EcodroneR无人机高光谱遥感系统——在农田监测中的应用案例

1 引言

农业遥感应用中,特别是作物长势评估、灾害监测和农业管理等方面,利用高光谱遥感数据能准确地反映田间作物本身的光谱特征以及作物之间的微小光谱差异,可以更加精确地获取一些农学信息,如作物含水量、叶绿素含量、叶面积指数等生态物理参数,从而方便地预测作物长势和产量。多光谱遥感囊括了红、绿、近红外、红边等作物重要光谱波段,作物叶片光谱特征研究对于应用高光谱遥感技术监测作物病虫害,以及了解农田养分供应状况,采取有效增肥措施和加强农田管理具有积极意义。

为得到上述重要农学信息,重点工作在于获取研究区光谱影像数据。传统方法是通过手持光谱相机,人工在田间逐区获取,最后通过手动方法拼接起来。这种模式耗时耗力,已经无法满足现代农业研究的现势性要求并且没有地理参考信息,对不同时相和不同空间对比研究造成困难。易科泰无人机遥感技术研究中心针对传统模式的种种缺陷,自主设计研发的Ecodrone®无人机高光谱遥感系统有效解决了上述困难,为大田作物生长状况监测提供最优的解决方案。

2 应用实例介绍

2. 1背景介绍

用户单位:山东农业大学

系统名称:农田高光谱监测系统

实验地点:山东农业大学高效生态农业创新-肥城示范点

应        用: 小麦玉米高产与生态高效的栽培学途径与技术

 

图1 山东农业大学生态农业试验田

2. 2数据获取

为了便于对比分析,获得更高分辨率的光谱影像,本次飞行实验采用同一航线,设计航高60m。分别搭载高光谱和多光谱相机飞行两架次,总耗时30分钟,获取试验田约250m×200m范围多光谱影像和高光谱立方数据。下表为主要技术参数:

表1 技术参数及数据信息

图2 试验田飞行作业及Google Earth地理位置

2. 3预处理分析

本系统获取的光谱影像均带有精确地理坐标信息,因此拼接好的多光谱和高光谱影像可轻松通过第三方GIS软件叠加在各种遥感专题图中用于进一步分析。也可直接与SPOT、 MODIS等多种卫星数据或多光谱数据比对,进行地面遥感数据验证。图2中右图即为多光谱NDVI数据在Google Earth中叠加显示,可以看出其位置与实地地理位置完全匹配。

1、多光谱数据

多光谱相机自带POS系统和光线传感器,无需校准转换,可直接通过专业图像处理软件拼接处理。自带RGB彩色成像镜头,弥补了缺少蓝波段的缺点。如下图所示:

图3 多光谱分波段拼接影像

2、高光谱数据

高光谱数据以超立方体格式存储,最高可累计获取380个波段段影像。首先需经自带软件转换校准成通过ENVI格式、并进行波段分离,分别存储为单波段TIF影像。再由专业图像处理软件拼接,如下图所示:

图4 662nm和790nm波段高光谱拼接影像,分别对应多光谱红、近红外波段

图5 高光谱转换影像,分波段存储

集成高光谱相机最高可达380个波段,用户可根据不同需求灵活选择设置最优波段,通过专业数据处理软件份波段拼接影像。

3、NDVI对比

根据多光谱红、近红外波段波长参数,对应找出高光谱对应波段,通过波段运算得到NDVI如下图。由于高光谱相机光谱分辨率高,波长可调,因此可以灵活选取两个最优波段进行NDVI运算,具有较强针对性,但结果值有小幅偏移。而多光谱相机波段参数固定,获取的是具有普遍适用性的经验值,区分作物微小差异的能力较弱。因此,本系统可将二者结合起来,互相补充,从而达到最优效果。

图6 多光谱NDVI(左) 高光谱NDVI(右)

4、小麦长势情况

本试验田播种较晚,且在冬天进行飞行,冬小麦正处于越冬期,植株基本停止生长,苗高越5-8cm。因此根据地面实测结果设定某一经验阈值(如植被指数≥0.3)为健康植株,运用遥感软件分析得出整个研究区的小麦长势。可对比RGB影像,颜色越绿表示长势越好。如下图所示:

图7 试验田RGB影像(左)小麦长势图(右)

3 总结

Ecodrone®无人机高光谱遥感系统搭载专业高光谱相机,波段范围500-900nm,涵盖作物重要光谱特征敏感区间。同时选配4通道多光谱镜头和专业UAV数据处理软件。获取数据精度高、信息丰富、重访周期短,全自动数据处理分析手段解放了大量人力资源、节省了大量时间成本,整个系统完全满足的农业遥感所需的高现势性、大信息量的特点,为大面积农作物生长监测提供现势、精确的数据基础及简单高效的解决方案。