第三章 非實時數據載荷

無人機載荷與行業(yè)應用第三章 非實時數據載荷目 錄

可見光相機項目1項目2項目3

光譜相機

激光雷達項目1可見光相機人類眼睛能感知的光波被稱為可見光，所以可見光相機是普遍應用的遙感設備?？梢姽庀鄼C工作在波長為0.4～0.7

m的光波譜段，能把人眼可以看見的景物真實地再現出來。優(yōu)點：直觀、清晰、易于判讀不足：只能白天工作，受云、雨、霧等氣象條件的影響很大任務1

可見光相機介紹任務2

可見光相機分類無人機常用的可見光相機主要有兩類：單反相機和專業(yè)航攝儀。1.單反相機單反指單鏡頭反光，即SLR（SingleLens

Reflex），也就是單鏡頭反光取景的意思，取景和成像都使用同一個鏡頭。單反相機取景時，光線通過反光板、五棱鏡或者五面鏡反射到光學取景器，如圖所示。這時，從取景器中就能看到被拍攝區(qū)域的視圖。單反相機2.專業(yè)航攝儀專業(yè)航攝儀與普通單反相機相比，具有更高的圖像穩(wěn)定性、數據傳輸能力和抗干擾能力，往往帶有慣性測量單元、相機控制部件、電源管理系統、溫控系統、存儲器、成像處理器及數據接口、座駕等部件，如圖所示。專業(yè)航攝儀任務2

可見光相機分類專業(yè)航攝儀中根據航攝角度又可分為垂直攝影相機和傾斜攝影相機。垂直攝影相機既可以是單鏡頭，也可以是多鏡頭，如圖所示為多鏡頭相機。傾斜攝影相機可以是單鏡頭，但以多鏡頭居多，實際上多鏡頭傾斜攝影相機中常帶有垂直攝影鏡頭。多鏡頭相機任務2

可見光相機分類任務3

可見光相機組成UV濾鏡光學鏡頭可見光相機由光學玻璃加鍍膜組成，是具備截止某個或幾個波段的功能鏡片由多組光學鏡片組成，可以根據使用者需求進行焦距調節(jié)，使得相機在不同距離條件下得到清晰的圖像。其中，鏡片分球面和非球面，非球面鏡片較球面鏡片畸變更小，但加工難度更大，成本更高。包含光學傳感器、快門結構、圖像處理器和電池等。指相機的集成硬件，含圖像傳感器、圖像信號處理器、拍照快門和電池，可以實現拍照、照片預覽、照片存儲等功能。相機機身存儲設備所謂畫幅，是指數字相機的傳感器大小。膠片相機成像是通過膠片來實現的，而對于數字相機，則是通過感光元件來成像的，如圖所示。膠片和感光元件任務4

可見光相機功能與性能指標正如膠卷有很多種尺寸一樣，數碼時代的不同畫幅指的是大小各異的傳感器，如圖所示。不同畫幅傳感器任務4

可見光相機功能與性能指標目前，使用感光膠片記錄影像信息的相機已經很少使用了，而可見光相機使用得越來越多，可見光相機一般都是指數字相機。數字相機拍攝物體的大致過程：物體反射（或照射）的光線經過鏡頭到達圖像傳感器，圖像傳感器把光信號轉換為電信號，然后模數轉換器件把電荷信號轉換成數字信號，數字信號經過放大電路進入微處理器，數字信號經過ISP（Image

Signal

Processing）運算處理之后傳輸到存儲器中被存儲為圖像，如圖所示。任務5

可見光相機的工作原理任務5

可見光相機的工作原理相機主要部件：鏡頭、圖像傳感器、圖像信號處理器1.鏡頭鏡頭是相機的成像部分，影像的質量主要取決于鏡頭的光學質量。鏡頭由多片球面或非球面光學玻璃透鏡組成，鏡頭的焦距通過調焦環(huán)的方式來改變，使得影像清晰。任務5

可見光相機的工作原理2.圖像傳感器圖像傳感器是相機的主要組件之一，對成像質量影響很大。傳感器將從鏡頭上傳導過來的光線轉換為電信號，再通過內內部的DA轉換為數字信號。由于傳感器的每個pixel只能感光R光、B光或者G光，如圖所示，因此此時存儲的每個像素是單色的，我們稱之為RAWDATA。要想將每個像素的RAW

DATA還原成三基色，就需要信號處理器ISP來處理。傳感器示意圖圖像傳感器CCD（charge-coupleddevice，電荷耦合器件）CMOS（complementarymeta-oxidesemiconductor，互補金屬氧化物半導體）CCD傳感器成像質量好，圖像明銳通透、細節(jié)豐富、色彩還原度好，但是成本較高，耗電功率高。CMOS傳感器成像質量稍差，但耗電功率較低，成本也比CCD低。當今相機中主要還是采用CMOS傳感器。CMOS傳感器中集成了模數轉換器，CCD傳感器沒有集成模數轉換器。任務5

可見光相機的工作原理3.

圖像信號處理器圖像信號處理器（

Image

SignalProcessing，ISP）

的作用就是對圖像傳感器傳輸過來的信號進行運算處理，最終得出經過線性糾正、噪點去除、壞點修補、顏色插值、白平衡校正、曝光校正等處理后的結果。ISP能夠在很大程度上決定相機最終的成像質量。任務5

可見光相機的工作原理CCD線陣傳感器線陣傳感器以線掃描方式，依賴遙感平臺的運動而構成影像CCD面陣傳感器面陣傳感器是在某一時刻一次成像，具有面中心投影的特性。數字成像的兩種方案：可見光相機通過獲取地面或空中目標的圖像信息，可形成高分辨率的可見光影像。可見光相機在航空攝影方面，能提供基礎影像資料，用于測繪、地質、水文、礦藏、森林等自然資源勘測，在農業(yè)產量預估、大型廠礦和城鎮(zhèn)規(guī)劃、路線勘測和環(huán)境監(jiān)測等領域也有著廣泛的應用。下面以航空攝影測量作業(yè)流程為例，使讀者了解可見光相機的應用。任務6

可見光相機在航測中的應用任務6

可見光相機在航測中的應用1.

可見光相機航空攝影測量的作業(yè)流程基本作業(yè)流程：根據收集到的基礎資料擬定低空攝影測量技術路線，采用無人機搭載可見光相機實施航拍，獲取測區(qū)高分辨率數碼影像，完成測區(qū)基礎控制點測量和像片控制點的布設及測量。具體流程如圖所示。數字低空攝影測量工作流程任務6

可見光相機在航測中的應用2.

