无人机遥感技术在小尺度土地利用现状动态监测中的应用

土地利用现状的动态监测是管理部门制定土地利用政策的重要依据。无人机(UAVs)遥感技术具有机动灵活、操作简便等特点,在土地利用、农业生产和防灾减灾等诸多领域发挥重要作用。本研究以江苏省农业科学院本部为例,进一步分析空间分辨率、航向和旁向重叠度等参数对小尺度土地利用现状动态监测结果的影响。结果表明,6.0 cm空间分辨率的无人机遥感数据能够满足小尺度土地利用现状2级分类的需求。同一空间分辨率下,航向和旁向重叠度均为75%的无人机观测数据在图像拼接质量上要优于航向和旁向重叠度为70%和65%的无人机观测数据。2016-2018年研究区范围内4类地物面积减少,9类地物面积增加。其中,蔬菜地面积减少近55%,荒草地和园地面积分别减少约20%和10%,坑塘面积减少约7%;温室大棚面积增加超过70%,特殊试验田和护坡面积增加30%～40%,场地和林地面积增加14%～20%,道路面积增加略大于3%。     

基于Faster R-CNN的大田玉米雄穗识别及抽穗期判定研究

目前田间玉米雄穗数量监测主要依靠人工进行,效率低且易出错.为了实现在复杂的田间环境下对玉米雄穗自动识别和计数的任务,使用无人机平台和田间作物表型高通量获取平台采集的田间玉米顶视图像构建数据集,使用Resnet 50作为新的特征提取网络代替原始的VGG 16来优化Faster R-CNN模型.再根据表型平台所获取的高时序、连续图像,进一步使用改进后的模型对试验小区内玉米抽穗期前后20 d的雄穗数量进行监测,以此为依据进行抽穗期判定.该方法在田间作物表型高通量平台获取的图像数据测试集中类平均精度为90.14％,平均绝对误差为4.7328;在无人机平台获取的图像数据测试集中类平均精度为82.14％,平均绝对误差为9.6948.试验结果表明:该模型在田间作物表型高通量获取平台上的检测结果优于无人机平台,且具备一定的应用价值.     

基于无人机高光谱影像的火龙果波段筛选研究

为解决卫星高光谱影像分辨率低、获取周期长、价格昂贵等问题,利用无人机搭载高光谱传感器能够获取分辨率高、价格较低且时效性较好的优势,以关岭县上关镇乐安村火龙果（Hylocereus undatus‘Foo-Lon’）种植示范园区为研究区域,使用六旋翼无人机M600搭载PikaXC2传感器获取高分辨率的高光谱影像数据。结果表明,通过对高光谱影像波段标准差和相关性进行分析,初步筛选出适合火龙果分析研究的波段185个,其中可见光波段109个、近红外波段76个,波段相关性系数的分布呈现中间高、两边低的特点。可见光波段相关性系数均值均大于近红外波段内部之间的均值。     

基于无人机多光谱的夏玉米叶绿素含量反演研究

以济南市济阳区夏玉米为研究对象,通过无人机(UAV)搭载多光谱相机进行叶绿素动态监测。在夏玉米3个生育时期(大喇叭口期、开花期、灌浆期),每个时期选取5块具有代表性的1 m×1 m的样地,利用无人机获取样地多光谱影像;同时从每块样地选取不同植株冠层不同部位的7片叶,用叶绿素仪测定每片叶的SPAD值,取其平均值作为该样地的SPAD实测值。利用Pix4D mapper软件对获取的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,用ENVI对各波段进行配准组合成ENVI格式的反射率数据。选取4种光谱参数和夏玉米SPAD实测值构建反演模型并进行模型评价,结果表明:以归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、冠层叶绿素含量指数(CCCI)三种光谱参数为变量的多元线性回归(MLR)模型精度更高且更加稳定,模型检验Rv~2为0.885,均方根误差(RMSE)为2.111,模型最优解参数(MOSP)为0.414。综合分析,该模型在估测玉米冠层叶绿素含量方面具有快速便捷、时效性强、准确度高等诸多优势,同时能快速、无损监测夏玉米叶绿素含量变化。     

基于四旋翼无人机快速获取大田植株图像的方法及其应用

利用低空无人机获取农田信息,具有实时以及灵活性高、成本低等优势。为快速、精确监测大田规模化种植作物的生长发育状况,以四旋翼无人机为平台,结合数字图像技术,建立快速获取大田烟株中前期图像的方法。结果表明,在天空辐射条件较稳定的条件下,采用较低的飞行高度(如20m)航拍获取田块图像,能够得到清晰的拼接图像和三维重建效果;采用基于决策树的植被分割算法将烟草和非植被部分分割后,得到较高精度的大田植株图像。在此基础上进行大田烟草缺苗数估测,所估算的缺苗数与实测值吻合较好。     

