NGHIÊN CỨU PHƯƠNG PHÁP SỬ DỤNG MÁY BAY KHÔNG NGƯỜI
LÁI VÀ CAMERA ĐA PHỔ THEO DÕI QUÁ TRÌNH SINH TRƯỞNG
CÂY TRỒNG
Lê Thị Kim Dung
Trường Đại học Tài nguyên và Môi trường Hà Nội
Tóm tắt
Trong những năm gần đây, máy bay không người lái ngày càng trở nên phổ biến trong các
ứng dụng nông nghiệp nhằm hỗ trợ quản lý trang trại hiệu quả và cải thiện năng suất nông nghiệp.
Bài báo này giới thiệu việc sử dụng máy bay không người lái cánh bằng WingtraOne với cảm biến
đa phổ Micasense để lập bản đồ chi tiết và theo dõi sức khỏe thực vật ở các trang trại cà phê, thực
nghiệm tại tỉnh Lâm Đồng, Việt Nam.
Từ khóa: Máy bay khơng người lái; Đo ảnh; Cảm biến đa phổ; Lập bản đồ; Cà phê.
Abstract
Research method of using uav and multi - spectral sensors to monitor the growth process
of plants
Recently, unmanned aerial vehicles have become increasingly popular in agricultural
applications to assist in efficient farm management and improve agricultural productivity. This
paper introduces the use of WingtraOne unmanned aerial vehicles with Micasense multi - spectral
and RGB Sony RX1 sensor for detailed mapping and monitoring of plant health in coffee farms,
project was completed in Lam Dong province, Vietnam.
Keywords: Unmanned aerial vehicles; Photogrammetry; Multi - spectral sensors; Mapping;
Coffee.
1. Đặt vấn đề
Phân loại viễn thám theo độ cao hoạt động bao gồm: Cấp không gian vũ trụ, cấp máy bay,
cấp khinh khí cầu và cấp máy bay không người lái (Unmanned Aerial Vehicles - UAV),... Công
nghệ đo ảnh sử dụng thiết bị UAV thuộc loại viễn thám ở cấp độ thấp, chủ yếu hoạt động trong độ
cao khoảng vài chục đến vài trăm mét. Công nghệ này thu thập hình ảnh với độ phân giải siêu cao
một cách nhanh chóng và cung cấp các kết quả được xử lý gần thời gian thực. Nó cũng cho phép
chủ động bay, thu thập hình ảnh và linh hoạt trong điều kiện thời tiết. Trong lĩnh vực đo đạc và
bản đồ, UAV dùng để giám sát xây dựng, nông nghiệp, các địa hình hiểm trở, đường ống nhưng
cơng nghệ này được sử dụng nhiều hơn để thành lập bản đồ tỷ lệ lớn. Với nhiều thử nghiệm, công

nghệ UAV đã chứng tỏ được sức mạnh vượt trội của mình khi so sánh với các cơng nghệ truyền
thống như: Có thể tạo ảnh trực quan; Cung cấp thơng tin nhanh chóng và chính xác; Nhiều sản
phẩm (Ảnh trực giao, DSM, DEM, đám mây điểm, mơ hình 3D), đặc biệt hiện nay, giá thành của
hệ thống UAV ngày càng thấp do đó tính ứng dụng càng trở lên phổ biến.
Nơng nghiệp chính xác đang nổi lên trong canh tác cà phê chính thống để hỗ trợ quản lý
trang trại hiệu quả, tăng cường khả năng kiểm sốt của nơng dân và các ứng dụng địa phương
nhằm giảm thiểu việc sử dụng tài ngun. Do đó, các cơng nghệ đang được áp dụng để tập trung,
khơng tiếp cận và tiết kiệm chi phí, ví dụ như trong lập bản đồ đất, lấy mẫu đất, bón phân, kiểm
sốt sâu bệnh, với các cảnh báo thời tiết mang tính cục bộ cao. Là một trong những cơng nghệ phát
triển nhanh, UAV có thể cung cấp nền tảng hiệu quả về chi phí, nhanh chóng thay thế chụp ảnh
hàng không thông thường, để lập bản đồ với hình ảnh trên khơng có độ phân giải khơng gian cao.
250

