高光譜遙感已成為獲取更精細(xì)信息、為“智慧城市”定量分析和精細(xì)化管理提供豐富、準(zhǔn)確、合理數(shù)據(jù)的重要技術(shù)手段。為了更好地理解和利用高光譜數(shù)據(jù)助力數(shù)字城市建設(shè)，本文介紹了高光譜遙感影像的特征和特征研究。那么如何通過無人機(jī)采集城市地物的高光譜信息呢?(無人機(jī))和高光譜成像儀進(jìn)行了描述，大大提高了城市數(shù)據(jù)采集的效率。最后，詳細(xì)分析討論了基于無人機(jī)的高光譜遙感和城市地物深度信息挖掘的各種應(yīng)用案例，如地形分類、城市綠化分析等。研究結(jié)果表明，機(jī)載高光譜影像(HIS)具有與彩色攝影和多光譜遙感相比的獨(dú)特優(yōu)勢(shì)，具有更豐富和更高水平的光譜細(xì)節(jié)和物理和化學(xué)性質(zhì)。

基于無人機(jī)的高光譜遙感智慧城市建設(shè)地形分類城市綠化分析

1、介紹

智慧城市是利用大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)(IoT)、遙感(RS)等技術(shù)，對(duì)城市進(jìn)行多分辨率、多尺度、多時(shí)空、多類型的三維描述。) 和人工智能 (AI) [1]。城市信息可以建立在地理坐標(biāo)系上，方便每個(gè)人通過互聯(lián)網(wǎng)了解城市的過去、現(xiàn)在和未來[2]。眾所周知，測(cè)繪、遙感和地理信息技術(shù)在智慧城市建設(shè)中發(fā)揮著越來越重要的作用[3]?；跓o人機(jī)的遙感技術(shù)作為城市多維信息采集的重要手段具有成本低、效率高、操作靈活、覆蓋面廣等優(yōu)點(diǎn)，被廣泛應(yīng)用于智慧城市建設(shè)的應(yīng)急管理、城市規(guī)劃、旅游管理、環(huán)境監(jiān)測(cè)等諸多領(lǐng)域。

2、問題

智慧城市的發(fā)展與建筑物、植被、水體、交通、人口分布、環(huán)境、空氣質(zhì)量等方面的信息密切相關(guān)[6]，因此，如何準(zhǔn)確獲取和高效監(jiān)測(cè)城市信息，實(shí)現(xiàn)城市可持續(xù)發(fā)展發(fā)展是智慧城市建設(shè)的重要挑戰(zhàn)[7]。

傳統(tǒng)無人機(jī)搭載的航拍光學(xué)遙感影像僅由紅、綠、藍(lán)波段的光信息組成，無法通過人工目視解譯監(jiān)測(cè)建筑物識(shí)別，效率低且精度有限[ 8 , 9 ]。UAV-LiDAR(Laser Radar)可以解決傳統(tǒng)航空攝影測(cè)量無法完成的任務(wù)，如夜間數(shù)據(jù)采集、植被提取、DEM(Digital Elevation Model)提取、精細(xì)結(jié)構(gòu)建模等。但LiDAR的主要問題成本高、重量大、操作復(fù)雜、數(shù)據(jù)利用率低[10]。

光譜分析作為自然科學(xué)分析的重要手段，常被用來檢測(cè)物體的物理結(jié)構(gòu)、化學(xué)成分等指標(biāo)。圖像光譜測(cè)量將光譜技術(shù)與成像技術(shù)、光譜分辨率與圖形分辨率相結(jié)合，創(chuàng)造了表面光譜分析的空間維度，即現(xiàn)在的多光譜成像和高光譜成像技術(shù)[11]?？梢宰R(shí)別地物的形狀和結(jié)構(gòu)，也可以根據(jù)光譜特征的差異提取各種物體的分類。多光譜圖像的主要問題是光譜分辨率低，波段寬，導(dǎo)致多光譜數(shù)據(jù) 對(duì)物體的信息表達(dá)有限[12]。

