上文小编跟大家讲到无人机高光谱可以应用于农田信息监测领域，那么今天，小编将继续讲讲无人机飞行平台与遥感测量技术、机载传感器与测量技术的介绍，请看~

1、无人机飞行平台与遥感测量技术

无人机高光谱以无人驾驶飞机为探测平台, 利用搭载的各种任务负荷(通常是成像光谱仪等非接触式监测设备)获取有关农田和作物的遥感数字信息, 通过对数据的后期处理、挖掘和建模, 来获取农作物长势、农田环境等信息。

1.1无人机飞行平台

在农田信息监测领域, 人们关注的重点是监测范围、空间分辨率和测量精度等。无人机的机型、载重量、航行高度、续航时间、飞行稳定性、航线规划算法等均对探测效果有重要影响。目前常用的无人机可分为固定翼、单旋翼和多旋翼无人机等机型。固定翼无人机飞行速度快、续航时间长、载荷较大, 但飞行速度难以调节且需要较大的起飞着陆场, 在作物生长密集的农田常无法提供足够的起降场地; 单旋翼无人机稳定性较差, 会干扰传感器检测精度, 已逐步被多旋翼机型替代; 多旋翼无人机的航速姿态可调、飞行稳定、能够定点悬停, 适合获取多重复、定点、多尺度、高分辨率的植被信息, 因而在农田信息监测中应用广泛。为了保障探测精度和空间范围, 在无人机起飞前需要进行合理的航线规划。传统的无人机航线规划优化算法主要包括动态规划法、导数相关法、控制法、最速下降法、泰森多边形法(Voronoi); 现代智能算法主要包括遗传算法、人工神经网络、蚁群算法、粒子群算法等。蚁群算法在解决复杂航线规划方面效果良好, 但收敛效率低且容易陷入局部问题, 目前的研究多采用改进遗传算法。

1.2机载传感器与测量技术

无人机高光谱传感器种类繁多, 感知原理和获取数据类型也各不相同。农田信息监测领域的传感技术大体可分为成像光谱和空间构型测量两大类。

成像光谱技术的原理是不同波段的光波作用于样本会产生不同的光谱特征, 由此可反映作物的生理生化指标, 多用于农田作物覆盖区的识别、叶片色素、养分含量等生物化学指标的预测建模。成像光谱的感光方式有棱镜/光栅色散型、干涉型、滤光片型和计算机层析型等, 感知光谱波段包括可见光、可见-近红外(380~2500 nm)和热红外波段(2.5~14 μm)。根据输出波段数量与连续性不同, 成像光谱又可分为高光谱和多光谱。目前的研究中, 普遍采用高清数码相机获取的农田正射影像、多光谱相机获取的多波段反射率、高光谱仪获取的连续光谱反射率、热红外传感器获取的田间温度信息。

空间构型测量技术获取的是高精度的农田空间位置信息, 常用于识别农田表面的三维构型及其特征, 并以此来诊断作物株高、叶面积指数、地上部生物量等生物物理指标。根据测量方式和技术差异,又可分为基于激光直接测量的激光探测与测量(Light Detection and Ranging, LiDAR)和基于可见光摄影测量的基于运动的结构(Structure from Motion, SfM)方法。机载LiDAR主动发射脉冲, 遇到作物或地表后反射回波, 通过时间差计算距离, 结合惯性系统(Inertial Navigation System, INS)确定的飞机姿态和定位系统(Globe Positioning System, GPS)得到飞机位置, 解算农田各处的三维空间坐标。SfM方法以农田遥感影像为数据源, 基于像对间的特征匹配, 通过迭代光束平差过程(Iterative Bundle AdjustmentProcedure)求解相机方位及场景几何形态, 再通过引入地面控制点坐标(Ground Control Point, GCP)进行矩阵变换将农田空间点云转入现实世界坐标系。

下期，我们着重讲讲无人机高光谱数据处理与建模方法，大家敬请期待。