許元紅， 陳智虎， 劉春艷， 童倩倩， 趙澤英

(貴州省農(nóng)業(yè)科學(xué)院 科技信息研究所， 貴州 貴陽 550006)

火龍果屬于仙人掌科植物，原產(chǎn)地主要為哥斯達(dá)黎加、危地馬拉、古巴、越南及泰國等國家，我國最早種植區(qū)域位于臺(tái)灣，于20世紀(jì)90年代末開始在大陸的熱帶區(qū)域進(jìn)行栽種。經(jīng)過一系列技術(shù)攻關(guān)，貴州實(shí)現(xiàn)了將火龍果從熱帶省區(qū)引種至“兩江一河”(北盤江、南盤江和紅水河)區(qū)域，并以此作為貴州山區(qū)脫貧致富的果樹。隨著經(jīng)濟(jì)快速發(fā)展，火龍果種植規(guī)模不斷擴(kuò)大，目前貴州省火龍果種植面積獲取主要為傳統(tǒng)的人為實(shí)地采集，該方法已不能較好地滿足各級政府部門實(shí)時(shí)快速掌握區(qū)域果樹種植分布情況的需求。因此，對火龍果種植區(qū)域的株數(shù)快速準(zhǔn)確識別方法研究成為當(dāng)前亟待解決的關(guān)鍵問題。由于貴州火龍果種植區(qū)域大多屬于低熱河谷，礙于特殊的地理環(huán)境，利用傳統(tǒng)的航空航天遙感難以實(shí)現(xiàn)火龍果種植區(qū)的實(shí)時(shí)監(jiān)測，隨著科學(xué)技術(shù)的不斷發(fā)展，無人機(jī)遙感技術(shù)被廣泛應(yīng)用于不同類別的果樹識別與監(jiān)測。李福根等[1]利用無人機(jī)生成的正射影像和數(shù)字表面模型對果樹進(jìn)行精準(zhǔn)識別，消除果園周圍其他樹木和果園內(nèi)部草叢對果樹正確識別的影響，提高了識別精度；萬祖毅等[2]通過多旋翼無人機(jī)獲取可見光影像對柑橘樹株數(shù)進(jìn)行快速提取，總體精度達(dá)88.29%；朱孟等[3]基于無人機(jī)可見光影像實(shí)現(xiàn)了喀斯特峽谷地區(qū)火龍果植株的識別，精度達(dá)91.7%；蘭玉彬等[4]基于無人機(jī)高光譜遙感實(shí)現(xiàn)了柑橘黃龍病植株的監(jiān)測與分類，提高了果園管理效率。關(guān)于無人機(jī)遙感技術(shù)在果樹監(jiān)測方面的應(yīng)用，廣大學(xué)者作了相應(yīng)的研究，但利用無人機(jī)搭載高光譜成像儀獲取低空高光譜數(shù)據(jù)進(jìn)行火龍果植株識別的研究比較少見，鑒于此，以關(guān)嶺縣上官鎮(zhèn)樂安村火龍果種植基地為研究區(qū)，利用大疆Matrice 600 Pro六旋翼無人機(jī)搭載高光譜成像儀獲取低空高光譜數(shù)據(jù)，借助ENVI遙感影像處理軟件結(jié)合ArcGIS空間分析軟件，通過獲取火龍果端元波譜，采用波譜角分類方法(Spectral Angle Mapper，SAM)[5]提取低熱河谷地帶火龍果株數(shù)，為下一階段快速統(tǒng)計(jì)貴州區(qū)域的火龍果種植面積，實(shí)時(shí)掌握產(chǎn)業(yè)布局，進(jìn)而較好地給相關(guān)部門提供決策支撐打下基礎(chǔ)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于關(guān)嶺縣板貴鄉(xiāng)樂安村，地處關(guān)嶺自治縣西南部，中心地理坐標(biāo)為東經(jīng)105°44′27″、北緯25°44′52″，平均海拔502 m。該區(qū)域氣候溫?zé)?，屬于亞熱帶季風(fēng)氣候，年均氣溫可達(dá)20℃以上，適于發(fā)展火龍果種植，種植品種均為紅心火龍果。

1.2 材料

1.2.1 無人機(jī)航攝系統(tǒng) 飛行平臺(tái)：采用大疆Matrice 600 Pro六旋翼無人機(jī)作為飛行平臺(tái)，該機(jī)型采用模塊化設(shè)計(jì)，拆裝方便；載重可達(dá)6.0 kg，單架次滿電作業(yè)時(shí)長可達(dá)30 min，可實(shí)現(xiàn)5 km的遠(yuǎn)距離、低延時(shí)高清實(shí)時(shí)影像與控制信號傳輸。任務(wù)設(shè)備：高光譜數(shù)據(jù)獲取采用Resonon Pika XC2 高光譜成像儀，設(shè)備自身重量為2.2 kg，光譜范圍為400～1 000 nm，光譜分辨率可達(dá)1.3 nm，該設(shè)備操作簡便，具有低雜散光，低失真、高信噪比及高圖像質(zhì)量等一系列優(yōu)點(diǎn)。

