今天小編為大家分享的應(yīng)用案例是：基于無人機高光譜遙感的火龍果種植株數(shù)提取技術(shù)。

一、背景與意義

隨著經(jīng)濟快速發(fā)展，火龍果種植規(guī)模不斷擴大，目前貴州省火龍果種植面積獲取主要為傳統(tǒng)的人為實地采集，該方法已不能較好地滿足各級政府部門實時快速掌握區(qū)域果樹種植分布情況的需求。因此，對火龍果種植區(qū)域的株數(shù)快速準確識別方法研究成為當(dāng)前亟待解決的關(guān)鍵問題。由于貴州火龍果種植區(qū)域大多屬于低熱河谷，礙于特殊的地理環(huán)境，利用傳統(tǒng)的航空航天遙感難以實現(xiàn)火龍果種植區(qū)的實時監(jiān)測，隨著科學(xué)技術(shù)的不斷發(fā)展，無人機遙感技術(shù)被廣泛應(yīng)用于不同類別的果樹識別與監(jiān)測。關(guān)于無人機遙感技術(shù)在果樹監(jiān)測方面的應(yīng)用，廣大學(xué)者作了相應(yīng)的研究，但利用無人機搭載高光譜成像儀獲取低空高光譜數(shù)據(jù)進行火龍果植株識別的研究比較少見，鑒于此，以關(guān)嶺縣上官鎮(zhèn)樂安村火龍果種植基地為研究區(qū)，利用某六旋翼無人機搭載高光譜成像儀獲取低空高光譜數(shù)據(jù)，借助遙感影像處理軟件結(jié)合空間分析軟件，通過獲取火龍果端元波譜，采用波譜角分類方法（Spectral?Angle Mapper , SAM）提取低熱河谷地帶火龍果株數(shù)，為下一階段快速統(tǒng)計貴州區(qū)域的火龍果種植面積，實時掌握產(chǎn)業(yè)布局，進而較好地給相關(guān)部門提供決策支撐打下基礎(chǔ)。

二、材料與方法

2.1? 研究區(qū)概況

研究區(qū)位于關(guān)嶺縣板貴鄉(xiāng)樂安村，地處關(guān)嶺自治縣西南部，中心地理坐標為東經(jīng)105°44′27″、北緯25°44′52″，平均海拔502ｍ。該區(qū)域氣候溫?zé)幔瑢儆趤啛釒Ъ撅L(fēng)氣候，年均氣溫可達20℃以上，適于發(fā)展火龍果種植，種植品種均為紅心火龍果。

2.2? 材料

2.2.1 無人機航攝系統(tǒng)

飛行平臺：采用某六旋翼無人機作為飛行平臺，該機型采用模塊化設(shè)計，拆裝方便；載重可達6.0kg，單架次滿電作業(yè)時長可達30min，可實現(xiàn)5km的遠距離、低延時高清實時影像與控制信號傳輸。任務(wù)設(shè)備：高光譜數(shù)據(jù)獲取用某高光譜成像儀，設(shè)備自身重量為2.2kg，光譜范圍為400～1000nm，光譜分辨率可達1.3nm，該設(shè)備操作簡便，具有低雜散光，低失真、高信噪比及高圖像質(zhì)量等一系列優(yōu)點。

2.2.2 火龍果種植區(qū)試驗基地

為創(chuàng)造良好的試驗條件，選擇關(guān)嶺縣板貴鄉(xiāng)樂安村管理良好的火龍果種植范圍為研究區(qū)。研究區(qū)面積3813.22ｍ２，地勢較為平緩，田間基本沒有雜草。

2.3? 方法

2.3.1? 火龍果株數(shù)采集

為驗證高光譜影像識別火龍果株數(shù)的準確率，需獲取研究區(qū)內(nèi)火龍果種植的實際株數(shù)。主要借助空間分析軟件通過波段重新組合顯示研究區(qū)真彩色影像，然后利用目視解譯手段，準確勾繪研究區(qū)火龍果地類，計算火龍果覆蓋株數(shù)，作為精度評價基準數(shù)據(jù)。

