无人机高光谱遥感技术在自然资源调查中的应用进展

引言

高光谱遥感技术发展于 20 世纪 80 年代，其结合了传统的光谱探测和摄影成像技术，可同时获取目标的空间信息、光谱信息和辐射信息，形成图谱合一的数据立方体。与多光谱遥感技术相比，高光谱遥感技术能够在一个连续的光谱范围内进行窄带成像，因此光谱分辨率 更高、信息分辨能力更强，可以实现精确的目标分类和地物识别。目前，高光谱遥感系统 已经历了从航空平台到航天平台的发展过程，随着遥感技术的不断发展，研究者发现星 载高光谱仪器虽然可以提供长时间、大尺度的数据，但受卫星重访周期的限制，空间分辨率 和时间分辨率较差；航空高光谱仪器虽然空间分辨率较高，但对气象条件和使用环境有苛刻要求，且需要有专业支持团队，成本高昂，灵活性较差。随着微机电系统(MEMS)、控制与导航系统及信息处理技术的发展，无人机(UAV)作为新型遥感平台的条件逐渐成熟，同时大量微型化、高性能高光谱传感器的研发也推动了无人机与高光谱遥感的结合。作为一种新兴的遥感技术，无人机高光谱遥感可以克服云层的影响，快速、精确地向研究者提供高空间分辨率和时间分辨率的高光谱数据，有效地填补了低空高光谱遥感数据的空白。无人机高光谱遥感技术的发展对自然资源调查有着重要的技术与经济比较优势。首先，航空、航天平台的高光谱数据获取周期从几个月到几年，难以对一些短期的变化现象进行观测和研究。其次，一些地形陡峭、植被密集的区域，调查人员难以涉足，无法进行有效的实地调查。使用无人机高光谱遥感技术，能够有效解决以上问题，向研究人员提供多时态、高分辨率的高光谱数据，有效降低了高光谱遥感技术的实施成本，极大简化了自然资源调查的流程。

无人机高光谱遥感系统

2.1 组成特征

典型的无人机高光谱遥感系统由高光谱成像仪、无人机、姿态位置测量（POS）系统、 三轴稳定云台、机载计算机及固定框架组成。尽管无人机、全球定位导航系统/惯性导航模块（GNSS/IMU）、三轴稳定云台和高光谱成像仪的技术发展迅速，但各个模块在无人机 上的系统集成仍是一项具有挑战性的任务，需要考虑多种因素，例如无人机的有效载荷、续航时间、成本、成像技术、数据存储方式和 GNSS/IMU 精度等。对无人机高光谱遥感系统而言，最大有效载荷重量、续航时间以及起降方式是最主要的3个考虑因。目前，无人机平台可分为固定翼和多旋翼两类：固定翼无人机在相同的载荷下，可以提供更长的飞行时间，作业范围更大，但由于需要开阔的跑道进行起降，因而应用范围有限；多旋翼无人机结构简单、起降灵活，但是负载能力较小，且续航时间有限。在无人机高光谱遥感系统中，除了无人机平台以及搭载的高光谱成像仪之外，为了实现精确的地理配准，微型计算机和 GNSS/IMU 模块也需要集成到无人机高光谱成像系统中。由于高光谱数据一般具有空间分辨率高、光谱分辨率高和光谱通道多等特征，对 GNSS/IMU 精度要求较高，同时需要配置可靠的三轴稳定平台减少无人机振动对高光谱成像仪视轴稳定性的干扰。

2.1 研究现状

目前，国内无人机高光谱遥感系统在VNIR谱段的研究和产品研发已近相对成熟，许多国内的系统已经在不同领域实现了广泛应用，但 SWIR、MWIR 以及 LWIR 谱段无人机高光谱遥感系统的研究相对国外仍有较大差距。即使在 VNIR 谱段，国内外相关系统在成像光谱仪的光谱分辨率、光谱波段数、重量等性能参数上虽无显著区别，但国外的系统在集成化、轻量化、软件自动化方面更加出色，为用户提供了更便捷的操作体验以及全流程的处理软件，极大了提高了调查效率。此外，在仪器成像方式上，国内主流的商业无人机高光谱遥感系统多使用推扫式的系统，而国外已有快照成像方式的系统，在采集速度与图像质量方面有较大提升。因此，加强并完善相关系统研究是未来研究的重要方向。

应用进展

3.1 研究现状

目前，无人机高光谱遥感技术在地质矿产填图方面的应用主要是将无人机高光谱数据与三维地质模型相结合。2018 年，KIRSCH M等使用搭载了高光谱成像仪的无人机对位于德国萨克森州弗莱堡矿区采石场的V型垂直露头区进行勘探，对花岗岩宿主中富含硫化物的热液区开展地质填图，把波段范围更广的高光谱数据与数字地质模型相结合，显著提高了地质勘探和采矿监测过程的可靠性和安全性，为地球科学研究、矿产勘探、采矿和地质灾害监测提供了重要的地质信息来源。HUYNH H H 等在韩国首尔东部含灰岩和白云岩的碳酸盐岩露头，建立了基于 SWIR 高光谱技术和基于无人机的数字高程模型（DEM）的一体化三维模型，使无人机系统采集的具有高空间分辨率的高光谱影像与数字表面模型相结合，重建地表和几何形状的 3D 地质模型（图 1）。此类3D地质图在地质领域可以实现对现场环境高精度的可视化，精确地展示研究区岩性、矿物学和地质构造特征。

