PHANTOM 4 RTK+大疆像控处理技术在燕麦长势模拟中的应用

【目的】 利用小型消费级无人机航拍获取地物影像,通过地物阴影、高度差、色差快速提取地物,进而获取地物结构信息。【方法】 文章选取云南省曲靖市会泽县的大桥乡为研究区域,针对冬闲田闲置土地资源、种植结构相对单一的区域展开试验,利用高分辨率无人机遥感影像对燕麦进行识别,同时结合超声波传感器数据估算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度进行相关性分析,获取高精度、可靠性强的数据。【结果】 基于可见光燕麦的总体分类精度为91.46%,Kappa系数为0.857,在增加DSM数据后的分类总体精度为98.91%,Kappa系数为0.982。研究表明由无人机获取的代表燕麦冠层高度信息的DSM数据能够显著提升燕麦的识别效果。相对于传统无人机测高方法生成数字表面模型提取地物高度的方法,依赖于光谱和高程信息识别地物信息的方法在计算地物高度时,精度更高,识别结果更可靠。【结论】 该文提出的小型消费级无人机利用地物阴影计算燕麦高度的方法,改进了相机镜头光心地位和RTK天线中心点地位补偿作用,打通了RTK模块、飞控模块及相机云台模块之间的通讯,能够应用于实际准确获取影像地位信息,为无人机遥感快速、准确地获取地物高度信息提供了一种新的思路。     

基于无人机高光谱遥感的火龙果种植株数提取技术

为快速、准确提取火龙果种植株数,以大疆Matrice 600Pro六旋翼无人机搭载高光谱成像仪,获取关岭县上官镇乐安村火龙果种植基地的高光谱影像,通过影像处理,借助ENVI遥感影像处理软件结合ArcGIS空间分析软件,采用波谱角分类方法实现火龙果植株的提取。结果表明:基于无人机高光谱遥感技术对研究区火龙果植株数的提取精度为92.94%,利用该技术可实现快速、准确地提取火龙果种植株数,可为火龙果园精准管理提供一定的技术支撑。     

基于无人机高光谱遥感的火龙果种植株数提取技术

为快速、准确提取火龙果种植株数，以大疆Matrice 600 Pro六旋翼无人机搭载高光谱成像仪，获取关岭县上官镇乐安村火龙果种植基地的高光谱影像，通过影像处理，借助ENVI遥感影像处理软件结合ArcGIS空间分析软件，采用波谱角分类方法实现火龙果植株的提取。结果表明：基于无人机高光谱遥感技术对研究区火龙果植株数的提取精度为92.94%，利用该技术可实现快速、准确地提取火龙果种植株数，可为火龙果园精准管理提供一定的技术支撑。     

小型消费级无人机快速高精度估算地物高度

【目的】小型消费级无人机航拍数据量高分辨率遥感数据重要组成部分,可利用地物阴影快速提取地物高度,进而提取地物结构信息。【方法】研究选择地物种类丰富的农业区展开实验,根据无人机传感器是否拍摄到阴影的全部区域设置2种情景,计算地物高度,并与实际高度和无人机生成的传统测高方法得到的高度对比,来验证方法的可靠性。【结果】结果表明当无人机传感器能拍摄到地物阴影的全部区域时,基于阴影估算的地物高度与地物实际高度平均误差为0.88 m,平均相对误差为12.25%,而当无人机传感器只能拍摄到部分阴影区域时,估算地物高度与实际值的平均误差为0.79 m,平均相对误差为13.28%。上述结果表明该方法能够高精度计算地物高度,并且其精度超过无人机传统测高方法生成数字表面模型提取的地物高度。【结论】该研究提出的小型消费级无人机利用地物阴影计算高度方法能够应用于实际,并使得未布设控制点的无人机数据也可作为阴影测高法的数据来源,为遥感快速获取地物高度信息提供了一种新的思路。     

