显 著 提 升，史 婷 婷 等 利用 1. 2 基于对象的药用植物结构提取的应用
GoogLeNet 提取仿野生种植金银花种植空间信息，整体分类 药用植物种植结构遥感提取的基本原理主要是基于像
精度可达 97. 5%，面积总精度为 94. 6%。但是基于此类智能 素的地物光谱信息，但是由于地物光谱信息受诸多因素影
化模型在提取药用植物种植遥感信息的研究国内外学者鲜 响，存在“同物异谱”或者“异物同谱”的现象，仅利用像元的
［48］
少，而国外学者多是对大麻的研究，究其原因一方面是该药 光谱特征来确定像元归属的类别容易造成误判 ，所以部
用植物的特殊性； 另一方面是大麻叶有一种独特的翠绿色， 分学者们开始将面向对象的影像分析技术应用在药用植物
4691
2021 年 9 月 第 46 卷第 18 期
结构提取的研究中。
面向对象的遥感影像分析方法通过多尺度分割将影像
分割为多个具有相同属性特征的均质单元即对象，再引入一
定的纹理特征或者数学规则以提升获取药用植物种植布局
与分布情况精度。面向对象的分析方法的基本单元不再是
单个像元，而是一个个均质的单元，它充分利用了图像的光
谱统计特征以及地物的形状、大小、纹理、相邻关系等一系列
［49］
信息 ，在药用植物种植结构信息提取研究中发挥了重要
作用，解决了较为破碎的问题。如黄文静等
分别在 GF-1、ZY-3 的数据支持下，根据多尺度分割的原则，
采用面向对象方法将 NDVI 和地物光谱特征融合参与提取
大枣和人参种植信息。此外，多种方法融合后提取药用植物
［52］
种植信息更是一种趋势，如汪娟等
在光谱上显示的不同特性，以多源多时数据（ 不同时间段、不
同卫星源的数据） 为数据源，利用面向对象方法结合目视解
译提取出园参种植信息。
药用植物具有地表覆盖面低，种植面积相对破碎且是多
年生植物等特性，会在遥感影像中呈现出不同的光谱和空间
特征，如何根据药用植物的特性合理的进行遥感影像分析，
有效地选择具有差异性的分类器，融合多种方法充分挖掘出
遥感影像中的特征，是提高药用植物种植结构提取和分类性
能的重点与难点，同时也是遥感技术在药用植物资源广泛应
用的前提。
2 遥感技术在药用植物资源领域中的应用
药用植物资源调查主要包括药用植物资源分布、测算面
［53］
积和估算储量等 。传统的药用植物资源调查需野外实地
调查与历史资料整合并综合分析后，确定每种药用植物资源
的产量和蕴藏量。这样的调查方法成本高、效率低，且受主
观因素干扰，缺乏一定的客观性和科学性，调查结果仅限于
蕴藏量和采收量等文字描述或地图展示的静态表现方式，而
药用植物资源受生态环境变化等因素的影响，是一个动态变
化的过程，因此仅依赖传统方法已不能客观反应药用植物资
源的变化情况。随着遥感技术的不断推广和应用，遥感技术
凭借目标探测范围广、获取信息速度快、周期短、信息量大、
获取信息不受地面条件限制、观测时效性高，大大降低了传
统人工野外资源调查中人为造成的误差，提高了调查数据的
客观性、科学性和准确性，并在野生和栽培
调查中应用广泛，且为遥感技术对药用植物资源进行病虫害
监测提出可能的方向和思路。
2. 1 在野生药用植物资源调查中的应用
野生药用植物资源是指在一定区域范围内分布的非人
工种植的各种药用植物，根据其在地理上分布的特征划分为
野生大量分布药用植物资源、野生稀有种药用植物资源、特
［55］
殊生态环境药用植物资源 。野生药用植物资源的调查可