航攝方案設計（1）無人機選擇。根據航測項目相關要求，確定無人機性能指標需求，選擇合適的無人機。一般在選擇無人機時主要參考以下幾個標準：②

有效荷載：可裝載的相機類型。往往要根據項目要求確定相機類型，根據相機類型和成果要求確定合適的無人機。③

易操作性，便于維修保養(yǎng)。① 續(xù)航時間：續(xù)航時間長短將直接影響作業(yè)效率。常用的無人機有兩類：固定翼無人機和多旋翼無人機。任務6

可見光相機在航測中的應用（2）相機選擇選擇合適的相機。一般根據成果要求進行選擇。常用的有：正射相機、傾斜攝影相機。相機主要考慮以下幾個關鍵參數：焦距、像元尺寸、像幅大小、鏡頭質量。傾斜攝影相機和正射相機在航飛方案設計上類似，只是在數據獲取上有所區(qū)別，傾斜攝影往往采用多鏡頭，可獲取更多鏡頭的影像數據。任務6

可見光相機在航測中的應用③

航攝分區(qū)設計分區(qū)內的地形高差不應該大于1/6航高。④

重疊度設計無人機航空攝影測量的重疊度一般較高，通常采用航向重疊度大于75%，旁向重疊度大于60%。a式中：H——攝影航高，m；f——鏡頭焦距，mm；GSD——地面分辨率，m；a——像元尺寸，mm。（3）航飛方案設計①

確定攝區(qū)工作范圍②

航高設計要充分顧及地形起伏、飛行安全和影像的有效分辨率。在地形起伏比較大的測區(qū)，為了保證成圖分辨率，一般考慮對測區(qū)進行分區(qū)飛行。航攝航高按以下公式計算：H

f

GSD任務6

可見光相機在航測中的應用（4）航飛準備①

場地踏勘：對航攝區(qū)域進行現場考察，觀察區(qū)域內的地形情況以及選取無人機起降場地。②收集資料：收集航攝區(qū)域的控制點、航攝范圍圖、衛(wèi)星影像圖、氣象資料等。③ 航線規(guī)劃：根據確定的航高、重疊度來規(guī)劃無人機的飛行任務航線，如圖所示。航攝區(qū)域航線布設圖3.

航攝實施任務6

可見光相機在航測中的應用（1）天氣選擇：應在天氣晴朗、能見度較高的條件下進行飛行，盡量避免在風力較大（≥3級）的天氣飛行。進入測區(qū)執(zhí)行航攝任務時也應選擇光線良好的時段。（2）設備調試：進入測區(qū)后，組裝無人機和相機，并進行調試檢查，確保系統工作正常，為正式作業(yè)做好準備工作。（3）航空攝影測量作業(yè)：將設計好的航線上傳到無人機，可根據現場具體情況進行必要調整，確保無誤后，按照正確的操作流程完成航測飛行任務。（4）攝影后的數據下載：每個分區(qū)攝影結束后，應及時將獲取的數據下載到移動硬盤上，并妥善保管。1.航測二維成圖案例——1∶500

航測法高精度成圖及其應用1）背景介紹1∶500地形圖測繪全野外成圖工作量大、工期較長、成本較高。近些年無人機航攝因為使用方便，數據獲取成本低、速度快，在1∶1 000、1∶2 000等比例尺的地形圖測繪、正射影像圖生產等領域得到廣泛應用。這里通過對1∶500無人機航測法成圖過程中誤差產生的來源進行分析，研究提高航測法成圖精度的關鍵技術，選用速度慢、振動小、姿態(tài)好的電動差分無人機作為航攝平臺，通過航線優(yōu)化設計，建立1∶500無人機航測法高精度成圖技術路線和工藝流程。任務6

可見光相機在航測中的應用2）1∶500航測法成圖誤差來源（1）像片的地面分辨率和影像質量在傳統無人機航測法成圖過程中，像片控制測量誤差、空中三角測量誤差、立體像對定向誤差、立體采集過程中的位置判定誤差等，會在作業(yè)過程中不斷傳遞并積累，影響成圖的最終精度。所有環(huán)節(jié)誤差的產生都與像片的分辨率和影像質量有關。分辨率越高、影像質量越好，判讀就越準確，誤差也就越小，所以要想提高成圖精度，必須首先提高像片的地面分辨率和影像質量。任務7

可見光相機應用與案例2）1∶500航測法成圖誤差來源（2）鏡頭畸變無人機航攝采用的相機一般為非量測型全畫幅相機，鏡頭畸變大，尤其是像片邊緣部分。盡管可以根據相機畸變參數對像片進行畸變糾正，但糾正過程中會產生糾正誤差，且越靠近像片邊緣，糾正誤差越大。所以為了提高精度，應加大像片重疊度，盡可能多地使用像片中心部分的影像。任務7

可見光相機應用與案例2）1∶500航測法成圖誤差來源（3）像片外方位元素一般的無人機沒有配置高精度慣導裝置，僅采用普通GPS進行定位導航，所以在相機曝光同時記錄的位置數據誤差較大，需要在后期完成大量的像片控制測量后，才能進行空中三角測量。為了減少像片控制測量工作量及后繼工序的誤差累積，應盡可能提高曝光瞬間像片的外方位元素精度。任務7

可見光相機應用與案例3）1∶500無人機航測法高精度成圖試驗（1）試驗流程及飛行區(qū)域選擇本試驗過程包括飛行區(qū)域選擇、航攝設計及相機檢校、航攝作業(yè)、事后差分解算、空中三角測量、檢查點立體量測、檢查點野外量測、精度評定等步驟，具體試驗流程如圖所示。選擇的試驗區(qū)域面積約3

km2，整體地形為丘陵，高差約80

m。區(qū)域內有居民地、廠房、道路、平整地塊、水系、植被等地物，對于本次試驗具有典型的代表意義。任務7

可見光相機應用與案例試驗流程（2）航攝設計及相機檢校①航攝飛行平臺的選擇航攝飛行平臺應裝備高精度差分GPS系統，實現相機曝光時間戳的精確記錄；采用電力驅動，實現慢速、穩(wěn)定飛行。CW-10電動垂直起降固定翼無人機自帶高精度差分GPS、引閃器，采用大容量鋰電驅動，飛行振動小，巡航速度20

m/s，在曝光時間不長于1/1

600

s時，可以保證像點位移在1/3像素以內，是本試驗較為理想的飛行平臺。任務7

可見光相機應用與案例任務7

可見光相機應用與案例規(guī)劃航線②

相機選擇及參數標定相機選用3600萬像素全畫幅SonyILCE-7R機身，像元尺寸4.88

m，搭配成像質量較好的蔡司35 mm定焦鏡頭，相機的內方位元素和畸變參數經精確標定。③

航線規(guī)劃設計地面分辨率為0.04

m，航向重疊度70%，旁向重疊度60%，構架航線垂直于主航線，位于測區(qū)內離主航線兩端頭4條基線長度的位置，航高比主航線高50m。規(guī)劃航線如圖所示，東西方向為主航線，南北方向為構架航線。（3）無人機航攝作業(yè)選擇合適天氣，測定基站GPS坐標，完成無人機航攝作業(yè)，完整下載航攝像片數據、基站GPS數據、移動站GPS數據，并檢查數據完整性及可用性。（4）事后差分解算及空中三角測量①

事后差分解算：利用事后差分解算軟件對基站坐標數據、基站GPS數據、移動站GPS數據、機載POS數據進行聯合解算，得出精確的影像POS數據，平面坐標系為CGCS

2000，高程系為橢球高。②

空中三角測量：選擇GodWork軟件作為空中三角測量工具。這個過程只需要少量的人工干預。任務7

可見光相機應用與案例任務7

可見光相機應用與案例③

精度對比以檢查點野外量測為基準，立體量測相對野外量測的平面位置中誤差、高程中誤差分別按下面的公式計算。（5）精度檢測①

檢查點立體量測將空三結果導入全數字攝影測量系統，在立體空間上量測檢查點三維坐標。②

檢查點野外量測采用天寶RTK到野外實地測量檢查點三維坐標。式中 m1 ——檢查點中誤差，m；Δ ——檢查點野外實測值與立體觀測值的誤差，m；n ——

參與評定精度的檢查點數（每幅圖20～50個）。nm1

(

i

i)