基于无人机影像的作物土壤水分亏缺反演方法

【目的】基于无人机影像进行作物土壤水分亏缺反演研究有利于提高农田集约化管理效率,提升农田精准灌溉水肥空间分布信息高效获取技术水平。【方法】文章以冬小麦为例,采用大型喷灌机变量灌溉的方式,设置3个灌溉水平和6个不同施肥处理;利用无人机携带热红外、可见光、多光谱相机,规划航线飞行采集影像数据,结合田间布点取样校准,反演冬小麦长势;根据获取的无人机遥感影像,经图像拼接、数据提取等处理,获得田间不同试验小区光谱数据,计算植被指数,反演水肥指标,构建土壤水分反演模型。【结果】水分亏缺情境下,灌水的多少直接影响冬小麦的生理生长指标,灌水量越多,冬小麦株高和叶面积发育越好;3个灌溉水平处理间冠层温度差异在2～5℃;植被指数与灌溉处理一致性较好,而不同的施肥处理反演效果不理想。【结论】热红外影像反演作物冠层温度计算得到的作物水分亏缺指数可以展现冬小麦作物水分亏缺空间分布,作物水分亏缺指数与土壤水分平均含水率有很好的相关性。无人机遥感在田间水肥管理的应用有效提升了大田时空数据的获取能力,下一步应开展水肥时空变异性研究,探讨水肥精准施用技术,从理论和技术两方面着手提升精准管理水平。     

低空林地航拍图像拼接的改进缝合线算法

目的图像拼接效果的优劣主要取决于图像配准和图像融合两个步骤。图像配准误差导致的错切以及图像序列间的视差导致的鬼影、重影问题可通过图像融合算法减小或消除。目前图像融合算法中最佳缝合线算法的综合效果较好, 但没有考虑到拼接图的正射效果, 并且无人机低空飞行时树高相对飞行高度比值较大, 这在获取正射影像时是不可忽略的干扰因素。传统的数字正射影像(DOM)是基于数字高程模型(DEM)对单张影像进行数字微分纠正进而拼接成整个区域的正射影像图。但是, 地形高程数据和植物的高度数据获取困难, 而恢复出来的地形和植物高度与实际数据存在误差, 造成DOM在局部边缘出现扭曲、模糊问题。本文提出一种不需要DEM数据, 仅用图像信息使拼接结果图保留正射投影的改进缝合线算法。方法首先对SURF特征检测、匹配与筛选, 用RANSAC算法求得的单应性矩阵确定相邻图像重叠区域; 然后基于重叠区中像素点位置与相邻两图像中心点位置的距离差可以反映正射效果的思想, 将距离差引入能量函数, 同时设计了动态权值参数用来平衡颜色、结构和距离三者的重要程度, 利用动态规划思想搜索得到最佳缝合线; 最后在缝合线两侧进行多频带融合生成类似正射影像的无缝拼接图。结果实验图像来源于不同样地、不同飞行高度, 在相邻两幅图像以及同一条带航线图像上将本文的改进缝合线算法与其他3种缝合线算法以及Pix4D生成的数字正射影像进行对比。实验结果表明, 本文提出的缝合线改进算法能保留正射投影, 视觉效果优于现有的缝合线算法, 在城镇建筑图像的实验中局部效果优于Pix4D。结论本文针对无人机低空林地航拍图像拼接重影问题和拼接结果由于视角不同而产生非正射影像区域的问题, 实现了一种不需要DEM数据进行数字微分纠正但能生成类似正射影像效果的改进缝合线算法。实验结果显示, 本文算法优于目前的最佳缝合线算法, 能够保留正射投影, 效果类似DOM, 并且在保证物体边缘清晰方面优于目前商用软件生成的DOM。这有利于更准确地计算林地的郁闭度, 估算林地植被覆盖面积, 对跟踪识别地表动植物也具有一定的帮助。除林地图像之外, 本方法也可以推广到其他需要保留正射投影的低空航拍拼接应用领域, 如城镇航拍图像等。      