以反映当地野生药用植物的种类、数量及分布情况，为野生
药用植物资源的可持续发展、资源保护以及野生药用植物进
4692
Vol. 46，No. 18 September，2021
行栽培提供一定的科学依据。我国地域辽阔，气候类型多
样，拥有着复杂多样的生态系统，在这些不同的生态环境下
生长的野生药用植物具有种类繁杂、蕴藏量动态变化、形成
周期不确定、分布广泛且碎片化的特点。若只依赖现场调
查、路线调查、访问调查和野外样方调查等传统方法调查，不
仅增加了野生药用植物资源调查工作难度系数，而且数据缺
乏时效性、准确性、可靠性。2001 年，遥感技术被中国医学科
学院药用植物研究所首次运用调查大面积分布的野生药用
［50］
、史婷婷等［51］ 植物资源
［56］
，为野生药用植物资源调查提供了思路。张本
［57］
刚等 以野生甘草为研究对象，采用 Landsat7 的 ETM+遥感
图像为数据源进行资源调查，利用 ArcGIS 软件进行面积估
算，根据甘草 的 植 被 指 数 （ NDVI） 完 成 储 量 估 算。刘 金 欣
［58］
根据药用植物物候期 等 以内蒙古地区野生黄芩为研究对象，采用 3S 技术和分
层实地调研相结合的方法展开资源调查，估算出内蒙古地区
野生黄芩的总资源储量，为遥感技术实时监测野生药用植物
资源提供了重要参考。
野生稀有种药用植物资源的地理分布不是单一种群或
优势种群的集中分布，而是分布在不同的植物群落中，在地
理位置上分布较为分散，因其特殊性使得遥感监测上具有一
定的难度，在已有的药用植物资源调查研究中，少有调查单
［59］
个野生稀有种。2008 年，孙宇章等 对野生茅苍术进行资
源量监测，以 Landsat5 的 TM 遥感图像为数据源，通过遥感监
测环境，结合实地调查，估算了茅苍术的资源量。
野生特殊生态环境药用植物资源是指野生状态下生境
独特的药用植物资源，需要根据不同生境、不同生长习性进
行监测。例如沙漠里的寄生植物肉苁蓉、水生中药莲、以及
茯苓 （ 一 种 寄 生 在 红 松 类 植 物 根 部 的 菌 类 常 用 中 药 材 ）
［60］
等 ，需根据其自身的特点和生长环境的特殊性，采取合
理、
有效的资源调查方法进行监测。因为该类药用植物生长
环境的特殊性，遥感技术对其监测研究尚在理论探索阶段，
需要进一步的实践验证。
2. 2 在栽培药用植物资源调查中的应用
栽培药用植物资源的调查主要是蕴藏量、产量、需求量、
面积等的估算以及药用植物分布区域上的研究。栽培药用
植物多集中分布，且大多记录备案，对其进行资源调查比野
生药用植物资源较容易。对栽培类药用植物资源进行调查
［54］
药用植物资源 研究、种植面积测算以及储量估算，可以避免盲目引种栽培，
为指导栽培基地科学合理选址提供理论依据。目前以遥感
技术为核心在栽培药用植物资源调查方法主要有 3S 技术和
无人机低空遥感技术（ unmanned aerial vehicle low altitude re-
mote sensing system，UAVＲS） 等。
2. 2. 1 遥感技术在栽培药用植物资源调查中的应用 遥感
技术在栽培药用植物资源调查中，通常会与地理信息系统
（ GIS，空间信息管理和分析的最强大的工具） 和全球定位系
［8］
统（ GPS，空间定位系统） 相结合，被称为 3S 技术 。它们以
快速、经济、方便等特点，在栽培药用植物资源调查及监测方