图 1 基于无人机 SWIR 高光谱图像和 DEM 的综合 3D 地质模型

在矿产资源调查方面，无人机高光谱遥感系统具有检测周期短、资源敏感度高、可灵活 部署等优势，非常适合应用于地质矿产勘探。2020 年，BOOYSEN R 等首次开展了使用轻型高光谱无人机对稀土元素含量进行直接检测的工作，该团队在纳米比亚和芬兰分别进行 了无人机高光谱测量工作，发现无人机高光谱可直接识别和绘制碳酸盐岩露头中的稀土元素，为推进世界其他地区稀土元素沉积物的发现提供了新的调查方式。

3.2 水体质量监测

水体质量对人类的生活和繁衍具有重要意义，随着经济的快速发展，人类活动对水资源产生了一系列影响，为了实现水资源的可持续发展，对水体质量进行持续监测是一项必要且具有重要意义的工作。目前，关于水体质量监测的研究对象主要为湖泊、河流，使用的数据多为星载高光谱遥感数据，对于城市狭窄河流的水质监测，星载数据的空间和光谱分辨率无法满足精确监测的要求，使用无人机高光谱遥感系统则可以有效地弥补星载数据的不足。2019 年，WEIL等以武汉巡司河为研究区，使用六旋翼无人机搭载微型高光谱成像仪进行数据采集，并通过XGBoost（extreme Gradient Boosting）机器学习算法完成了水体透明度的反演（图 2）。图 2 中标注了 32 个现场采样点 的水体透明度值，最大值为 59cm，最小值为39cm，反演结果的最大值为55.75cm，最小值 为37.95cm，与现场监测结果一致，但反演结果能更好地反映河流水体透明度的分布趋势。该项研究的开展，充分表明无人机高光谱遥感技术在城市水体质量监测领域具有重大的发展潜力。HUANG C等为了摆脱传统水污染调查中单点调查的局限性，对于城市“黑水问题” 使用无人机高光谱数据对城市水资源进行监测并引用内梅罗综合污染指数进行评价。CUI M等使用无人机高光谱技术的水体高光谱数据，以人工控制实验建立了一套浑浊度反演模型，对不同地域的河流进行浑浊度反演调查。

图 2 巡司河透明度反演结果

对于水体质量监测来说，大型藻类群落分布是一个重要的调查项目，而藻类分布的调查必须以准确、高效和具有成本效益的环境数据收集为基础。传统的遥感技术对大面积区域进行快速调查具有一定的优势，但卫星和载人机平台的高光谱遥感设备由于较低的空间分辨率 和有限的操作灵活性，难以完成对大型藻类栖息地进行精细测绘的任务。针对这一调查难点，ROSSITER T等使用多旋翼无人机和推扫式高光谱成像仪组成了一套无人机高光谱成像系统，对爱尔兰西部基尔基兰湾中的潮间带藻类栖息地进行了高光谱图像数据采集，在此数据基础上完成了对潮间带泡叶藻的分类实验，总体准确率达到94.7%。该研究清楚地表明了无人机高光谱遥感技术具有对空间上和光谱上存在混合的潮间带大型藻类栖息地中的物种进行精细分类的潜力。

图3 Platamona 海滩塑料物体识别结果

此外，无人机高光谱遥感技术在海洋水体塑料污染的治理中也发挥着巨大作用。BALSI M 等在意大利撒丁岛西北部进行了海滩塑料垃圾检测研究，开发了一种自动识别海洋塑料的系统。该系统使用无人机高光谱遥感系统进行数据采集，通过自行训练的分类器完成了 对聚乙烯塑料（PET）的实时识别。图 3 显示了系统工作过程中的数据采集和处理结果，5个漂浮在海面上的物体清晰可见，其中 2个聚乙烯塑料瓶已被正确识别（图中以绿色标注）。

3.3 森林资源调查

在森林资源调查方面，尽管传统卫星遥感技术已经可以对森林资源进行大范围调查，但是在局部区域精细定量分析方面仍面临着影像分辨率低以及调查时间周期长等问题，而使用无人机高光谱系统对森林资源进行调查，则是一个相对廉价且高效的手段。2019 年，郑迪等使用六旋翼无人机与高光谱成像仪构成的无人机高光谱遥感系统，获取了长白山阔叶红松林的高光谱影像，并通过卷积神经网络、最大似然法和 马氏距离法三种分类方法，分别实现了研究区内树种的精细化分类（图 4）。其中，卷积神经网络方法可以充分利用高光谱遥感图像的空间与光谱信息，因而总体精度达到了99.85%；而最大似然法和马氏距离法只考虑了高光谱图像的光谱特征，因此对不同树种的分类存在较大差异，总体精度只有89.11%和79.65%。