基于无人机多光谱遥感的小麦长势监测研究

高效、无损的监测作物长势是现代精准农业的核心环节,无人机平台因具有成本低、数据获取效率高、测试高度及测试时间可按需调节等优点,在监测作物长势中发挥着地面平台和高空平台无法比拟的优势。本研究以小麦为研究对象,应用无人机搭载RedEdge-M多光谱相机获取主要生育时期的小麦冠层多光谱影像,并同步取样测量小麦叶片SPAD、地上部鲜重和干重,进一步探索基于无人机平台获取多光谱影像的预处理方法,提取小麦冠层反射率并筛选出适合作物长势监测的植被指数,构建基于无人机平台的小麦长势监测模型,结果表明,基于NDVI、SAVI、CCCI构建的多元线性回归模型精度更高、稳定性更好。预测小麦SPAD值的最佳模型为y=19.765+7.522NDVI+18.362SAVI+25.629CCCI,R~2为0.965;预测小麦地上部干重的最佳模型为y=-0.508+0.603NDVI+0.325SAVI+0.032CCCI,R~2为0.951;预测小麦地上部鲜重的最佳模型为y=-2.217+2.923NDVI+2.213SAVI-1.417CCCI,R~2为0.766。本研究结果可为园区和农场尺度小麦长势的实时监测提供有效技术支撑。     

基于无人机多光谱遥感的水质年际变化

悬浮物浓度和浊度是评价水质的重要指标。本文采用多旋翼无人机携带多光谱传感器获取多光谱影像,并结合实测悬浮物浓度和浊度,建立悬浮物浓度和浊度的反演模型,获取2019和2020年浙江农林大学东湖校区东湖的悬浮物浓度和浊度分布,并分析其年际变化趋势以及其内在原因。从年际变化可以看出,悬浮物浓度和浊度变化不大,水质状况保持良好。从空间分布上来说,受施工建设、人为活动以及植物种植的影响,空间分布状况有所改变。基于此,使用无人机携带多光谱相机获取图像进行小型水域的长期水质监测,可以及时有效地反馈水质状况,保护生态环境。     

无人机遥感技术在松材线虫病治理中的应用

在松材线虫病监测中应用无人机遥感技术,可提升松林线虫病监测实效。因此,在分析无人机遥感技术应用流程及多光谱无人机遥感图像的识别技术的基础上,以重庆市松材线虫病疫木治理为例,深入探讨无人机遥感技术的实践应用。研究发现,利用无人机遥感技术识别、定位松材线虫病疫木,可有效提升松材线虫病监测效率,确保识别的客观性,为防治松材线虫病提供数据支撑,对合理预警松材线虫病具有积极意义。     

应用可见光遥感影像的林区植被分割方法

为快速准确提取可见光遥感图像中的林区植被,降低林区复杂地物与不均匀的光照对提取效果的影响。采用无人机获取的林区可见光遥感图像,利用ArcGIS软件根据植被与裸地、道路以及光照均匀程度的不同占比进行裁剪,获得5个试验样区,分别利用多尺度分割、光谱差异分割和多尺度结合光谱差异分割方法对样区影像进行分割,应用最近邻分类方法分类并分析3种分割方法对分类精度的影响。研究结果表明：基于多尺度分割的分类精度整体优于光谱差异分割和多尺度结合光谱差异分割,植被分类总体精度分别为90.0%、93.0%、92.0%、89.0%、94.0%,Kappa系数分别为0.801、0.855、0.839、0.781、0.880。使用多尺度分割在林区植被提取时受环境影响小,可以有效提取林区植被信息。     

基于可见光波段的无人机超低空遥感图像处理

【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。     

基于间隙度的无人机林地航拍图像序列拼接方法

无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方法可以有效拼接图像,同时不会损失原图像的精度信息,并从视觉效果和均方根误差两个角度证明了本文方法优于其他两种方法。      

无人机遥感设备的自动化控制系统

UAVRS-Ⅱ型无人机低空遥感监测系统以面阵CCD数码相机和稳定平台作为主要机载遥感设备.遥感设备和稳定平台的自动化控制系统重点解决利用单轴稳定平台修正偏流角和根据无人机飞行时的导航参数实时解算曝光间隔来确保航向重叠度的问题.地面和实际飞行试验表明,这套自行开发的无人机遥感设备的自动化控制系统达到了预期的目的、取得了良好的效果.     

无人机多光谱草地估产中的最佳波段组合研究

无人机多光谱影像分辨率高,但是波段多、信息量大、信息冗余度高,如何选取最佳波段组合构建高精度光谱模型,是草地估产模型研究的重要工作基础。针对上述问题,以新疆天山北坡紫泥泉牧场典型区域为研究区,利用多旋翼无人机搭载Micro MCA12 Snap传感器获取多光谱影像,根据波段光谱特征和植被特有的光谱特性将波段分成3组,结合最佳指数因子和最大相关系数选取了最佳组合波段,并建立了天然草地生物量估算模型。结果表明,针对Micro MCA12 Snap多光谱传感器,选取4、7、8波段作为草地估产的最佳波段组合,与其他几类波段组合相比,在一定程度上生物量估算模型精度有所提高,可为无人机多光谱草地估产中最佳波段组合提供借鉴和参考。     