面显示出极大的优势。周应群等
用 3S 技术对文山州的 4 个主要种植区进行调查，估算出三
七资源分布面积与储量。朱寿东等
县内人工栽培的川续断为研究对象，以遥感图像图为基底，
［63］
估算出储量。潘荟交等
种植地为研究对象，采用 7、
8 月份的 TM、ETM 遥感图像图为
数据源，通过 ArcGIS、EＲDAS 等软件进行分类，最终计算出
种植的面积。近年来，遥感技术主要对陆生药用植物资源进
行监测研究居多，鲜有对特殊生境如水生药用植物的遥感监
测，常规的传统调查方式是通过布设样带、样方的实地调查
方式进行，由于水生药用植物受水体和水草等因素的影响监
［64］
测较为复杂。吴啟南等
过不同时间水生药用植物芡实生长状态的变化，对其种植区
域进行监测，拓宽了遥感技术在栽培药用植物资源调查的范
围，同时为监测特殊生境药用植物的调查提供了一种新的思
路和方法。
2. 2. 2 UAVＲS 在栽培药用植物资源调查中的应用
VＲS 是指利用无线电遥控设备和自备的程序控制装置操纵
的非载人飞机（ 主要是固定翼机、多旋翼机、直升机等） 的遥
感平台上，通过携带相应的传感器（ 普通高清相机、高光谱成
像仪、可见光相机、多光谱相机、热红外相机、激光雷达等） ，
来获取所需的高分辨率遥感影像数据
发展，无人机数据传输和处理逐渐走向成熟，广泛应用在精
准农业、农业植保、灾害监测、自然资源监测、城市规划、和航
拍等领域，各国都在积极探索并拓展 UAVＲS 的行业应用与
［67］
关键技术的发展 。BENDIG J 等［68］ 利用 UAVＲS 测大麦的
［69］
生物量； CHOI S K 等 对沙丘的部分植被覆盖进行了估算。
传统卫星遥感在采集中小尺度耕地信息时，因不可避免的受
云层、天气等诸多因素的影响，降低时空分辨率，造成数据效
果不理想的问题，而传统的以有人机为平台的航空遥感需要
专业的机场设施、飞行人员等，成本价高
近年来，UAVＲS 作为新型遥感技术很好地弥补了卫星
遥感和有人机航空遥感的不足，较适合中小尺度范围和高频
率的资源调查研究，可以完成实时监测等任务
者开始尝试利用 UAVＲS 进行栽培药用植物资源调查，如史
［72］
婷婷等 通过无人机搭载禅思 X5S 数码相机作为传感器采
集数据，对裸花紫珠种植面积和种植区域等信息进行监测，
得出裸花紫珠主产区种植面积约为 1 739. 87 亩（ 1 亩≈667
m2 ） ，无人机监测精度为 94. 14%； 张飞等［14］ 以 UAVＲS 获取
的数据和多源（ GF-2、ZY-3） 多光谱遥感图像为数据源，对艾
和丹参的种植面积等信息的提取，用户精度分别是 97. 99%、
94. 19%。栽培药 用 植 物 具 有 分 布 破 碎、种 类 繁 多 的 特 点，
UAVＲS 凭借操作简单、灵活方便、分辨率高
区域内高分辨率影像等优势
并且 UAVＲS 平台构建容易、运行成本低、获取数据实时快
［75］
速、作业周期短 ，有助于及时准确地获取药用植物资源动
郭静霞等： 遥感技术在药用植物资源中的应用研究
［61］
以三七为研究对象，运 态变化的信息，弥补了卫星遥感对地监测效率低的不足，实
现对药用植物的动态监测。
［62］
以贵州省黔南州龙里 随着 UAVＲS 的发展，无人机数据传输和处理逐渐走向
成熟，利用 UAVＲS 获取药用植物的遥感信息对研究区域内
以四川省甘孜州泸定县的波棱瓜 的药用植物进行分布面积、种类、储量、病虫害等数据进行采
集，可以有效的提升采集数据的准确性和实时性，同时扩展
了以卫星遥感为主的药用植物资源研究的应用范围，为 UA-
VＲS 未来在野生药用植物资源的研究积累了经验。
2. 2. 3 在栽培药用植物资源病虫害监测中的应用 植物病
［76-77］
虫害严重威胁到世界农业和林业的发展 ，调查病虫害发
生地点、范围和严重程度对保护植物至关重要，这也是药用
采用多源、多时卫星遥感数据，通 植物资源引种栽培时亟需解决的问题。不同类型的药用植
物资源会遭受不同病虫害的侵袭，而引起药用植物资源不同
的受损症状，主要集中在外部形态和内部生理 2 种变化形
［78］
式 ，即作物的叶片枯萎、落叶、倒伏等现象和作物病虫害
［79］
的光谱响应 。传统的作物病虫害田间侦察劳动密集、效
UA- 率低下等缺点，遥感技术以其高效和经济等优势作为粗尺度
［80］
植物病虫害监测的关键技术补充 ，可及早预测诸如小麦
［81］
黄锈病、茶树叶的炭疽菌、水稻白叶枯病及各种虫害 。目
前遥感 技 术 在 农 作 物 病 虫 害 监 测 中 已 被 广 泛 应 用，如
FＲANKE J 等［82］ 通过 QuickBird 采集 3 个时间段内包含冬小
［65-66］
。随着 UAVＲS 的 麦所有可能感染白粉病和叶锈病的高分辨率多光谱图像，进
行了时空动态分析，研究发现，高分辨率多光谱数据可以用
［83］
于早期检测作物感染。ZHANG J 等 开发测试了一种基于
多光谱卫星遥感数据的虫害测绘方法，在我国河北省唐山市
粘虫爆发事件中成功应用。基于植物病虫害光谱响应生理
机制的原则，UAVＲS 以灵活便捷、传输实时数据等优势，应
［84-85］
用在作物病虫害时空监测中 。DASH J P 等［86］ 利用无
人机搭载 ＲedEdge 多光谱相机收集时间序列多光谱图像，结
果表明，无人机的多光谱图像提供了一种有效的监测森林病
［70］ ［87］
。 虫害方法。兰玉彬等 利用无人机搭载 Nano-Hyperspec 微
型机载高光谱成像仪收集低空高光谱遥感图像，对柑橘果园
进行监测，有效的防治了柑橘黄龙病。病虫害检测是一个动
［71］
。一些学 态过程，基于作物病虫害光谱响应原理，可以通过卫星遥感
多时相的影像信息反映出药用植物被病虫害侵袭后的变化
特征，借助 UAVＲS 时空分辨率高且方便灵活的优势，可以实
时进行病虫害监测。因此，将遥感技术在农作物方面的应用
引入药用植物资源的研究是切实可行的，并且可以有效防治
药用植物资源病虫害大面积蔓延，为预防病虫害的发生提供
科学可行的预案，从而可以降低损失，提高产量。从长远角
度看，利用遥感技术监测药用植物资源病虫害前景广阔。
3 展望
［73］
，快速获取小 药用植物的固有特性使得遥感成为监测和管理药用植
［74］
，可以很好地解决此类问题， 物资源较为理想的技术，这些特性包括药用植物覆盖度低，
栽培类药用植物种植面积相对破碎（ 如大面积玉米、小麦等
农作物） ，而野生药用植物就可能更为零碎，且种类繁杂，传
4693
2021 年 9 月 第 46 卷第 18 期 Vol. 46，No. 18 September，2021