利用单次无人机影像的果树精准识别方法

【目的】利用单次无人机飞行生成的正射影像和数字表面模型(DSM)对果树进行精准识别。【方法】首先利用无人机正射影像计算5种归一化植被指数,并讨论5种植被指数提取植被区域的精度,选用结果最好的植被指数对研究区植被进行提取;之后根据影像的空间分辨率和已知果树直径范围对果树进行初识别确定果树实际位置和半径;再将识别到的果树叠加到DSM中,利用果树在DSM中最大值和果树临近区域DSM最小值求取果树高度;最后根据果树高度范围对初识别的果树进行再识别,提高果树识别精度。【结果】该方法在美国加利福尼亚州弗雷斯诺县里德利市郊区的一个果园进行运用研究,发现MRENDVI植被指数对研究区内植被提取精度最高;利用提取植被区域后影像和果树冠层的直径范围对果树进行初识别的精度为94.8%;利用果树初识别影像与DSM影像结合求取果树高度,并根据果树高度范围对果树进行再识别后,果树识别精度提高了5%,达到99.8%。【结论】该方法原理简单,对果园果树识别有较高精度,有效消除了果园周围其他树木和果园内部草丛对果树正确识别的影响,有较高的普适性。     

基于机载LiDAR的高郁闭度华北落叶松林单木识别

  目的  高郁闭度华北落叶松林Larix principis-rupprechtii林木树冠交叉重叠,传统的基于高分辨影像的单木识别方法识别精度不高。利用机载LiDAR三维点云数据可提高高郁闭度华北落叶松林的单木识别精度。  方法  在点云数据预处理基础上,提出基于点云空间特征的高斯核函数改进的均值漂移单木位置识别方法(MSP),比较并分析MSP法与基于点云空间特征的区域生长点云分割方法(RGP)、基于冠层高度模型的局部最大值单木位置识别方法(LMC)和基于冠层模型的多尺度分割单木位置识别方法(MSC)的单木识别效果。  结果  4种方法单木位置识别精度从大到小依次为MSP (89.30%)、LMC (85.60%)、RGP (77.50%)和MSC (70.00%),MSP的漏分误差和错分误差最小,分别为8.7%和8.0%,平均单木冠幅提取精度为90.18%。  结论  提出的MSP法对高郁闭度华北落叶松林单木位置识别具有较好的适用性,利用机载LiDAR可为提取华北落叶松林森林结构参数提供新的途径。图3表3参28     

基于无人机激光雷达的天然林林隙识别

  目的  自然干扰引起的森林冠层林隙是天然林更新动态的主要驱动力，林隙的分布、形状和范围可以影响光照和土壤水分等生态因子。林隙的识别和特征描述对于理解森林的动态变化有着重要的意义。  方法  以云南省普洱太阳河保护区无人机飞行区域为研究区，根据无人机激光雷达点云数据提取冠层高度模型；然后使用固定阈值法、相对高度阈值法和面向对象分类法对冠层高度模型数据进行林隙识别，通过图像目视解释获得独立验证样本进行精度评估；最后精度选取最优方法提取的林隙描述其空间特征。  结果  固定阈值法的总体精度为92.00%，高于相对高度阈值法（66.00%）和面向对象分类法（88.00%）。研究区内林隙主要以中小林隙为主，干扰事件较少；研究区林隙的形状指数均值为1.97，多为形状指数较小、边缘效应不太明显的林隙，并且林隙的空间分布为聚集分布。  结论  利用无人机激光雷达数据和固定阈值法可以准确绘制出小范围亚热带天然林的林隙空间分布特征。      

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像，快速提取果树分布位置，为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象，计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数，使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上，结合数字表面模型作为识别模型的输入变量，进行对比试验。结果 相比使用单一光谱指数，结合数字表面模型提高了果树和非果树像元的提取精度，6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高，为98.77%，Kappa系数为0.956 7，植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量，为影像中色调相似地物的提取提供参考。     

杉木人工林冠层高度无人机遥感估测

冠层高度是森林资源调查的重要因子。传统的森林树高调查方法存在外业调查难度大,效率低等问题。无人机（UAV）的发展为快速估测森林树高提供了手段。以福建省闽清县的杉木Cunninghamia lanceolata人工林为研究对象,通过Eco Drone-UA无人机遥感系统获取研究区遥感影像,利用Pix4D Mapper软件对航拍多光谱影像进行预处理,构建数字表面模型（DSM）,利用1:10 000地形图生成数字高程模型（DEM）;基于DSM和DEM叠加相减得到树冠高度模型（CHM）,实现杉木树高的提取。结果表明:植被指数和多光谱波段结合随机森林算法能够有效识别真实树冠顶点;利用无人机遥感影像能够实现杉木树高估测,相对误差最小值为0.81%,最大值为23.48%,标准误差为1.48 m,估测精度为90.8%。高程变化对树高估测精度有影响,根据高程大小排序的3组样木实测树高与提取树高的决定系数（R2）分别是0.97,0.84和0.78,标准误差分别是0.67,1.17和1.99 m,在高程较高区域树高估测精度明显高于高程相对较低区域。     

