硬核！林地調查監測分類“照片”這樣拍！

日前，自然資源部剛剛印發的《自然資源確權登記操作指南（試行）》引發自然資源人的熱議。這給為履行“兩統*”職責*而組建的自然資源管理部門開展自然資源調查監測指明了方向。 

正所謂“工欲善其事，必先利其器”。具有多光譜成像功能的“千里眼”——精靈 4多光譜版無人機正好成為對“山水林田湖草”等自然資源資產開展精細化、*化調查監測的*把“利器”。

它不*延續精靈 Phantom 4 RTK 的厘米級導航定位系統，而且新增了多光譜相機和位于天線頂部的多光譜光強傳感器，為用戶帶來*精度數據成果。同時，它具有起降靈活、易于操作、按需獲取*時空分辨率多光譜數據、應用成本低等諸多優勢，為自然資源調查監測、水文水資源監測、干旱災害評估、*農業等中小尺度的多光譜遙感應用提供了全新工具。
 

“六只眼”秒拍紅樹林

不久前，DJI 大疆行業應用與中山大學地理*與規劃學院、廣州知行攜手，開展“地球之腎”的濕地植物紅樹林分類普查。本次研究的紅樹林濕地，位于淇澳島西北部，為目前珠海市面積*大、保存*完整、*集中連片的林分。該區域紅樹林主要物種有銀葉樹、秋茄、桐花樹、老鼠筋、鹵蕨以及無瓣海桑等。

本次數據采集使用的設備就是精靈 4 多光譜版無人機。它可以通過 1 個RGB和 5個多光譜傳感器獲取*精度數據成果。五個多光譜傳感器波長為：

藍(B):450±16nm

綠(G):560±16nm

紅(R):650±16nm

紅邊(RE):730±16nm

近紅外(NIR):840±16nm

*體式的多光譜成像系統，集成了1 個 可見光相機及 5 個多光譜相機（藍光，綠光，紅光，紅邊和近紅外），分別負責可見光成像及多光譜成像。所有相機均擁有 200 萬像素解析力及配備全局快門，這套出色的成像系統裝置于三軸云臺上，成像清晰穩定。

多光譜光強傳感器打造*結果

精靈 4 多光譜版頂部集成多光譜光強傳感器，可捕捉太陽輻照度并記錄于影像文件中，當進行數據后期處理時，太陽輻照度數據將可用于對影像進行光照補償，排除環境光對數據采集的干擾，有助于使用者獲得更準確的 NDVI 結果，提*不同時段采集到的數據的準確度與*致性。

本次實驗數據通過 DJI GS PRO 地面站專業版的“測繪航拍”模式，自動規劃測區航線，并設置飛行*度為 84.5m，航向重疊率為 75%，旁向重疊率為 70%，飛行速度為 6m/s。 

 正射影像*鍵Get

精靈 4 多光譜版無人機*次拍攝即可獲取 6 張照片，分別是 RGB、B、G、R、RE、NIR。將外業采集的影像導入到大疆智圖中重建，重建類型選擇“二維多光譜”。大疆智圖不*能自動快速完成正射影像重建，還可以生成 GNDVI、LCI、NDRE、NDVI等幾種植被指數，多光譜成果地面分辨率達到 4 cm。

 在 GIS 應用軟件中，對重建好的數字正射影像圖（DOM）和數字表面模型（DSM）進行裁剪，得到實驗區的正射影像圖。

研究區正射影像圖

“多光譜”讓地物分類更*

如何對多光譜遙感影像數據進行特征提取與地物分類？*先，利用遙感影像分析軟件，采用面向對象的方法對實驗區的紅樹林物種進行精細分類。面向對象的方法*先要對遙感影像進行初始分割，得到*個個屬性各異的同質區域，這些同質區域被稱之為“對象”；然后，從這些影像對象中提取多種特征，如光譜、形狀、紋理、結構和空間關系等；*后采用隨機森林分類算法以完成*終的影像分類。

