黃宇　陳興?！I(yè)林　黃智輝　孫梅　蘇運城

摘要[目的]探究不同高度下地物的光譜特征變化以及不同時期、不同高度下地物的有效快速識別方法。[方法]以2016年8月7日200m高空高光譜影像和2016年9月25日100、200、300m高空高光譜影像共4景影像為研究對象，研究不同高度下地物的高光譜特征變化以及不同時期、不同高度下地物的分類精度。[結(jié)果]不同高度下，植被的光譜反射率差異顯著，隨著高度的升高，植被特有的特征如“綠峰”降低、“紅谷”升高、“紅邊位置”出現(xiàn)“紅移”，在近紅外范圍內(nèi)，光譜反射率降低；綜合考慮人工參與程度、處理時間和分類精度等方面，基于ISODATA法可實現(xiàn)不同時期、不同高度下地物的快速識別研究。[結(jié)論]該研究結(jié)果為利用無人機高光譜遙感在其他領(lǐng)域的應(yīng)用奠定了基礎(chǔ)。

關(guān)鍵詞 無人機遙感；高光譜；不同高度；地物識別；ISODATA

中圖分類號 S127 文獻標識碼 A 文章編號 0517-6611（2018）11-0170-04

無人機（unmannedaerialvehicle，UAV），是一種通過無線遙控或規(guī)劃航線飛行的無人駕駛飛機，它一般有動力系統(tǒng)、飛控系統(tǒng)、無線通訊遙控系統(tǒng)、有效載荷（武器、偵查設(shè)備）等部分組成。無人機與遙感技術(shù)的結(jié)合，即無人機遙感，克服了近地面小范圍的作物遙感監(jiān)測的極限，同時也克服了衛(wèi)星影像受時間分辨率、空間分辨率的影響。無人機遙感以其全天時、實時化、高分辨率、靈活機動、高性價比等優(yōu)勢，在農(nóng)業(yè)、生態(tài)環(huán)境、新農(nóng)村建設(shè)規(guī)劃、自然災(zāi)害監(jiān)測、公共安全、水利、礦產(chǎn)資源勘探、測繪等國民經(jīng)濟及社會發(fā)展各個領(lǐng)域發(fā)揮著越來越重要的作用，成為繼衛(wèi)星遙感和有人通用航空遙感技術(shù)之后的新興發(fā)展方向。

目前，國內(nèi)外學者通過無人機遙感平臺搭載各種傳感器獲取地面圖像光譜信息，取得了較大的研究進展。如Sugiura等將成像傳感器搭載在無人機上，獲取小面積農(nóng)田信息，劃分出研究區(qū)域內(nèi)的作物葉面積指數(shù)分布情況。李冰等利用低空無人機遙感監(jiān)測冬小麥不同生長時期覆蓋度的變化。Bryson等使用可見光低空拍攝無人機影像基于植被顏色及紋理對不同植被類型進行分類。Garcia-ruiz等使用無人機影像對植被黃龍病進行監(jiān)測。C6rcoles等利用旋翼無人機實現(xiàn)了洋蔥郁閉度的無損測量，并建模分析了郁閉度與葉面積指數(shù)之間的關(guān)系。劉峰等設(shè)計構(gòu)建基于無人直升機平臺的低空遙感系統(tǒng)，對板栗生育期內(nèi)植被覆蓋度變化情況實施了監(jiān)測。高林等以多旋翼無人機為平臺同步搭載高清數(shù)碼相機和多光譜傳感器組成的無人機農(nóng)情監(jiān)測系統(tǒng)對研究大豆葉面積指數(shù)反演，取得了較高的精度。然而，國內(nèi)外大部分學者利用無人機遙感平臺運用于作物的農(nóng)情監(jiān)測、礦產(chǎn)資源探測等領(lǐng)域較多，然而很少有人利用無人機平臺搭載成像高光譜傳感器研究不同高度下同一地物光譜反射率的變化以及不同高度下不同時期地物的快速識別。為此，筆者利用無人機搭載成像高光譜儀，分析了不同高度下地物的光譜反射率差異，并進行了不同高度不同時期地物的快速精準識別，以期為利用無人機高光譜遙感在其他領(lǐng)域的應(yīng)用奠定基礎(chǔ)。

