引言

隨著遙感理論的發(fā)展以及遙感信息提取技術的不斷提高，利用衛(wèi)片、航片等多光譜遙感數(shù)據(jù)獲取的信息更加豐富、精確和清晰，利用多光譜遙感數(shù)據(jù)對可燃物類型進行調查分類成為一種可燃物調查的新方法。隨著無人機在森林防火中的應用，利用無人機拍攝的多光譜影像進行可燃物分類相繼開展，并出現(xiàn)了結合激光雷達的可燃物分類方法。我國目前可燃物分類技術的研究多集中于利用 Landsat衛(wèi)星的多光譜影像，基于無人機機載高光譜遙感的無人機可燃物分類方法系統(tǒng)化研究很少。本文對基于無人機機載高光譜遙感的無人機可燃物分類方法進行了研究。

材料與方法

研究區(qū)位于佛山市高明區(qū)荷城鎮(zhèn)坑邊村，地處22°57′23″至 N22°57′45″N，112°46′45″E 至112°47′ 10″E之間，該地區(qū)位于北回歸線以南，屬南亞熱帶季風氣候區(qū)，無霜期達360d。因受南海海洋氣候影響，有顯著的海洋性季風氣候特征，春季多雨潮濕，夏季炎熱時有暴雨，秋季晴多氣爽，冬季較暖，年平均降雨逾 1700mm。研究區(qū)為多種林分生長的山地，面積約40hm2，海拔 10~60m，坡度5~10°。該地有針葉林（馬尾松林、濕地松林）、闊葉林、灌草地、闊葉林（桉樹林、樟 樹林 、荷木林 等）、竹林和非林地（裸地、建筑、池塘等）。林分郁閉度 0.3~0.9。地表植被生長茂密，樹冠之間交錯的情況明顯，林下植被及灌木的覆蓋度90%以上。此外，該試驗區(qū)距離2019年12月5 日佛山市高明區(qū)凌云山重大森林火災火燒跡地約500m，其植被 類型基本涵蓋佛山高明“12.5”重大森林火災中的主要植被類型 。

研究方法

3.1 數(shù)據(jù)獲取

設計好無人機航線后進行無人機數(shù)據(jù)采集，機載高清攝像頭及高光譜成像儀在飛行時記錄正射及高光譜數(shù)據(jù)。采集過程中同時使用 正射像控點及并進行同步測量。采集結束后軟件對采集的正射數(shù)據(jù)進行處理。正射影像地面分辨率2.6cm，精度在10cm左右，可以 滿足高光譜精校正要求。

3.2 可燃物分類

南亞熱帶地區(qū)水熱資源豐富，植被種類多樣。該地區(qū)代表性植被類型包括暖性針葉林、暖性針闊混交林、常綠闊葉林、竹林、常綠闊葉灌叢等，本文按照森林植被類型劃分可燃物類型，由于遙感圖像每個柵格數(shù)據(jù)是唯一的，不存在同一柵格對應多個植被類型屬性情況，故在分類聚類后將可燃物類型分為針葉林、闊葉林、竹林和灌草地，另增加裸地、水域、房屋等形成的非林地，共5種類型。利用軟件可以對拼接好的光譜數(shù)據(jù)進行植被指數(shù)計算及光譜曲線提取和分類。本文采用有監(jiān)督的機器學習分類方法對采集獲取的高光譜影像數(shù)據(jù)進行分類。首先根據(jù)正射圖片及地物分布進行ROI分類選取，初步分成16種類型，每種類型選取20個ROI作為該類型標準（圖 2）。

圖 2 ROI 選取示意

16種類型光譜曲線如圖 3 所示；機器會對選取的ROI數(shù)據(jù)進行學習，并通過機器學習分類得到初分類結果；最后依照可燃物類型聚類為針葉林、闊葉林、灌草 地、竹林和非林地5種類型，初分類結果最后經(jīng)聚類分析得到最終的可燃物分類結果。

圖 3光譜曲線示意

3.3 地面監(jiān)測判定

為了獲得遙感影像數(shù)據(jù)分類精度，采用網(wǎng)格 布點法進行地面調查，網(wǎng)格的交點設為樣地中心 點，首先在 ArcGIS 中設置網(wǎng)格并獲取樣地中心點 的坐標，然后使用亞米級精度的導航儀導航至樣 地點現(xiàn)場調查。設置樣地范圍為以坐標點為中心， 1 m 為半徑的圓形區(qū)域，人工判定樣地的可燃物 類型。主要依據(jù)覆被植被進行判定，若覆被植被 70% 以上被針葉樹種、闊葉樹種、竹子、灌木草本植物覆蓋，則分別對應針葉林、闊葉林、竹林和灌草地類型；若覆被植被沒有某類型占比超過 70%，則認為該樣地為混合樣地，針葉樹種和闊 葉樹種混合為針闊混，針葉樹種與灌木草本混合 為針葉林緣，闊葉樹種與灌木草本混合為闊葉林 緣；非林地主要指裸地、水域、房屋等。將調查 得到的樣地可燃物類型與遙感圖像中該樣地中心 點的可燃物類型進行比較，判斷遙感圖像分類是否準確。

