无人机高光谱临安山分析案例-莱森光学

无人机高光谱临安山分析案例

1．什么是高光谱

成像光谱技术由分光计发展而来，它是一项新技术，又名高光谱成像技术，传统的光谱分析技术只能做局部平均光谱分析，而高光谱能够做到整幅图的各个点光谱分析。成像光谱有凝视成像型、推帚型、摆扫型。它能够在生成一副图像的同时获取这副图像每个像素点的光谱信息，实现“图谱合一”。高光谱获取的光谱信息能够包括图像中任何一个像素点的光谱，而普通的地物光谱仪只能获取测试地物的平均光谱，所以高光谱获取的数据能够跟准确、精细地去分析被测地物。它的出现标志着光学遥感进入了高光谱遥感阶段，利用从高光谱数据反演的地物反射光谱特征，能研究地球表面物体的分类、物质的成分、含量、存在状态、空间分布及动态变化。

1.1无人机高光谱遥感技术

高光谱遥感技术发展于20世纪80年代，其结合了传统的光谱探测和摄影成像技术，可同时获取目标的空间信息、光谱信息和辐射信息，形成图谱合一的数据立方体。与多光谱遥感技术相比，高光谱遥感技术能够在一个连续的光谱范围内进行窄带成像，因此光谱分辨率更高、信息分辨能力更强，可以实现精确的目标分类和地物识别。目前，高光谱遥感系统已经历了从航空平台到航天平台的发展过程，随着遥感技术的不断发展，研究者发现星载高光谱仪器虽然可以提供长时间、大尺度的数据，但受卫星重访周期的限制，空间分辨率和时 间分辨率较差；航空高光谱仪器虽然空间分辨率较高，但对气象条件和使用环境有苛刻要求，且需要有专业支持团队，成本高昂，灵活性较差。

随着微机电系统（ＭｉｃｒｏＥｌｅｃｔｒｏＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍ，ＭＥＭＳ）、控制与导航系统及信息处理技术的发展，无人机（ＵnｍａｎｎｅｄＡｅｒｉａｌＶｅｈｉｃｌｅ，ＵＡＶ）作为新型遥感平台的条件逐渐成熟，同时大量微型化、高性能高光谱传感器的研发也推动了无人机与高光谱遥感的结合。作为一种新兴的遥感技术，无人机高光谱遥感可以克服云层的影响，快速、精确地向研究者提供高空间分辨率和时间分辨率的高光谱数据，有效地填补了低空高光谱遥感数据的空白。无人机高光谱遥感技术在自然资源调查领域有着巨大的技术与经济比较优势。首先，航空、航天平台的高光谱数据获取周期从几个月到几年不等，难以对一些短期的变化现象进行观测和研究。其次，一些地形陡峭、植被密集的区域，调查人员难以涉足，无法进行有效的实地调查。使用无人机高光谱遥感技术， 能够有效解决以上问题，为研究人员提供多时态、高分辨率的高光谱数据，有效降低了高光谱遥感技术的实施成本，极大简化了自然资源调查的流程。

2.1典型地物光谱特征

大量的光谱波段提供了不同且极其丰富的地物遥感信息，直接基于地物的吸收谱线的分析，是辨别地物类型，获取地物性质的最基本也是最有效的方法，因为不同类型的地物具有不同特征的吸收谱线。表2-1列出了波段范围内的一些显著的地物光谱特征。

表2-1 不同波段区间的光谱吸收特征

波段号波长范围（nm）光谱吸收特征1450-520蓝绿光区，水体最大透过率的位置2520-600绿光区，匹配植被的绿光反射峰3630-690红光区、用于判定植物类型的叶绿素吸收带4760-900近红外反射区、可用于确定生物量参数和海岸带制图51550-1750红外反射区、用于分析土壤含水量和植被覆盖62080-2350近红外反射区、热液蚀变引起的矿物吸收谱带

不同的地物在不同的波段内响应都不同，沥青、水泥地以及其他的一些人工地物在可见光范围内的光谱反射率随着波长增加而增加；各种类型的植被光谱反射率曲线在不同波段都有以下几种特点：在可见光区内植物光谱反射率会有一个极大值和一个最小值，分别在550到560nm之间和650到680nm之间，而且在近红外（730-1000nm）光谱区有一段较平缓和比较高的反射率；本次测量将会测量几种不同的植被，并且根据获取的光谱信息对植被进行不同的分析。

2.2植被光谱特征

用地物光谱仪获取的光谱反射率可以表现出不同植物类型的光谱特征，又能通过光谱特征去研究反演出植被的组织结构、环境条件、元素含量。一般来说，健康的绿色植物的光谱曲线总是会呈现很明显的“高反射峰”和“低反射谷”。如图2-1植被的反射光谱特征和其他地光谱特征不一样。

图2-1植被反射光谱特征

经过对图2.1的分析，可以得知健康绿色植被光谱曲线主要有以下的特点:(1)在可见光波段(400-760nm)有一个小的反射峰,两侧有两个吸收带,即在450nm和670nm 波段为反射低谷，这是由于叶绿素对蓝光和红光吸收作用强，而对绿光反射作用强的原因。(2)植被的最独特的特征就是在700-800nm有一个斜率很大、变化很大的反射曲线，在1100nm处到达峰值。(3)由于叶子内部的含水量的强烈吸收作用，除了在970nm有一个小的吸收段外，在1400nm，1900nm和2700nm处有三个显而易见的低反射谷。(4)此外在1600nm和2200nm处也有两个反射峰。

2.3 植被光谱的特征参数

为了更好地研究植被的反射率光谱，人们提出了一系列的植被系数来研究植被的光谱特征，这些参数能够更好地反映植被本身的生长情况、叶绿素含量等参数，可以更好地帮助人们研究植被本身生长状况、生长趋势等等。表2-2列出了常用的植被光谱特征参数。