3、高光譜遙感

高光譜遙感是獲取更多智慧城市精細(xì)化信息的重要技術(shù)。對(duì)城市綠化程度和質(zhì)量、城市工程巖土特征、水污染分析等進(jìn)行分析統(tǒng)計(jì)是必不可少的。高光譜圖像是光譜范圍為10 -2 λ，光譜分辨率小于10 nm的光譜數(shù)據(jù)。一張高光譜圖像由 n 個(gè)像素組成，每個(gè)像素由 M 維光譜向量組成。高光譜圖像包含從可見光到紅外的數(shù)十到數(shù)百個(gè)連續(xù)和分段波段的物體信息光譜區(qū)域。成像光譜儀獲取高光譜數(shù)據(jù)，為每個(gè)像素提供300-400個(gè)窄帶光譜信息，生成完整連續(xù)的光譜曲線(見圖1)。

圖1多光譜和高光譜數(shù)據(jù)之間的差異

高光譜數(shù)據(jù)反映了高分辨率光學(xué)信息的特征。高光譜傳感器利用許多窄電磁波波段獲取地面物體的相關(guān)信息。由于高光譜圖像具有較高的光譜分辨率，因此高光譜圖像可以提供更多的地物細(xì)節(jié)信息，有利于地物物理化學(xué)性質(zhì)的反演?？梢詾椴煌脑O(shè)施提取它們獨(dú)有的波段特征，使得原本在寬帶遙感中無法檢測(cè)到的物質(zhì)可以在高光譜數(shù)據(jù)中檢測(cè)到[15]。

高光譜傳感器包括航天高光譜傳感器、機(jī)載高光譜傳感器和地面高光譜成像儀等，搭載在衛(wèi)星、飛機(jī)、地面操縱儀器等不同高度的遙感平臺(tái)上[16]。與星載高光譜遙感相比，機(jī)載高光譜遙感具有更高的探測(cè)精度。高光譜圖像采樣間隔小，分辨率小于3 nm。精細(xì)的光譜分辨率反映了地物光譜的細(xì)微特征。不同地物的高光譜分布如圖2所示。

圖2不同地面物體的光譜輪廓

4、無人機(jī)高光譜圖像數(shù)據(jù)采集

無人機(jī)是目前城市高光譜遙感圖像數(shù)據(jù)采集的載體。在數(shù)據(jù)采集過程中，地面操作人員應(yīng)注意通過無人機(jī)飛控系統(tǒng)科學(xué)規(guī)劃飛行參數(shù)和飛行路線，地面參數(shù)也應(yīng)謹(jǐn)慎設(shè)置[17]。當(dāng)無人機(jī)到達(dá)預(yù)定位置后，地面控制中心向無人機(jī)飛控系統(tǒng)發(fā)送采集指令，可有效保證圖像重疊率，提高采集效率，獲得高質(zhì)量圖像。

高光譜遙感圖像獲取過程主要分為以下四個(gè)步驟：

(1)第一步確定無人機(jī)平臺(tái)的飛行參數(shù)，包括無人機(jī)平臺(tái)的飛行高度、飛行速度、圖像重疊率等。需要注意的是，這些參數(shù)是相互獨(dú)立的，在確定參數(shù)時(shí)又相互影響。因此，需要結(jié)合任務(wù)的實(shí)際要求和設(shè)備的性能綜合考慮。在實(shí)際應(yīng)用中，首先需要確定重疊率以保證圖像精度，然后根據(jù)分辨率確定飛行高度，最后根據(jù)相機(jī)頻率確定速度。

(2) 第二步，規(guī)劃飛行路線。通過無人機(jī)飛控軟件可以提前規(guī)劃飛行路線。曲折的飛行路線通常被設(shè)計(jì)成可以更全面地拍攝城市地區(qū)而沒有角落問題。

(3) 第三步確定相機(jī)參數(shù)，主要是確定相機(jī)的焦距、曝光時(shí)間等。焦距決定了圖像采集的清晰度。不建議采用自動(dòng)對(duì)焦模式，因?yàn)樗鼤?huì)導(dǎo)致高光譜成像模糊。成像儀曝光時(shí)間的控制是決定拍攝質(zhì)量的關(guān)鍵。如果成像儀的曝光時(shí)間過長(zhǎng)，將會(huì)丟失一些遙感信息。但如果曝光時(shí)間過短，圖像的信噪比會(huì)降低。另外，采集過程對(duì)環(huán)境的照度也有一定的要求。一般來說，高光譜遙感圖像應(yīng)該在兩個(gè)小時(shí)內(nèi)采集，也就是中午左右。

