本研究利用国内外和本单位现有无人飞行器平台、传感器和田间作物信息采集的研究成果和产品，综合运用植物生理学、光谱分析技术、飞控技术和计算机图像处理技术等多学科知识，以水稻为研究对象，设置不同氮肥施用水平的区域田间试验，在水稻主要生育期采集试验区域的可见-近红外遥感影像和同步获取地面冠层光谱、叶面积、叶绿素和氮素含量等参数。确定了基于旋翼无人机遥感平台的田间信息采集方法和技术流程；研究适合无人机遥感影像的有效的校正方法；研究基于计算机视觉技术的水稻专题信息提取方法和水稻氮素营养智能识别和诊断技术；探讨水稻可见-近红光谱响应特征，研究利用不同方法进行叶绿素和氮素含量的反演和估算，由此建立基于无人机平台和可见-近红外传感器的水稻氮素营养监测模型，监测精度能满足田间水稻氮素营养准确管理的需要。为田间作物管理提供准实时的决策依据，提高农业效益，降低环境污染风险，实现农业的可持续发展。

本研究利用国内外和本单位现有无人飞行器平台、传感器和田间作物信息采集的研究成果和产品，综合运用植物生理学、光谱分析技术、飞控技术和计算机图像处理技术等多学科知识，以水稻为研究对象，设置不同氮肥施用水平的区域田间试验，在水稻主要生育期采集试验区域的可见-近红外遥感影像和同步获取地面冠层光谱、叶面积、叶绿素相对含量等参数。确定了基于旋翼无人机遥感平台的田间信息采集方法和技术流程；研究适合无人机遥感影像的有效的校正方法；研究基于计算机视觉技术的水稻专题信息提取方法和水稻氮素营养智能识别和诊断技术；探讨水稻可见-近红光谱响应特征，研究利用不同方法进行叶绿素和氮素含量的反演和估算，由此建立基于无人机平台和可见-近红外传感器的水稻氮素营养监测模型，监测精度能满足田间水稻氮素营养准确管理的需要。为田间作物管理提供准实时的决策依据，提高农业效益，降低环境污染风险，实现农业的可持续发展。