無人機高光譜臨安山分析案例

1．什么是高光譜

成像光譜技術(shù)由分光計發(fā)展而來，它是一項新技術(shù)，又名高光譜成像技術(shù)，傳統(tǒng)的光譜分析技術(shù)只能做局部平均光譜分析，而高光譜能夠做到整幅圖的各個點光譜分析。成像光譜有凝視成像型、推帚型、擺掃型。它能夠在生成一副圖像的同時獲取這副圖像每個像素點的光譜信息，實現(xiàn)“圖譜合一”。高光譜獲取的光譜信息能夠包括圖像中任何一個像素點的光譜，而普通的地物光譜儀只能獲取測試地物的平均光譜，所以高光譜獲取的數(shù)據(jù)能夠跟準確、精細地去分析被測地物。它的出現(xiàn)標志著光學遙感進入了高光譜遙感階段，利用從高光譜數(shù)據(jù)反演的地物反射光譜特征，能研究地球表面物體的分類、物質(zhì)的成分、含量、存在狀態(tài)、空間分布及動態(tài)變化。

1.1無人機高光譜遙感技術(shù)

高光譜遙感技術(shù)發(fā)展于20世紀80年代，其結(jié)合了傳統(tǒng)的光譜探測和攝影成像技術(shù)，可同時獲取目標的空間信息、光譜信息和輻射信息，形成圖譜合一的數(shù)據(jù)立方體。與多光譜遙感技術(shù)相比，高光譜遙感技術(shù)能夠在一個連續(xù)的光譜范圍內(nèi)進行窄帶成像，因此光譜分辨率更高、信息分辨能力更強，可以實現(xiàn)精確的目標分類和地物識別。目前，高光譜遙感系統(tǒng)已經(jīng)歷了從航空平臺到航天平臺的發(fā)展過程，隨著遙感技術(shù)的不斷發(fā)展，研究者發(fā)現(xiàn)星載高光譜儀器雖然可以提供長時間、大尺度的數(shù)據(jù)，但受衛(wèi)星重訪周期的限制，空間分辨率和時 間分辨率較差；航空高光譜儀器雖然空間分辨率較高，但對氣象條件和使用環(huán)境有苛刻要求，且需要有專業(yè)支持團隊，成本高昂，靈活性較差。

隨著微機電系統(tǒng)（ＭｉｃｒｏＥｌｅｃｔｒｏＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍ，ＭＥＭＳ）、控制與導航系統(tǒng)及信息處理技術(shù)的發(fā)展，無人機（ＵnｍａｎｎｅｄＡｅｒｉａｌＶｅｈｉｃｌｅ，ＵＡＶ）作為新型遙感平臺的條件逐漸成熟，同時大量微型化、高性能高光譜傳感器的研發(fā)也推動了無人機與高光譜遙感的結(jié)合。作為一種新興的遙感技術(shù)，無人機高光譜遙感可以克服云層的影響，快速、精確地向研究者提供高空間分辨率和時間分辨率的高光譜數(shù)據(jù)，有效地填補了低空高光譜遙感數(shù)據(jù)的空白。無人機高光譜遙感技術(shù)在自然資源調(diào)查領域有著巨大的技術(shù)與經(jīng)濟比較優(yōu)勢。首先，航空、航天平臺的高光譜數(shù)據(jù)獲取周期從幾個月到幾年不等，難以對一些短期的變化現(xiàn)象進行觀測和研究。其次，一些地形陡峭、植被密集的區(qū)域，調(diào)查人員難以涉足，無法進行有效的實地調(diào)查。使用無人機高光譜遙感技術(shù)， 能夠有效解決以上問題，為研究人員提供多時態(tài)、高分辨率的高光譜數(shù)據(jù)，有效降低了高光譜遙感技術(shù)的實施成本，極大簡化了自然資源調(diào)查的流程。

2.1典型地物光譜特征

大量的光譜波段提供了不同且極其豐富的地物遙感信息，直接基于地物的吸收譜線的分析，是辨別地物類型，獲取地物性質(zhì)的**基本也是***的方法，因為不同類型的地物具有不同特征的吸收譜線。表2-1列出了波段范圍內(nèi)的一些***的地物光譜特征。

表2-1 不同波段區(qū)間的光譜吸收特征

不同的地物在不同的波段內(nèi)響應都不同，瀝青、水泥地以及其他的一些人工地物在可見光范圍內(nèi)的光譜反射率隨著波長增加而增加；各種類型的植被光譜反射率曲線在不同波段都有以下幾種特點：在可見光區(qū)內(nèi)植物光譜反射率會有一個極大值和一個**小值，分別在550到560nm之間和650到680nm之間，而且在近紅外（730-1000nm）光譜區(qū)有一段較平緩和比較高的反射率；本次測量將會測量幾種不同的植被，并且根據(jù)獲取的光譜信息對植被進行不同的分析。

2.2植被光譜特征

用地物光譜儀獲取的光譜反射率可以表現(xiàn)出不同植物類型的光譜特征，又能通過光譜特征去研究反演出植被的組織結(jié)構(gòu)、環(huán)境條件、元素含量。一般來說，健康的綠色植物的光譜曲線總是會呈現(xiàn)很明顯的“高反射峰”和“低反射谷”。如圖2-1植被的反射光譜特征和其他地光譜特征不一樣。

