基于無人機高光譜影像的火龍果波段篩選研究

陳智虎，舒 田，劉春艷，許元紅

（貴州省農業科技信息研究所，貴州 花溪 550006）

隨著科學技術的發展，精準農業越來越受到科研人員的關注，各種先進技術不斷被應用于農業生產上，新技術的參與，一方面降低了農業生產成本，提升了病蟲害的防控水平；另一方面提高了農作物產量，增加了農民的收入。無人機在噴灑農藥、施肥、農作物長勢監測等方面發揮了重要作用，張海艷等［1］利用旋翼無人機進行農藥噴施試驗研究，根據旋翼風場不同，單旋翼植保無人機噴施效果優于多旋翼植保無人機；趙蓮英［2］通過植保無人機噴施納米農藥，研究水稻主要病蟲害防治效果。根據研究的需要，無人機可以搭載不同的作業平臺采集不同的數據，以此來進行相關研究，如高光譜數據、多光譜數據、熱成像數據以及其他相關數據。陶惠林等［3］通過分析高光譜遙感數據植被指數和紅邊參數與冬小麥生物量的相關性，建立相關模型并進行驗證；陳曉凱等［4］利用低空無人機獲取的高光譜影像對冬小麥葉面積指數進行遙感估算，表明基于森林回歸算法的無人機高光譜葉面積指數估算模型能夠準確地實現小區域的葉面積指數遙感填圖；基于多光譜遙感影像進行冬小麥葉綠素含量反演及監測研究［5］、小麥長勢監測研究［6］、烤煙株高研究［7］、番茄冠層SPAD 預測研究［8］、新疆棉田螨害大范圍監測研究［9］、水稻葉綠素含量反演及監測研究［10］、蛇龍珠葡萄成熟度判別研究［11］等，基于紅外熱成像的林地余火死灰復燃點診斷方法研究［12］；王嬌嬌等［13］以高光譜圖像為基礎，利用高斯回歸分析方法進行水稻氮素敏感波段篩選及含量估算；Wang 等［14］以高光譜圖像為基礎，利用小波支持向量機集成模型和膜鯨優化算法進行波段選擇，均取得了較好的研究成果［15-22］。

高光譜影像數據具有大量的波段信息，且這些信息對于地物判讀、作物識別、病蟲害監測等工作不僅能夠節約人力物力，還能提高效率和精度，但衛星高光譜遙感圖像價格昂貴、數據處理復雜、分辨率低。無人機能夠搭載成像光譜儀獲取小范圍的分辨率較高的高光譜影像，以此來滿足研究的需要。趙慶展等［23］利用旋翼無人機搭載多光譜傳感器獲取多光譜影像資料，通過對多光譜影像數據標準差及相關性進行分析，結合OIF 方法篩選出最佳波段組合；鄧小玲等［24］探索通過利用無人機高光譜遙感技術檢測柑橘患病的植株，采取人工田間調查方法判斷其患病種類和患病程度，該方法主要是基于特征波長進行建模，模型在患病樣本分類中表現出很高的準確率。以上研究均展示了無人機高光譜遙感的應用潛力，開展無人機高光譜遙感技術研究勢在必行。

1 數據獲取與預處理

1.1 研究區概況

關嶺布依族苗族自治縣（以下簡稱關嶺縣）位于貴州省中部，隸屬于安順市，地勢西高東低，地形起伏大，植物種類繁多，巖溶發育顯著，各種溶洞、暗河、洼地等地貌形態隨處可見，是典型的喀斯特山區（圖1）。選擇關嶺縣上關鎮作為研究區，通過無人機獲取高光譜遙感圖像，為研究火龍果（Hylocereus undatus‘Foo-Lon’）以及其他農作物的生長特性及不同生長期的光譜差異奠定基礎。

圖1 研究區位置

1.2 高光譜數據采集系統

高光譜數據采集系統由無人機平臺和高光譜傳感器組合而成。無人機平臺采用大疆M600 型旋翼無人機，該無人機有效載荷7 kg，最大起重量15.1 kg，續航時間20 min。在無風狀態下，飛行速度可達18 m/s，飛行限高2 500 m，利用大疆Altizure 軟件進行航線規劃，由無人機按照規定航線進行自主飛行。

高光譜傳感器采用的是美國生產的PikaXC2 高光譜成像儀，適合在中小型無人機上搭載，光譜范圍400～100 nm，光譜分辨率1.3 nm，光譜通道數有231個，重量2.2 kg，鏡頭焦距采用17 mm。

1.3 數據獲取與預處理

研究區選擇在關嶺縣上關鎮樂安村火龍果種植示范園區，根據高光譜成像的特點以及無人機飛行的需要，數據采集時間為2018年9月18日11：00-15：00之間。目標區域長400 m，寬400 m，行高100 m，航向重疊率為65%，旁向重疊度65%，設置4 條航線，預計飛行時間20 min。試驗區內設置兩塊1.8 m×2.0 m 的淺灰色靶標布作為參照。在試驗區內道路交叉點、房屋拐角等地采集了6 個地面控制點，控制點均勻分布在試驗區內，作為高光譜影像校正的參考。