统的野外实地调查费时、费力、费钱，促使了遥感技术在药 保护与可持续利用的几点思考［J］． 时珍国医国药，2017，28

用植物资源调查中的应用； 人类活动和自然环境会对药用 （ 3） ： 700．

植物造成不同程度的影响，需要及时和准确的监测信息； 大 ［2］ 孙红梅． 遥感技术与中药资源普查［J］． 基础 医学 与临床，

28（ 2） ： 127．
2008，
多药用植物是多年生草本植物，在不同的时节有不同的生
［3］ 孙宇章，黄璐琦，郭兰萍，等． 遥感技术在中药资源调查中的
长发育阶段，会在遥感影像中呈现出不同的光谱特征和空
应用［J］． 中国现代中药， 8（ 9） ： 7．
2006，
间特征。
［4］ 施益强，陈崇成，陈玲． 遥感技术在环境资源中的应用进展与
近年来，遥感技术凭借其获取信息速度快、周期短、信息
展望［J］． 国土资源遥感， 14（ 4） ： 7．
2002，
量大等优势被逐步应用在药用植物资源调查、适生性区划、 ［5］ 刘海启，金敏毓，龚维鹏． 美国农业遥感技术应用状况概述
［88］
蕴藏量估算等方面，呈现出良好的发展前景 ，但在药用植 ［J］． 中国农业资源与区别， 20（ 2） ： 56．
1999，
物资源研究中仍存在着一些不足。第一，数据获取。卫星遥 ［6］ 曹克晶． 遥感技术在农业中的应用与发展［J］． 南方农机，
感数据有时受到云层、恶劣天气、轨道周期、分辨率等影响， 48（ 17） ： 50．
2017，
造成数据污染，降低了遥感观测性，增加了遥感观测的时空 ［7］ 孙蓉桦． 遥感图像景观分类信息提取方法研究［D］． 杭州： 浙
不连续性，UAVＲS 凭借其灵活、方便快捷、获取数据成本不 江大学，
2005．

高、且可以实现云下低空飞行等优点弥补了这一不足
［75］
，为 ［8］ 梅安新． 遥感概论［M］． 北京： 高等教育出版社，
2001．
［9］ 郭兰萍，黄璐琦，吕冬梅，等． 基于 3S 技术的中药道地药材空
今后的研究提供了思路。第二，精度提升。对于药用植物多
间分析数 据 库 的 构 建 及 应 用［J］． 中 国 中 药 杂 志，2007，32
年生草本植物和分布零碎的特点，单源遥感数据不能全面地
（ 17） ： 1821．
反映药用植物在不同时空尺度上的特征，提取药用植物信息
［10］ 刘金欣，刘鑫欣，高路，等． 数字地球技术在中药资源研究中
精度不高。可以采用图像融合技术，即多源多时遥感数据的
的应用［J］． 中国中药杂志， 36（ 3） ： 243．
2011，
融合。多源遥感数据的融合可以提升遥感影像的空间分辨 ［11］ 陈博明． 遥感技术在生态环境监测及执法中的应用进展［J］．
率，多时遥感数据的融合能够提升时间分辨率，提高对地重 矿冶工程， 40（ 4） ： 165．
2020，
复观测的频率，有利于捕获药用植物遥感信息最佳时相，同 ［12］ 庞治国，蔡 静 雅． 遥 感 影像发 展趋势 及其在 农业 中 的 应 用
时提高刻画药用植物生长发育全过程的能力。第三，数据处 ［J］． 测绘通报，
2017（ 7） ： 45．
理。随着可获取遥感数据量的不断增加，呈现出遥感大数据 ［13］ 陈士林，张本刚，张金胜． 人参资源储藏量调查中的遥感技术
的趋势，如何有效的从高低分辨率影像上提取光谱、空间、时 方法研究［J］． 世界科学技术（ 中医药现代化） ，2005，7（ 4） ：