Hội thảo Quốc gia 2022


Với tốc độ thấp và hoạt động bay linh hoạt, UAV có thể đóng một vai trị quan trọng trong việc
giám sát các hệ thống nông nghiệp quy mô nhỏ (trang trại cà phê), nơi mà phần trăm mây bao phủ
lớn thường cản trở các hệ thống viễn thám quang học thu được hình ảnh chất lượng. Cơng nghệ
UAV có thể lập bản đồ các bề mặt có đặc điểm khác nhau, phân định ranh giới nông trại và xác định
các loại cây trồng khác nhau, trong khi có thể thu thập và phân tích các hình ảnh cây trồng theo thời
gian khác nhau về các giai đoạn phát triển quan trọng của cây trồng để theo dõi động thái cây trồng.
Lập bản đồ bằng máy bay không người lái có thể cung cấp thơng tin cập nhật về các thơng
số thiết yếu để ước tính năng suất cà phê, bao gồm: Quy mô trang trại, số lượng cây/mật độ cây,
chiều cao cây, kích thước tán, chỉ số trạng thái nitơ và các yếu tố mất năng suất như: Cây chết,
mức độ dinh dưỡng hoặc nước, tỷ lệ sâu bệnh và dịch bệnh (thông qua các chỉ số thảm thực vật).
Với đầy đủ dữ liệu trang trại (ví dụ: Thu hoạch năm trước, giống và tuổi cà phê, chất lượng đất, sử
dụng đầu vào, tỷ lệ mắc bệnh và khí hậu địa phương), các thông số thu được từ UAV có thể được
sử dụng để phân tích và ước tính phạm vi năng suất của các trang trại cà phê.
Trong bài báo này sẽ cung cấp quy trình sử dụng UAV VTOL WingtraOne với cảm biến

quang học và đa phổ để giám sát trang trại cà phê ở tỉnh Lâm Đồng. Nhiệm vụ được hoàn thành
với 4 lần bay trong năm với thời gian 3 tháng. Việc phân tích dữ liệu UAV được thực hiện bởi phần
mềm Pix4dMapper và Metashape.
2. Phạm vi nghiên cứu
Phạm vi thời gian: Năm 2020, 2021.
Phạm vi không gian: Các khu vực nghiên cứu của bài báo thuộc một số trang trại cà phê tại
tỉnh Lâm Đồng.
Dữ liệu nghiên cứu: Bao gồm dữ liệu ảnh đa phổ chụp từ thiết bị RedEdge và dữ liệu chụp
từ máy ảnh SonyRX1.
3. Phương pháp nghiên cứu
3.1. Phương pháp sử dụng công nghệ UAV và phương pháp xử lý ảnh viễn thám để theo
dõi trang trại thu phí
3.1.1. Chọn UAV phù hợp để giải quyết vấn đề nghiên cứu
Có ba loại UAV cơ bản bao gồm UAV cánh bằng cất hạ cánh thẳng đứng, UAV cánh bằng
cất hạ cánh bằng dù hoặc bằng bụng, UAV cánh quạt. Ngày nay, UAV nhiều cánh quạt được các
hãng lớn trên thế giới sử dụng và phát triển rộng rãi hơn như UAV 4 cánh quạt md4 - 1000 (Thụy
Sĩ), Inspire Pro (DJI).
Đã có một số công ty đã chế tạo thành công và đưa vào sử dụng thực tế UAV cánh bằng như:
UAV Trimble UX5 (Trimble Mỹ), UAV Ebee, SwingletCam (thương hiệu SenseFly của Thụy Sĩ),
UAV GeoScan (Geoscan, Nga). UAV cánh bằng được khai thác trong lĩnh vực đo đạc bản đồ phổ
biến hơn bởi những tính năng ưu việt như bay lâu, ổn định cao, chịu được tốc độ gió lớn, hệ thống
dễ vận hành.
Loại hỗn hợp (VTOL) với mục tiêu tích hợp điểm mạnh của hai loại cánh bằng và cánh quạt,
đồng thời hạn chế tối đa nhược điểm của chúng, gần đây đã xuất hiện loại máy bay lai giữa trực
thăng UAV và cánh cố định như WingtraOne, loại UAV này có ưu điểm là chỉ cần sân cất hạ cánh
nhỏ (như UAV bay thẳng), nhưng khi đến đường bay thì bay với tốc độ cao, độ ổn định tốt (như
UAV cánh bằng) nên hiệu suất tăng lên đáng kể ở những nơi khó chọn bãi đáp và thời tiết không
thuận lợi. Tuy nhiên, giá thành của loại UAV này cịn cao nên việc tiếp cận cịn khó khăn.
Hội thảo Quốc gia 2022