/

ni

1任務7

可見光相機應用與案例檢查檢查點數量平面位置高程小于2倍中誤差數量小于1倍圖幅數中誤差/m最大誤差/m中誤差/m最大誤差/m中誤差數量2660.0710.1580.0690.1291056隨機抽出兩幅圖進行精度檢測。每幅圖檢查點個數為33個，總計66個，并均勻分布。檢查點統計計算結果見表1。平面位置中誤差為0.071

m，最大誤差為0.158

m；高程中誤差為0.069

m，最大誤差為0.129

m。小于2倍中誤差的檢查點有10個，小于1倍中誤差的檢查點有56個。表1表2、表3分別為《數字航空攝影測量空中三角測量規(guī)范》（GB/T23236—2009）、《1∶500 1∶1

000 1∶2

000外業(yè)數字測圖技術規(guī)程》（GB/T

14912—2005）關于1：500比例尺的精度要求。對比表1、表2、表3，試驗實現了1∶500無人機航測法高精度成圖的試驗目標。任務7

可見光相機應用與案例點別平面位置中誤差高程中誤差平地丘陵地山地高山地平地丘陵地山地高山地檢查點0.1750.1750.350.350.150.28（0.15）0.40.6地形類別平地丘陵山地高山地基本等高距0.51.0（0.5） 1.01.0平面位置中誤差±0.15（±0.25）±0.15（±0.25）±0.23（±0.40）±0.23（±0.40）高程中誤差1/3基本等高距1/2基本等高距2/3基本等高距1倍基本等高距表2單位：m表3單位：m4）1∶500無人機航測法高精度成圖的工程應用經試驗驗證后，將本技術方案實際應用于廣安市溪口鎮(zhèn)1∶500地形圖測繪。該測區(qū)位于山谷地帶，面積2km2，中央地形較平，為丘陵地形，四周屬于山地地形，利用本技術方案完成了航飛、POS解算、空中三角測量、內業(yè)立體測圖。精度檢測時隨機抽取4幅圖進行精度檢測，檢查點共84個。經統計，平面中誤差±0.09m，高程中誤差±0.08m，平面及高程精度均滿足相關規(guī)范要求。任務7

可見光相機應用與案例5）總結在當前差分GPS技術、無人機技術、相機技術不斷進步的過程中，通過科學的優(yōu)化技術路線，1∶500無人機航測法高精度成圖試驗成功并在實際工程中得到應用，實現了業(yè)內追求多年的夙愿，順利實現1∶500地形圖測繪工期縮短、成本降低的目標。雖然因植被覆蓋無法看見的地物測量、房檐改正等工作，仍需要野外實地測量，

航測法成圖不能完全代替野外作業(yè)，

但這并不能影響1∶500無人機航測法高精度成圖在實際工程應用中的重要現實意義。任務7

可見光相機應用與案例任務7

可見光相機應用與案例2.三維城市建模案例1）項目的主要任務城市傾斜攝影及三維精細建模。項目區(qū)域如圖所示。項目區(qū)域圖2）航攝方案設計（1）技術指標要求：① 測繪基準。平面坐標系統：采用2000國家大地坐標系（CGCS

2000），高斯-克呂格投影，3

分帶。②

數據格式：三維模型成果數據分為OBJ和OSGB兩種格式。（2）影像指標要求：傾斜攝影地面分辨率基于基準面，城區(qū)優(yōu)于0.02m；城區(qū)以外優(yōu)于0.05m。（3）天氣分析：天氣情況直接決定了航空攝影測量的進度，而影響天氣變化的因素有很多。測區(qū)屬暖溫帶半濕潤半干旱季風氣候，四季分明，光照充足，雨量適宜。（4）空域分析：測區(qū)及周邊無禁飛區(qū)域。任務7

可見光相機應用與案例任務7

可見光相機應用與案例（5）設計方案①

飛行平臺：采用CW-15垂直起降固定翼無人機、M300RTK多旋翼無人機搭配，兼顧固定翼無人機的飛行效率和多旋翼無人機的精細作業(yè)，如圖所示。垂直起降固定翼無人機多旋翼無人機任務7

可見光相機應用與案例②

相機：本項目主要采用傾斜攝影相機CA503R，如圖所示。傾斜攝影相機③

作業(yè)流程如圖“作業(yè)流程”所示。作業(yè)流程任務7

可見光相機應用與案例④

航高確定數字航空攝影的地面分辨率取決于飛行高度，如圖所示。a h

f

GSDGS a式中 h

——飛行高度；f

——

鏡頭焦距（8mm）；A

——

像元尺寸（1.4

m）；GSD——

地面分辨率。按照公式求得地面分辨率0.02m相對航高為155.1m，0.05m相對航高分別為387.6m。為了更好地滿足地面分辨率的要求，我們選擇平均面上的地面分辨率0.017m相對航高為155.1m，0.04m相對航高分別為346m。任務7

可見光相機應用與案例⑤

航線規(guī)劃設計航線規(guī)劃設計按照相關要求執(zhí)行，同時進行測區(qū)的地形環(huán)境研究，航線設計時要嚴格遵守相關規(guī)范要求，確保目標的全覆蓋，如圖所示。航線規(guī)劃示意圖單架次航線示意圖任務7

可見光相機應用與案例地形類別太陽高度角陰影倍數平地>20

<3丘陵地和一般城鎮(zhèn)>25

<2.1山地和大、中城市≥40

≤1.2高差特大的陡峭山區(qū)和高層建筑物密集的大城市限在當地正午前后各一小時進行攝影<1⑥

航攝時間選擇航攝影像的成圖質量對航攝飛行的時間有一定的要求，在規(guī)定的航攝期限內，應選擇地表植被及其他覆蓋物（如洪水等）對成圖影響較小、云霧少、無揚塵（沙）、大氣透明度好的時間進行作業(yè)。航攝區(qū)太陽高度角和陰影倍數如表所示。航攝區(qū)太陽高度角和陰影倍數表（1）掌握氣象條件，做好飛行前的各項準備工作進入航攝任務實施后，作業(yè)組需及時了解并掌握攝區(qū)氣象條件，為飛行安排提供依據。作業(yè)組在航攝實施前，應提前做好無人機及任務所需儀器、設備的準備工作。（2）航飛作業(yè)按照作業(yè)計劃，作業(yè)組應充分組織好飛行前的地面準備工作，包括組裝無人機、調試相機，仔細檢查無人機的各項參數指標是否正常，并做好記錄，確保飛行安全；作業(yè)員針對當日天氣狀況、光照情況設定好相機參數，并完成相機的安裝和調試工作，并反復檢查確認。地面準備工作完成后，執(zhí)行航飛任務。3）航攝具體實施及相關要求任務7