间、结构和纹理特征的同时，最大限度地捕捉其蕴含的细节 37．
［14］ 张飞，景志贤，纪宝玉，等． 基于无人机低空遥感与卫星遥感
信息，未来的研究可以结合深度学习这一技术进行下一步的
的洛宁县中药资源种植面积估算研究［J］． 中国中药杂志，
探索。
44（ 19） ： 4095．
2019，
4 结论
［15］ 孙宇章，郭兰萍，朱文泉，等． 道地药材茅苍术的资源遥感监测
遥感已逐渐成为药用植物资源应用发展的主要技术，本
［J］． 中国中药杂志， 33（ 4） ： 353．
2008，
研究从遥感技术在药用植物资源调查和病虫害监测 2 个方 ［16］ OZDOGAN M． The spatial distribution of crop types from MODIS
面，
分析了遥感技术在药用植物资源分布、面积的计算、储量 data： temporal unmixing using independent component analysis
的估算等方面的研究进展，阐述了基于遥感技术提取药用植 ［J］． Ｒemote Sens Environ， 114（ 6） ： 1190．
2010，
物资源种植结构信息的方法。作者发现近年来遥感技术在 ［17］ 牛江涛，曹瑞，杨韬，等． 基于中药资源普查经历对中药资源
药用植物资源应用发展迅速： 第一，数据的获取向“天空地” 保护与可持续利用的几点思考［J］． 时珍国医国药，2017，28
一体化发展，使得数据源更加的精准； 第二，运用低空遥感技 （ 3） ： 700．

术调查药用植物资源，有助于药用植物资源的动态监测及精 ［18］ 申红梅． 论中药资源可持续发展的现状与未来［J］． 中国卫

生产业， 15（ 8） ： 192．
2018，
细田间管理； 第三，研究方法已由最初的人工野外调查，向借
［19］ 刘昌孝． 从中药资源-质量-质量标志物认识中药产业的健康
助遥感技术探测目标发展，避免人为因素干扰； 第四，提取药
发展［J］． 中草药， 47（ 18） ： 3149．
2016，
用植物种植结构信息已由人工判读解译开始向深度学习技
［20］ 宋茜． 基于 GF-1 / WFV 和面向对象的农作物种植结构提取方
术发展，减少了不必要的人力、物力的消耗； 第五，在分析病
法研究［D］． 北京： 中国农业科学院，
2016．
虫害监测时，提出了可以使用 UAVＲS 对药用植物资源进行 ［21］ LI Z，XIONG F． Extraction of crop planting structure in county
病虫害实时监测。本研究在综述国内外最新前沿成果的同 based on multi-temporal images of sentinel-2［J］． IOP Conf Ser
时，立足我国药用植物资源发展的新需求，为提升我国遥感 Earth Environ Sci， 632（ 5） ： 52031．
2021，
技术在药用植物资源进一步研究提供一定的参考。 ［22］ WU W，YU Q，PETEＲ H，et al． How could agricultural land sys-
［参考文献］ tems contribute to raise food production under global change？
［1］ 牛江涛，曹瑞，杨韬，等． 基于中药资源普查经历对中药资源 ［J］． J Integr Agric， 13（ 7） ： 1432．
2014，