251


Hình 1: Thiết bị bay khơng người lái WingtraOne
Bảng 1. Thông số kỹ thuật của UAV WingtraOne
Loại
Tối đa trọng lượng cất cánh
Trọng lượng (trống)
Tối đa trọng lượng tải trọng
Sải cánh
Kích thước của WingtraOne
Pin
Dạng pin
Liên kết vô tuyến

Thời gian bay tối đa

VTOL
4,5 kg
3,7 kg
800 g
125 cm
125 × 68 × 12 cm
Hai pin 99 Wh (yêu cầu một cặp pin)
Li-ion, công nghệ pin thông minh, tuân thủ UN3481
Lên tới 10 km
Sử dụng GPS, Glonass và sẵn sàng cho Galileo và
Beidou dải tần số: 1561,098 MHz/1575,42 MHz/1602,00
MHz
Tốc độ hành trình hoạt động: 16 m/s (35,8 mph)

Lên/xuống: 6/3 m/s (13,4/6,7 mph)
Lên đến 59 phút

Nhiệt độ

-10 °C + 40 °C (14 đến 104 °F)

GPS tích hợp
Tốc độ bay

IP54, khơng khuyến khích bay trong sương mù, mưa và
tuyết
< 5 m (< 16 ft)

Thời tiết
PPK

Thiết bị bay sử dụng 02 cảm biến: Máy ảnh full frame Sony RX1RII tiêu cự 35 mm, độ phân
giải 42 Mp và máy ảnh đa phổ Micasense RedEdge Mx.
Bảng 2. Thông số kỹ thuật của cảm biến đa phổ
Tên máy ảnh
Tiêu cự
Pixel
Loại cảm biến
Trọng lượng máy ảnh (bao gồm DSL 2 và cáp)
Độ phân giải mặt đất
Kích thước cảm biến x
Kích thước cảm biến y
Pixel trong x
Pixel trong y

Góc nhìn dọc
252

Hội thảo Quốc gia 2022

MicaSense RedEdge-MX
5,5 mm
5 × 122
5 cảm biến riêng lẻ
325 gr
6,7 - 50 cm/px
4,8 mm
3,6 mm
1280
960
36,2o


Tên máy ảnh

Góc nhìn ngang
Thời gian kích hoạt tối thiểu

MicaSense RedEdge-MX
47,1o
1 giây

Hình 2: Multispectral sensor - Micasense RedEdge - MX
Trong thực nghiệm này, phương tiện để bay chụp là UAV WingtraOne với cả hai camera. Lý
do quan trọng để đưa ra quyết định này là tại khu vực này rất khó khăn trong việc lựa chọn hạ cánh

và cất cánh cho UAV cánh bằng, do đó VTOL có thể cất cánh và hạ cánh ở bệ rất nhỏ. Hơn nữa, ở
khu vực miền núi cần bay với độ cao lớn nên máy ảnh tiêu cự 35 mm được lựa chọn. Máy ảnh đa
phổ RedEdge - MX có 5 dải tần với dải tần mới Red - edge, băng phổ NIR và RedEdge được sử
dụng để phân tích tình trạng sức khỏe cây trồng.
3.1.2. Quy trình giám sát chất lượng cây trồng (cây cà phê)
Nhiệm vụ của thử nghiệm này bao gồm: Chúng ta cần lập bản đồ bằng camera RGB cho 7
khu vực ở tỉnh Lâm Đồng với diện tích 12.000 ha và trong 7 khu vực này cần chọn 10 nhỏ để bay
bằng camera đa phổ, diện tích các khu vực này khoảng 1.995 ha để phân tích sức khỏe cây cà phê.
Quy trình sử dụng UAV để thu thập và xử lý dữ liệu được trình bày như Hình 3.