基于角点匹配图像拼接方法的改进

在图像拼接领域,同时提高图像拼接的质量和速度是比较困难的。为了解决这个问题,本研究对图像拼接中的特征匹配和图像融合这2个关键部分进行了改进。在特征匹配方面,传统的用于提纯出匹配特征点的方法是使用RANSAC算法。为了解决其在不匹配点比例较大时提纯效率较低的缺点,本研究提出了一种使用聚类法预提纯特征点再用RANSAC算法精确提纯的方法,在图像融合时,使用了最佳路径法与亮度权重函数相结合的方法,以达到消重影并使拼接结果图像自然的目的。试验证明,经过对图像拼接以上2部分的改进算法效率有极大的提高,并能有效地去除重影使拼接图像更加自然。     

基于固定翼无人机多光谱影像的水稻长势关键指标无损监测

【背景】近年来随着遥感技术的快速发展，实时无损监测作物生长状况已成为当前研究热点，遥感获取的农情信息将为实现大面积作物精确管理提供指导。在众多遥感监测平台里，无人机因其操作简单、使用成本低等特点而受到广泛关注，无人机搭载多光谱相机可以快速获取作物的长势信息。【目的】尝试将固定翼无人机多光谱影像纹理信息与光谱信息结合，探究“图谱”信息对水稻长势指标的监测效果。【方法】通过开展两年涉及不同播期、品种、播栽方式、施氮水平的水稻田间试验，在水稻关键生育期使用固定翼无人机搭载Sequoia多光谱相机获取水稻冠层遥感影像，同步进行地上部破坏性取样以获取水稻叶面积指数(LAI)、地上部生物量(AGB)和植株氮含量(PNC)等农学指标，采用简单线性回归、偏最小二乘回归和人工神经网络回归算法，构建基于固定翼无人机多光谱影像的水稻长势指标监测模型，比较分析光谱纹理信息在不同模型中的监测效果。【结果】利用简单线性回归方法探究了植被指数(VI)、单波段纹理特征与水稻LAI、AGB和PNC间的定量关系，结果表明植被指数与LAI和AGB之间有较强的相关性，表现最好的植被指数为CIRE和NDRE,R 2分别为0.8...     

基于无人机平台和图像分析的田间作物检测

为高效、精准、及时地获取农作物的空间分布及其面积,建立了基于无人机平台和图像分析的大田作物检测方法:采用小型四旋翼无人机搭载高性能数码相机获取作物图像后,通过图元分割和目视解译获得目标样本,提取其21维颜色特征和3维纹理特征,采用BP神经网络分类器和像素累加法进行作物种类识别和面积测量。试验结果表明,系统对小麦、油菜、蚕豆和大蒜的平均识别率达86%,面积测量的平均相对误差约为9.62%。     

基于HJ-1高光谱的曹家坝矿山水环境识别与监测

矿山资源开发过程中存在较为严重的水环境问题,但常规的地面调查方法在时效性和广度上存在局限。为解决这一问题,本文基于我国自主发射的环境一号卫星(HJ-1),获取了曹家坝矿山宽幅30 km范围内的高光谱遥感数据,通过数据读取、辐射定标、气候校正和尺寸配准的方式控制图元误差为0.5 mm,平均精度达到0.42,有效避免重影和错位问题。同时,基于水体光谱特征和颜色作为水环境水质监测的标志物,通过波段运算和灰度法分别对植被和水体遥感图像解译,精确反映了矿区水环境高光谱遥感结果,有效提高了矿区水环境监测时效性和广度。     

多旋翼无人机载高光谱成像系统几何和辐射校正方法研究

针对农林环保等行业应用,结合成像光谱仪与无人机(unmanned aerial vehicle, UAV)技术,有效地解决了高光谱遥感数据不足和空间分辨率低等问题.但UAV高光谱成像系统面临的设备昂贵、数据质量差和效率低等一系列问题,致使低成本高效便捷的UAV高光谱成像系统成为了研究的关键.介绍了将室内成像光谱仪搭载在多旋翼UAV上采集数据的高光谱成像系统,在试验区布设控制点和标准灰布,用GPS-RTK测量控制点的三维坐标和ASD地物光谱仪测量标准灰布的反射率以验证系统的成像精度.从辐射和几何两个方面进行分析评价.在辐射方面,经过辐射定标和MODTRAN模型大气校正的高光谱数据中校准灰布的反射率与ASD地物光谱仪测量的结果十分吻合;在几何方面,用GPS-IMU数据进行初始几何校正的图像与地面控制点坐标以分析图像处理后的几何误差,并提出通过改正姿态偏转角的方法提高图像的地理位置精度.