下面，我們逐*介紹本次研究中的這三個步驟。

01影像分割 

在 Ecognition 軟件中使用面向對象的方法，對實驗區的紅樹林物種進行精細分類。影像分割是面向對象分類的基礎，分割算法將影像分為多個對象單元，特征提取、分類器分類等方法均基于對象操作，分割的準確度影響分類精度。本次實驗采用多尺度分割算法，經過多次調試，確定分割尺度、形狀因子和緊致度因子分別為 180、0.5、0.5。

02確認分類原則及樣本 

根據試驗區地塊的屬性，該地塊包含老鼠簕、黃槿、鹵蕨、秋茄、桐花樹、銀葉樹、蘆葦等 7 種主要植物；水體與人工建筑歸為其它類型；陰影對分類結果影響較大，單獨分為*類，共計 9 類地物。

03根據算法，執行分類 

第三步采用隨機森林分類算法執行分類過程。將藍、綠、紅、紅邊、近紅外波段均作為光譜特征。紋理特征使用灰度共生矩陣，包括同質性、熵、對比度、差異性、角二階矩、自相關、均值和標準差，對數據的紅、綠、藍 3 個波段提取這 8 種紋理特征，共計 24 個紋理特征。

從無人機影像中提取的 DSM 信息，能夠反映出不同樹種的相對*差， DSM 與 DOM 的融合數據能夠有效提*紅樹林地物分類精度，所以把從影像中提取的 DSM 數據作為*度特征。在實驗區內均勻的選擇訓練樣本，執行分類過程，得到如下圖所示的*終分類結果。

多光譜數據分類結果

在實地調查與目視解譯的基礎上，在研究區范圍內均勻選取驗證樣本，*終對此次分類結果進行精度評價，得到本次實驗分類的*體精度為 92.4%，Kappa 系數為 0.913。

采用*光譜和多光譜兩種方式進行地物分類，從結果來看，多光譜分類*體精度（92.4%）略*于*光譜分類精度（89.3%）。可能是由于*光譜的大量冗余信息導致地物分類精度下降。

因為*光譜數據量*大，且單架次拍攝面積較小（約0.03 平方公里），是多光譜無人機拍攝面積（約0.09 平方公里）的三分*。從數據獲取和分類來看，精靈 4 多光譜版無人機更占優勢。

*光譜數據分類結果

調查監測“千里眼”

*分辨率數據獲取，大幅提*自然資源監測能力。精靈 4 多光譜版的可見光與多光譜相機均為 200 萬像素，在飛行*度為 100 米時，其地面分辨率達 5.3 cm，無論是 RGB 影像還是多光譜影像都有較*的空間分辨率，為自然資源定量調查提供*精度數據。

實時獲取現場畫面，提供自然資源調查直觀信息。精靈 4 多光譜版配合 GS PRO 地面站專業版支持 NDVI 分析功能，用戶可在實時 NDVI 和實時 RGB 影像之間進行切換，及時發現異常狀況，從而快速做出針對性決策。

RGB 影像與實時 NDVI 圖像切換

多視角*、*監測，守護自然資源調查生命線。精靈 4 多光譜版將*精度的經緯度坐標寫入圖像中，真實反映自然資源現狀。同時，它輕巧靈活、可達性強，能從空中抵達人工難以涉足的區域，多角度呈現信息，避免單*視角造成的信息誤讀，為自然資源進行地物調查提供真實有效信息。

厘米級定位系統

精靈 4 多光譜版采用 TimeSync 時間同步系統，通過將飛控、相機與RTK的時鐘系統進行微秒級同步，實現相機成像時刻毫秒級誤差，并對每個相機鏡頭中心點位置與天線中心點位置結合設備姿態信息進行實時補償，使影像獲得更加*的位置信息。所有相機出廠前皆經過嚴格校準，測量徑向和切向透鏡的畸變情況，相關失真參數將保存在影像的元數據中，方便后期處理時進行精細化調整。

精靈 4 多光譜版無人機和大疆智圖組成的航測遙感解決方案讓自然資源確權登記更輕松！