Hình 3: Quy trình sử dụng UAV để thu thập dữ liệu
Hội thảo Quốc gia 2022

253


Thu thập dữ liệu bao gồm 5 bước:
Bước 1: Chuẩn bị. Xin cấp phép bay UAV, kiểm tra thiết bị (UAV, pin, máy ảnh, trạm GNSS)
và xác minh khu vực cất/hạ cánh trên thực địa.
Bước 2: Lập kế hoạch bay dựa trên ranh giới của từng khu vực (AOI), sử dụng phần mềm
WingtraPilot để lập kế hoạch nhiệm vụ cho máy ảnh RGB và Multispectral.
Bước 3: Đo đạc điểm Khống chế ảnh (GCP). Mặc dù sử dụng công nghệ PPK nhưng chỉ máy
ảnh RGB được kích hoạt, vì vậy chúng ta cần xác định GCP (tối thiểu 5 GCP cho mỗi AOI) cho tất
cả các AOI. Sử dụng GPS RTK để xác định tọa độ của các GCP này.
Bước 4: Thiết lập trạm Base GNSS (tùy chọn), để xử lý ảnh quang học RGB.
Bước 5: Bay chụp ảnh, tải và kiểm tra dữ liệu. Kiểm tra các điều kiện môi trường (thời tiết, gió,
mưa) và khởi động cho UAV bay. Sau mỗi chuyến bay, chúng ta cần tải ảnh và dữ liệu GNSS và
kiểm tra chất lượng ảnh, đặc biệt là về độ phủ mây.
3.1.3. Phương pháp phân tích và xử lý dữ liệu
Sau khi thu thập các dữ liệu cần thiết, quá trình xử lý dữ liệu được thực hiện theo 4 bước sau:

Bước 1: Geotag, sau mỗi chuyến bay ảnh phải được tham chiếu tọa độ địa lý. Sử dụng phần
mềm WingtraHub để tham chiếu tọa độ địa lý cho ảnh RGB với dữ liệu trạm gốc GNSS. Kết quả
của các bước này là tọa độ tâm ảnh chính xác.
Bước 2: Xử lý hình ảnh, Sử dụng Pix4dMapper phiên bản 4.3 hoặc Agisoft Metashape để
xử lý dữ liệu UAV.
Bước 3: Kết quả của Bước 2 là Hình ảnh Orthomosaics, DSM, PointCloud và ảnh chỉ số.
Trong bước này, sẽ tính tốn các ảnh chỉ số khác như NDVI, VARI, NDRE,…
Bước 4: Kết quả xuất và báo cáo. Kết quả phải được kiểm tra độ chính xác và các yêu cầu
khác. Sau đó tiến hành thực hiện báo cáo cho mỗi chuyến bay.
4. Kết quả thử nghiệm
Đối với nhiệm vụ thành lập bản đồ RGB chúng ta chỉ cần bay và xử lý ảnh một lần duy nhất,
đối với ảnh đa phổ chúng ta phải bay chụp 4 thời điểm khác nhau để phân tích sức khỏe cây trồng.
Thiết kế bay chụp ảnh RGB và đa phổ được thể hiện ở hình dưới:
Thời gian bay tối đa của UAV WingtraOne là 50 phút, với thiết kế bay có độ phủ là 70 % × 70 %
độ phân giải 10 cm. Đối với các khu vực lớn, chúng ta cần chia thành các khu vực nhỏ để bay,
giữa các khu vực cần có độ chồng phủ, ví dụ như khu vực trên phải chia thành 7 khu vực nhỏ, tổng
thời gian bay cho toàn bộ khu vực khoảng 345 phút. Tổng chuyến bay RGB cho 7 khu vực khoảng
25 chuyến, với thời gian làm việc khoảng 13 ngày. Thiết kế bay cho máy ảnh đa phổ Micasense
RedEdge. Với tối đa 50 phút cho mỗi thời gian bay và đối với độ phân giải pixel 10 cm với máy
ảnh MicaSense RedEdge - M, độ phủ ảnh 75 % × 75 %, mỗi chuyến bay có thể thực hiện với diện
tích là 130 ha. Do đó, tổng số chuyến bay khoảng 10 tuyến, tổng thời gian làm việc khoảng 10
ngày.
- Đo điểm khống chế ảnh (GCP) phải được bố trí trước chuyến bay của UAV. Cơng việc bao
gồm: Chọn, bố trí GCP, làm sơ họa cho từng điểm GCP, đo GCP trên thực địa bằng thiết bị đo
GNSS (Trimble R2). Số lượng GCP được đo cho 7 khu vực: 92 điểm. Các điểm GCP có thể được
sử dụng làm khống chế ảnh và điểm kiểm tra cho tất cả các khu vực.
254