1.2.2 火龍果種植區(qū)試驗(yàn)樣地 為創(chuàng)造良好的試驗(yàn)條件，選擇關(guān)嶺縣板貴鄉(xiāng)樂安村管理良好的火龍果種植范圍為研究區(qū)。研究區(qū)面積3 813.22 m2，地勢較為平緩，田間基本沒有雜草。

1.3 方法

1.3.1 火龍果株數(shù)采集 為驗(yàn)證高光譜影像識別火龍果株數(shù)的準(zhǔn)確率，需獲取研究區(qū)內(nèi)火龍果種植的實(shí)際株數(shù)。主要借助ArcGIS通過波段重新組合顯示研究區(qū)真彩色影像，然后利用目視解譯手段，準(zhǔn)確勾繪研究區(qū)火龍果地類，計(jì)算火龍果覆蓋株數(shù)，作為精度評價(jià)基準(zhǔn)數(shù)據(jù)。

1.3.2 高光譜影像數(shù)據(jù)獲取 為確保所獲取的影像數(shù)據(jù)質(zhì)量，選擇天氣晴朗的正午時(shí)分進(jìn)行拍攝。數(shù)據(jù)獲取時(shí)間為2018年9月18日13：00-14：00，此時(shí)間段研究區(qū)域內(nèi)陽光充裕。首先將高光譜儀搭載在無人機(jī)上，做好相應(yīng)的準(zhǔn)備工作(拍攝范圍規(guī)劃、控制點(diǎn)采集、磁校正)后開始進(jìn)行低空拍攝，無人機(jī)飛行相對航高200 m，航向以及旁向重疊度均設(shè)置為65%，單架次航拍有效面積為10 098 m2。

1.3.3 高光譜影像處理 借助ENVI進(jìn)行處理，主要包括影像預(yù)處理、幾何校正、影像拼接及裁剪。影像預(yù)處理主要針對采集的多光譜原始影像進(jìn)行輻射定標(biāo)及大氣校正[6]；利用采集的控制點(diǎn)對預(yù)處理后的影像數(shù)據(jù)進(jìn)行幾何校正，從而得到具有正確投影信息的數(shù)據(jù)文件；再對幾何校正后的影像進(jìn)行拼接，利用研究區(qū)矢量邊界裁剪影像得出所需的研究區(qū)域。

1.3.4 基于波譜角分類法的火龍果植株自動(dòng)提取與驗(yàn)證 波譜角分類是高光譜遙感影像分類中比較常見的監(jiān)督分類法之一，其原理是假設(shè)數(shù)據(jù)己被減化為表觀反射率，具有光譜方向但沒有長度方向，再將影像上每個(gè)像元的波譜曲線與所選擇的端元波譜曲線進(jìn)行比較，通過對比雙方切線方向上的夾角(等同于波譜角)大小判斷兩者是否屬于同一類物質(zhì)，角度越小表示屬于同一種物質(zhì)的可能性越大[7]；通過設(shè)置合理的角度閾值確定未知像元的類別，從而實(shí)現(xiàn)高光譜影像上不同物質(zhì)類型的自動(dòng)識別。操作流程見圖1。

1) 端元波譜收集?；谔幚砗玫母吖庾V數(shù)據(jù)，利用ENVI，采用MNF最小噪聲分離變換工具判定圖像數(shù)據(jù)內(nèi)在的維數(shù)(即波段數(shù))，分離數(shù)據(jù)中的噪聲，降低波段之間的相關(guān)性，減少計(jì)算需求量，獲得有效波段數(shù)；借助純凈像元指數(shù)(Pixel Purity Index--PPI)和N維可視化工具用于端元波譜收集，純凈像元指數(shù)計(jì)算時(shí)，設(shè)置迭代次數(shù)(Number of lterations)為5 000、閾值(Threshold Factor)為2.5進(jìn)行計(jì)算，N維可視化端元波譜獲取時(shí)，在n-D Selected Bands 列表中框中，選擇前5個(gè)波段在N維可視化窗口中構(gòu)成散點(diǎn)圖，根據(jù)散點(diǎn)聚集情況進(jìn)行端元選取。

2) 波譜識別。加載端元波譜曲線，使用波譜端元收集器工具(Endmember Collection)進(jìn)行物質(zhì)識別，在分類算法(Algorithm)中選擇波譜角分類法，通過不斷調(diào)整波譜角參數(shù)進(jìn)行影像分類。精度驗(yàn)證：波譜識別完成之后，借助ArcGIS將分類結(jié)果轉(zhuǎn)為矢量文件，剔除非火龍果要素，然后進(jìn)行火龍果株數(shù)統(tǒng)計(jì)，將統(tǒng)計(jì)結(jié)果與目視解譯采集到的火龍果株數(shù)(實(shí)際種植數(shù)量)進(jìn)行精度R驗(yàn)證：