表2-2 常用植被光谱特征参数

植被光谱特征参数参数对应的植物特征红边(RE)红边是植被在670～740nm之间反射率增高最快的点，也是一阶导数光谱在该区间的拐点,是绿色植被最显著的标志。蓝边(BE)蓝边是指蓝色光在490~530nm之间反射率一阶导数的最大值位置。黄边(YE)黄边是指黄色光在550~582nm之间反射率一阶导数的最小值位置。归一化差异植被指数(NDVI)NDVI一般指近红外波段反射率和可见光波段反射率的差值与其和值的比值。NDVI=(NIR-R)/(NIR+R)NDVI可以很好的反映植被本身的生长状况、植被覆盖率等；当-1<;=NDVI<;=1，则说明R＞NIR，一般有这样的反射率的地面覆盖为云、水等；若NDVI=0，则代表R=NIR，说明被测地物为岩石；当NDVI>1，说明被测地物有植被，而且随着植被占比的提高而提高；NDVI的劣势在于，它不是以线性拉伸的形式呈现NIR与R的反射对比度，这导致了在植被占比较高的区NDVI的灵敏度降低；NDVI与植被占比相关，可以反映出被测区域是否有土壤、枯叶等背景影响。差值植被指数(DVI)DVI能很好地反映植被覆盖度的变化，但对土壤背景的变化较敏感，当植被覆盖度在15%~25% 时，DVI随生物量的增加而增加，植被覆盖度大于80% 时，DVI对植被的灵敏度有所下降。DVI=NIR-R归一化水指数（NDWI）McFeeterst 根据水体与其他地物的光谱响应的差异提出了归一化差值水体指数（NDWI），即利用绿光波段和近红外波段的差异比值来增强水体信息，并减弱植被、土壤、建筑物等地物的信息。NDWI对冠层水分含量的变化非常敏感，在857 nm 和 1241 nm具有相似的反射率，但是又不同于液态水的吸收特性。应用于冠层胁迫性分析，在浓密叶型植被的叶面积指数的研究，植被生产力模型，着火性研究。它随植被叶面水含量的增加而增加。比值植被指数(RVI)RVI=NIR/R1、值的范围: 0-30+，一般绿色植被区的范围是2-8，无植被覆盖的地面 (裸土、人工建筑、水体植被枯死或严重虫害)的RVI在1附近。2、RVI与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量; 与植被覆盖度:当植被覆盖度较高时，RVI对植被十分敏感，当植被覆盖度<50%时，敏感性显著降低；3、局限:RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。

3.1无人机高光谱采集流程及注意事项

3.1.1注意事项

①天气选择：晴朗无风

➢ 高光谱数据采集禁止在雨天、冰雹、大风天及其他极端天气进行数据采集；

➢ 温度过高（南方夏天零上 35℃以上）或者过低（北方冬天零下 10℃以下）需考虑无人机电池电量问题；

➢ 多云、强风的天气采集数据会极大的影响的数据质量；建议 3-4 风力等级以下；

➢ 6 旋翼（例如 M600）无人机的抗风等级相对较高；

➢ 4 旋翼（例如 M300）无人机的抗风等级相对较低；

②采集时间选择：10：00-14：00（北京时间）

➢ 高光谱的数据采集尽量选择在阳光正射被测物的时间，可根据自己的地理（经纬度）位置选择数据采集时间段；

③飞行场地选择：地势平坦且无障碍物

➢ 山地飞行建议通过卫星图或者实际测高图观测附近山体高度后再规划无人机航带；

➢ 城市飞行需考虑城市建筑物高度，需在空旷的场地起飞。（保证无人机不会在电磁复杂环境或者遮挡视线的建筑物附近起飞）；

➢ 水面飞行需考虑水面上面的风力等级以及数据拼接时有无靶标物识别等；

3.1.2数据采集流程

①环境考察：数据采集前要了解数据采集场地的周边环境以及准备采集时间的天气状况，必要时需要提前到现场观测；

②出行清单确认；

③仪器电量确认；

④采集现场设备安装：无人机-遥控器连接；无人机-地面工作站-地面控制终端连接；数据采集软件起飞前调试；

⑤无人机系统起飞调试：参数设置；航带规划；

⑥数据导出；

4.数据获取及处理

4.1数据获取

本次测试使用iSpecHyper-VM100无人机高光谱（图4-1），其光谱范围400-1000nm，光谱通道数260，空间通道数348（4像元合并），探测器为高灵敏度CCD，成像镜头35mm，视场角为14.4°@f=35mm以及10%标准反射率板。（本次未使用地物光谱仪iSpecField-HH，其光谱范围300-1100，波长精度±1nm，分辨率≤3nm，光谱通道数1600，探测器2048像素）

图4-1 iSpecHyper-VM100无人机高光谱

图4-2 航带规划图

4.2数据处理

高光谱数据测量自带几何校正及拼接，整体做反射率转换，再截出部分数据做NDVI、DVI等植被系数反演。

图4-3高光谱数据拼接图

图4-4 高光谱扫描图部分截图

通过反射率反演出以下五组图。

NDVI反演图                                 DVI反演图

NDWI反演图                               RVI反演图

本次测试能直观体现临安山植被的生长状况，但仅为高空遥感测试，还需用地物光谱仪（图4-5）同时进行现场采样，将采样数据进行模型选择、模型构建后，再与高光谱数据进行比对，以获得更加完善、准确的反演图。用无人机高光谱测量可实现大范围检测，可以更加高效地研究地球表面物体的分类、物质的成分、含量、存在状态、空间分布及动态变化。

图4-5 便携式地物光谱仪iSpecField-NIR