可見光相機應用與案例（3）作業(yè)監(jiān)控執(zhí)行任務的無人機升空后，地面監(jiān)控人員應實時監(jiān)控無人機工作情況，了解作業(yè)進度、飛行速度、儀器設備工作是否正常等。作業(yè)期間，作業(yè)人員應時刻保持對氣象環(huán)境的觀察，當地面風速、風向變化較大或天氣突變時，應根據著陸條件及要求及時做出是否返航著陸的處置工作。（4）數據整理及質量檢查無人機返航著陸后，有序地組織拆卸設備。作業(yè)人員應及時對數據進行備份整理并完成數據的初檢工作，對數據質量不符合要求的應做好補攝或重飛準備。3）航攝具體實施及相關要求任務7

可見光相機應用與案例任務7

可見光相機應用與案例4）三維模型生產本項目三維建模生產采用自動建模軟件系統，該系統是基于圖形運算單元GPU的快速自動三維場景運算軟件，整個過程無須人工干預，從簡單連續(xù)影像中生成最逼真的實景三維場景模型。運用傾斜攝影技術獲取的影像數據，通過合理布設地面像片控制點，然后將影像數據、地面像片控制點數據導入自動建模軟件系統進行批處理。人工只需參與對質量控制和三維模型編輯修飾工作。具體流程如圖所示。三維建模生產流程圖任務7

可見光相機應用與案例5）三維成果輸出利用軟件輸出OSGB格式三維成果，三維模型成果示意圖如圖所示。三維模型成果示意圖項目2光譜相機無人機成像光譜系統具有機動靈活、操作簡便、能按需獲取高時間和高空間分辨率數據、應用成本低等優(yōu)勢，有效彌補了衛(wèi)星及大型航空遙感系統在地表分辨率低、重訪周期長、受水汽影響大等不足，為中小尺度的遙感應用提供了新的工具。任務1

光譜相機介紹成像光譜儀是成像光譜技術發(fā)展的產物，是可以同時獲取影像信息與像元的光譜信息的光學傳感器，是成像光譜技術得以實現的實物載體。根據成像光譜儀的光譜分辨率不同，

光譜相機可以分為多光譜成像儀（

M

u

l

t

i

s

p

e

c

t

r

a

lImager，MSI）和高光譜成像儀（Hyperspectral Imager，HSI）。任務1

光譜相機介紹多光譜成像儀所獲取的目標地物波段數量為3～12個，光譜分辨率在40

nm左右，主要用于地物分類及半定量遙感。高光譜成像儀所獲取的目標地物波段數量為100～200個，光譜分辨率在10

nm左右，被廣泛應用于遙感領域中。不同種類的成像光譜數據任務2

光譜相機分類快照式多光譜相機是一種技術先進、輕便小巧、可搭載在無人機上的多光譜成像設備，專門為低空遙感提供精確的多波段光譜數據。相機擁有5個獨立的成像器，分別配上特制的濾光片，能讓每個成像器接收到精確波長范圍的光譜信息。某型快照式多光譜相機任務3

多光譜相機光譜相機在相對行高為120m條件下能夠獲取8cm分辨率的原始影像，相機內全局快門可消除圖像失真，DLS光照傳感器和GPS集成為DLS2代，提高了集成度和輻射測量精度具體參數。測量精度具體參數如表所示。某型快照式多光譜相機技術參數表任務3

多光譜相機波段序號波段名稱中心波長/nm波段寬度/nm1藍Blue475202綠Green560203紅Red668104近紅外NIR840405紅邊Red

Edge71710區(qū)別于傳統4通道多光譜相機，該快照式多光譜增加了紅邊波段，植被在紅邊波段的反射率有較大的提升且具有較強的敏感性。多光譜相機獲取的影像中，每個像素的輸出值表示特定波長光線的反射率，各波段的中心波長及波段寬度如表所示。某型快照式多光譜相機性能指標任務3

多光譜相機光譜通道示意圖如圖所示。任務3

多光譜相機光譜通道示意圖1.多光譜相機成像原理快照式多光譜相機屬多鏡頭分光，其每個光譜波段成像由分開的電荷耦合器件（CCD）成像平面陣列和光學裝置來完成，這種方案的多光譜CCD相機，實質上是由多個CCD相機組裝而成，每個相機鏡頭前配有不同的濾光片，每個鏡頭獲取一個波段的圖像，多個鏡頭對同一目標同時曝光獲取多波段圖像。任務3

多光譜相機任務3 多光譜相機1.多光譜相機成像原理光譜帶的選擇是由各通道物鏡前的光學濾光片完成的，如圖。此類型多光譜相機的每個譜段都有獨立的探測器和濾光片，且分別對應一個數據采集系統，能擁有較高的地面分辨率和圖像質量。這種方案系統設計簡單，分光方法簡便易行，可以更換不同焦距的鏡頭和不同波段的濾光片，具有較大的靈活性?？煺帐蕉喙庾V相機成像原理示意圖任務3 多光譜相機2.多光譜相機數據在執(zhí)行數據獲取任務的過程中，由飛控系統給出觸發(fā)指令，多光譜相機五個鏡頭同時曝光，記錄同一視場下5個波段的影像數據。各波段數據以tif格式灰度圖像的形式儲存至內存卡中，并且曝光時所對應的CCD中心位置信息會寫入到各個影像中，便于后期處理，如圖所示。多光譜相機原始影像任務3 多光譜相機灰度影像不同于黑白圖像，其每一個像素只有一個采樣顏色，顯示為從最暗黑色到最亮的白色的灰度，其顏色越暗表示影像的DN值越低，反之表示影像的DN值越高。一幅完整的彩色影像是由紅色、綠色、藍色三個通道組成的，將多光譜相機所獲取的可見光三個波段影像分別置入對應的紅色、綠色、藍色三個顯示通道中，即可生成如左圖所示的真彩色影像。在實際數據分析處理過程中，為了突出某些地物的特征，如植被在近紅外波段反射率高于其他地物，將近紅外波段置入紅色顯示通道，則會生成如右圖所示的突出植被信息（紅色）的偽彩色圖像。多光譜真彩色影像與標準偽彩色影像任務3 多光譜相機任務3 多光譜相機多光譜影像不僅兼具了彩色影像的色彩信息和紋理信息，而且還具有較為豐富的光譜信息。完整的遙感影像是將所有波段同名地物配準后進行疊加存儲，在每個波段影像中的每一個同名像素都會記錄地物對應的地理坐標信息以及對該波段電磁波的反射信息，將每個像素的反射信息按照波長順序串聯起來，便形成了對應地物的光譜曲線，不同類型地物，如植被、道路、水體、土壤等，所對應的光譜曲線有著明顯的差異，這正是利用遙感影像對地物進行分類的物理基礎。多光譜相機的光譜曲線是由藍、綠、紅、紅邊、近紅外五個波段的折線點所連成的曲線。任務3 多光譜相機多光譜影像中典型地物光譜曲線圖機載高速成像光譜儀采用畫幅式高光譜成像技術，融合了高光譜數據的精確性和快照成像的高速性，能夠瞬間獲得在整個視場范圍內精確的高光譜圖像。任務4 高光譜相機以某型高光譜相機為例，其可以簡便地在1/1000s內獲得整個高光譜立方體數據，單景數據的獲取并存儲需0.2s；配套功能強大的測量及數據處理軟件，不需要IMU即可實現無人機遙感測量；機載高光譜成像儀按預設航線自動測量，從而快速獲得大面積高光譜圖像，并可通過軟件自動快速拼接。某型機載高速成像光譜儀任務4 高光譜相機機載高速成像光譜儀Snapshot成像技術結合無人機的平穩(wěn)飛行姿態(tài)以及減震設計，無須云臺即可實現高光譜數據立方體獲取，其關鍵技術參數如下。某型機載高速成像光譜儀技術參數光譜特性光譜范圍450～950