1材料與方法

1.1研究區(qū)域 野外試驗分別于2016年8月7日和9月25日在北京市通州區(qū)馬駒橋鎮(zhèn)某農(nóng)田開展。

1.2方法

1.2.1數(shù)據(jù)采集。采用大疆無人機M600Pro，在無人機遙感平臺上搭載四川雙利合譜科技有限公司自主研發(fā)的成像光譜儀GalaSky-mini，該無人機遙感平臺采用的是無人機懸置空中，成像光譜儀內(nèi)置推掃獲取地面圖像，其主要參數(shù)見表1。8月7日僅飛行了200m高度，地面范圍約80m×80m；9月25日飛行了100、200、300m3個不同高度，地面范圍分別約為40m×40m、80m×80m、120m×120m，無人機遙感平臺的實景如圖1所示。

1.2.2數(shù)據(jù)的預(yù)處理與分析。無人機高光譜圖像的預(yù)處理在四川雙利合譜科技有限公司自主研發(fā)的specView軟件中進行，包括鏡像變換、黑白幀校準（如公式1所示）。高光譜圖像噪聲去除采用最小噪聲分離變換（MinimumNoiseFractionRotation，MNFRotation），圖像的感興趣區(qū)域提取、圖像分類方法均在ENVI/IDL5.3上完成。

1.2.3分類方法與分類精度評價。高光譜遙感圖像分類是高光譜遙感圖像分析和應(yīng)用的重要內(nèi)容，根據(jù)是否使用類別的先驗知識，可分為監(jiān)督分類和非監(jiān)督分類，常用的監(jiān)督分類方法有最小距離分類法、馬氏距離分類法、最大似然分類法、光譜匹配法和神經(jīng)網(wǎng)絡(luò)法等，非監(jiān)督分類常用的方法有K-Means和ISODATA法。該研究運用監(jiān)督分類方法中的馬氏距離分類法、最大似然分類法、神經(jīng)網(wǎng)絡(luò)法以及非監(jiān)督分類的ISODATA法，比較這4種分類方法在不同高度下不同時期的無人機高光譜影像中地物的分類識別精度，利用總體分類精度和Kappa系數(shù)對分類精度進行評價。

2結(jié)果與分析

2.1同一研究區(qū)域不同高度下光譜曲線的差異分析

圖2為9月25日，天氣為晴，基于無人機獲取的3個不同高度的高光譜圖像的RGB真彩色合成圖（RGB分別代表640、550、460nm的波段），光譜曲線分別為同一研究區(qū)域，100、200、300m3個高度的光譜曲線差異。以植被為研究對象，分析同一研究區(qū)域不同高度下光譜曲線的差異。以1個具體的植被象元為例，不同高度下植被光譜反射率差異顯著，隨著高度的升高，植被特有的特征“綠峰”降低、“紅谷”升高、“紅邊位置”出現(xiàn)“紅移”。且在400～510nm光譜反射率隨無人機飛行高度的升高而升高；在近紅外范圍內(nèi)，光譜反射率隨無人機飛行高度的升高而降低，這是因為隨著高度升高，空間分辨率降低，圖像中1個像元代表地面的范圍加大，出現(xiàn)混合像元的概率增加。由此可見，隨著無人機高度的升高，混合像元中土壤所占比例增加，從而造成“綠峰”降低、“紅谷”升高，紅邊位置發(fā)生了“紅移”等現(xiàn)象。

2.2機載影像中不同地物的光譜曲線差異分析 圖3為8月7日天氣為晴，利用無人機獲取的近地面200m高度的高光譜圖像及不同作物與土壤的光譜反射率曲線。土壤的光譜曲線與3種作物的光譜曲線差異顯著，在400～515和580～690nm區(qū)域，土壤的光譜反射率高于3種作物的光譜反射率。在可見光區(qū)域，茄子苗、西瓜苗、葡萄樹3種作物的光譜反射率差異也較為顯著，其中西瓜苗的光譜反射率最高，其次是茄子苗，最后是葡萄樹；在近紅外區(qū)域，西瓜苗和茄子苗的光譜反射率十分相近?？傮w而言，茄子苗的光譜反射率最高，其次是西瓜苗，最后是葡萄樹。