式中，M識別值代表基于無人機(jī)高光譜影像利用ArcGIS自動(dòng)識別的火龍果株數(shù)，N解譯值代表基于真彩色影像通過目視解譯得到的研究區(qū)種植火龍果的實(shí)際數(shù)量。

2 結(jié)果與分析

2.1 目視解譯火龍果植株數(shù)

經(jīng)過處理后的高光譜影像分辨率為0.25 m，包含231個(gè)波段，經(jīng)過篩選，將102、61、27波段進(jìn)行組合得到研究區(qū)域真彩色影像，裁剪出研究區(qū)面積為3 813.22m2。區(qū)域內(nèi)包含有道路、火龍果植株、土壤、樹木4種類別，借助ArcGIS進(jìn)行目視解譯，得出火龍果植株數(shù)量為595株(圖2)。

2.2 基于無人機(jī)高光譜遙感影像火龍果植株數(shù)的提取精度

借助ENVI進(jìn)行高光譜數(shù)據(jù)處理，得出基于無人機(jī)高光譜遙感影像提取的火龍果株數(shù)為553株(圖3)，結(jié)合目視解譯結(jié)果，得出提取精度為92.94%。分析提取結(jié)果發(fā)現(xiàn)，長勢不好以及被樹木遮擋的火龍果植株難以識別，長勢較好且枝條有交叉的多株火龍果容易被識別為單株，2種情況均會(huì)影響提取的準(zhǔn)確率。

3 結(jié)論與討論

研究利用多旋翼無人機(jī)作為飛行平臺(tái)，搭載高光譜成像儀獲取研究區(qū)的低空高光譜遙感影像，借助ENVI以及ArcGIS等地理信息系統(tǒng)軟件進(jìn)行影像后處理，通過純凈像元指數(shù)(Pixel Purity Index--PPI)和N維可視化工具進(jìn)行端元波譜獲取，從而識別出研究區(qū)域的火龍果種植株數(shù)。對基于高光譜數(shù)據(jù)提取的火龍果株數(shù)進(jìn)行精度驗(yàn)證，提取準(zhǔn)確率可達(dá)92.94%，說明借助地理信息系統(tǒng)處理軟件對高光譜數(shù)據(jù)進(jìn)行處理可實(shí)現(xiàn)火龍果種植數(shù)量的快速提取，精度較高，可為下一階段實(shí)現(xiàn)火龍果種植面積的快速監(jiān)測提供一定的技術(shù)支撐，從而實(shí)現(xiàn)火龍果園區(qū)的精準(zhǔn)化管理。

由于貴州火龍果種植區(qū)域地理?xiàng)l件相對較差，利用無人機(jī)搭載高光譜成像儀進(jìn)行近地?cái)?shù)據(jù)采集時(shí)，務(wù)必確保天氣晴朗，無云層遮擋，風(fēng)速小于2 m/s；最佳拍攝時(shí)間點(diǎn)為正午時(shí)分，此刻太陽直射地面，火龍果植株基本沒有陰影，便于提高后期影像處理的質(zhì)量；數(shù)據(jù)采集過程中由于種種外部因素可能會(huì)導(dǎo)致飛機(jī)姿態(tài)受到影響，無人機(jī)飛行務(wù)必隨時(shí)留意飛機(jī)狀態(tài)，確保數(shù)據(jù)采集過程中姿態(tài)穩(wěn)定，避免獲取的數(shù)據(jù)存在拉花及模糊現(xiàn)象。此外，在進(jìn)行高光譜數(shù)據(jù)處理時(shí)，為了保證火龍株數(shù)信息提取的精度，一是分類之前務(wù)必對影像進(jìn)行輻射校正以及大氣校正，排除水汽、二氧化碳等雜質(zhì)的干擾，去除壞波段；二是在N維可視化工具中進(jìn)行地類端元波譜選取時(shí)，需選取散點(diǎn)集聚分布的區(qū)域，以較大程度分離不同地類波譜曲線，避免地類之間出現(xiàn)誤分的情況。

研究所選區(qū)域較為理想，區(qū)域內(nèi)地類較少，復(fù)雜區(qū)域未作相應(yīng)研究，在進(jìn)行數(shù)據(jù)采集時(shí)沒用利用地物波譜儀獲取單株火龍果的波譜數(shù)據(jù)，僅對無人機(jī)獲取的高光譜影像進(jìn)行端元波譜的選擇，無對比數(shù)據(jù)。后期將重點(diǎn)研究復(fù)雜區(qū)域內(nèi)植物種植數(shù)量的提取技術(shù)，以完善和豐富遙感技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用。