陳智虎，舒 田，劉春艷，許元紅

（貴州省農(nóng)業(yè)科技信息研究所，貴州 花溪 550006）

隨著科學(xué)技術(shù)的發(fā)展，精準(zhǔn)農(nóng)業(yè)越來越受到科研人員的關(guān)注，各種先進(jìn)技術(shù)不斷被應(yīng)用于農(nóng)業(yè)生產(chǎn)上，新技術(shù)的參與，一方面降低了農(nóng)業(yè)生產(chǎn)成本，提升了病蟲害的防控水平；另一方面提高了農(nóng)作物產(chǎn)量，增加了農(nóng)民的收入。無人機在噴灑農(nóng)藥、施肥、農(nóng)作物長勢監(jiān)測等方面發(fā)揮了重要作用，張海艷等［1］利用旋翼無人機進(jìn)行農(nóng)藥噴施試驗研究，根據(jù)旋翼風(fēng)場不同，單旋翼植保無人機噴施效果優(yōu)于多旋翼植保無人機；趙蓮英［2］通過植保無人機噴施納米農(nóng)藥，研究水稻主要病蟲害防治效果。根據(jù)研究的需要，無人機可以搭載不同的作業(yè)平臺采集不同的數(shù)據(jù)，以此來進(jìn)行相關(guān)研究，如高光譜數(shù)據(jù)、多光譜數(shù)據(jù)、熱成像數(shù)據(jù)以及其他相關(guān)數(shù)據(jù)。陶惠林等［3］通過分析高光譜遙感數(shù)據(jù)植被指數(shù)和紅邊參數(shù)與冬小麥生物量的相關(guān)性，建立相關(guān)模型并進(jìn)行驗證；陳曉凱等［4］利用低空無人機獲取的高光譜影像對冬小麥葉面積指數(shù)進(jìn)行遙感估算，表明基于森林回歸算法的無人機高光譜葉面積指數(shù)估算模型能夠準(zhǔn)確地實現(xiàn)小區(qū)域的葉面積指數(shù)遙感填圖；基于多光譜遙感影像進(jìn)行冬小麥葉綠素含量反演及監(jiān)測研究［5］、小麥長勢監(jiān)測研究［6］、烤煙株高研究［7］、番茄冠層SPAD 預(yù)測研究［8］、新疆棉田螨害大范圍監(jiān)測研究［9］、水稻葉綠素含量反演及監(jiān)測研究［10］、蛇龍珠葡萄成熟度判別研究［11］等，基于紅外熱成像的林地余火死灰復(fù)燃點診斷方法研究［12］；王嬌嬌等［13］以高光譜圖像為基礎(chǔ)，利用高斯回歸分析方法進(jìn)行水稻氮素敏感波段篩選及含量估算；Wang 等［14］以高光譜圖像為基礎(chǔ)，利用小波支持向量機集成模型和膜鯨優(yōu)化算法進(jìn)行波段選擇，均取得了較好的研究成果［15-22］。

高光譜影像數(shù)據(jù)具有大量的波段信息，且這些信息對于地物判讀、作物識別、病蟲害監(jiān)測等工作不僅能夠節(jié)約人力物力，還能提高效率和精度，但衛(wèi)星高光譜遙感圖像價格昂貴、數(shù)據(jù)處理復(fù)雜、分辨率低。無人機能夠搭載成像光譜儀獲取小范圍的分辨率較高的高光譜影像，以此來滿足研究的需要。趙慶展等［23］利用旋翼無人機搭載多光譜傳感器獲取多光譜影像資料，通過對多光譜影像數(shù)據(jù)標(biāo)準(zhǔn)差及相關(guān)性進(jìn)行分析，結(jié)合OIF 方法篩選出最佳波段組合；鄧小玲等［24］探索通過利用無人機高光譜遙感技術(shù)檢測柑橘患病的植株，采取人工田間調(diào)查方法判斷其患病種類和患病程度，該方法主要是基于特征波長進(jìn)行建模，模型在患病樣本分類中表現(xiàn)出很高的準(zhǔn)確率。以上研究均展示了無人機高光譜遙感的應(yīng)用潛力，開展無人機高光譜遙感技術(shù)研究勢在必行。