利用无人机高分辨率影像进行树木高度提取

无人机遥感技术在树木参数获取中具有重要作用。为探讨利用无人机高分辨率影像提取树高的可行性,本文选择邱集煤矿矿区森林公园为研究区,采用Pix4D软件对无人机采集的高分辨率影像进行处理,生成研究区正射影像和三维点云;利用最大类间方差法将三维点云分割为树木点云及树下地面点云两部分,由此提取树木顶端高度和地面平均高度,并将地面平均高度视为树木根部的高度,得到树木高度。研究表明:最大类间方差法能够准确分割树木点云和地面点云;利用无人机高分辨率影像进行树高提取是可行的,树木高度测量绝对误差小于80cm、相对误差绝对值最大为16.2%、标准误差为36.3cm;同时,树冠的形状会对树高测量造成影响,阔卵形树冠的法国梧桐和圆锥形树冠的圆柏高度标准误差分别为29.2和50.9cm,两者树高测量值与真实值决定系数分别为0.9920和0.8894,阔卵形树冠的法国梧桐测高精度明显高于圆锥形树冠的圆柏测高精度。      

基于无人机载LiDAR数据的玉米涝灾灾情评估

【目的】基于无人机平台的遥感技术是目前研究的热点,也是推动现代化农业快速发展的主要力量之一。笔者欲通过分析涝灾研究区激光雷达点云数据反演的玉米冠层高度,快速准确实现玉米涝灾受灾范围监测和灾情评估,为防灾减灾、高产稳产、农业保险理赔等提供依据。拓展无人机载LiDAR数据在农业领域的应用价值,为农业等相关部门快速有效掌握农情信息提供保障。【方法】2016年7月19—20日,以因大暴雨导致涝灾的北京市昌平区一块玉米大田作为研究区,基于无人机平台获取研究区激光雷达数据。通过冠层高度模型(canopy height model,CHM)反演出玉米冠层高度,采用正态统计理论的双阈值划分策略确定阈值,构建基于玉米冠层高度差异的涝灾灾情遥感监测模型,评价玉米涝灾灾情严重程度,并基于地面实测数据进行精度评价。【结果】涝灾发生后,玉米长势存在一定差异,最明显的差异体现在玉米植株高度。基于正态统计理论和野外测量,最终确定严重涝灾玉米冠层高度为0.30—0.84 m,中度涝灾玉米冠层高度为0.84—1.70 m,冠层高度1.70 m以上为轻度受灾区域。通过野外实测样本对无人机载LiDAR数据估算结果进行混淆矩阵分析,总体分类精度达到72.15%,Kappa系数为0.44。结合数码影像做进一步验证,结果表明研究区玉米涝灾遥感空间制图结果与数码影像结果基本一致。【结论】通过无人机载LiDAR数据能实现玉米冠层高度反演,结合涝灾后玉米植株高度差异特征能有效反映不同涝灾程度,实现区域尺度下玉米涝灾受灾范围监测和灾情等级评估,有利于便捷高效获取灾情灾害信息。     

植保无人机作业参数对雾滴在火龙果树冠层沉积分布的影响

为探究多旋翼植保无人机作业参数对火龙果树冠层雾滴沉积分布的影响,应用极飞P20多旋翼植保无人机对火龙果树进行喷雾作业,采用正交试验对主要作业参数（航线方向、作业高度与作业速度）进行优选。结果表明,植保无人机对火龙果树施药在航线平行于种植行、作业高度为1.5 m (距离冠层顶部高度)、作业速度为1.5 m·s-1条件下,雾滴在火龙果树各个冠层的雾滴沉积密度,覆盖率最大。极差分析结果显示,作业速度是雾滴沉积密度和火龙果树上层雾滴覆盖率的最主要影响因素;而作业高度是火龙果树中层、下层雾滴覆盖率和雾滴分布均匀性的最主要影响因素,当作业高度为1.5 m 时雾滴分布均匀性最好。根据P20多旋翼植保无人机喷雾在火龙果树冠层的雾滴沉积分布情况,对植保无人机的作业参数进行了优选,为提高植保无人机施药雾滴在火龙果树冠层的有效沉积分布,实现所选机型在火龙果树病虫害防控中的高效应用奠定了基础。     