Hội thảo Quốc gia 2022



Hình 4: Thiết kế đường bay cho ánh xạ RGB AOI_1

Mẫu điểm khống chế
Hình ảnh điểm khống chế thực tế
Hình 5: Mẫu điểm khống chế ảnh (GCP)
Sử dụng phần mềm Pix4D Mapper và Agisoft Metashape để xử lý dữ liệu UAV. Đối với khu
vực rộng như khu vực 01, số lượng ảnh RGB là rất lớn nên phần mềm Pix4D khơng thể xử lý, vì
vậy để xử lý dữ liệu bay chụp cần sử dụng phần mềm Agisoft Metashape, mặt khác, phần mềm
Pix4dMapper có thể tạo ra hình ảnh chỉ số nhanh hơn Agisoft, vì vậy Pix4D được lựa chọn để xử
lý ảnh đa phổ.
Kết quả của quá trình xử lý là ảnh trực giao (Orthophoto), DSM, đám mây điểm và ảnh chỉ
số, các ảnh chỉ số được tính theo cơng thức sau được trình bày trong Bảng 5. Tất cả các ảnh chỉ
số đều được gán tọa độ chính xác, đồng bộ giữa các thời điểm sẵn sàng để phục vụ các bước phân
tích tiếp theo.
Bảng 3. Cơng thức của hình ảnh chỉ số
Chỉ số
BNDVI - Chỉ số thực vật xanh nước biển
GNDVI - Chỉ số thực vật xanh lá cây

Công thức
(NIR - BLUE)/(NIR + BLUE)
(NIR - GREEN)/(NIR + GREEN)
Hội thảo Quốc gia 2022

255


LCI - Chỉ số diệp lục
NDRE - Chỉ số kênh Red Edge

NDVI - Chỉ số thực vật
SIPI2 - Chỉ số sắc tố 2
VARI - Chỉ số trong suốt của khí quyển

(NIR - REDEDGE)/(NIR + RED)
(NIR - REDEDGE)/(NIR + REDEDGE)
(NIR - RED)/(NIR + RED)
(NIR - GREEN)/(NIR - RED)
(GREEN - RED)/(GREEN + RED - BLUE)

Việc phân tích dữ liệu ở 4 thời kỳ đòi hỏi sự phù hợp giữa các thời điểm là rất quan trọng, vì
vậy sử dụng các điểm GCP để nắn chỉnh hình học các ảnh giữa các thời điểm đã giúp loại bỏ sai
số và đồng bộ. Đồng thời các ảnh sau khi xử lý đều được đánh giá chất lượng về hình ảnh và độ
chính xác. Sử dụng 14 điểm kiểm tra cho tất cả 7 khu vực, sai số trung phương theo phương ngang
là 9 cm, theo phương dọc khoảng 23 cm.
Bảng 4. Điểm kiểm tra đánh giá độ chính xác của UAV
Tên điểm
kiểm tra
KCA 1.12
KCA 1.14
KCA 1.10
KCA 2.7
KCA 2.5
KCA 3.11
KCA 3.3
A4.3
A4.10
A5.5
A5.10
A6.5

A7.2
A7.4p

x_kiểm tra

y_kiểm tra

176120,174
177573,051
177276,041
185319,811
185883,607
231614,805
232449,275
235931,041
236575,900
232464,742
233939,635
214877,594
214746,295
213676,510

1293101,605
1292225,710
1286474,060
1301486,667
1301486,704
1316184,163
1315589,866
1311322,555