1 數(shù)據(jù)獲取與預(yù)處理

1.1 研究區(qū)概況

關(guān)嶺布依族苗族自治縣（以下簡稱關(guān)嶺縣）位于貴州省中部，隸屬于安順市，地勢西高東低，地形起伏大，植物種類繁多，巖溶發(fā)育顯著，各種溶洞、暗河、洼地等地貌形態(tài)隨處可見，是典型的喀斯特山區(qū)（圖1）。選擇關(guān)嶺縣上關(guān)鎮(zhèn)作為研究區(qū)，通過無人機獲取高光譜遙感圖像，為研究火龍果（Hylocereus undatus‘Foo-Lon’）以及其他農(nóng)作物的生長特性及不同生長期的光譜差異奠定基礎(chǔ)。

圖1 研究區(qū)位置

1.2 高光譜數(shù)據(jù)采集系統(tǒng)

高光譜數(shù)據(jù)采集系統(tǒng)由無人機平臺和高光譜傳感器組合而成。無人機平臺采用大疆M600 型旋翼無人機，該無人機有效載荷7 kg，最大起重量15.1 kg，續(xù)航時間20 min。在無風(fēng)狀態(tài)下，飛行速度可達(dá)18 m/s，飛行限高2 500 m，利用大疆Altizure 軟件進(jìn)行航線規(guī)劃，由無人機按照規(guī)定航線進(jìn)行自主飛行。

高光譜傳感器采用的是美國生產(chǎn)的PikaXC2 高光譜成像儀，適合在中小型無人機上搭載，光譜范圍400～100 nm，光譜分辨率1.3 nm，光譜通道數(shù)有231個，重量2.2 kg，鏡頭焦距采用17 mm。

1.3 數(shù)據(jù)獲取與預(yù)處理

研究區(qū)選擇在關(guān)嶺縣上關(guān)鎮(zhèn)樂安村火龍果種植示范園區(qū)，根據(jù)高光譜成像的特點以及無人機飛行的需要，數(shù)據(jù)采集時間為2018年9月18日11：00-15：00之間。目標(biāo)區(qū)域長400 m，寬400 m，行高100 m，航向重疊率為65%，旁向重疊度65%，設(shè)置4 條航線，預(yù)計飛行時間20 min。試驗區(qū)內(nèi)設(shè)置兩塊1.8 m×2.0 m 的淺灰色靶標(biāo)布作為參照。在試驗區(qū)內(nèi)道路交叉點、房屋拐角等地采集了6 個地面控制點，控制點均勻分布在試驗區(qū)內(nèi)，作為高光譜影像校正的參考。

使用ArcGIS 和ENVI 軟件進(jìn)行高光譜影像校正和拼接處理，處理過程中首先利用ArcGIS 軟件通過地面控制點數(shù)據(jù)對影像進(jìn)行校正，得到獨立的多幅高光譜影像；其次，運用ENVI 軟件將獨立的高光譜影像拼接得到研究區(qū)高光譜影像。由于航拍數(shù)據(jù)邊緣存在模糊或者拉花的現(xiàn)象，從處理后的高光譜影像中選擇200 m×200 m 區(qū)域（區(qū)域A）進(jìn)行最佳波段組合的研究。研究區(qū)內(nèi)地物界限明顯，主要分為園地、建筑物、道路及林地4 類。高光譜數(shù)據(jù)采集系統(tǒng)火龍果最佳波段組合選擇的技術(shù)路線如圖2 所示。

圖2 技術(shù)路線

2 波段篩選

高光譜影像具有波段數(shù)量多、信息量大等特點，根據(jù)研究對象的不同選擇不同的波段數(shù)據(jù)進(jìn)行分析研究。高光譜影像波段數(shù)量多帶來的困擾就是數(shù)據(jù)冗余度大，針對不同的研究對象進(jìn)行挑選。波段的選擇應(yīng)該滿足波段之間相關(guān)性小、信息量大、波段組合具有較大的光譜差異3 個基本特點［10］。PikaXC2傳感器波長及波段見表1。