nm采樣間隔4

nm光譜分辨率8nm@532

nm通道數125任務4 高光譜相機任務4 高光譜相機硬件特性探測器及規(guī)格面陣Si

CCD；100萬像素×2高光譜成像速度5

Cubes/s數字分辨率12

bit測量時間<100

s光學及物理特性鏡頭焦距10

mm、23

mm、35

mm接口類型C-mount地面分辨率mm～m（可選）傳感器重量490

g電源DC12

V，15

W續(xù)表1.高光譜相機成像原理高光譜成像系統的核心技術，是將傳統的二維成像遙感技術和光譜技術有機地結合在一起，在用成像系統獲得被測物空間信息的同時，通過光譜儀系統把被測物的輻射分解成不同波段的譜輻射，能在一個光譜區(qū)間內獲得每個像元幾十甚至幾百個連續(xù)的窄波段信息，高光譜成像技術可以實現同時獲取目標的幾何特征和光譜特征。任務4 高光譜相機任務4 高光譜相機高光譜相機成像原理其中A是目標，B是望遠成像系統，C是入射狹縫，D是準直鏡，E是分光系統，F是會聚鏡，G是探測器。地物目標首先經過望遠成像系統成像在入射狹縫處，入射狹縫起到視場光闌的作用，決定視場，然后經過準直鏡，再經過分光（棱鏡或光柵）系統，目標的輻射按波長的不同進行分離，最后經過會聚鏡成像在探測器上。若探測器是面陣探測器，系統將獲取二維數據，此時在目標和成像系統間安裝掃描系統或分光系統狀態(tài)發(fā)生變化，能獲取第三維數據，并與前面兩維一起組成數據立方體。2.高光譜相機數據圖像是最為直觀的數據表現形式，在高光譜遙感影像中，每一波段為一幅灰度圖像，灰度圖像記錄了地物在單個電磁波頻譜上的反射率，通過灰度圖可以直觀地了解地物波譜反射強度。大多數的模式識別算法都是基于灰度圖像進行的，對于高光譜遙感影像來說，也可以使用若干波段實現圖像的彩色合成，形成更為直觀的地物彩色影像。彩色圖像可以顯示地物的色彩信息，進行地物識別，明確不同地物的幾何與位置關系。任務4 高光譜相機在高光譜圖像中，由于其窄波段、長波譜范圍的特點，在光譜數據獲取過程中能夠在圖像的同一像元上記錄各波段的地表反射率，此時地表反射率為離散的點，對這些點進行曲線擬合，可以形成一條連續(xù)的光譜特征曲線，該光譜特征曲線的本質是地物對各波段的光譜響應。任務4 高光譜相機任務4 高光譜相機高光譜成像光譜儀-光譜特性特定高光譜傳感器有特定的光譜庫，光譜庫是高光譜成像儀在一定條件下測得的地物光譜反射數據，通過對地物光譜庫中的光譜與高光譜單像元的光譜曲線進行“光譜匹配”，可以對像元內的地物進行識別，同時地物光譜在不同波段的差異性也是進行植被生化參數反演的理論基礎，圖為高光譜成像光譜儀-光譜特性。任務4 高光譜相機高光譜遙感數據的實質是記錄地物同一位置不同波段的光譜反射率，由于高光譜圖像波段眾多，所以每個像元對應多個反射率，多個反射率又可構成一個多維向量或者多維空間中的一個點，連續(xù)空間中

各像元值可以組成一個高維光譜立方體，通過對光譜立方體進行降維，可以挖掘其中有“價值”的信息，并有效解決高維空間中參數估計需

要更多的樣本等問題。任務5

光譜相機數據應用農業(yè)方面無人機搭載成像光譜儀技術可用于診斷作物長勢、病蟲害情況以及土壤肥力等環(huán)境保護方面可用于檢測海洋、湖泊的化工原料污染、富營養(yǎng)化等林業(yè)領域可用于檢測林火、林業(yè)病害、林木存活率、林木種類區(qū)分等1.農作物長勢監(jiān)測植被覆蓋度（Fractional

vegetation

cover，FVC）通常被定義為統計范圍內植被（包括葉、莖、枝）的垂直投影面積所占的百分比，它能夠直觀地反映陸表植被的生長狀況，因而是區(qū)域生態(tài)系統研究的重要指標，作為生態(tài)模型、水文模型、氣候預報模型、區(qū)域蒸發(fā)模型和陸面過程模型等在內的眾多模型的基本輸入參數，在各個領域有著廣泛的應用。任務5

光譜相機數據應用任務5

光譜相機數據應用就農學領域而言，植被覆蓋度能夠反映作物的光截獲能力，對于作物的生長及產量形成有著很好的指示作用，因而準確實時地獲取地表植被覆蓋度信息，對于指導農業(yè)生產有著重要的意義。測區(qū)植被覆蓋分布圖任務5

光譜相機數據應用因此，及時進行農作物氮素營養(yǎng)診斷顯得尤為重要。傳統的氮素營養(yǎng)診斷主要是以測定植株全氮為主，需要破壞性取樣和實驗室的化學分析，具有破壞性和延遲性，且會消耗大量的人力物力。因此，無損、及時、準確地了解作物氮營養(yǎng)狀況對合理施肥具有重要的指導意義。氮肥有助于農作物增產過量施用氮肥造成資源浪費，導致農作物對氮肥的利用率明顯下降，從而造成環(huán)境污染施用氮肥不足導致作物長勢過差，從而影響產量本方案基于無人機多光譜影像提取可用于棉花關鍵生長期氮素營養(yǎng)診斷的植被指數，通過對其與田間試驗數據進行相關性分析和指數的敏感性分析，建立葉片氮濃度、地上部生物量、植被指數和氮素積累量的二次函數估計模型，為實現棉花氮素營養(yǎng)狀況的動態(tài)監(jiān)測提供理論與技術基礎。任務5

光譜相機數據應用任務5

光譜相機數據應用葉面積指數（Leaf Area Index，LAI）也稱葉面積系數，可以理解為在地表單位面積上植被葉片面積所占土壤總面積的比例。作物的冠層結構變化情況、葉片面積的大小、覆蓋度的變化和對環(huán)境的適應情況都可以通過葉面積指數來反映。農作物是生態(tài)系統重要的組成部分，而葉面積指數則是體現作物的產量、生長健康狀況以及光合作用能力的重要指標。測區(qū)作物冠層含氮量分布圖本方案基于固定翼無人機搭載多光譜傳感器進行葉面積指數監(jiān)測方法的研究實現，利用預處理后多光譜圖像中提取的所需的植被指數，與實測的葉面積指數建模得到不同時期的棉花葉面積指數反演模型，然后利用最佳的估算模型得到棉花葉面積指數的空間分布處方圖。任務5