1312273,945
1338910,572
1338845,044
1342385,792
1348213,264
1348100,527

h_kiểm
tra
931,016
872,284
961,801
961,507
955,277
1483,991
1434,270
1380,471
1437,958
1509,236
1434,359
1504,047
1262,523
1230,437

x
176120,130
177573,004
177275,993
185319,873
185883,702

231614,809
232449,221
235931,086
236575,826
232464,861
233939,672
214877,666
214746,335
213676,534

y

h

1293101,553 931,118
1292225,738 872,305
1286473,957 961,292
1301486,649 961,338
1301486,667 955,289
1316184,123 1483,88
1315589,807 1434,179
1311322,468 1380,423
1312273,968 1437,852
1338910,482 1509,343
1338844,952 1434,252
1342385,683 1504,233
1348213,246 1262,5
1348100,578 1229,847
Sai số trung bình
Sai số lớn nhất

Sai số nhỏ nhất
Sai số trung phương

Delta_x Delta_y
0,044
0,047
0,048
0,062
0,095
0,004
0,054
0,045
0,074
0,119
0,037
0,072
0,040
0,024
0,055
0,119
0,004
0,061

0,052
0,028
0,103
0,018
0,037
0,040
0,059

0,087
0,023
0,090
0,092
0,109
0,018
0,051
0,058
0,109
0,018
0,066

Delta_
Delta_h
xy
0,068 0,102
0,055 0,021
0,114 0,509
0,064 0,169
0,102 0,012
0,040 0,111
0,080 0,091
0,098 0,048
0,078 0,106
0,149 0,107
0,099 0,107
0,131 0,186
0,044 0,023
0,056 0,590
0,084 0,156

0,149 0,590
0,040 0,012
0,090 0,230

Trên hình ảnh RGB cho từng khu vực, chúng ta có thể hình dung các cây cà phê được tách
ra và phân loại rừng trồng (thời gian của các loại cây trồng) theo Hình 6.

Hình 6: Cây cà phê non và vùng cà phê mới trồng trên ảnh RGB
256

Hội thảo Quốc gia 2022


Kết quả của quá trình xử lý ảnh RGB trong 7 khu vực bao gồm: Orthor image, DSM, DTM,
Point Cloud, VARI Index. Kết quả của quá trình xử lý ảnh đa phổ của 7 khu vực bao gồm: Ảnh
Orthor; DSM; DTM; Đám mây điểm; Chỉ số phản xạ; Chỉ số VARI; Bản đồ chỉ mục (NDVI, LCI,
NDRE, SIPI2, BNDVI, GNDVI).

Hình 7: Ảnh RGB và ảnh chỉ số NDVI
Sử dụng ảnh chỉ số NDVI và ảnh chỉ số khác, chúng ta có thể dễ dàng xác định và phân loại
sức khỏe của cây trồng. Đặc biệt, quy trình cung cấp dữ liệu đám mây điểm để có thể trích xuất
chiều cao của cây hoặc tán của chúng. So sánh 4 hình ảnh của 4 thời kỳ ta có thể đánh giá được sự
phát triển của cây.

Hình 8: Đám mây điểm và khả năng phân tích tán cây
5. Kết luận
Dựa trên sản phẩm xử lý hình ảnh, ranh giới trang trại cà phê đã được cập nhật. Sử dụng phần
mềm GIS như QGIS, Ecognition để xác định số lượng cây, mật độ cây, bóng cây. Nhiệm vụ phải
được thực hiện bằng việc chụp ảnh RGB tất cả các khu vực trước để lấy hình ảnh khảo sát tổng
thể, sau đó là chụp ảnh đa phổ 4 thời điểm (Tháng 3, tháng 9 và tháng 12) sau khi bay chụp công

việc xử lý hình ảnh kéo dài khoảng 10 ngày cho mỗi khu vực.
Q trình xử lý, ngồi các sản phẩm thơng thường như ảnh trực giao, mơ hình số bề mặt, cịn
cho chúng ta sản phẩm là đám mây điểm và hàng loạt các ảnh chỉ số liên quan đến sức khỏe cây
trồng nhờ sử dụng máy ảnh đa phổ. Sử dụng UAV đã nâng cao chất lượng và tốc độ (Hình ảnh có
độ trực quan tốt, độ chính xác cao) nên phương pháp này có hiệu quả kinh tế cao so với các phương
pháp truyền thống khác.
Hội thảo Quốc gia 2022