(4) 最后一步是通過無人機(jī)攜帶的高光譜成像采集數(shù)據(jù)。地面控制器將成像儀鏡頭調(diào)整到垂直向下的位置，無人機(jī)飛行過程中即可自動(dòng)進(jìn)行圖像采集。無人機(jī)高光譜遙感飛行圖如圖3所示。

圖3無人機(jī)高光譜遙感飛行示意圖

5、地形分類

不同的地形有不同的高光譜曲線，因此可以根據(jù)不同的光譜反射率值快速對(duì)智慧城市的地形進(jìn)行分類，如圖4所示，分別為植被、水體、道路、建筑物、車輛的高光譜反射率曲線。

圖4不同地形在不同波段的光譜反射率

從圖4 (a)可以看出，植被反射率變化的陡坡位于第126~164波段，根據(jù)公式( 1)，然后可以利用NDVI(差異植被指數(shù))值來分離植被。

水體光譜曲線整體偏低，變化較為平緩。在第226波段的近紅外波段(中心波長(zhǎng)為900.12nm)，水體的輻射值很低(平均值小于0.005)。因此，可作為水體的分離條件，判斷第226條帶是否小于0.02。

通過觀察光譜特性曲線，建筑物的光譜曲線在第25波段處于峰值位置，建筑物的反射率在第77波段下降最快。因此，利用兩個(gè)波段反射率的差異來區(qū)分建筑物。

由于建筑物和植被的雙重陰影，道路和水體的反射率很低，難以區(qū)分。但與道路相比，水體的整體反射率很低，因此當(dāng)水體處于同一波段區(qū)域時(shí)，其反射值變化緩慢。在137和162 nm波段之間，水體有一個(gè)相對(duì)反射率迅速下降的斜坡，這正是道路所沒有的特征。因此，可以利用光譜變量特性對(duì)水體進(jìn)行分離。水體在137~162 nm波段的反射率曲線處于上升階段，因此可以通過式(2)分離出部分屬于水體的道路。

對(duì)地形進(jìn)行特征分類的目的是更好地觀察城市地物，如植被、建筑物、土壤、道路、水體、樹木等[18] 。分類方法通常采用監(jiān)督分類和SVM(支持向量機(jī))進(jìn)行監(jiān)督學(xué)習(xí)。端元檢測(cè)主要用于提取圖像中的單個(gè)物體，如道路或建筑物。首先通過ENVI軟件提取道路或建筑物的光譜數(shù)據(jù)作為端元檢測(cè)的輸入數(shù)據(jù)。然后應(yīng)用光譜角度檢測(cè)方法識(shí)別高光譜圖像中的研究對(duì)象. 原始檢測(cè)結(jié)果存在一些噪聲和散點(diǎn)，需要優(yōu)化。分類后處理工具，包括最大值分析和聚類，用于去除小斑塊噪聲。優(yōu)化結(jié)果如圖 6 所示。5和6。

圖5基于高光譜數(shù)據(jù)的景觀分類結(jié)果

圖6基于高光譜數(shù)據(jù)的 Pecies 分類結(jié)果

6、城市綠化分析

城市綠化是城市可持續(xù)發(fā)展的重要內(nèi)容之一。傳統(tǒng)的測(cè)量分析方法難以對(duì)城市綠化環(huán)境進(jìn)行快速分析。通過無人機(jī)的高光譜手段，城市管理者可以提取城市綠地，進(jìn)一步分析植被的健康水平、病蟲害、含水量或易燃風(fēng)險(xiǎn)[19]。以常用的三個(gè)綠化指標(biāo)為例，對(duì)城市綠化率進(jìn)行定量分析。

(1) 紅色歸一化植被指數(shù)(ReNDVI)