表1 PikaXC2 傳感器波長及波段

2.1 原始波段預(yù)篩選

通過分析高光譜影像各個波段之間的相關(guān)系數(shù)以及每個波段的標(biāo)準(zhǔn)差，能夠初步篩選出具有信息量大、相關(guān)性小的波段。其中信息量大的波段通過分析波段自身像元的標(biāo)準(zhǔn)差來獲取，標(biāo)準(zhǔn)差反映一個數(shù)據(jù)的離散程度，標(biāo)準(zhǔn)差越大表示波段的信息量越大。波段之間的相關(guān)系數(shù)可以反映多個波段之間的關(guān)系密切程度，相關(guān)系數(shù)越大表示波段之間重疊度大，數(shù)據(jù)冗余度大；相關(guān)系數(shù)越小表示波段之間重疊度小，數(shù)據(jù)冗余度小。以區(qū)域A 為例，首先對高光譜影像進(jìn)行統(tǒng)計，分析各個波段之間的相關(guān)性和標(biāo)準(zhǔn)差，挑選出符合試驗要求的波段。

相關(guān)系數(shù)和標(biāo)準(zhǔn)差計算公式分別如下［10］：

式中，n—像元總個數(shù)；p—像元序號；xp—p像元灰度—波段i灰度平均值—波段j灰度平均值；xip—波段i中第p像元灰度；xjp—波段j中第p像元灰度。

對研究區(qū)域進(jìn)行統(tǒng)計分析，得到研究區(qū)所有波段的標(biāo)準(zhǔn)差，如圖3 所示。各波段標(biāo)準(zhǔn)差可見光到近紅外區(qū)域整體逐漸上升，部分波段有所降低，在波長782.89 nm 處達(dá)到最大值2 585.91，波長667.63 nm到718.43 nm 之間出現(xiàn)緩慢下降的現(xiàn)象，然后從波長721.11 nm 的1 097.68 繼續(xù)上升到 波長747.93 nm 的2 367.36，在可見光到近紅外波段之間進(jìn)行篩選和分析，剔除波長大于1 000 的波段，以及波段標(biāo)準(zhǔn)差小于1 000 的波段，篩選得到符合要求的波段196 個。

圖3 標(biāo)準(zhǔn)差分布

2.2 相關(guān)系數(shù)分析

將篩選出來的波段進(jìn)行相關(guān)系數(shù)分析，相關(guān)系數(shù)結(jié)果如表2 所示。第一行為各波段，各列為與該波段相關(guān)系數(shù)由大到小的排列，越往下，相關(guān)系數(shù)越小，波段選擇的時候越要考慮，將相關(guān)系數(shù)在0.5 以下的篩選出來，共計篩選出185 個波段，篩選出來的波段相關(guān)系數(shù)的分布呈現(xiàn)中間高、兩邊低的特點。在可見光區(qū)域呈上升趨勢，相關(guān)系數(shù)均值在0.45～1.21 區(qū)間，在近紅外波段呈下降趨勢，相關(guān)系數(shù)均值在0.36～0.46 區(qū)間，可見光波段相關(guān)系數(shù)均值均大于近紅外波段內(nèi)部之間的均值。

表2 波段間相關(guān)系數(shù)

3 結(jié)論

1）利用無人機搭載高光譜傳感器進(jìn)行航拍，獲得了高分辨率、時效性較好的高光譜影像，影像個波段標(biāo)準(zhǔn)差可見光到近紅外區(qū)域整體逐漸上升，部分波段有所降低，同時也表明可見光到近紅外波段所含信息量逐漸上升，在波長395.79 nm 處信息量最小，在波長782.89 nm 處信息量最大，在波長670.30、755.99、782.89、863.92 nm 等處信息量有明顯的峰值。

2）在可見光和近紅外之間進(jìn)行波段篩選，剔除波長標(biāo)準(zhǔn)差大于1 000 的波段，以及信息量較小的波段，篩選出196 個符合要求的波段。

3）利用波段標(biāo)準(zhǔn)差篩選出來的波段進(jìn)行波段間相關(guān)性分析，波段間相關(guān)系數(shù)越小，波段獨立性越好，波段間數(shù)據(jù)冗余度越低，波段篩選越要考慮，將波段間相關(guān)系數(shù)小于0.5 的進(jìn)行篩選，得到185 個波段，波段相關(guān)系數(shù)的分布呈中間高、兩邊低的特點。在可見光區(qū)域呈上升趨勢，相關(guān)系數(shù)均值在0.45～1.21 區(qū)間，在近紅外波段呈下降趨勢，相關(guān)系數(shù)均值在0.36～0.46 區(qū)間，可見光波段相關(guān)系數(shù)均值均大于近紅外波段內(nèi)部之間的均值。