4694
 郭静霞等： 遥感技术在药用植物资源中的应用研究

［23］ JOSÉ M，PEA A，PEDＲO M，et al． Object-based image classifica- ［43］ KＲIZHEVSKY A，SUTSKEVEＲ I，HITTON G，et al． ImageNet
tion of summer crops with machine learning methods［J］． Ｒemote classification with deep convolutional neural networks［J］． Com-
6（ 6） ： 5019．
2014，
Sens， 60（ 6） ： 84．
mun ACM，2017，
［24］ 张明旭，陈元，席琳图雅，等． 中药资源大数据的应用与展望 ［44］ HUANG G，LIU Z，LAUＲENS V，et al． Densely connected convo-
［J］． 农业大数据学报， 3（ 1） ： 14．
2021， lutional networks［C］． Honolulu，HI，USA： IEEE Conf Comput
［25］ 韦翡翡，吕蓉，何微微，等． 基于遥感技术进行渭源县当归种 Vis Pattern Ｒecognit，
2017．
植分布信 息 提 取 研 究［J］． 中 国 中 药 杂 志，2019，44 （ 19 ） ： ［45］ 史婷婷，张小波，郭兰萍，等． 基于深度卷积神经网络的仿野
4125． 生种植金银花遥感识别方法研究［J］． 中国中药杂志，2020，
［26］ 白吉庆，高速，王鹏飞，等． 基于多时相遥感图像宁陕县中药 45（ 23） ： 5658．
白及种植 区 域 提 取 及 面 积 测 算 研 究［J］． 中 国 中 药 杂 志， ［46］ WALTHALL C，DAUGHTＲY C，PACHEPS K Y，et al． Detection
44（ 19） ： 4129．
2019， of illegal cannabis cultivation using remote sensing［C］． Osaka：
［27］ 朱文 泉，林 文 鹏． 遥 感 影 像 数 字 图 像 处 理———原 理 与 方 法 IEEE Int Symp Geosci Ｒemote Sens，
2006．
［M］． 北京： 高等教育出版社，
2015． ［47］ FEＲＲEIＲA A，FELIPUSSI S C，PIＲES Ｒ，et al． Eyes in the
［28］ 李颖，陈怀亮． 机器学习技术在现代农业气象中的应用［J］． skies： a data-driven fusion approach to identifying drug crops from
应用气象学报， 31（ 3） ： 257．
2020， remote sensing images［J］． IEEE J Sel Top Appl Earth Obs Ｒe-
［29］ AUＲÉLIEN G． Hands-on machine learning with scikit-learn and 2019，doi： 10. 1109 / JSTAＲS． 2019. 2917024．
mote Sens，
tensorflow： concepts，tools，and techniques for building intelligent ［48］ 约翰 Ｒ·詹森． 遥感数字影像处理导论［M］． 陈晓玲，张展，侯
systems［M］． Sebastopol： O'Ｒeilly Media，
2017． 姣，等译． 北京： 机械工业出版社，
2018．
［30］ WITTEN I H，FＲANK E，HALL M A． Data mining： practical ma- ［49］ DENNIS C，DUＲO A，STEVEN E，et al． A comparison of pixel-
chine learning tools and techniques［M］． Cambridge： Morgan based and object-based image analysis with selected machine
Kaufmann，
2016． learning algorithms for the classification of agricultural landscapes
