硬核！林地調查監測分類(lèi)“照片”這樣拍！

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

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(wú)人機正好成為對“山水林田湖草”等自然資源資產(chǎn)開(kāi)展精細化、*化調查監測的*把“利器”。

它不*延續精靈 Phantom 4 RTK 的厘米級導航定位系統，而且新增了多光譜相機和位于天線(xiàn)頂部的多光譜光強傳感器，為用戶(hù)帶來(lái)*精度數據成果。同時(shí)，它具有起降靈活、易于操作、按需獲取*時(shí)空分辨率多光譜數據、應用成本低等諸多優(yōu)勢，為自然資源調查監測、水文水資源監測、干旱災害評估、*農業(yè)等中小尺度的多光譜遙感應用提供了全新工具。
 

“六只眼”秒拍紅樹(shù)林

不久前，DJI 大疆行業(yè)應用與中山大學(xué)地理*與規劃學(xué)院、廣州知行攜手，開(kāi)展“地球之腎”的濕地植物紅樹(shù)林分類(lèi)普查。本次研究的紅樹(shù)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。該區域紅樹(shù)林主要物種有銀葉樹(shù)、秋茄、桐花樹(shù)、老鼠筋、鹵蕨以及無(wú)瓣海桑等。

本次數據采集使用的設備就是精靈 4 多光譜版無(wú)人機。它可以通過(guò) 1 個(gè)RGB和 5個(gè)多光譜傳感器獲取*精度數據成果。五個(gè)多光譜傳感器波長(cháng)為：

藍(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，集成了1 個(gè) 可見(jiàn)光相機及 5 個(gè)多光譜相機（藍光，綠光，紅光，紅邊和近紅外），分別負責可見(jiàn)光成像及多光譜成像。所有相機均擁有 200 萬(wàn)像素解析力及配備全局快門(mén)，這套出色的成像系統裝置于三軸云臺上，成像清晰穩定。

多光譜光強傳感器打造*結果

精靈 4 多光譜版頂部集成多光譜光強傳感器，可捕捉太陽(yáng)輻照度并記錄于影像文件中，當進(jìn)行數據后期處理時(shí)，太陽(yáng)輻照度數據將可用于對影像進(jìn)行光照補償，排除環(huán)境光對數據采集的干擾，有助于使用者獲得更準確的 NDVI 結果，提*不同時(shí)段采集到的數據的準確度與*致性。

本次實(shí)驗數據通過(guò) DJI GS PRO 地面站專(zhuān)業(yè)版的“測繪航拍”模式，自動(dòng)規劃測區航線(xiàn)，并設置飛行*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(wú)人機*次拍攝即可獲取 6 張照片，分別是 RGB、B、G、R、RE、NIR。將外業(yè)采集的影像導入到大疆智圖中重建，重建類(lèi)型選擇“二維多光譜”。大疆智圖不*能自動(dòng)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，多光譜成果地面分辨率達到 4 cm。

 在 GIS 應用軟件中，對重建好的數字正射影像圖（DOM）和數字表面模型（DSM）進(jìn)行裁剪，得到實(shí)驗區的正射影像圖。

研究區正射影像圖

“多光譜”讓地物分類(lèi)更*

如何對多光譜遙感影像數據進(jìn)行特征提取與地物分類(lèi)？*先，利用遙感影像分析軟件，采用面向對象的方法對實(shí)驗區的紅樹(shù)林物種進(jìn)行精細分類(lèi)。面向對象的方法*先要對遙感影像進(jìn)行初始分割，得到*個(gè)個(gè)屬性各異的同質(zhì)區域，這些同質(zhì)區域被稱(chēng)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、結構和空間關(guān)系等；*后采用隨機森林分類(lèi)算法以完成*終的影像分類(lèi)。