植保无人机作业参数对雾滴在火龙果树冠层沉积分布的影响

为探究多旋翼植保无人机作业参数对火龙果树冠层雾滴沉积分布的影响，应用极飞P20多旋翼植保无人机对火龙果树进行喷雾作业，采用正交试验对主要作业参数（航线方向、作业高度与作业速度）进行优选。结果表明，植保无人机对火龙果树施药在航线平行于种植行、作业高度为1.5 m (距离冠层顶部高度)、作业速度为1.5 m·s-1条件下，雾滴在火龙果树各个冠层的雾滴沉积密度，覆盖率最大。极差分析结果显示，作业速度是雾滴沉积密度和火龙果树上层雾滴覆盖率的最主要影响因素；而作业高度是火龙果树中层、下层雾滴覆盖率和雾滴分布均匀性的最主要影响因素，当作业高度为1.5 m 时雾滴分布均匀性最好。根据P20多旋翼植保无人机喷雾在火龙果树冠层的雾滴沉积分布情况，对植保无人机的作业参数进行了优选，为提高植保无人机施药雾滴在火龙果树冠层的有效沉积分布，实现所选机型在火龙果树病虫害防控中的高效应用奠定了基础。     

应用高斯聚类的单木分割及树高和冠幅的提取

针对机载激光雷达点云中基于栅格化的冠层高度模型(CHM)所导致的原始点云数据丢失问题,提出了一种应用高斯模型聚类的单木信息提取方法。采用形态学开运算和高斯平滑方法形成高斯冠层最大模型(GCMM)能减少无关局部最大值对单木分割的影响,利用局部最大值法初步探测树冠顶点,通过最速下降法建立混合高斯模型得到树木位置和冠幅。利用聚类分析划分临近点云归属,进而实现单木参数准确提取,并提取单木最高点为树高。将点云分割方法应用于美国蓝岭地区6块圆形针叶林样地(r=30 m)。结果表明:单木分割F为0.89,正确分割单木树高提取精度95%,冠幅提取精度91%。结合实测数据对提取到的树高和冠幅进行相关性分析,树高R2=0.92,平均误差为-0.83 m;冠幅R2=0.84,平均误差为-0.42 m。相比于分水岭算法,高斯模型聚类方法F提高了11.2%,正确分割单木树高及冠幅提取精度提高了5.5%、5.8%,树高R2提高0.08,平均误差减少0.58 m;冠幅R2提高0.11,平均误差减少0.63 m。     

遮挡情况下目标三维点云的提取研究

针对三维信息提取过程中的遮挡问题,提出利用多基线数字近景摄影测量方法进行多光线的影像匹配,基于遮挡区域约束的三维点云滤波算法,即去除了遮挡目标,又可提取部分被遮挡区域的三维数据点。试验表明,该方法适应了空间分布的不连续性,在遮挡情况下较好地解决了目标的遮挡问题,同时多方向交会使前方交会具有冗余观测,增加了三维数据点的可靠性。     

基于无人机影像的高郁闭度杉木纯林树冠参数提取

  目的  冠幅是树冠结构的重要特征因子，直接影响树木的生产力和生命力，郁闭度是反映森林冠层结构与密度以及评价森林经营管理采伐强度的重要指标之一。利用无人机可以云下飞行，易于获取图像，精度高，低成本等优势，研究无人机影像上提取树冠参数的方法，使无人机影像提取林木树冠参数的操作系统化，实现精准高效的森林资源清查和监测。  方法  以福建将乐林场杉木人工纯林为研究对象，采用四旋翼无人机影像为数据源，基于面向对象分类的方法，将杉木纯林的树冠参数从无人机影像中提取出来。面向对象分类的方法需要先利用ESP工具选取最优分割尺度，然后根据影像的分割结果将树冠对象聚为一类，进而统计每个树冠对象栅格像素个数计算出树冠冠幅面积以及林分郁闭度。  结果  面向对象分类有效地对高郁闭度林分进行了树冠的提取。在分割尺度为70时，单木树冠分割效果最好，树冠被单独分割出来，但也存在一定的过分割以及未分割的问题，以至于部分单木的丢失。分割结束后，对分割对象进行特征空间的优化，选取适当的分类特征，最终将研究区分为树冠和林隙两类。通过统计每个对象栅格点数，计算得出的林分因子包括林分郁闭度，树冠面积。以地面实测数据作为参考，冠幅面积提取精度为0.829 1，林分郁闭度测量精度为0.973 1。  结论  研究结果表明，基于无人机高分辨率影像的树冠参数提取在高郁闭度林分同样适用，能有效提高森林资源调查的效率并且能够满足森林资源调查的精度。      

