低空多光谱无人机影像评估湿地植被完整性外文翻译资料

英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料

2017年9月4日至7日，德国波恩，摄影测量，遥感与空间信息科学国际档案，第XLII-2 / W6卷，2017年无人驾驶飞行器国际会议

低空多光谱无人机影像评估湿地植被完整性

a.2006年南非奥克兰公园邮政信箱524号，约翰内斯堡大学动物学系。

b.风筝航空影像(Pty)有限公司，1422托帕斯街，韦弗利，0186，南非-boon@live.co.za

c.约翰内斯堡大学地理、环境管理和能源研究部，邮政信箱524奥克兰公园，2006，南非- sgtesfamichael@uj.ac.za

任务六，WG VI/4

关键词:多光谱图像，湿地，植被，无人机，运动结构，NDVI。

摘要:

现今，多光谱传感器已经可以在市场上买到，但在无人机上的使用仍然过于笨重，尽管这种情况在最近发生了变化。这些传感器的使用重点主要针对农业部门，其中重点是精准农业。这些传感器很少应用在湿地生态系统制图中。这里，我们评估低空多光谱无人机图像的性能，以确定局部空间区域湿地植被的状态。具体来说，湿地植被的完整性由多光谱无人机图像中获得的NDVI来确定。此外，我们测试了不同软件应用程序处理的图像。本文还简要介绍了这些应用的优缺点。

这次调查使用了装备有海地文职支助团雷达多谱段摄影机站的一个贾格-米固定翼成像系统初秋，在南非豪登省Kameelzynkraal农场的一个17公顷研究区进行了一次单一的调查活动。利用运动结构摄影测量软件重建摄像机位置和地形特征，得到高分辨率的正射镶嵌图。米考森地图集用来处理基于云的数据平台、皮克斯4D和PhotoScan。植被评估遵循湿地健康一级方法，其中湿地健康是湿地结构和功能偏离其自然参考条件的量度。首先完成植被完整性的现场评估，然后使用高分辨率多光谱正射影像和NDVI绘制扰动类别。使用多光谱无人机完成湿地的健康植被模块表，湿地的植被得到了很大程度的改变(简称“湿地生态系统服务类别”)，未来这种状况有望恶化(变化分数)。然而，利用多光谱无人机图像和NDVI确定了较低的撞击分数。结果是更准确的估计对湿地的影响。

1.引言

最近无人机多光谱图像在精确农业中的应用受到了很多关注(Nebiker等人。，2016年)。该技术用于农业规划，例如定义管理区域和创建精确的可变费率应用地图。同样，这项技术可以用来确定湿地的健康(完整性)状况，确定湿地内的管理区，并对这些生态系统内的变化进行精确监测。

亚当等人(2010年)汇编了多光谱和高光谱遥感用于湿地植被识别和制图的综述。他们指出，湿地植被的遥感具有特殊的挑战。主要限制包括来自常用数字多光谱图像的低空间、光谱和时间分辨率。然而，这些问题近年来得到解决。例如，无人机摄影测量可以提供厘米级的空间分辨率。无人机多光谱传感器可以辨别光谱反射率，当需要指示植被健康时，光谱反射率特别重要(科尔米纳和莫利纳，2014年)。Marcaccio等人(2015年)表明，这项技术为研究人员提供了一个机会，让他们能够轻松获得与季节相关的图像，而不是使用过时的商业图像。

无人机技术应用于植被相关目的的近期湿地相关研究包括使用基于对象的分类方法描述高地沼泽的特征(Lechner等人，2015年。Zweig等人，2012年。休松等人，2016年)展示了以自动化方式从无人机正射影像中提取非水下水生植被生态相关信息的可行性。然而，利用无人机获得的多光谱图像进行湿地和湿地植被研究的研究有限。例如，在犹他州立大学开发的AggieAir自主航空遥感平台用来河岸和湿地应用(Jensen等人，2011年)。

同样的平台也用来量化入侵湿地物种的扩散(Zaman等人，2011年)。

在以前的研究中，我们表明无人机获得的红绿蓝图像可以通过从这些图像中提取相关信息来显著增强湿地植被评估(布恩等人，2016a)。在这项研究中，我们着重于湿地植被完整性评估(湿健康)，特别是使用多光谱无人机图像。

1.1目标

这项研究的目的是评估高空间分辨率多光谱无人机图像增强湿健康的性能(麦克法兰等人）植被评估。为了确定湿地植被的完整性，我们还根据无人机多光谱图像计算了NDVI。这项研究的想法是致力于更准确地估计和预测影响，这种估计和预测是实用的、标准化的和可重复的，以确保更好和更可持续的结果。此外，我们测试了处理多光谱图像的不同软件应用。本文还简要介绍了这些应用的优缺点。

2.研究区域

沟底湿地(图1)位于南非豪登省昆格维尼地方市政区比勒陀利亚以东的卡姆伊林卡拉农场。研究区域的面积为17公顷，尽管实际无人机调查区域的面积约为50公顷。研究区域的大部分从最初的基准条件转变而来。