圖4為9月25日天氣為晴，利用無人機獲取的近地面300m高度的高光譜圖像及不同地物的光譜反射率曲線。植物、土壤、公路、大棚植物等地物光譜曲線差異顯著。在400～920nm區(qū)域公路的光譜反射率曲線保持較平穩(wěn)的趨勢，土壤的光譜反射率在該范圍內(nèi)呈上升趨勢；在400～700nm區(qū)域，大棚植物的光譜反射率高于裸露植物，而在700～100nm區(qū)域，則是裸露植物的光譜反射率高于大棚植物。

2.3不同地物的快速識別分類研究 分別運用馬氏距離法、最大似然法、神經(jīng)網(wǎng)絡(luò)、ISODATA（K-Means分類效果不佳，在此不列舉）4種分類方法對8月7日的200m高光譜圖像和9月25日的300m高光譜圖像進行分類研究。完成分類之后，使用目視判讀的方法從圖像上選取不同地物各1000像元計算混淆矩陣進行驗證。結(jié)合驗證數(shù)據(jù)，采用混淆矩陣的方法對4類方法進行精度評價。由表2和表3可知，神經(jīng)網(wǎng)絡(luò)法的分類精度最高，其次是馬氏距離分類法，再次是ISODATA法，最低的最大似然分類法。但從處理時間來看，神經(jīng)網(wǎng)絡(luò)的處理時間較長，分別為35.14和38.26min，其次是最大似然分類法，分別為15.61和16.75min，再次是馬氏距離法，分別是12.54和14.55min，處理時間最短的是ISO-

4種分類方法的原理各不同，從人工參與程度、處理效率和分類精度等方面進行比較分析可知，ISODATA法的分類精度雖然低于神經(jīng)網(wǎng)絡(luò)和馬氏距離法，但是不需要太多的人工參與，處理效率卻大大提高，且分類精度高于最大似然分類法。因此，它同時具備了監(jiān)督分類的高精度和非監(jiān)督分類的低時間的特點，在無人機低空遙感研究中，能夠以較低的工作成本快速獲取高精度的地物識別。圖5和圖6分別為8月7日200m和9月25日300m高光譜圖像基于ISODATA法的分類效果圖。由圖5可知，少量的雜草被錯分為葡萄樹、西瓜苗、茄子苗，但是從大的區(qū)域來看，葡萄樹、西瓜苗、茄子苗的像素并未存在錯分和漏分現(xiàn)象。由圖6可知，少量的土壤，可能是沙土，被錯分為大棚或公路斑馬線，其他地物不存在錯分和漏分現(xiàn)象。總體而言，ISODATA法可實現(xiàn)無人機高光譜遙感對地面地物的快速有效的識別。

3結(jié)論與討論

該研究基于無人機平臺搭載成像高光譜相機，分別獲取了2個時間段不同高度的高光譜圖像，分析了不同高度同一地物光譜曲線的差異和基于不同高度下不同分類方法的分類精度評價。結(jié)果表明，隨著無人機高度的升高，混合像元中土壤所占比例增加，從而造成“綠峰”降低、“紅谷”升高，紅邊位置發(fā)生了“紅移”等現(xiàn)象，該研究結(jié)果與地面光譜儀ASD的研究結(jié)果一致。ISODATA法的分類精度雖然不及神經(jīng)網(wǎng)絡(luò)和馬氏距離分類法，但是在綜合考慮人工參與程度、處理效率和分類精度時可知，ISODATA法對于快速實現(xiàn)地物的識別效果最佳，研究結(jié)果為利用無人機高光譜遙感進行軍事偽裝快速識別、海洋油污面積估測、災(zāi)害損失評估等領(lǐng)域具有重大意義。