毕业论文
您现在的位置: 遥感 >> 遥感资源 >> 正文 >> 正文

硬核林地调查监测分类照片这样拍

来源:遥感 时间:2022/12/2

日前,自然资源部刚刚印发的《自然资源确权登记操作指南(试行)》引发自然资源人的热议。这为为履行“两统一”职责*而组建的自然资源管理部门开展自然资源调查监测指明了方向(*统一行使全民所有自然资源资产所有者职责,统一行使所有国土空间管制和生态保护修复职责)。

正所谓“工欲善其事,必先利其器”。具有多光谱成像功能的“千里眼”——精灵4多光谱版无人机正好成为对“山水林田湖草”等自然资源资产开展精细化、精准化调查监测的一把“利器”。

图1DJI大疆精灵4多光谱版

精灵4多光谱版不仅延续精灵Phantom4RTK的厘米级导航定位系统,而且新增了多光谱相机和位于天线顶部的多光谱光强传感器,为用户带来高精度数据成果。同时,它具有起降灵活、易于操作、按需获取高时空分辨率多光谱数据、应用成本低等诸多优势,为自然资源调查监测、水文水资源监测、干旱灾害评估、精准农业等中小尺度的多光谱遥感应用提供了全新工具。

“六只眼”秒拍红树林   不久前,DJI大疆行业应用与中山大学地理科学与规划学院、广州知行携手,开展“地球之肾”的湿地植物红树林分类普查。本次研究的红树林湿地,位于淇澳岛西北部,为目前珠海市面积最大、保存最完整、最集中连片的林分。该区域红树林主要物种有银叶树、秋茄、桐花树、老鼠筋、卤蕨以及无瓣海桑等。

图2迷人的淇澳岛红树林湿地

本次数据采集使用的设备为精灵4多光谱无人机。它可以通过1个RGB和5个多光谱传感器(如图3)获取高精度数据成果。五个多光谱传感器波长为:   蓝(B):±16nm   绿(G):±16nm   红(R):±16nm   红边(RE):±16nm   近红外(NIR):±16nm

图3多光谱成像系统

本次实验数据通过DJIGSPRO地面站专业版的“测绘航拍”模式自动规划测区航线,并设置飞行高度为84.5m,航向重叠率为75%,旁向重叠率为70%,飞行速度为6m/s。   “智图“快拼一键Get   精灵4多光谱版无人机一次拍摄即可获取6张照片,分别是RGB、B、G、R、RE、NIR。将外业采集的影像导入到大疆智图中重建,重建类型选择“二维多光谱”。大疆智图不仅能自动完成正射拼接,还可以给出GNDVI、LCI、NDRE、NDVI等几种植被指数,多光谱成果地面分辨率达到4cm。   在GIS应用软件中,对拼接好的数字正射影像图(DOM)和数字表面模型(DSM)进行裁剪,得到实验区的范围如图4所示。

图4研究区正射影像图

”多光谱“树种分类更高效   如何对多光谱遥感影像数据进行特征提取与地物分类?利用遥感影像分析软件,采用面向对象的方法对实验区的红树林物种进行精细分类。面向对象的方法首先要对遥感影像进行初始分割,得到一个个属性各异的同质区域,这些同质区域被称之为“对象”;进而从这些影像对象中提取多种特征,如光谱、形状、纹理、结构和空间关系等,最后引入采用随机森林分类算法以完成最终的影像分类。   第一步影像分割:在Ecognition软件中使用面向对象的方法,对实验区的红树林物种进行精细分类。影像分割是面向对象分类的基础,分割算法将影像分为多个对象单元,特征提取、分类器分类等方法均基于对象操作,分割的准确度影响分类精度。本次实验采用多尺度分割算法,经过多次调试,确定分割尺度、形状因子和紧致度因子分别为、0.5、0.5。   第二步为地物分类。根据试验区地块的属性,该地块包含老鼠簕、黄槿、卤蕨、秋茄、桐花树、银叶树、芦苇等7种主要植物;水体与人工建筑归为其它类型;阴影对分类结果影响较大,单独分为一类,共计9类地物。   第三步采用随机森林分类算法执行分类过程。将蓝、绿、红、红边、近红外波段均作为光谱特征。纹理特征使用灰度共生矩阵,包括同质性、熵、对比度、差异性、角二阶矩、自相关、均值和标准差,对数据的红、绿、蓝3个波段提取这8种纹理特征,共计24个纹理特征。   从无人机影像中提取的DSM信息,能够反映出不同树种的相对高差,DSM与DOM的融合数据能够有效提高红树林树种分类精度,所以把从影像中提取的DSM数据作为高度特征。在实验区内均匀的选择训练样本,执行分类过程,得到最终分类结果,如图5所示。

图5研究区红树林树种分类结果

在实地调查与目视解译的基础上,在研究区范围内均匀选取验证样本,最终对此次分类结果进行精度评价,得到本次实验分类的总体精度为92.4%,Kappa系数为0.。   采用高光谱和多光谱两种方式进行树种分类,从结果来看,与前期高光谱树种分类相比,多光谱分类总体精度(92.4%)略高于高光谱分类精度(89.3%)。可能是由于高光谱的大量冗余信息导致树种分类精度下降。   因为高光谱数据量极大,且单架次拍摄面积较小(图6,约0.03平方公里),是多光谱无人机面积(约0.09平方公里)的三分之一。从数据获取效率和分类效率来看,精灵4多光谱无人机更占优势。

图6无人机高光谱数据分类结果

调查监测“千里眼”   高分辨率数据获取,大幅提高自然资源监测能力。精灵4多光谱版无人机可见光与多光谱相机均为万像素,在飞行高度为米时,其地面分辨率达5.3cm,无论是RGB影像还是多光谱影像都有较高的空间分辨率,为自然资源定量调查提供高精度数据。   实时获取现场画面,提供自然资源调查直观信息。精灵4多光谱版无人机配合GSPRO地面站专业版支持NDVI分析功能,用户可在实时NDVI和实时RGB影像之间进行切换(如图7),及时发现异常状况,从而快速做出针对性决策。

图7RGB影像与实时NDVI图像之间进行切换图

多视角高效、精准监测,守护自然资源调查生命线。精灵4多光谱版将高精度的经纬度坐标写入图像中,真实反映自然资源现状。同时,它轻巧灵活、可达性强,能从空中抵达人工难以涉足的区域,多角度呈现信息,避免单一视角造成的信息误读,为自然资源进行地物调查提供真实有效信息。   精灵4多光谱版无人机和大疆智图组成的航测遥感解决方案让自然资源确权登记更轻松!   本案例资料来自中山大学团队,感谢团队成员曹晶晶、龚辉、蔡德强提供的支持帮助。

转载请注明:http://www.0431gb208.com/sjslczl/2724.html

  • 上一篇文章:
  • 下一篇文章: 没有了