［31］ 王聃，柴秀娟． 机器学习在植物病害识别研究中的应用［J］． using SPOT-5 HＲG imagery［J］． Ｒemote Sens Environ，2012，
中国农机化学报， 40（ 9） ： 171．
2019， 118（ 6） ： 259．
［32］ 杨莓，陈灵丽，张小波，等． 基于 ZY-3 号卫星数据的白芍种植 ［50］ 黄文静，蔡兴航，张严磊，等． 基于面向对象分类法的陕西佳
信息遥感提取［J］． 中国中药杂志， 44（ 19） ： 4101．
2019， 县大枣种植面积提取研究［J］． 中国中药杂志， 44（ 19） ：
2019，
［33］ 尹旻臻，解会群，程铭恩，等． 基于遥感图像的凤丹种植面积 4116．
提取方法研究［J］． 中国中药杂志， 44（ 19） ： 4107．
2019， ［51］ 史婷婷，张小波，曲晓波，等． 基于面向对象分类的人参种植
［34］ 刘心云，郑江华． 基于分形纹理特征的新疆罗布麻遥感分类 分布信息提取研究———以抚松县为例［J］． 中国中药杂志，
［J］． 中山大学学报（ 自然科学版） ， 58（ 1） ： 22．
2019， 42（ 22） ： 4353．
2017，
［35］ 娜仁花，郑江华，郭宝林，等． 基于 PCA 和纹理特征的红花种 ［52］ 汪娟，张小波，史婷婷，等． 基于多源多时相卫星遥感数据的
植面积遥感估算［J］． 中国中药杂志， 38（ 21） ： 3681．
2013， 长白县园参栽培区域和动态变化研究［J］． 中国中药杂志，
［36］ 娜仁花，郑江华，郭宝林，等． 高分辨率影像在野生药用植物 44（ 19） ： 4090．
2019，
宏观监测中的应用评价———以罗布麻为例［J］． 中国中药杂 ［53］ 刘金欣，潘敏，李耿，等． 3S 技术在药用植物资源调查研究中
志， 39（ 10） ： 1777．
2014， 的应用［J］． 中草药， 47（ 4） ： 695．
2016，
［37］ 娜仁花，郑江华，郭宝林，等． 资源三号卫星在野生罗布麻宏 ［54］ 孙宇章，郭兰萍，朱文泉，等． 不同生态环境类型药用植物资
观监测中的应用评价［J］． 新疆农业科学， 51（ 3） ： 497．
2014， 源的遥感监测方法［J］． 中国中药杂志， 32（ 14） ： 1490．
2007，
［38］ 陈灵丽，史婷婷，尹旻臻，等． 基于资源三号数据的多花黄精 ［55］ 马卫峰，张小波，郭兰萍，等． 基于空间信息技术的野生广布
大田种植 区 域 提 取 方 法 比 较［J］． 中 国 中 药 杂 志，2021，46 种药用植物资源蕴藏量估算方法研究［J］． 中国中药杂志，
（ 2） ： 267． 38（ 8） ： 1130．
2013，
［39］ 史婷婷，张小波，郭兰萍，等． 基于决策树模型的文山三七种 ［56］ 周应群，陈士林，张本刚，等． 基于遥感技术的三七资源调查
植面积估 算 方 法 研 究［J］． 中 国 中 药 杂 志，2017，42 （ 22 ） ： 方法研究［J］． 中国中药杂志， 30（ 24） ： 1902．
2005，
4358． ［57］ 张本刚，陈士林，张金胜，等． 基于遥感技术的甘草资源调查
［40］ 史婷婷，张小波，郭兰萍，等． 基于 WorldView-3 影像特征空间 方法研究［J］． 中草药， 36（ 10） ： 112．
2005，
优化的随机森林算法在裸花紫珠信息提取中的研究［J］． 中 ［58］ 刘金欣，卢恒，曾燕，等． 基于 3S 技术的京津冀地区野生黄芩
国中药杂志， 44（ 19） ： 4073．
2019， 资源储量调查研究［J］． 中国中药杂志， 37（ 17） ： 2524．
2012，
［41］ HINTON G E，SALAKHUTDINOV Ｒ Ｒ． Ｒeducing the dimensio- ［59］ 孙宇章，郭兰萍，朱文泉，等． 道地药材茅苍术的资源遥感监
nality of data with neural networks［J］． Science，2006，313 测［J］． 中国中药杂志， 33（ 4） ： 353．
2008，
（ 5786） ： 504． ［60］ 孙宇章，黄璐琦，郭兰萍，等． 遥感技术在中药资源调查中的
［42］ 田启川，王满丽． 深度学习算法研究进展［J］． 计算机工程与 应用［J］． 中国现代中药， 8（ 9） ： 7．
2006，
应用， 55（ 22） ： 25．
2019， ［61］ 周应群，陈士林，张本刚，等． 中药资源调查方法研究［J］． 世