光譜相機數據應用任務5

光譜相機數據應用葉綠素含量的狀況是指示植物光合作用、受營養(yǎng)脅迫及生長階段的重要因子，可借助測定葉綠素含量的方法確定植被的營養(yǎng)狀況。目前，主要通過室內高效液相色譜法、原子吸收法以及分光光度計法、SPAD葉綠素儀和基于特征光譜等等多角度多層次診斷葉綠素含量。這也決定了田間采樣不具備時效性，采集樣本數量有限，步驟煩瑣。測區(qū)作物葉面積指數分布圖本方案分別從多光譜植被指數、紋理特征以及將二者融合構建綜合指標等角度分別估算馬鈴薯葉綠素含量，以期為葉綠素定量估算提供一種新方法，實現低成本、快速、高通量地監(jiān)測馬鈴薯的生長狀況與營養(yǎng)信息，為農田灌溉、變量施肥等精細化管理提供保障。任務5

光譜相機數據應用任務5

光譜相機數據應用2.林業(yè)病蟲害監(jiān)測森林病蟲害則是威脅森林健康的首要因素，如何監(jiān)測并預防森林病蟲害是多年來國內外林業(yè)專家研究的重要課題。主要依靠巡邏檢測等人工手段，這些監(jiān)測手段主觀性強且具有時間滯后性，同時受地面環(huán)境影響較大。傳統林業(yè)病蟲害的監(jiān)測利用無人機獲取受災林區(qū)正射影像，并基于計算機圖像分析技術，對森林病蟲害圖像進行深入分析，不僅可以有效減少人力及物力成本，使相關林業(yè)人員更直觀、全面地掌握森林受災的整體情況，并提出更為快速有效的應對措施，同時可以減少相關災害帶給森林資源的重大損失，提高林業(yè)生產的經濟效益，保障生態(tài)環(huán)境的健康發(fā)展。無人機監(jiān)測任務5

光譜相機數據應用面向對象分類技術集合臨近像元用來識別感興趣的光譜要素，充分利用高分辨率的圖像和多光譜數據的空間、紋理和光譜信息對圖像進行分割和分類，用此方法來對有林地進行提取，可獲取較好的分割效果，大量減少干擾項信息，從而有利于分類精度的提高。測區(qū)作物葉綠素含量分布圖任務5

光譜相機數據應用無人機多光譜影像-圖像增強有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，加強圖像判讀和識別效果。圖中標準假彩色影像可以增強植被信息；綠光波段增強可以增強闊葉林信息，從而有利于提取松樹針葉林；直方圖均衡拉伸則可以凸顯枯死樹木信息，即圖中最后邊的中心紅點圖斑。任務5

光譜相機數據應用近紅外波段紋理信息提取影像中異物同譜及同物異譜現象普遍存在，部分地物光譜信息極為相似，通過光譜信息難以將其區(qū)分開來。無人機影像分辨率較高，紋理細節(jié)信息豐富，因此可以通過紋理信息來進一步進行提取分析?！盎叶裙采仃嚒笔且环N通過研究灰度的空間相關特性來描述紋理的常用方法，圖為提取的近紅外波段紋理信息的八項指標，在其中選取適當項參與分類。任務5

光譜相機數據應用支持向量機（Support

vector

machine，SVM）是一種基于統計學習理論、VC維理論和結構風險最小化原理的機器學習算法，常被用來解決小樣本、非線性問題及高維模式識別問題。SVM通過“支持向量”即不同類別間邊緣的樣本點，來尋找不同類別之間的最優(yōu)超平面進行劃分。對于土地分類問題，SVM利用其特有的核函數與懲罰變量，將低維線性不可分問題轉化成高維線性可分問題，并通過設置懲罰因子，解決個別離群值的類別歸屬問題，以實現地物分類的自動識別，圖3-38為林業(yè)病蟲害信息支持向量機自動提取結果。任務5

光譜相機數據應用林業(yè)病蟲害信息支持向量機自動提取結果象，合并結束后保證所有對象之間存在一定的異質性，這種異質性表現為光譜和形狀上的差異。3.林業(yè)單木提取及樹種分類在無人機影像中，樹冠輪廓的提取直接使用面向對象的分類方法，有兩個基本步驟，即影像的分割與影像的分類。多尺度的分割方法以影像中任意像元為起點，采用自上而下的合并方式形成目標對任務5

光譜相機數據應用無人機影像樹冠輪廓分割結果由于無人機遙感影像分辨率最高可達厘米級，分割完成后可以通過目視解譯，再結合樣地調查時對相鄰樹冠間的勾畫，調整分割結果，修改分割錯誤、增加漏分割的部分，人工修正后將樹冠輪廓矢量導入ArcGIS軟件，同時建立屬性表后輸入對應實地調查的胸徑（DBH）數據，便可實現林地資源精細化管理。任務5

光譜相機數據應用樹種的分類算法采用非監(jiān)督分類的方法，不必設置訓練樣本獲取各類地物的先驗知識，直接參考目標對象的光譜、紋理等特征，在影像上定義自然相似光譜的集群，分類過程由閾值確定，根據隸屬度實現最終類別劃分。通過野外調查和目視判讀，確定土地覆蓋類型是分類的基礎，之后進行特征空間的建立，盡量選擇能夠充分描述土地覆被類型且類型較少的特征，對于面向對象的分類方法，一般涉及對象的光譜特征、幾何特征以及拓撲特征等。無人機影像樹種分類及樹冠分割結果任務5

光譜相機數據應用樹種的分類算法采用非監(jiān)督分類的方法，不必設置訓練樣本獲取各類地物的先驗知識，直接參考目標對象的光譜、紋理等特征，在影像上定義自然相似光譜的集群，分類過程由閾值確定，根據隸屬度實現最終類別劃分。無人機影像樹種分類及樹冠分割結果分類的基礎：通過野外調查和目視判讀，確定土地覆蓋類型建立特征空間：盡量選擇能夠充分描述土地覆被類型且類型較少的特征，對于面向對象的分類方法，一般涉及對象的光譜特征、幾何特征以及拓撲特征等4.森林蓄積量估測森林蓄積量是指森林中全部林木材積之和，伴隨“3S技術”的發(fā)展與計算機水平的提高，數學模型在該領域的應用研究越來越深，為森林蓄積量的實時估測、快速監(jiān)測帶來了新的方法。任務5

光譜相機數據應用任務5

光譜相機數據應用遙感估測森林蓄積量常用多光譜遙感影像，遙感因子從單一的光譜信息逐漸向植被指數、紋理因子、地形因子等多特征變量發(fā)展，且隨著變量類型的增加會使蓄積量估測的準確度提升，但引入的遙感因子并不是越多越好，因為引入的因子會存在共線性問題，過多會造成數據冗余，增加計算量，過少則會降低估測精度。樣地調查采用“角規(guī)測樹”方法進行，調查因子包括每個樣地的地理坐標、郁閉度、樹種、林分類型、胸徑、樹高等，利用“森林資源調查常用數表”查詢單木材積，累加得到樣地森林蓄積量。任務5

