日前，自然資源部剛剛印發(fā)的《自然資源確權(quán)登記操作指南（試行）》引發(fā)自然資源人的熱議。這給為履行“兩統(tǒng)*”職責(zé)*而組建的自然資源管理部門開展自然資源調(diào)查監(jiān)測指明了方向。 

正所謂“工欲善其事，必先利其器”。具有多光譜成像功能的“千里眼”——精靈 4多光譜版無人機(jī)正好成為對“山水林田湖草”等自然資源資產(chǎn)開展精細(xì)化、*化調(diào)查監(jiān)測的*把“利器”。

它不*延續(xù)精靈 Phantom 4 RTK 的厘米級導(dǎo)航定位系統(tǒng)，而且新增了多光譜相機(jī)和位于天線頂部的多光譜光強(qiáng)傳感器，為用戶帶來*精度數(shù)據(jù)成果。同時，它具有起降靈活、易于操作、按需獲取*時空分辨率多光譜數(shù)據(jù)、應(yīng)用成本低等諸多優(yōu)勢，為自然資源調(diào)查監(jiān)測、水文水資源監(jiān)測、干旱災(zāi)害評估、*農(nóng)業(yè)等中小尺度的多光譜遙感應(yīng)用提供了全新工具。
 

“六只眼”秒拍紅樹林

不久前，DJI 大疆行業(yè)應(yīng)用與中山大學(xué)地理*與規(guī)劃學(xué)院、廣州知行攜手，開展“地球之腎”的濕地植物紅樹林分類普查。本次研究的紅樹林濕地，位于淇澳島西北部，為目前珠海市面積*大、保存*完整、*集中連片的林分。該區(qū)域紅樹林主要物種有銀葉樹、秋茄、桐花樹、老鼠筋、鹵蕨以及無瓣海桑等。

本次數(shù)據(jù)采集使用的設(shè)備就是精靈 4 多光譜版無人機(jī)。它可以通過 1 個RGB和 5個多光譜傳感器獲取*精度數(shù)據(jù)成果。五個多光譜傳感器波長為：

藍(lán)(B):450±16nm

綠(G):560±16nm

紅(R):650±16nm

紅邊(RE):730±16nm

近紅外(NIR):840±16nm

*體式的多光譜成像系統(tǒng)，集成了1 個 可見光相機(jī)及 5 個多光譜相機(jī)（藍(lán)光，綠光，紅光，紅邊和近紅外），分別負(fù)責(zé)可見光成像及多光譜成像。所有相機(jī)均擁有 200 萬像素解析力及配備全局快門，這套出色的成像系統(tǒng)裝置于三軸云臺上，成像清晰穩(wěn)定。

多光譜光強(qiáng)傳感器打造*結(jié)果

精靈 4 多光譜版頂部集成多光譜光強(qiáng)傳感器，可捕捉太陽輻照度并記錄于影像文件中，當(dāng)進(jìn)行數(shù)據(jù)后期處理時，太陽輻照度數(shù)據(jù)將可用于對影像進(jìn)行光照補(bǔ)償，排除環(huán)境光對數(shù)據(jù)采集的干擾，有助于使用者獲得更準(zhǔn)確的 NDVI 結(jié)果，提*不同時段采集到的數(shù)據(jù)的準(zhǔn)確度與*致性。

本次實驗數(shù)據(jù)通過 DJI GS PRO 地面站專業(yè)版的“測繪航拍”模式，自動規(guī)劃測區(qū)航線，并設(shè)置飛行*度為 84.5m，航向重疊率為 75%，旁向重疊率為 70%，飛行速度為 6m/s。 

 正射影像*鍵Get

精靈 4 多光譜版無人機(jī)*次拍攝即可獲取 6 張照片，分別是 RGB、B、G、R、RE、NIR。將外業(yè)采集的影像導(dǎo)入到大疆智圖中重建，重建類型選擇“二維多光譜”。大疆智圖不*能自動快速完成正射影像重建，還可以生成 GNDVI、LCI、NDRE、NDVI等幾種植被指數(shù)，多光譜成果地面分辨率達(dá)到 4 cm。

 在 GIS 應(yīng)用軟件中，對重建好的數(shù)字正射影像圖（DOM）和數(shù)字表面模型（DSM）進(jìn)行裁剪，得到實驗區(qū)的正射影像圖。

研究區(qū)正射影像圖

“多光譜”讓地物分類更*

如何對多光譜遙感影像數(shù)據(jù)進(jìn)行特征提取與地物分類？*先，利用遙感影像分析軟件，采用面向?qū)ο蟮姆椒▽嶒瀰^(qū)的紅樹林物種進(jìn)行精細(xì)分類。面向?qū)ο蟮姆椒?先要對遙感影像進(jìn)行初始分割，得到*個個屬性各異的同質(zhì)區(qū)域，這些同質(zhì)區(qū)域被稱之為“對象”；然后，從這些影像對象中提取多種特征，如光譜、形狀、紋理、結(jié)構(gòu)和空間關(guān)系等；*后采用隨機(jī)森林分類算法以完成*終的影像分類。