257


Mặt khác, công tác lập bản đồ UAV gặp một số hạn chế, khó khăn, bao gồm: Yếu tố thời
tiết (Mây mù, mưa, gió giật trên địa bàn tỉnh Lâm Đồng), khi UAV thu được hình ảnh chất lượng
khơng tốt và phải thực hiện một số chuyến bay lại; Quy mô trang trại không đồng đều và phân bố
rải rác.
Dựa trên kết quả đạt được và bài học kinh nghiệm trong quá trình thực hiện, để sử dụng hiệu
quả chi phí trong tương lai của UAV trong lập bản đồ nông trại cà phê quy mô nhỏ ở Việt Nam
(Cụ thể là các tỉnh Tây Ngun có điều kiện khí hậu tương tự như Lâm Đồng), các khuyến nghị
kỹ thuật như sau: Áp dụng phương pháp lập bản đồ bằng máy bay không người lái (Tương tự như
phương pháp được sử dụng trong công việc này) bằng cách sử dụng cả máy ảnh RGB và máy ảnh
đa kính với một số cải tiến dựa trên sự cân nhắc như sau:
- Nên sử dụng camera đa phổ với kênh RedEdge để theo dõi sức khỏe cây trồng.
- Khảo sát bằng UAV sử dụng camera RGB: (1) Để bao quát toàn bộ khu vực nghiên cứu; (2)
Lập bản đồ tổng thể cho trang trại và kiểm kê ranh giới trang trại, số lượng cây, cỏ dại, các phần
thực vật và độ dốc; (3) Thời gian: Cuối tháng 2 - đầu tháng 3 cho tốt điều kiện thời tiết và lập bản
đồ các trang trại cà phê trong giai đoạn ngủ đông (đánh giá tốt nhất điều kiện nông trại và sức khỏe
cây trồng chưa được thụ tinh).
- Nếu ngân sách cho phép, xem xét lập bản đồ độ phân giải tốt hơn khoảng 5 cm (Chiều cao
bay của UAV thấp hơn) để phân tách chính xác hơn việc trồng xen và xác định chiều cao cây cà
phê để ước tính khối lượng thảm thực vật.

- Thiết kế khảo sát bằng UAV tiếp theo bằng camera đa phổ dựa trên kết quả lập bản đồ
RGB vào tháng 3 - xem xét hai giai đoạn (Tháng 7 - mùa mưa và tháng 11 - mùa khô, trước khi
thu hoạch) và cân nhắc lựa chọn các khu vực nhỏ (Độ cao bay của UAV thấp) để lập bản đồ bằng
cách sử dụng UAV nhiều cánh quạt nếu ngân sách hạn chế (Lập bản đồ các khu vực nhỏ có thể linh
hoạt và hiệu quả hơn đối với các trang trại cà phê quy mô nhỏ rải rác nếu được lựa chọn cẩn thận).
TÀI LIỆU THAM KHẢO
[1]. Ana I. de Castro, Yeyin Shi, Joe Mari Maja, Jose M. Peña (2021). UAV để giám sát thảm thực vật: Tổng
quan và những đóng góp khoa học gần đây. Viễn thám,13, 2139.
[2]. P. Sanseechan, K. Saengprachathanarug, J. Posom, S. Wongpichet, C. Chea, M. Wongphati (2019). Sử
dụng các chỉ số thực vật để theo dõi các triệu chứng bệnh trắng lá mía trên ruộng mía bằng hình ảnh hàng
khơng UAV đa kính. Hội nghị IOP. Loạt bài: Khoa học về Trái đất và Môi trường 301 (2019) 012025.
[3]. Pix4Dmapper (2022). How to generate a vegetation index - PIX4Dfields. />hc/en-us/articles/360000891623-How-to-generate-a-vegetation-index-with-Pix4Dfields#index_generator.

BBT nhận bài: 30/9/2022; Chấp nhận đăng: 31/10/2022

258

Hội thảo Quốc gia 2022