光譜相機數據應用森林蓄積量反演所選取的遙感因子主要有3種類型，即光譜信息、植被指數、紋理因子。紋理因子選取常用的8個，即均值

（

Mean

，

ME

）

、

協同性

（

Homogeneity

，

HO

）

、方差（Variance，VA）、相關性（Correlation，CO）、二階矩（Second

moment，SM）、相異性（Dissimilarity，DI）、熵（

Entropy

，

EN

）

和對比度（Contrast，CT），影像包含5個波段，合計40個紋理因子，共選取遙感因子50個。植被指數主要為比值植被指數（

RVI

）

、

差

值

植

被

指

數（

DVI

）

、

歸

一

化

植

被

指

數（

NDVI

）

、增強型植被指數（

EVI

）

和土壤調節(jié)植被指數（SAVI）。光譜信息包含藍光波段、綠光波段、紅光波段、紅邊波段和近紅外波段。任務5

光譜相機數據應用數據篩選采用計算機軟件SPSS

20.0，分析森林蓄積量與遙感因子的相關系數，利用方差擴大因子法逐步對遙感因子進行篩選，尋求影響蓄積量估測的主要變量，消除自變量之間的共線性問題。利用篩選出的遙感因子，同蓄積量樣地調查實測值，建立遙感因子與實測值的回歸模型，再將回歸模型應用到整幅遙感影像中，便可對整個影像區(qū)域森林蓄積量進行快速估測?；诙喙庾V影像的森林蓄積量估測5.草原長勢監(jiān)測草原植被長勢是草原植被的總體生長狀況與趨勢，通常通過與以往草原植被的狀況進行對比來說明現在草原植被的生長情況。草原植被長勢遙感監(jiān)測是利用地面遙感信息與草原植被狀況有密切相關關系的特點，通過對不同時期遙感信息進行處理來間接反映草原植被長勢的一種方法。任務5

光譜相機數據應用任務5

光譜相機數據應用通過多光譜影像的5個通道影像之間進行波段運算，生成能夠反映植被生長狀況的植被指數，利用Jenks自然斷點法Natural

Breaks對長勢情況進行分級，共劃分為5個等級，分別為好、較好、一般、較差、差。測區(qū)內草原植被長勢監(jiān)測通過草原植被長勢監(jiān)測為區(qū)域合理安排畜牧業(yè)生產、維持草地畜牧業(yè)的可持續(xù)發(fā)展、維護草原生態(tài)平衡提供重要科學依據。6.草原生物量反演草地生物量是天然草地生態(tài)系統動態(tài)研究的重要衡量指標，既是草地資源合理利用和載畜平衡監(jiān)測的重要依據，同時也是維持草地生態(tài)系統的物質基礎，它是反映草地生長狀況最直接的指標，決定著草地生態(tài)系統功能的強弱，通過草地生物量可以判別群落生長狀況、演替發(fā)展趨勢。任務5

光譜相機數據應用任務5

光譜相機數據應用草原生物量反演遙感估產是基于像元的以植被指數為主要輸入變量的回歸分析方法，通過建立一個函數關系或模型來完成由點及面的轉換。植被指數是選用遙感影像中對植被光譜特征有特殊意義的典型波段，經過各種線性的或非線性的組合運算，產生的一種具有一定指示意義的數值。本次項目利用調查獲取的樣點實測生物量數據和遙感變量，采用一元非線性回歸模型和多元回歸模型對研究區(qū)草地生物量進行遙感估算建模，并通過檢驗模型估算效果進而對比模型的精度。其反演結果如圖所示。7.

凈初級生產力估算植被凈初級生產力（Net

Primary

Productivity，NPP）是指綠色植物在單位時間、單位面積上，通過光合作用積累的有機物質總量，扣除自養(yǎng)呼吸后剩余的部分，決定了植被能夠為生態(tài)系統內其他異養(yǎng)生物提供的可利用物質和能量的總量。任務5

光譜相機數據應用任務5

光譜相機數據應用CASA模型與其他NPP估算模型相比：其所需的輸入參數較少，除植被參數以外，其他氣象數據、植被分類均可通過遙感方式獲取，在很大程度上避免了由于數據獲取困難、數據缺乏和人為因素等造成的數據獲取及處理過程中的誤差。CASA模型屬于光能利用率模型的一種，該模型全面地考慮了植被本身特點及其環(huán)境影響因子，主要是通過遙感技術和手段獲取植被參數，結合區(qū)域降水量、氣溫、太陽輻射等氣象數據以及植被類型等共同驅動。任務5

光譜相機數據應用植被凈初級生產力估算植被凈初級生產力既是陸地生態(tài)系統碳循環(huán)的重要組成，也是揭示碳源/匯的關鍵環(huán)節(jié)，NPP估算不僅可以反映植被的物質生產能力，也是揭示大氣二氧化碳收支和氣候環(huán)境變化的重要指標。本項目利用改進的CASA模型對測區(qū)植被凈初級生產力進行估算，其結果如圖所示。任務5

光譜相機數據應用測區(qū)內主要地物類型光譜曲線圖8.水質參數反演為了更好地對測區(qū)水質狀況進行反演，避免水域以外的數據參與計算，提高反演效率，需先對經過預處理操作后的正射影像進行水體提取。經過分析發(fā)現，測區(qū)內主要地物覆蓋類型為水體、植被、房屋、裸地以及船舶，通過對以上五種地物光譜曲線進行分析，水體的光譜曲線（藍色）在近紅外波段（750～1

000

nm）反射率要明顯低于其他四種地物如圖所示。NDWI（Normalized

Difference

Water

Index，歸一化水指數）是基于綠波段和近紅外波段進行計算的歸一化比值指數。該指數構建的基本原理是在多光譜波段內，以目標地物反射最弱的波段反射率作分母，以反射最強的波段反射率作分子，通過比值計算，進一步拉大二者之間的差距，使對比更加顯著。在生成的結果中，目標地物具有最大亮度，而除此之外的其他地物的亮度受到抑制，從而將所研究的地物從遙感影像上分離出來。任務5

光譜相機數據應用任務5

光譜相機數據應用NDWI的計算方法如下：式中 Green為綠光波段反射率，NIR為近紅外波段反射率影像水體自動提取成果通過運算得到的結果中，水體的NDWI值最大，其他地物NDWI值較小，采用合適的閾值，進行水體提取。最終成果如圖所示，其中假彩色影像中綠色區(qū)域為提取的水體，經檢驗，精度滿足使用要求。任務5

光譜相機數據應用傳統的多種統計回歸模型的擬合效果大體一致，即使改變函數類型也很難得到更加精確的擬合結果。此外，內陸水體不同于海洋水體，各種外生水質參數、底部形態(tài)、水面粗糙度均會對光譜反射率產生較大影響，且無人機多光譜數據波段范圍較寬，不能獲取各特征點對應的波段處反射率值。綜合以上因素得出：采用常規(guī)的曲線估計，難以反映光譜數據與水質參數間的映射關系。任務5

光譜相機數據應用人工神經網絡（一般簡稱為神經網絡）是人工智能領域的一個研究熱點，它通過模擬人體大腦功能，對相關的網絡參數進行設置，得到不同的連接方式的網絡結構。BP神經網絡在結構上包括一個輸入層、若干隱含層和一個輸出層，在進行網絡訓練時，將輸入信息通過輸入層傳遞給中間隱含層；隱含層進行內部信息處理，并將處理結果輸出到輸出層；輸出層輸出處理結果。比較實際輸出與期望輸出的差值，如果兩值相差較大，則誤差被反饋進行誤差反向傳播，通過不斷調整輸入層、輸出層與隱含層單元的結構，直到使輸出誤差滿足要求為止。任務5