下面，我們逐*介紹本次研究中的這三個步驟。

01影像分割 

在 Ecognition 軟件中使用面向?qū)ο蟮姆椒ǎ瑢嶒瀰^(qū)的紅樹林物種進(jìn)行精細(xì)分類。影像分割是面向?qū)ο蠓诸惖幕A(chǔ)，分割算法將影像分為多個對象單元，特征提取、分類器分類等方法均基于對象操作，分割的準(zhǔn)確度影響分類精度。本次實驗采用多尺度分割算法，經(jīng)過多次調(diào)試，確定分割尺度、形狀因子和緊致度因子分別為 180、0.5、0.5。

02確認(rèn)分類原則及樣本 

根據(jù)試驗區(qū)地塊的屬性，該地塊包含老鼠簕、黃槿、鹵蕨、秋茄、桐花樹、銀葉樹、蘆葦?shù)?7 種主要植物；水體與人工建筑歸為其它類型；陰影對分類結(jié)果影響較大，單獨分為*類，共計 9 類地物。

03根據(jù)算法，執(zhí)行分類 

第三步采用隨機(jī)森林分類算法執(zhí)行分類過程。將藍(lán)、綠、紅、紅邊、近紅外波段均作為光譜特征。紋理特征使用灰度共生矩陣，包括同質(zhì)性、熵、對比度、差異性、角二階矩、自相關(guān)、均值和標(biāo)準(zhǔn)差，對數(shù)據(jù)的紅、綠、藍(lán) 3 個波段提取這 8 種紋理特征，共計 24 個紋理特征。

從無人機(jī)影像中提取的 DSM 信息，能夠反映出不同樹種的相對*差， DSM 與 DOM 的融合數(shù)據(jù)能夠有效提*紅樹林地物分類精度，所以把從影像中提取的 DSM 數(shù)據(jù)作為*度特征。在實驗區(qū)內(nèi)均勻的選擇訓(xùn)練樣本，執(zhí)行分類過程，得到如下圖所示的*終分類結(jié)果。

多光譜數(shù)據(jù)分類結(jié)果

在實地調(diào)查與目視解譯的基礎(chǔ)上，在研究區(qū)范圍內(nèi)均勻選取驗證樣本，*終對此次分類結(jié)果進(jìn)行精度評價，得到本次實驗分類的*體精度為 92.4%，Kappa 系數(shù)為 0.913。

采用*光譜和多光譜兩種方式進(jìn)行地物分類，從結(jié)果來看，多光譜分類*體精度（92.4%）略*于*光譜分類精度（89.3%）?？赡苁怯捎?光譜的大量冗余信息導(dǎo)致地物分類精度下降。

因為*光譜數(shù)據(jù)量*大，且單架次拍攝面積較?。s0.03 平方公里），是多光譜無人機(jī)拍攝面積（約0.09 平方公里）的三分*。從數(shù)據(jù)獲取和分類來看，精靈 4 多光譜版無人機(jī)更占優(yōu)勢。

*光譜數(shù)據(jù)分類結(jié)果

調(diào)查監(jiān)測“千里眼”

*分辨率數(shù)據(jù)獲取，大幅提*自然資源監(jiān)測能力。精靈 4 多光譜版的可見光與多光譜相機(jī)均為 200 萬像素，在飛行*度為 100 米時，其地面分辨率達(dá) 5.3 cm，無論是 RGB 影像還是多光譜影像都有較*的空間分辨率，為自然資源定量調(diào)查提供*精度數(shù)據(jù)。

實時獲取現(xiàn)場畫面，提供自然資源調(diào)查直觀信息。精靈 4 多光譜版配合 GS PRO 地面站專業(yè)版支持 NDVI 分析功能，用戶可在實時 NDVI 和實時 RGB 影像之間進(jìn)行切換，及時發(fā)現(xiàn)異常狀況，從而快速做出針對性決策。

RGB 影像與實時 NDVI 圖像切換

多視角*、*監(jiān)測，守護(hù)自然資源調(diào)查生命線。精靈 4 多光譜版將*精度的經(jīng)緯度坐標(biāo)寫入圖像中，真實反映自然資源現(xiàn)狀。同時，它輕巧靈活、可達(dá)性強(qiáng)，能從空中抵達(dá)人工難以涉足的區(qū)域，多角度呈現(xiàn)信息，避免單*視角造成的信息誤讀，為自然資源進(jìn)行地物調(diào)查提供真實有效信息。

厘米級定位系統(tǒng)

精靈 4 多光譜版采用 TimeSync 時間同步系統(tǒng)，通過將飛控、相機(jī)與RTK的時鐘系統(tǒng)進(jìn)行微秒級同步，實現(xiàn)相機(jī)成像時刻毫秒級誤差，并對每個相機(jī)鏡頭中心點位置與天線中心點位置結(jié)合設(shè)備姿態(tài)信息進(jìn)行實時補(bǔ)償，使影像獲得更加*的位置信息。所有相機(jī)出廠前皆經(jīng)過嚴(yán)格校準(zhǔn)，測量徑向和切向透鏡的畸變情況，相關(guān)失真參數(shù)將保存在影像的元數(shù)據(jù)中，方便后期處理時進(jìn)行精細(xì)化調(diào)整。

精靈 4 多光譜版無人機(jī)和大疆智圖組成的航測遙感解決方案讓自然資源確權(quán)登記更輕松！