GaiaSky Mini3-VN无人机载高光谱成像系统

▲

点击图片可查看产品详情

本次试验采用大疆无人机，在大疆M350无人机遥感平台上搭载江苏科技有限公司自主研发的高光谱成像光谱仪Gaiasky-mini3-VN（点击可查看产品详情），该无人机遥感平台采用的是无人机悬置空中，高光谱成像光谱仪采用内置推扫的方式获取地面图像。无人机高光谱图像的预处理在我司自主研发的SpecView软件中进行，包括镜像变换、反射率校准、大气校正。

此步骤的目的是为了将DN值（数字量化之，digital quantization value）转化为反射率值（reflectance）。

式中，R_ref是黑白校正过的图像的反射率值，DN_raw是原始图像的DN值，DN_white为参考板的白帧数据，DN_dark是相机的系统误差DN值，R_white为参考板的反射率系数。

为了消除大气、水汽这些因素的影响，需要用国家计量院标定过的2m*2m灰布，对获取到的高光谱影响进行大气校准。消除大气、水汽等因素影响的方法如公式所示。

式中，R_fixed是消除大气、水汽等因素后的图像光谱反射率，R_ref是经过黑白校正后的图像反射率，R_standard是经过国家计量院标定的灰布的光谱反射率，R_grayref 是经过黑白校正后图像中灰布的光谱反射率。

根据匹配到的特征点，计算图像之间的几何变换关系，如平移、旋转和缩放等。这些几何变换用于将图像对齐，以便进行后续的拼接。

通过生成密集点云，可以获取丰富的三维信息，包括地面、建筑物、植被等的精确位置和形状。这有助于进行精确的三维重建。密集点云提供了大量的点位数据，可以用于进行精准的测量和量化分析。通过从点云中提取特定对象或区域的几何信息，可以进行长度、面积、体积等参数的测算。

通过生成DEM模型，可以获取地表的高程信息。这对于地形分析和测量非常关键，可以用于测量地表的高程、坡度、坡向等参数。DEM模型提供了地表的三维结构信息，可以用于三维可视化和模拟。通过将DEM模型与纹理贴图进行融合，可以生成真实三维地貌模型。

▲

拼接过程-生成DEM

通过选择水质参数的最佳监测指数，构建预测模型，并将预测模型反演到无人机高光谱影像上，实现河流、湖泊水质参数浓度的可视化分布。通过水质参数浓度的可视化分布可知，水质总氮、总磷、悬浮物、浊度浓度较高。

根据物质对波长所展现出的不同特性，就可以利用高光谱技术分别判定监测水质中相关物质的属性。比如从水质检测关键参数指标出发，选择覆盖400~1000nm波段范围的机载高光谱设备，可有效监测水体中叶绿素a、总氮、总磷、氨氮、总悬浮物、化学需氧量、溶解氧等浓度信息。

单波段监测水质的精度不如双波段的监测精度高。利用双波段组合因子可以突出水质参数的光谱特征，使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化。根据双波段组合，构建归一化指数、比值指数、差值指数，寻找最佳的双波段组合构建监测模型预测水质参数。

将波段与化学指标进行相关性分析，得到相关性较大的几个波段，然后依据差值或比值进行波段运算反演各参数。由于总悬浮物固体、高锰酸钾、氨氮、总磷等参数与单波段的反射率较低， 为了用不同波段表征各参数，采用比值法对波段与参数的相关性进行计算分析，得出了参数的特征波段。其中溶解氧的特征波段为总悬浮物固体R710/R675、高锰酸钾的特征波段为 R777/R893、氨氮的特征波段为R788/R737、溶解氧的特征波段为R635/R669、富营养状态指数的特征波段为R705/R620。

如图是高光谱影像中不同水质的反射率曲线，水质不同反射率值的大小有差异，光谱曲线的吸收峰位置也有差异。

水体中总磷TP与总氮 TN 、叶绿素a是衡量水质污染程度和水体富营养化的重要指标，它们的主要来源为生活污水、化肥、有机磷农药及近代洗涤剂。TP、TN是地表水中藻类生长的关键元素，当其超标时会出现水体的富营养化，即微生物大量繁殖，浮游生物生长旺盛，内陆水体富营养化。叶绿素a 浓度与藻类的种类、数量等密切相关,因此计算水体的总磷、总氮、叶绿素a含量反演水体水质情况尤为重要。