圖2-1植被反射光譜特征

經(jīng)過對圖2.1的分析，可以得知健康綠色植被光譜曲線主要有以下的特點:(1)在可見光波段(400-760nm)有一個小的反射峰,兩側(cè)有兩個吸收帶,即在450nm和670nm 波段為反射低谷，這是由于葉綠素對藍光和紅光吸收作用強，而對綠光反射作用強的原因。(2)植被的**獨特的特征就是在700-800nm有一個斜率很大、變化很大的反射曲線，在1100nm處到達峰值。(3)由于葉子內(nèi)部的含水量的強烈吸收作用，除了在970nm有一個小的吸收段外，在1400nm，1900nm和2700nm處有三個顯而易見的低反射谷。(4)此外在1600nm和2200nm處也有兩個反射峰。

2.3 植被光譜的特征參數(shù)

為了更好地研究植被的反射率光譜，人們提出了一系列的植被系數(shù)來研究植被的光譜特征，這些參數(shù)能夠更好地反映植被本身的生長情況、葉綠素含量等參數(shù)，可以更好地幫助人們研究植被本身生長狀況、生長趨勢等等。表2-2列出了常用的植被光譜特征參數(shù)。

表2-2 常用植被光譜特征參數(shù)

3.1無人機高光譜采集流程及注意事項

3.1.1注意事項

①天氣選擇：晴朗無風

? 高光譜數(shù)據(jù)采集禁止在雨天、冰雹、大風天及其他極端天氣進行數(shù)據(jù)采集；

? 溫度過高（南方夏天零上 35℃以上）或者過低（北方冬天零下 10℃以下）需考慮無人機電池電量問題；

? 多云、強風的天氣采集數(shù)據(jù)會極大的影響的數(shù)據(jù)質(zhì)量；建議 3-**力等級以下；

? 6 旋翼（例如 M600）無人機的抗風等級相對較高；

? 4 旋翼（例如 M300）無人機的抗風等級相對較低；

②采集時間選擇：10：00-14：00（北京時間）

? 高光譜的數(shù)據(jù)采集盡量選擇在陽光正射被測物的時間，可根據(jù)自己的地理（經(jīng)緯度）位置選擇數(shù)據(jù)采集時間段；

③飛行場地選擇：地勢平坦且無障礙物

? 山地飛行建議通過衛(wèi)星圖或者實際測高圖觀測附近山體高度后再規(guī)劃無人機航帶；

? 城市飛行需考慮城市建筑物高度，需在空曠的場地起飛。（保證無人機不會在電磁復雜環(huán)境或者遮擋視線的建筑物附近起飛）；

? 水面飛行需考慮水面上面的風力等級以及數(shù)據(jù)拼接時有無靶標物識別等；

3.1.2數(shù)據(jù)采集流程

①環(huán)境考察：數(shù)據(jù)采集前要了解數(shù)據(jù)采集場地的周邊環(huán)境以及準備采集時間的天氣狀況，必要時需要提前到現(xiàn)場觀測；

②出行清單確認；

③儀器電量確認；

④采集現(xiàn)場設備安裝：無人機-遙控器連接；無人機-地面工作站-地面控制終端連接；數(shù)據(jù)采集軟件起飛前調(diào)試；

⑤無人機系統(tǒng)起飛調(diào)試：參數(shù)設置；航帶規(guī)劃；

⑥數(shù)據(jù)導出；

4.數(shù)據(jù)獲取及處理

4.1數(shù)據(jù)獲取

本次測試使用iSpecHyper-VM100無人機高光譜（圖4-1），其光譜范圍400-1000nm，光譜通道數(shù)260，空間通道數(shù)348（4像元合并），探測器為高靈敏度CCD，成像鏡頭35mm，視場角為14.4°@f=35mm以及10%標準反射率板。（本次未使用地物光譜儀iSpecField-HH，其光譜范圍300-1100，波長精度±1nm，分辨率≤3nm，光譜通道數(shù)1600，探測器2048像素）

圖4-1 iSpecHyper-VM100無人機高光譜

圖4-2 航帶規(guī)劃圖

4.2數(shù)據(jù)處理

高光譜數(shù)據(jù)測量自帶幾何校正及拼接，整體做反射率轉(zhuǎn)換，再截出部分數(shù)據(jù)做NDVI、DVI等植被系數(shù)反演。

圖4-3高光譜數(shù)據(jù)拼接圖

圖4-4 高光譜掃描圖部分截圖

通過反射率反演出以下五組圖。

NDVI反演圖                                 DVI反演圖

NDWI反演圖                               RVI反演圖

本次測試能直觀體現(xiàn)臨安山植被的生長狀況，但*為高空遙感測試，還需用地物光譜儀（圖4-5）同時進行現(xiàn)場采樣，將采樣數(shù)據(jù)進行模型選擇、模型構(gòu)建后，再與高光譜數(shù)據(jù)進行比對，以獲得更加完善、準確的反演圖。用無人機高光譜測量可實現(xiàn)大范圍檢測，可以更加高效地研究地球表面物體的分類、物質(zhì)的成分、含量、存在狀態(tài)、空間分布及動態(tài)變化。

圖4-5 便攜式地物光譜儀iSpecField-NIR