2.3.2? 高光譜影像數(shù)據(jù)獲取

為確保所獲取的影像數(shù)據(jù)質(zhì)量，選擇天氣晴朗的正午時分進行拍攝。數(shù)據(jù)獲取時間為13:00-14:00，此時間段研究區(qū)域內(nèi)陽光充裕。首先將高光譜儀搭載在無人機上，做好相應(yīng)的準備工作（拍攝范圍規(guī)劃、控制點采集、磁校正）后開始進行低空拍攝，無人機飛行相對航高200ｍ，航向以及旁向重疊度均設(shè)置為65%，單架次航拍有效面積為10098ｍ２。

2.3.3? 高光譜影像處理

借助遙感影像處理軟件進行處理，主要包括影像預(yù)處理、幾何校正、影像拼接及裁剪。影像預(yù)處理主要針對采集的多光譜原始影像進行輻射定標及大氣校正；利用采集的控制點對預(yù)處理后的影像數(shù)據(jù)進行幾何校正，從而得到具有正確投影信息的數(shù)據(jù)文件；再對幾何校正后的影像進行拼接，利用研究區(qū)矢量邊界裁剪影像得出所需的研究區(qū)域。

2.3.4 基于波譜角分類法的火龍果植株自動提取與驗證

波譜角分類是高光譜遙感影像分類中比較常見的監(jiān)督分類法之一，其原理是假設(shè)數(shù)據(jù)己被減化為表觀反射率，具有光譜方向但沒有長度方向，再將影像上每個像元的波譜曲線與所選擇的端元波譜曲線進行比較，通過對比雙方切線方向上的夾角（等同于波譜角）大小判斷兩者是否屬于同一類物質(zhì)，角度越小表示屬于同一種物質(zhì)的可能性越大；通過設(shè)置合理的角度閾值確定未知像元的類別，從而實現(xiàn)高光譜影像上不同物質(zhì)類型的自動識別。操作流程見圖１。

１）端元波譜收集。基于處理好的高光譜數(shù)據(jù)，利用遙感影像處理軟件，采用ＭＮF最小噪聲分離變換工具判定圖像數(shù)據(jù)內(nèi)在的維數(shù)（即波段數(shù)），分離數(shù)據(jù)中的噪聲，降低波段之間的相關(guān)性，減少計算需求量，獲得有效波段數(shù)；借助純凈像元指數(shù)（Pixel Purity In-dex -- PPI）和Ｎ維可視化工具用于端元波譜收集，純凈像元指數(shù)計算時，設(shè)置迭代次數(shù)（Number ?of ?lter-ations）為5000、閾值（Threshold Factor）為2.5進行計算，Ｎ維可視化端元波譜獲取時，在n-D ?Selected ?Bands）列表中框中，選擇前５個波段在?Ｎ?維可視化窗口中構(gòu)成散點圖，根據(jù)散點聚集情況進行端元選取。

２）波譜識別。加載端元波譜曲線，使用波譜端元收集器工具（Endmember ?Collection）進行物質(zhì)識別，在分類算法（Algorithm）中選擇波譜角分類法，通過不斷調(diào)整波譜角參數(shù)進行影像分類。精度驗證：波譜識別完成之后，借助空間分析軟件將分類結(jié)果轉(zhuǎn)為矢量文件，剔除非火龍果要素，然后進行火龍果株數(shù)統(tǒng)計，將統(tǒng)計結(jié)果與目視解譯采集到的火龍果株數(shù)（實際種植數(shù)量）進行精度Ｒ驗證：

式中，Ｍ識別值代表基于無人機高光譜影像利用空間分析軟件自動識別的火龍果株數(shù)，Ｎ解譯值代表基于真彩色影像通過目視解譯得到的研究區(qū)種植火龍果的實際數(shù)量。