图 4 卷积神经网络分类图（a）、最大似然法分类图（b）、马氏距离法分类图（c）和优势树种实际空间分布 图（d）

树冠提取是森林资源调查中的重要研究主题，对森林疾病检测和评估虫害造成的损害程度具有重要意义。传统的星载高光谱遥感易受云雾干扰且空间分辨率较低，无法完全满足对森林进行及时、精确监视的要求，而基于无人机的高光谱遥感系统能够进行快速、重复的标准化调查。ZHANG N等基于无人机高光谱图像，使用光谱-空间分类方法降低了高光谱维度对图像分类精度的影响，实现了高精度的受损树冠自动提取，为森林健康监测和大规模森林害虫和疾病评估提供了数据参考。对于森林资源的精细分析，一种新型的无人机三维高光谱技术值得关注。NEVALAINEN O等研究开发了一种基于无人机高光谱和摄影测量的遥感方法，该研究使用了基于可调法布里-珀罗干涉仪（FPI）的高光谱成像仪，对包含 4151 棵参考树木的11个测试点进行了数据采集，并且对树种进行精细分类评估。图 5 展示了该技术在其中一个测试点的分类结果，源自高光谱图像的光谱特征在树种分类中产生了良好的效果，实现了松树、云杉、桦树、落叶松 4 类树种的精确分类。

图 5 树种精细分类结果

3.4 土壤质量评估

在土壤质量评估中，遥感技术主要应用于土壤污染调查和专题土地覆盖分类，而无人机高光谱技术在这方面的应用还刚刚起步，但是具有很大的发展前景。NATESAN S等使用无人机高光谱遥感系统在加拿大的一片区域进行了基于对象的土壤覆盖专题制图。王丹阳等使用无人机高光谱遥感系统，基于相关性分析选择相应的光谱分量，建立了盐碱化反演模型，对山东省东营市垦利区裸土进行了盐渍化研究。HU J等对中国新疆西部一片试验区中的裸地、植被稀疏区和植被茂密区地表进行了调查，使用电磁感应设备和搭载高光谱成像仪的无人机平台进行土壤盐渍化研究，对于地表土壤盐分的定量估算、干旱土地管理和盐渍土复垦决策具有重要意义。图6展示了基于无人机高光谱原始数据和GF-2多光谱数据的土壤盐度反演结果，区域 A 和 B 清楚显示出了土壤盐碱度的空间变化模式， 而在C区域（图 6e，f））由于GF-2卫星受密集植被影响较大，导致反演结果难以识别该区域的盐度空间分布模式，检测精度显著低于基于无人机高光谱数据的检测结果。此外，GE X 等使用无人机高光谱遥感系统在新疆维吾尔自治区阜康市进行了土壤含水量调查，指出相比于现场取样和烘箱干燥技术等常规测量方法以及星载遥感，无人机具有更强的操控性和更高的分辨率，因此具有更高的应用价值。目前，高光谱成像系统性能的提升和数据处理方法的创新推动了无人机高光谱遥感技术快速发展，为地质矿产填图、水体质量监测、森林资源调查、土壤质量评估的实施提供了强大的调查手段，有效提高了自然资源监测质量。相较于传统的星载和有人机载高光谱遥感技术，无人机高光谱遥感技术灵活性强、操作简单，能够快速高效地覆盖调查区域，获得难以通过现场调查得到的数据；高空间分辨率和时间分辨率的特点也为各类调查应用提供了良 好的数据支撑，使得精细尺度下的矿产填图、狭窄河流水质监测、单棵树种分类以及虫害实时监测、土壤盐碱度与含水量动态估计成为可能。

高光谱推扫式压缩成像

（1）随着高光谱成像技术的发展和进步，更多微型化的高光谱成像仪被研发出来，通过与无人机相结合，无人机高光谱遥感系统兼具高光谱特性和灵活机动的能力，使研究人员能够及时、高效地获取地物的空间信息与光谱信息，推动了低空高光谱遥感技术的应用发展。

（2）无人机高光谱遥感技术具有出色的地物识别能力，在地质矿产填图、水体质量监测、森林资源调查、土壤质量评估等自然资源调查领域取得了较多的创新性成果，但目前无人机高光谱遥感系统一体化程度还较低，波长覆盖范围较窄，缺乏传感器间的数据融合，均限制了无人机高光谱遥感技术的进一步应用。

（3）随着“空-天-地-海-网”一体化监测体系的建立以及多源、多尺度高光谱遥感数 据的协同应用，未来，将实现不同数据的优势互补，为自然资源调查提供多要素、高频率、 高精度、多层次的解决方案。

审核编辑：汤梓红