該指標(biāo)是傳統(tǒng)NDVI的改進(jìn)，更適用于不同密度條件下的植被健康檢測(cè)。應(yīng)用包括精準(zhǔn)農(nóng)業(yè)、森林監(jiān)測(cè)和植被壓力檢測(cè)。綠色植被 ReNDVI 的常見范圍是 0.2 到 0.9。主要用于測(cè)量植被健康狀況。ReNDVI 值越高，植被越健康。RENDVI的計(jì)算公式如式(3)。

分別表示對(duì)應(yīng)于 750 nm和 705 nm波長(zhǎng)的反射率 。分析結(jié)果示意圖如圖7所示。

圖7植被生長(zhǎng)分析結(jié)果

(2)結(jié)構(gòu)不敏感色素指數(shù)(SIPI)

SIPI指數(shù)最大限度地提高了對(duì)大量類胡蘿卜素與葉綠素比例的敏感性，同時(shí)降低了對(duì)冠層結(jié)構(gòu)變化的敏感性。應(yīng)用包括植被健康監(jiān)測(cè)和植物生理脅迫檢測(cè)。綠色植被SIPI的常見范圍是0.8~1.8。該指數(shù)主要用于衡量植被脅迫。SIPI值越高，植被生長(zhǎng)壓力越大。SIPI的計(jì)算公式如式(4)。

分別代表波長(zhǎng)445nm、680nm、705nm對(duì)應(yīng) 的反射 率值 。分析結(jié)果示意圖如圖8所示。

圖8植被生長(zhǎng)脅迫分析結(jié)果

(3)水帶指數(shù)(WBI)

含水量是植被的一個(gè)重要參數(shù)。冠層含水量指數(shù)衡量的是葉冠中的含水量。較高的含水量表明植被更健康，可能生長(zhǎng)得更快或火災(zāi)風(fēng)險(xiǎn)更低。隨著冠層含水量的增加，葉片在970 nm處的光吸收強(qiáng)度 較900 nm處逐漸增強(qiáng)。應(yīng)用包括樹冠壓力分析、火災(zāi)風(fēng)險(xiǎn)分析和農(nóng)業(yè)管理。綠色植被的 WBI 的常見范圍是 0.8 到 1.2。該值越高，植被含水量越低。SIPI的計(jì)算公式如式(5)。

分別代表970 nm和900 nm波長(zhǎng)對(duì)應(yīng)的反射率值 。分析結(jié)果示意圖如圖9所示。

圖9植被冠層含水量分析結(jié)果

7、城市水環(huán)境分析

隨著經(jīng)濟(jì)的快速發(fā)展和人類活動(dòng)的加強(qiáng)，河流、湖泊的水污染問題日益嚴(yán)重。傳統(tǒng)的水環(huán)境調(diào)查采用人工野外采樣和實(shí)驗(yàn)室采樣分析，效率低下，研究范圍有限。因此，有必要通過高光譜成像技術(shù)手段進(jìn)行綜合研究，保護(hù)水環(huán)境[20]。

基于水體高光譜圖像數(shù)據(jù)的反演模型很容易識(shí)別城市水體污染。研究了城市內(nèi)河水體的濁度和葉綠素濃度。濁度可以反映水體污染情況，葉綠素濃度可以反映水體富營(yíng)養(yǎng)化程度。分析結(jié)果如圖10(a)和10(b)所示。

圖10河流水質(zhì)濁度和葉綠素濃度分析結(jié)果

8、巖性鑒別

巖土特性是城市工程建設(shè)的基礎(chǔ)。根據(jù)電磁波理論，任何物質(zhì)光譜的產(chǎn)生都有嚴(yán)格的物理機(jī)制[21]。巖石和礦物的光譜特征主要是由于組成物質(zhì)中離子和基團(tuán)的晶場(chǎng)效應(yīng)以及基團(tuán)的振動(dòng)。由于各種礦物的晶體結(jié)構(gòu)不同，晶格振動(dòng)產(chǎn)生的各種礦物的光譜特征也不同，如圖11所示。