基于无人机三维点云的玉米植株自动计数研究

植株计数是农民、育种专家等在整个作物生长季评估作物生长状况和管理实践的最常用方法之一,可用来进行合理的田间规划以及管理。针对高密度种植试验区高通量获取玉米自动株数方法匮乏的问题,本研究利用无人机遥感平台,获取田间314个不同基因型的玉米高密度育种小区的数码影像和激光雷达(light detection and ranging,LiDAR)点云数据,发展了一种结合玉米三维空间信息的固定窗口局部最大值算法,实现了高密度玉米育种小区成株数的自动检测,并对比了基于此两种不同数据源的检测精度。该方法以冠层高度模型(canopy height model,CHM)中包含的株高信息为基础,以玉米种植株距为固定窗口进行单株玉米种子点检测,并将检测到的种子点与目视解译的玉米位置进行空间匹配来进行精度的评估。结果表明,基于无人机数码影像构建3种空间分辨率CHM的综合检测精度分别为81.30%、83.11%和78.93%;基于无人机LiDAR的综合精度分别为82.33%、88.66%和81.46%;基于两种数据源构建的CHM,均在空间分辨率为0.05 m时,获得最佳的检测精度。此外,当空间分辨率相同时,LiDAR数据检测精度略优于无人机数码影像,无人机数码传感器由于其成本低、易于操作等优势,在大面积、高密度育种小区的玉米高通量单株检测中表现出更大的潜力。本研究实现了对密植玉米育种试验区玉米株数的自动计数,为表型筛选、田间管理和精准估产等提供依据。     

基于LiDAR数据的单木提取算法研究

有效了解森林生长变化信息对森林资源的保护以及生态环境的研究具有重要意义。近年来,激光雷达数据是森林清查中主要的LiDAR数据源。但是现有机载LiDAR数据单木分割算法在密集林区应用精度较低,尤其在中下层冠层单木提取精度不高,存在漏检的现象。针对以上问题,采用归一化割（normalized cut,Ncut）方法直接对激光点云数据进行初始分割,然后设定冠层的形状参数与点云数量阈值,利用全局最大值重复Ncut方法,对林区下层冠层进行探测,实现单木的精确提取。结果表明,与只利用归一化割方法提取单木结果相比,本研究方法使单木提取误判率由22.66%降至3.9%,识别率由原先的68.49%提升至86.63%,有效规避了上层冠木对下层遮盖导致的下层单木漏检情况,提高了在冠层中间层和下层树木的识别率,可为今后森林清查、森林资源管理提供分割方法的选择,也为森林分类、单木分割提供样例。     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较

  目的  森林碳储量是生态系统结构与功能的重要指标，掌握森林碳储量现状有利于森林资源管理。激光雷达能够用于监测森林资源，但是存在森林参数估测的模型多、变量不确定和缺乏林分三维结构解析意义的变量等问题，因此，需要选择合适的林分解析变量和模型。  方法  借助无人机激光雷达点云数据与样地调查数据，以内蒙古自治区赤峰市喀喇沁旗旺业甸人工林为研究对象，分别使用多元线性模型与多元乘幂模型以不同变量对林分碳储量进行估测，选出最优模型并进行精度评价。  结果  研究表明:（1）模型方法而言，非线性模型的检验效果优于线性模型的检验效果:非线性模型（R2为0.66 ~ 0.86，rRMSE为23.51% ~ 9.91%），线性模型（R2为0.52 ~ 0.85，rRMSE为27.70% ~ 12.38%）。（2）模型使用平均高、郁闭度为基础变量，以穷举法筛选出来的变量组合，估算森林参数得出最佳模型，其中非线性模型以激光点云平均高、郁闭度、高度变动系数和叶面积变动系数的估算精度最高（R2=0.86，rRMSE=9.91%）。  结论  通过激光雷达估测人工林碳储量时，加入垂直结构变量可以提高模型拟合效果，非线性模型比线性模型更适合人工林碳储量的估测。