使用ArcGIS 和ENVI 軟件進行高光譜影像校正和拼接處理，處理過程中首先利用ArcGIS 軟件通過地面控制點數據對影像進行校正，得到獨立的多幅高光譜影像；其次，運用ENVI 軟件將獨立的高光譜影像拼接得到研究區高光譜影像。由于航拍數據邊緣存在模糊或者拉花的現象，從處理后的高光譜影像中選擇200 m×200 m 區域（區域A）進行最佳波段組合的研究。研究區內地物界限明顯，主要分為園地、建筑物、道路及林地4 類。高光譜數據采集系統火龍果最佳波段組合選擇的技術路線如圖2 所示。

圖2 技術路線

2 波段篩選

高光譜影像具有波段數量多、信息量大等特點，根據研究對象的不同選擇不同的波段數據進行分析研究。高光譜影像波段數量多帶來的困擾就是數據冗余度大，針對不同的研究對象進行挑選。波段的選擇應該滿足波段之間相關性小、信息量大、波段組合具有較大的光譜差異3 個基本特點［10］。PikaXC2傳感器波長及波段見表1。

表1 PikaXC2 傳感器波長及波段

2.1 原始波段預篩選

通過分析高光譜影像各個波段之間的相關系數以及每個波段的標準差，能夠初步篩選出具有信息量大、相關性小的波段。其中信息量大的波段通過分析波段自身像元的標準差來獲取，標準差反映一個數據的離散程度，標準差越大表示波段的信息量越大。波段之間的相關系數可以反映多個波段之間的關系密切程度，相關系數越大表示波段之間重疊度大，數據冗余度大；相關系數越小表示波段之間重疊度小，數據冗余度小。以區域A 為例，首先對高光譜影像進行統計，分析各個波段之間的相關性和標準差，挑選出符合試驗要求的波段。

相關系數和標準差計算公式分別如下［10］：

式中，n—像元總個數；p—像元序號；xp—p像元灰度—波段i灰度平均值—波段j灰度平均值；xip—波段i中第p像元灰度；xjp—波段j中第p像元灰度。

對研究區域進行統計分析，得到研究區所有波段的標準差，如圖3 所示。各波段標準差可見光到近紅外區域整體逐漸上升，部分波段有所降低，在波長782.89 nm 處達到最大值2 585.91，波長667.63 nm到718.43 nm 之間出現緩慢下降的現象，然后從波長721.11 nm 的1 097.68 繼續上升到 波長747.93 nm 的2 367.36，在可見光到近紅外波段之間進行篩選和分析，剔除波長大于1 000 的波段，以及波段標準差小于1 000 的波段，篩選得到符合要求的波段196 個。

圖3 標準差分布

2.2 相關系數分析

將篩選出來的波段進行相關系數分析，相關系數結果如表2 所示。第一行為各波段，各列為與該波段相關系數由大到小的排列，越往下，相關系數越小，波段選擇的時候越要考慮，將相關系數在0.5 以下的篩選出來，共計篩選出185 個波段，篩選出來的波段相關系數的分布呈現中間高、兩邊低的特點。在可見光區域呈上升趨勢，相關系數均值在0.45～1.21 區間，在近紅外波段呈下降趨勢，相關系數均值在0.36～0.46 區間，可見光波段相關系數均值均大于近紅外波段內部之間的均值。

表2 波段間相關系數

3 結論

1）利用無人機搭載高光譜傳感器進行航拍，獲得了高分辨率、時效性較好的高光譜影像，影像個波段標準差可見光到近紅外區域整體逐漸上升，部分波段有所降低，同時也表明可見光到近紅外波段所含信息量逐漸上升，在波長395.79 nm 處信息量最小，在波長782.89 nm 處信息量最大，在波長670.30、755.99、782.89、863.92 nm 等處信息量有明顯的峰值。

2）在可見光和近紅外之間進行波段篩選，剔除波長標準差大于1 000 的波段，以及信息量較小的波段，篩選出196 個符合要求的波段。

3）利用波段標準差篩選出來的波段進行波段間相關性分析，波段間相關系數越小，波段獨立性越好，波段間數據冗余度越低，波段篩選越要考慮，將波段間相關系數小于0.5 的進行篩選，得到185 個波段，波段相關系數的分布呈中間高、兩邊低的特點。在可見光區域呈上升趨勢，相關系數均值在0.45～1.21 區間，在近紅外波段呈下降趨勢，相關系數均值在0.36～0.46 區間，可見光波段相關系數均值均大于近紅外波段內部之間的均值。