圖11不同巖石的高光譜特征

礦物晶格中鐵等過渡金屬元素的存在決定了0.4～1.3 μm范圍內(nèi)的光譜特性 。1.3～2.5 μm光譜范圍內(nèi)的光譜特征 由礦物成分中的碳酸鹽、羥基和可能存在的水分子決定。3～5 μm紅外波段的光譜特性 由Si-O、Al-O等分子鍵的振動(dòng)模式?jīng)Q定。電子因不同能級(jí)之間的躍遷而吸收或發(fā)射特定波長(zhǎng)的電磁輻射，從而形成特定波長(zhǎng)的光譜特性[22] . 因此，不同晶格結(jié)構(gòu)的巖石的礦物成分具有不同的光譜特征。

高光譜遙感影像可以檢測(cè)到巖石和土壤的精細(xì)光譜，從而可以根據(jù)高光譜遙感檢測(cè)到以前在寬帶中無法檢測(cè)到的光譜特征。不同類型的巖石可以通過各種巖石和土壤的高光譜反射率特征來識(shí)別，如圖12所示。

圖12基于高光譜遙感影像的巖性分類

9、工程應(yīng)用

圖 13為城市紅樹林濕地公園的高光譜信息，重點(diǎn)觀察植被、裸土和水體。無人機(jī)飛行高度為200 米，飛行速度為4.5 米/秒，曝光時(shí)間為10 毫秒。從圖13可以看出植被在綠光區(qū)有明顯的反射峰，在紅光區(qū)有明顯的吸收谷。反射率在可見光波段和近紅外波段(約0.73μm)之間急劇上升，形成“紅邊”現(xiàn)象?！熬G峰”、“紅谷”、“紅邊”是綠植曲線最明顯的三個(gè)特征。土壤的光譜反射率值在可見光區(qū)和近紅外區(qū)上升緩慢，其光譜反射率曲線與農(nóng)作物有較大差異。水體的光譜反射率值在各個(gè)波段都比較平緩。

圖13工程應(yīng)用案例一結(jié)果

圖 14為納米高光譜成像儀搭載無人機(jī)采集的貴陽(yáng)百花湖入海口河道高光譜數(shù)據(jù)。飛行高度為150 米，飛行速度為3 米/秒，曝光時(shí)間為10 毫秒。百花湖入水口植被、裸土和水體的高光譜結(jié)果如圖14所示。從圖14可以看出，該區(qū)域土壤和水的高光譜反射率正常。相比之下，植被的高光譜反射率峰值集中在800 nm附近。

圖14工程應(yīng)用案例二的結(jié)果

下圖顯示了無人機(jī)成像儀采集的某大學(xué)校園草坪的高光譜數(shù)據(jù)。飛行高度為150 米，飛行速度為3 米/秒，曝光時(shí)間為5 毫秒。從下圖可以看出，該區(qū)域植被、土壤、水體的高光譜反射率正常。

10、結(jié)論

高光譜遙感利用較窄的電磁波段獲取物體的相關(guān)信息，包括豐富的空間信息、輻射信息和光譜信息。與寬帶遙感數(shù)據(jù)相比，高光譜遙感數(shù)據(jù)具有光譜分辨率高、光譜細(xì)節(jié)更豐富、層次更高、信息無損、實(shí)時(shí)性強(qiáng)等優(yōu)點(diǎn)，可以方便快捷地獲取整體觀測(cè)數(shù)據(jù)。某個(gè)地區(qū)的。無人機(jī)為城市高光譜遙感影像的數(shù)據(jù)采集提供了一種低成本、高效、靈活的載體。計(jì)算機(jī)軟件對(duì)采集到的圖像信息進(jìn)行處理，將高光譜數(shù)據(jù)的數(shù)字值轉(zhuǎn)換為反射率數(shù)據(jù)(紅外線、近紅外線和可見光)。連續(xù)光譜信息可以通過降噪獲得地面及其附著物的信息。應(yīng)用高光譜遙感的完整光譜曲線描述地物的光譜特征，識(shí)別各種地物的診斷光譜，可為當(dāng)前建設(shè)的建筑物分類、土地利用變化檢測(cè)和目標(biāo)識(shí)別提供關(guān)鍵信息和智慧城市的發(fā)展。