下面，我們逐*介紹本次研究中的這三個(gè)步驟。

01影像分割 

在 Ecognition 軟件中使用面向對象的方法，對實(shí)驗區的紅樹(shù)林物種進(jìn)行精細分類(lèi)。影像分割是面向對象分類(lèi)的基礎，分割算法將影像分為多個(gè)對象單元，特征提取、分類(lèi)器分類(lèi)等方法均基于對象操作，分割的準確度影響分類(lèi)精度。本次實(shí)驗采用多尺度分割算法，經(jīng)過(guò)多次調試，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確認分類(lèi)原則及樣本 

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

03根據算法，執行分類(lèi) 

第三步采用隨機森林分類(lèi)算法執行分類(lèi)過(guò)程。將藍、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)、均值和標準差，對數據的紅、綠、藍 3 個(gè)波段提取這 8 種紋理特征，共計 24 個(gè)紋理特征。

從無(wú)人機影像中提取的 DSM 信息，能夠反映出不同樹(shù)種的相對*差， DSM 與 DOM 的融合數據能夠有效提*紅樹(shù)林地物分類(lèi)精度，所以把從影像中提取的 DSM 數據作為*度特征。在實(shí)驗區內均勻的選擇訓練樣本，執行分類(lèi)過(guò)程，得到如下圖所示的*終分類(lèi)結果。

多光譜數據分類(lèi)結果

在實(shí)地調查與目視解譯的基礎上，在研究區范圍內均勻選取驗證樣本，*終對此次分類(lèi)結果進(jìn)行精度評價(jià)，得到本次實(shí)驗分類(lèi)的*體精度為 92.4%，Kappa 系數為 0.913。

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

因為*光譜數據量*大，且單架次拍攝面積較?。s0.03 平方公里），是多光譜無(wú)人機拍攝面積（約0.09 平方公里）的三分*。從數據獲取和分類(lèi)來(lái)看，精靈 4 多光譜版無(wú)人機更占優(yōu)勢。

*光譜數據分類(lèi)結果

調查監測“千里眼”

*分辨率數據獲取，大幅提*自然資源監測能力。精靈 4 多光譜版的可見(jiàn)光與多光譜相機均為 200 萬(wàn)像素，在飛行*度為 100 米時(shí)，其地面分辨率達 5.3 cm，無(wú)論是 RGB 影像還是多光譜影像都有較*的空間分辨率，為自然資源定量調查提供*精度數據。

實(shí)時(shí)獲取現場(chǎng)畫(huà)面，提供自然資源調查直觀(guān)信息。精靈 4 多光譜版配合 GS PRO 地面站專(zhuān)業(yè)版支持 NDVI 分析功能，用戶(hù)可在實(shí)時(shí) NDVI 和實(shí)時(shí) RGB 影像之間進(jìn)行切換，及時(shí)發(fā)現異常狀況，從而快速做出針對性決策。

RGB 影像與實(shí)時(shí) NDVI 圖像切換

多視角*、*監測，守護自然資源調查生命線(xiàn)。精靈 4 多光譜版將*精度的經(jīng)緯度坐標寫(xiě)入圖像中，真實(shí)反映自然資源現狀。同時(shí)，它輕巧靈活、可達性強，能從空中抵達人工難以涉足的區域，多角度呈現信息，避免單*視角造成的信息誤讀，為自然資源進(jìn)行地物調查提供真實(shí)有效信息。

厘米級定位系統

精靈 4 多光譜版采用 TimeSync 時(shí)間同步系統，通過(guò)將飛控、相機與RTK的時(shí)鐘系統進(jìn)行微秒級同步，實(shí)現相機成像時(shí)刻毫秒級誤差，并對每個(gè)相機鏡頭中心點(diǎn)位置與天線(xiàn)中心點(diǎn)位置結合設備姿態(tài)信息進(jìn)行實(shí)時(shí)補償，使影像獲得更加*的位置信息。所有相機出廠(chǎng)前皆經(jīng)過(guò)嚴格校準，測量徑向和切向透鏡的畸變情況，相關(guān)失真參數將保存在影像的元數據中，方便后期處理時(shí)進(jìn)行精細化調整。

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