4695
2021 年 9 月 第 46 卷第 18 期 Vol. 46，No. 18 September，2021

界科学技术（ 中医药现代化） ， 10（ 6） ： 130．

2005， aerial vehicle-based remote sensing for rangeland assessment，mo-
［62］ 朱寿东，刘慧平，黄璐琦，等． 栽培药材川续断地上部分体积 nitoring，and management［J］． J Appl Ｒemote Sens， 3（ 1） ：
2009，
估算的最优样方选择［J］． 植物生态学报， 36（ 2） ： 151．
2012， 33542．
［63］ 潘荟交，毛欢，彭文甫，等． 基于遥感与 GIS 技术的中藏药波 ［76］ OEＲKE E． Crop losses to pests［J］． J Agri Sci，2006，144（ 1） ：
棱瓜种植面积估算———以泸定县冷碛镇、兴隆镇为例［J］． 中 31．
国中药杂志， 39（ 16） ： 3018．
2014， ［77］ OUMAＲ Z，MUTANGA O． Using WorldView-2 bands and indices
［64］ 吴啟南，郝振国，段金廒，等． 基于多源卫星遥感影像的水生 to predict bronze bug （ Thaumastocoris peregrinus ） damage in
药材芡实遥感监测方法研究［J］． 世界科学技术（ 中医药现代 plantation forests［J］． Int J Ｒemote Sens， 34（ 6） ： 2236．
2013，
化） ， 19（ 11） ： 1787．
2017， ［78］ 李玮． 农业病虫害监测中高光谱遥感技术应用研究进展［J］．
［65］ 王猛，隋学艳，梁守真，等． 利用无人机遥感技术提取农作物 2019（ 14） ： 126．
现代农业科技，
2020（ 3） ： 177．
植被覆盖度方法研究［J］． 作物杂志， ［79］ 黄文江，刘林毅，董莹莹，等． 基于遥感技术的作物病虫害监
［66］ WATTS A C，AMBＲOSIA V G，HINKLEY E A． Unmanned air- 测研究进展［J］． 农业工程技术， 38（ 9） ： 39．
2018，
craft systems in remote sensing and scientific research： classifica- ［80］ ANNE-KATＲIN M． Plant disease detection by imaging sensors-
tion and considerations of use［J］． Ｒemote Sens，2012，doi： parallels and specific demands for precision agriculture and plant
10. 3390 / rs4061671． phenotyping［J］． Plant Dis， 100（ 2） ： 241．
2015，
［67］ 彭要奇，肖颖欣，郑永军，等． 无人机光谱成像技术在大田中 ［81］ 黄文江，张竞成，师越，等． 作物病虫害遥感监测与预测研究
的应用研究进展［J］． 光谱学与光谱分析， 40（ 5） ： 1356．
2020， 进展［J］． 南 京 信息 工程大 学学报 （ 自然科学版） ，2018，10
［68］ BENDIG J，YU K，AASEN H，et al． Combining UAV-based plant （ 1） ： 30．
height from crop surface models，visible，and near infrared vegeta- ［82］ FＲANKE J，MENZ G． Multi-temporal wheat disease detection by
tion indices for biomass monitoring in barley［J］． Int J Appl Earth multi-spectral remote sensing［J］． Precis Agric，2007，8 （ 3 ） ：
Obs Geoinf， 39（ 6） ： 79．
2015， 161．
［69］ CHOI S K，LEE S K，JUNG S H，et al． Estimation of fractional ［83］ ZHANG J，HUANG Y，YUAN L，et al． Using satellite multispec-
vegetation cover in sand dunes using multi-spectral images from tral imagery for damage mapping of armyworm（ Spodoptera frugi-
fixed-wing UAV［J］． J Korean Soci Surv Geo Photogramm Car- perda） in maize at a regional scale［J］． Pest Manag Sci，
2016，
72
togra， 34（ 4） ： 431．
2016， （ 2） ： 335．
［70］ XIANG H，LEI T． Development of a low-cost agricultural remote ［84］ 景志贤，王帅，张小波，等． 无人机低空遥感技术在中药资源
sensing system based on an autonomous unmanned aerial vehicle 领域的应用探讨［J］． 中国现代中药， 21（ 10） ： 1300．
2019，
（ UAV） ［J］． Biosyst Eng， 108（ 2） ： 174．
2011， ［85］ 孙刚，黄文江，陈鹏飞，等． 轻小型无人机多光谱遥感技术应
［71］ 田婷，张青，张海东． 无人机遥感在作物监测中的应用研究进 用进展［J］． 农业机械学报， 49（ 3） ： 1．
2018，
2020（ 5） ： 18．
展［J］． 作物杂志， ［86］ DASH J P，WATT M S，PEAＲSE G D，et al． Assessing very high
［72］ 史婷婷，张小波，郭兰萍，等． 无人机遥感在裸花紫珠监测中 resolution UAV imagery for monitoring forest health during a simu-
的应用研究［J］． 中国中药杂志， 44（ 19） ： 4078．
2019， lated disease outbreak［J］． ISPＲS J Photogramm Ｒemote Sens，
［73］ ＲANGO A，
BEＲTE A L，
STEELE C，
et al． Using unmanned aerial 131（ Suppl C） ： 1．
2017，
vehicles for rangelands： current applications and future potentials ［87］ 兰玉彬，朱梓豪，邓小玲，等． 基于无人机高光谱遥感的柑橘
［J］． Environ Prac， 8（ 3） ： 159．
2006， 黄龙病植株的监测与分类［J］． 农业工程学报，2019，35（ 3） ：
［74］ 洪宇，龚建华，胡社荣，等． 无人机遥感影像获取及后续处理 92．
探讨［J］． 遥感技术与应用， 23（ 4） ： 462．
2008， ［88］ 程铭恩，杨莓，尹旻臻，等． 大别山区金寨县茯苓适宜种植区研
［75］ ＲANGO A，LALIBEＲTE A，HEＲＲICK J E，et al． Unmanned 究［J］． 中国中药杂志， 46（ 2） ： 260．
2021，
［责任编辑 吕冬梅］

4696