3.材料和方法

该方法可分为四个阶段在第3.1至3.3节中简要讨论。

3.1现场准备、无人机系统和飞行计划

在可能的情况下，地面控制点(GCPs)被布置成网格状。如果植被会妨碍准确的GCP识别，湿地区域使实际放置变得困难，则放置在最接近的最佳位置。使用Trimble (SPS882全球导航卫星系统全球定位系统)测量系统共放置了26个全球导航卫星系统(图2)。进一步确定了由研究区域内的固定地标组成的两个检查点（CP），以验证所得到的无人机数据的位置和高度精度。JAG-M固定翼无人机（图3和表1）用于收集图像。麦克森·雷德杰姆·多谱段摄影机用于收集图像。相机同时捕捉五个离散的光谱带:蓝色、绿色、红色、红色边缘、近红外(窄带)。

表2给出了用于调查的传感器的规格。无人机飞行路线是用任务规划软件计算的，间隔26.1米，这相当于70%的前向重叠和70%的旁向重叠使用米考森相机。无人机勘测确定的飞行高度是地面以上100米。

表1.无人机规格

表2.传感器规格

3.2数据采集和处理

多光谱无人机图像是在2017年初秋的中午采集的。进行了一次大约28分钟的飞行，获取了3815幅图像。不同光谱带(通道)的反射率值使用RedEdge校准面板进行校准。飞行前后拍摄的面板图像用于补偿拍摄图像时的照明条件。这提供了在图像采集时到达地面的光量的精确表示。

运动结构摄影测量软件用于重建摄像机位置和地形特征，以获得高分辨率的正射镶嵌图。图像(包括反射面板校准图像)上传到阿特拉斯云平台进行处理。每一层以子像素级别配准，每个像素的值指示该带的百分比反射率。AS将原始图像转换成5波段地理配准的正镶嵌图像。皮克斯4D专业制图师和阿吉软PhotoScan专业制图师还用于处理图像和获得正射镶嵌图。GCP和CP被导入PD和PS，以实现几何精度和地理参考精度。自动化系统云平台不包括此功能。放射性校准面板的图像也用于PD中以校正图像反射率，同时考虑照明和传感器的影响。在研究时，PS不支持使用反射面板进行辐射校准。 然后从AS，PD和PS数据集计算归一化差异植被指数NDVI [NDVI =（NIR-R）/（NIR R）]。 结果保存为栅格（GeoTIFF）和矢量（形状）格式（如果适用）。

3.3分析、数据分类和解释

该方法的这一步包括分析，解释和从正交镶嵌中提取必要的属性。 这是通过视觉分析和无人机正射组学的经验计算的组合实现的，包括从NDVI计算中提取信息。 NDVI指数的计算结果是无量纲值，介于-1和1之间。解释是基于实际的现场评估知识进行的。

一级“WET-健康”方法用于评估湿地单元的植被完整性，其中健康是衡量湿地结构和功能与其自然参考条件的偏差的指标（Macfarlane等，2009）或变化 由于场地改造或干扰造成的植被组成和结构 一级评估是在有限时间和/或资源可用的情况下使用的快速评估。 表3显示了对湿地植被产生影响的WET-健康干扰类别（湿地内发生的活动），评估了植被的快速现场评估和无人机多光谱NDVI植被评估。

表3.植被干扰等级

4.结果和讨论

4.1数据质量

基于24个GCP和两个CP的数据的均方根误差（RMSE）的结果在表4中给出。标记CP的准确识别是有问题的，如高RMSE值所示。 对于不同数据集获得的地面空间分辨率范围为0.0682米至0.0752米。

表4.RMSE以厘米为地面控制和检查点。

尽管与PS值相比存在显着差异，但AS和PD的NDVI反射率值的计算结果相似。 PS值低得多（表5）。 与0.603（AS）和0.605（PD）相比，PS数据集的平均值仅为0.159。 这可以归因于PS无法校正图像反射率的事实。 图4显示了每个数据集的反射率值的趋势，而图5至7分别显示了从AS，PD和PS数据集计算的NDVI图。

lt;

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[434925]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

您可能感兴趣的文章

• 多方向线分割的方向空间滤波外文翻译资料
• 基于RINEX格式GPS观测数据的周跳探测和修复外文翻译资料
• 基于Windows的TEQC 用户的新绘图程序外文翻译资料
• 一种基于纹理梯度的高分辨率遥感图像分割方法外文翻译资料
• GPS水汽观测误差外文翻译资料
• 通过脉冲耦合神经网络对超高分辨率图像的自动变化检测外文翻译资料
• 基于旋转矩阵的单位四分位运动预估算法外文翻译资料
• 利用闭路电视图像分割理想的污水管道缺陷形貌实现自动诊断外文翻译资料
• 我国珠江三角洲地区首个基于PPP技术的GPS水汽实时监测系统外文翻译资料
• 建立一种新的对流层斜延迟改进经验模型——GPT2w模型外文翻译资料