無人機遙感多“維”合一，巧辨植被作者利用無人機遙感系統(tǒng)獲得覆蓋研究區(qū)的多光譜影像和三維點云數(shù)據(jù)，從中分別提取植被的光譜信息和結(jié)構(gòu)信息，然后將兩類信息結(jié)合用于分類。實驗結(jié)果表明：結(jié)構(gòu)信息的加入，可以顯著提高植被分類結(jié)果的準確性。 01研究區(qū)域數(shù)據(jù)獲取
研究區(qū)位于捷克西部的Doupovske hory (50°18′N, 13°8′ E)，主要的植被類型是灌木林，由草本和灌木植被組成。實驗選取了兩個研究地點（白框）：一個地點地形平坦，另一個地點是一個朝南的緩坡。 無人機數(shù)據(jù) 2016年6月20日，作者利用Robodrone Kingfisher六旋翼無人機搭載的Micro-MCA傳感器對兩個地點進行了多光譜數(shù)據(jù)的采集。飛行期間，設(shè)置飛行高度為50m，地面采樣距離（GSD）優(yōu)于2.5cm,航向重疊>80%，旁向重疊>60%，飛行速度為2m/s。相機參數(shù)如下表。
地面數(shù)據(jù)
通過實地調(diào)查獲得地面數(shù)據(jù)，其內(nèi)覆蓋有大量的灌木、草本植物，其中，草甸包括兩種類型：以草群落為主的草甸（Meadows）和以芹菜科物種為代表的草甸（ApiMeadows）；灌木包括4種：黑刺李（blackthorn）、山楂樹（Hawthorn）、西洋接骨木(elder)和柳樹（Willow）。利用裝有GPS的智能設(shè)備繪制各個植被類別的輪廓，作為分類的地面參考數(shù)據(jù)。各個類別所選樣本的空間分布和數(shù)量如圖表所示。 02 方法與流程
(1)光譜及結(jié)構(gòu)信息提取 在預處理過程中，利用PixelWrench2軟件將原始無人機影像轉(zhuǎn)換為多波段TIFF影像。然后，將其導入Agisoft PhotoScan軟件，生成多光譜拼接影像和3D點云結(jié)構(gòu)數(shù)據(jù)，從中分別提取光譜信息和數(shù)字表面模型（DSM）,通過“分類地面點”工具得到數(shù)字地形模型（DTM），利用DSM-DTM獲得植被冠層高度（nDSM），作為結(jié)構(gòu)信息。
(2)分類
采用兩種不同的數(shù)據(jù)集進行分類：（1）僅使用多光譜數(shù)據(jù)；（2）光譜數(shù)據(jù)+結(jié)構(gòu)數(shù)據(jù)。首先，利用eCognition軟件進行圖像分割，采用以下參數(shù)：形狀（shape）：40，所有波段像素值比例：1:1，緊湊度（compactness）：0.4，平滑度（smoothness）：0.6。然后，利用基于最近鄰（NN）監(jiān)督分類算法進行分類。 (3)精度評價 將采集的地面數(shù)據(jù)隨機劃分為訓練集（60%）和驗證集（40%），然后進行10次重復分類，計算各次分類結(jié)果的生產(chǎn)者精度（ACC）和用戶精度（REL）并取平均值，用于評價分類的準確性和可靠性。然后，利用單尾配對Wilcoxon檢驗，對分類結(jié)果的差異進行檢驗。 03 結(jié)果分析
可以看出，結(jié)構(gòu)數(shù)據(jù)的加入有效地提高了植被分類結(jié)果的精度：Overall accuracy為0.882，ACC和REL分別為0.852和0.857，尤其是改善了Meadows、Hawthorn與Willow之間的錯分情況，它們的ACC和REL提升顯著，表明結(jié)構(gòu)數(shù)據(jù)的使用非常有利于物種識別。
對于大多數(shù)植被類型來說（上表），兩組實驗得到的結(jié)果差異明顯，光譜數(shù)據(jù)與結(jié)構(gòu)數(shù)據(jù)的結(jié)合顯著改善了分類結(jié)果。
在大多數(shù)情況下（上圖），二者組合的分類結(jié)果比僅使用多光譜數(shù)據(jù)的分類結(jié)果波動范圍要小（最大值-最小值），表明分類精度受訓練數(shù)據(jù)集空間分布的影響更小，分類結(jié)果更穩(wěn)定。 04 結(jié)論 利用無人機遙感系統(tǒng)提取的結(jié)構(gòu)信息，直觀地展現(xiàn)了不同高度屬性的灌木叢植被的特點，它的加入能夠提升多光譜數(shù)據(jù)的分類精度，一次飛行即可得光譜和結(jié)構(gòu)信息，并顯著提高Meadows、Hawthorn和Willow的生產(chǎn)者精度和用戶精度；同時，降低了分類結(jié)果對訓練數(shù)據(jù)集空間分布的敏感性。實驗結(jié)果表明：綜合利用無人機遙感技術(shù)獲取的光譜信息和結(jié)構(gòu)信息，是一種可行的、成本效益顯著的高精度植被制圖方法。 一點啟發(fā) 本文只是簡單地將高度信息與多光譜信息結(jié)合，就提升了植被制圖的精度，如果能根據(jù)不同植被的特點從點云中進一步挖掘結(jié)構(gòu)特征，將會更加凸顯UAV-SfM點云的強大威力。此類方法在其他領(lǐng)域中也已經(jīng)“大展身手”,如：草地產(chǎn)量估測、生物量估算（參見“等。無人機遙感的應(yīng)用在生態(tài)、農(nóng)業(yè)方面已經(jīng)展現(xiàn)了獨特的優(yōu)勢，小編相信，無人機遙感在智慧城市建設(shè)、國土資源監(jiān)測等方面也能夠大放異彩，讓我們一同探索吧！ |