光譜相機數據應用COD濃度反演結果基于誤差逆向傳播原理實現模型構建，適合處理復雜的非線性問題，目前已廣泛應用于水質遙感反演中，圖為COD濃度反演結果。任務6 多光譜相機作業(yè)流程1. 技術路線（以森林病蟲害監(jiān)測為例）松材線蟲病枯死樹木遙感監(jiān)測技術路線如圖所示。松材線蟲病枯死樹木遙感監(jiān)測技術路線2.作業(yè)流程（1）多光譜數據獲取及預處理。①

航線規(guī)劃：基于無人機地面軟件進行航拍參數設置及測區(qū)航線任務規(guī)劃如圖所示。地面站軟件航線規(guī)劃任務6 多光譜相機作業(yè)流程地面站軟件拍照參數設置界面如圖所示。地面站軟件拍照參數設置任務6 多光譜相機作業(yè)流程②

像控點測設：為提高成圖精度，需在測區(qū)內測設一批像控點，地面標記的寬度根據擬定的影像空間分辨率確定，成果以點之記的形式提交。測區(qū)像控點測設如圖所示。測區(qū)像控點測設任務6 多光譜相機作業(yè)流程③

輻射定標：為建立影像DN值與真實反射率的換算關系，起飛前需在測區(qū)內用多光譜相機對標準漫反射板進行拍攝，拍攝時確保飛行獲取的影像和標準漫反射板在相同的光照條件下。起飛前輻射校正板拍攝任務6 多光譜相機作業(yè)流程④ 后差分解算：PPK后差分主要用于輸出高精度POS數據，以大量減少像控點。后差分解算界面如圖所示。后差分解算任務6 多光譜相機作業(yè)流程多光譜正射影像生產 波段標準反射率影像⑤ 空中三角測量：完成刺點、空中三角測量、DOM生產、輻射校正、波段配準等工作。多光譜正射影像生產界面與波段標準反射率影像如圖所示。任務6 多光譜相機作業(yè)流程（2）松材線蟲病枯死樹木信息提取。① 有林地提?。好嫦驅ο蠓诸惣夹g集合臨近像元為對象用來識別感興趣的光譜要素，充分利用高分辨率的全色和多光譜數據的空間、紋理和光譜信息對圖像分割和分類，用此方法來有林地影像裁剪任務6 多光譜相機作業(yè)流程對有林地進行提取，可獲取較好的分割效果，大量減少了干擾項信息，從而有利于分類精度的提高，如圖所示。②

圖像增強：即有目的地強調圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強調某些感興趣的特征，擴大圖像中不同物體特征之間的差別，抑制不感興趣的特征，加強圖像判讀和識別效果。波段組合及影像增強任務6 多光譜相機作業(yè)流程圖中的標準假彩色影響可以增強植被信息；綠光波段增強可以增強闊葉林信息，從而有利于提取松樹針葉林；直方圖均衡拉伸則可以凸顯枯死樹木信息，即圖中心紅點圖斑。③

端元波譜信息收集：光譜曲線能夠反映地物在光譜特性上的差異，不同種類亦或是不同時期的地物其光譜曲線也是不盡相同的。通過對光譜曲線分析，找出不同地物類型間的明顯差異，應用于分類提取如圖所示。測區(qū)主要地物類型光譜曲線由圖可以看出，測區(qū)內主要地物類型有闊葉林、針葉林、枯樹、裸土、裸巖及水泥地面，結合紅光波段（3）及近紅外波段（5），可以很好地對闊葉林及針葉林進行提??；藍光波段（1）可用于枯樹的分離。任務6 多光譜相機作業(yè)流程④

地物紋理信息提?。骸盎叶裙采仃嚒笔且环N通過研究灰度的空間相關特性來描述紋理的常用方法，圖為提取的近紅外波段紋理信息的八項指標，可在其中選取適當項參與分類。地物紋理信息提取任務6 多光譜相機作業(yè)流程⑤

基于專家知識的決策樹分類：決策樹分類算法的基本思想是按照一定的規(guī)則把遙感數據集逐級往下細分以得到具有不同屬性的各個子類別，如圖所示。通過對以上的光譜曲線、紋理信息進行分析，確定最終分類指標及分類閾值，建立決策樹，得到最終的分類結果?；趯＜抑R的決策樹分類任務6 多光譜相機作業(yè)流程⑥

分類結果后處理：在分類結果中不可避免地會產生一些面積很小的圖斑、缺少空間連續(xù)性（因為分類區(qū)域中斑點或漏洞的存在）以及孤島問題等，須通過主體分析、聚類處理、過濾處理等方法來實現分類結果的優(yōu)化。由圖可以看出，最終的聚類分析結果與原始分類結果相比，細小圖斑減少，圖斑邊緣更加平滑，個別圖斑中心空洞部位已被填充，從而更加科學美觀。分類結果后處理任務6 多光譜相機作業(yè)流程（3）成果形式。①

松材線蟲疫情枯死樹木遙感監(jiān)測正射影像圖。松材線蟲疫情枯死樹木遙感監(jiān)測正射影像圖任務6 多光譜相機作業(yè)流程②

枯死樹木圖斑編號、坐標、面積。GIS軟件自動統計顯示，測區(qū)內共檢測到枯死松樹

601

株，垂直冠層面積約2

862.5

m2，如圖所示?？菟罉淠緢D斑編號、坐標、面積任務6 多光譜相機作業(yè)流程③

監(jiān)測成果報告。監(jiān)測成果報告任務6 多光譜相機作業(yè)流程項目3激光雷達LiDAR（LightLaserDetectionandRanging）是激光探測及測距系統的簡稱，音譯為“萊達”。這個概念最早由Bachman和Jelalian提出，它清晰地描述了激光的使用過程：激光發(fā)射器發(fā)出近紅外波動的激光脈沖，經過地面反射和散射后，激光接收器記錄返回的激光脈沖，這個過程的時間可以精確到0.1ns，再根據光速的數值就可以準確地計算要測的距離。無人機機載激光雷達如圖所示。任務1

激光雷達介紹無人機機載激光雷達研究分析指出，機載LiDAR系統的水平精度大約是相對航高的1/2

000；當飛機的相對航高為1

200

m以下時，高程誤差要優(yōu)于15

cm；在1

200～2500

m時，高程誤差約為25

cm。當前市場主流設備采集的LiDAR點云的密度為每平方米0.5～20個點，相應的點間距為0.2～1.4 m。機載LiDAR在30 km的范圍內只需要一個地面控制點（Ground Control Point，GCP）即可獲得高精度的點云數據，它可以在陰天、云下或夜晚來采集數據；激光的多次回波特性可以區(qū)分不同的地物，還能夠穿透茂密的植物枝葉來獲得困難地區(qū)的地形地貌。任務1

激光雷達介紹高精度數字高程模型生產城市道路提取公路選線設計樹木的樹種、樹高、胸徑、冠幅等相關參數的求解真正射影像的制作海岸線的侵蝕監(jiān)測土方量計算城市建筑物的3D模型重建電力巡線與選線設計任務1

激光雷達介紹目前，機載LiDAR點云數據已被大量應用在以下方面：任務2

激光雷達分類激光雷達可