結果與分析

最終獲得的可燃物分類結果如圖 4 所示。從整體分類結果來看，非林地、灌草地、竹林的分 類效果較好，針葉林和闊葉林分類效果稍差。這其中，非林地由裸地、水域、房屋等聚類而成， 有林地的灌草地由各種不同類型的草本和灌木聚類而成，聚類效果相對較好；竹林與其它地物差異較大，可以單獨成類。

圖 4 可燃物分類結果示意

為檢驗分類精度，按照100 m×100 m 網(wǎng)格點 設置了 36 個樣地點，其位置分布如圖 6 所示。通 過對可燃物類型進行現(xiàn)場實地調查，再將調查與 分類進行比較，詳細見表 1。

表 1 調查與分類比較

有 7 處樣地落在兩種及以上類型交界處，此時若分類結果含在多種 類型內，認為分類結果正確與否存疑。此外共有 3 處分類有明顯錯誤。將存疑按一半計算，本次分 類準確度達到 81.94%。從錯誤樣地和存疑樣地所在位置來看，其多 位于無人機采集數(shù)據(jù)兩條航向的交界處。經(jīng)過分 析，認為由于高光譜數(shù)據(jù)的高維性，其不良噪聲 和高光譜冗余度現(xiàn)象較為嚴重，在對兩條航向數(shù) 據(jù)進行拼接時，這些冗余和噪聲的疊加更加容易 影響條帶邊緣位置的數(shù)據(jù)，這給高光譜圖像的處理和分析帶來了挑戰(zhàn)。因此在使用高光譜數(shù)據(jù)時， 研究中通常需要進行數(shù)據(jù)降維和有效波段提取， 但這也有有效波段的選擇和保留數(shù)量的問題，波 段太少就難以體現(xiàn)高光譜的連續(xù)譜段的優(yōu)勢，波 段太多就起不到降維效果。有效波段的選擇也具 有一定主觀性，若選擇不好，對最終分類結果也 會有較大影響。對于數(shù)據(jù)降維、有效波段提取、 數(shù)據(jù)的歸一化等研究有待于進一步深入。

結論與討論

本項研究采用無人機攜帶高光譜相機，獲取 森林可燃物的高光譜影像，設計了針對森林可燃 物的高光譜影像處理流程并進行遙感影像處理， 最后通過有監(jiān)督的機器學習分類方法對試驗區(qū)主 要可燃物類型進行劃分。研究中將可燃物類型劃 分成針葉林、闊葉林、灌草地、竹林和非林地 5 個類型，經(jīng)現(xiàn)場檢驗，分類準確度達到 81.94%。研究表明了基于無人機高光譜遙感的森林可燃物 分類方法具備可行性。從錯誤樣地和存疑樣地所在位置來看，其多 位于無人機采集數(shù)據(jù)兩條航向的交界處，認為是 兩條航向數(shù)據(jù)進行拼接時，由于高光譜數(shù)據(jù)的冗 余和噪聲的疊加加重了分類不準確的情況。通過 對高光譜數(shù)據(jù)進行數(shù)據(jù)降維和有效波段提取，并 形成某種植被指數(shù)對數(shù)據(jù)進行歸一化處理可能解 決這些問題，但具體做法仍需要進一步研究。目前將無人機機載高光譜遙感數(shù)據(jù)應用于可 燃物類型的劃分還比較少見，在森林可燃物分類 基礎研究方面還不夠系統(tǒng)和深入，需盡快建立森 林可燃物分類體系，探索基于高光譜遙感影像等 高新技術的森林可燃物分類方法，減少外業(yè)工作 量，更好地為粵港澳灣區(qū)森林防火工作服務。

推薦：

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測量、土壤環(huán)境、礦物地質勘探等領域的最新明星產品，由于其操作靈活、便攜方便、光譜測試速度快、光譜數(shù)據(jù)準確是一款真正意義上便攜式地物光譜儀。

無人機機載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無人機機載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機、穩(wěn)定云臺、機載控制與數(shù)據(jù)采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統(tǒng)通過獨特的內置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學醫(yī)療、精準農業(yè)、礦物地質勘探等領域的最新產品，主要優(yōu)勢具有體積小、幀率高、高光譜分辨率高、高像質等性價比特點采用了透射光柵內推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質量光學設計，物鏡接口為標準C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯黃宇