三、結(jié)果與分析

3.1?目視解譯火龍果植株

經(jīng)過處理后的高光譜影像分辨率為0.25ｍ，包含231個波段，經(jīng)過篩選，將102、61、27波段進行組合得到研究區(qū)域真彩色影像，裁剪出研究區(qū)面積為3813.22㎡。區(qū)域內(nèi)包含 有道路、火龍果植株、土壤、樹木４種類別，借助空間分析軟件進行目視解譯，得出火龍果植株數(shù)量為595株（圖２）。

3.2?基于無人機高光譜遙感影像火龍果植株數(shù)的提取精度

借助遙感影像處理軟件進行高光譜數(shù)據(jù)處理，得出基于無人機高光譜遙感影像提取的火龍果株數(shù)為553株（圖3），結(jié)合目視解譯結(jié)果，得出提取精度為92.94%。分析提取結(jié)果發(fā)現(xiàn)，長勢不好以及被樹木遮擋的火龍果植株難以識別，長勢較好且枝條有交叉的多株火龍果容易被識別為單株，２種情況均會影響提取的準確率。

四、結(jié)論與討論

研究利用多旋翼無人機作為飛行平臺，搭載高光譜成像儀獲取研究區(qū)的低空高光譜遙感影像，借助遙感影像處理軟件以及空間分析軟件等地理信息系統(tǒng)軟件進行影像后處理，通過純凈像元指數(shù)（Pixel Purity In-dex -- PPI）和?Ｎ?維可視化工具進行端元波譜獲取，從而識別出研究區(qū)域的火龍果種植株數(shù)。

對基于高光譜數(shù)據(jù)提取的火龍果株數(shù)進行精度驗證，提取準確率可達92.94%，說明借助地理信息系統(tǒng)處理軟件對高光譜數(shù)據(jù)進行處理可實現(xiàn)火龍果種植數(shù)量的快速提取，精度較高，可為下一階段實現(xiàn)火龍果種植面積的快速監(jiān)測提供一定的技術(shù)支撐，從而實現(xiàn)火龍果園區(qū)的精準化管理。由于貴州火龍果種植區(qū)域地理條件相對較差，利用無人機搭載高光譜成像儀進行近地數(shù) 據(jù)采集時，務(wù)必確保天氣晴朗，無云層遮擋，風(fēng)速小于２ｍ／ｓ；最佳拍攝時間點為正午時分，此刻太陽直射地面，火龍果植株基本沒有陰影，便于提高后期影像處理的質(zhì)量；數(shù)據(jù)采集過程中由于種種外部因素可能會導(dǎo)致飛機姿態(tài)受到影響，無人機飛行務(wù)必隨時留意飛機狀態(tài)，確保數(shù)據(jù)采集過程中姿態(tài)穩(wěn)定，避免獲取的數(shù)據(jù)存在拉花及模糊現(xiàn)象。

此外，在進行高光譜數(shù)據(jù)處理時，為了保證火龍株數(shù)信息提取的精度，一是分類之前務(wù)必對影像進行輻射校正以及大氣校正，排除水汽、二氧化碳等雜質(zhì)的干擾，去除壞波段；二是在?Ｎ?維可視化工具中進行地類端元波譜選取時，需選取散點集聚分布的區(qū)域，以較大程度分離不同地類波譜曲線，避免地類之間出現(xiàn)誤分的情況。研究所選區(qū)域較為理想，區(qū)域內(nèi)地類較少，復(fù)雜區(qū)域未作相應(yīng)研究，在進行數(shù)據(jù)采集時沒用利用地物波譜儀獲取單株火龍果的波譜數(shù)據(jù)，僅對無人機獲取的高光譜影像進行端元波譜的選擇，無對比數(shù)據(jù)。后期將重點研究復(fù)雜區(qū)域內(nèi)植物種植數(shù)量的提取技術(shù)，以完善和豐富遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。

審核編輯：符乾江