第三章 非实时数据载荷

无人机载荷与行业应用第三章 非实时数据载荷目 录

可见光相机项目1项目2项目3

光谱相机

激光雷达项目1可见光相机人类眼睛能感知的光波被称为可见光，所以可见光相机是普遍应用的遥感设备。可见光相机工作在波长为0.4～0.7

m的光波谱段，能把人眼可以看见的景物真实地再现出来。优点：直观、清晰、易于判读不足：只能白天工作，受云、雨、雾等气象条件的影响很大任务1

可见光相机介绍任务2

可见光相机分类无人机常用的可见光相机主要有两类：单反相机和专业航摄仪。1.单反相机单反指单镜头反光，即SLR（SingleLens

Reflex），也就是单镜头反光取景的意思，取景和成像都使用同一个镜头。单反相机取景时，光线通过反光板、五棱镜或者五面镜反射到光学取景器，如图所示。这时，从取景器中就能看到被拍摄区域的视图。单反相机2.专业航摄仪专业航摄仪与普通单反相机相比，具有更高的图像稳定性、数据传输能力和抗干扰能力，往往带有惯性测量单元、相机控制部件、电源管理系统、温控系统、存储器、成像处理器及数据接口、座驾等部件，如图所示。专业航摄仪任务2

可见光相机分类专业航摄仪中根据航摄角度又可分为垂直摄影相机和倾斜摄影相机。垂直摄影相机既可以是单镜头，也可以是多镜头，如图所示为多镜头相机。倾斜摄影相机可以是单镜头，但以多镜头居多，实际上多镜头倾斜摄影相机中常带有垂直摄影镜头。多镜头相机任务2

可见光相机分类任务3

可见光相机组成UV滤镜光学镜头可见光相机由光学玻璃加镀膜组成，是具备截止某个或几个波段的功能镜片由多组光学镜片组成，可以根据使用者需求进行焦距调节，使得相机在不同距离条件下得到清晰的图像。其中，镜片分球面和非球面，非球面镜片较球面镜片畸变更小，但加工难度更大，成本更高。包含光学传感器、快门结构、图像处理器和电池等。指相机的集成硬件，含图像传感器、图像信号处理器、拍照快门和电池，可以实现拍照、照片预览、照片存储等功能。相机机身存储设备所谓画幅，是指数字相机的传感器大小。胶片相机成像是通过胶片来实现的，而对于数字相机，则是通过感光元件来成像的，如图所示。胶片和感光元件任务4

可见光相机功能与性能指标正如胶卷有很多种尺寸一样，数码时代的不同画幅指的是大小各异的传感器，如图所示。不同画幅传感器任务4

可见光相机功能与性能指标目前，使用感光胶片记录影像信息的相机已经很少使用了，而可见光相机使用得越来越多，可见光相机一般都是指数字相机。数字相机拍摄物体的大致过程：物体反射（或照射）的光线经过镜头到达图像传感器，图像传感器把光信号转换为电信号，然后模数转换器件把电荷信号转换成数字信号，数字信号经过放大电路进入微处理器，数字信号经过ISP（Image

Signal

Processing）运算处理之后传输到存储器中被存储为图像，如图所示。任务5

可见光相机的工作原理任务5

可见光相机的工作原理相机主要部件：镜头、图像传感器、图像信号处理器1.镜头镜头是相机的成像部分，影像的质量主要取决于镜头的光学质量。镜头由多片球面或非球面光学玻璃透镜组成，镜头的焦距通过调焦环的方式来改变，使得影像清晰。任务5

可见光相机的工作原理2.图像传感器图像传感器是相机的主要组件之一，对成像质量影响很大。传感器将从镜头上传导过来的光线转换为电信号，再通过内内部的DA转换为数字信号。由于传感器的每个pixel只能感光R光、B光或者G光，如图所示，因此此时存储的每个像素是单色的，我们称之为RAWDATA。要想将每个像素的RAW

DATA还原成三基色，就需要信号处理器ISP来处理。传感器示意图图像传感器CCD（charge-coupleddevice，电荷耦合器件）CMOS（complementarymeta-oxidesemiconductor，互补金属氧化物半导体）CCD传感器成像质量好，图像明锐通透、细节丰富、色彩还原度好，但是成本较高，耗电功率高。CMOS传感器成像质量稍差，但耗电功率较低，成本也比CCD低。当今相机中主要还是采用CMOS传感器。CMOS传感器中集成了模数转换器，CCD传感器没有集成模数转换器。任务5

可见光相机的工作原理3.

图像信号处理器图像信号处理器（

Image

SignalProcessing，ISP）

的作用就是对图像传感器传输过来的信号进行运算处理，最终得出经过线性纠正、噪点去除、坏点修补、颜色插值、白平衡校正、曝光校正等处理后的结果。ISP能够在很大程度上决定相机最终的成像质量。任务5

可见光相机的工作原理CCD线阵传感器线阵传感器以线扫描方式，依赖遥感平台的运动而构成影像CCD面阵传感器面阵传感器是在某一时刻一次成像，具有面中心投影的特性。数字成像的两种方案：可见光相机通过获取地面或空中目标的图像信息，可形成高分辨率的可见光影像。可见光相机在航空摄影方面，能提供基础影像资料，用于测绘、地质、水文、矿藏、森林等自然资源勘测，在农业产量预估、大型厂矿和城镇规划、路线勘测和环境监测等领域也有着广泛的应用。下面以航空摄影测量作业流程为例，使读者了解可见光相机的应用。任务6

可见光相机在航测中的应用任务6

可见光相机在航测中的应用1.

可见光相机航空摄影测量的作业流程基本作业流程：根据收集到的基础资料拟定低空摄影测量技术路线，采用无人机搭载可见光相机实施航拍，获取测区高分辨率数码影像，完成测区基础控制点测量和像片控制点的布设及测量。具体流程如图所示。数字低空摄影测量工作流程任务6

可见光相机在航测中的应用2.

航摄方案设计（1）无人机选择。根据航测项目相关要求，确定无人机性能指标需求，选择合适的无人机。一般在选择无人机时主要参考以下几个标准：②

有效荷载：可装载的相机类型。往往要根据项目要求确定相机类型，根据相机类型和成果要求确定合适的无人机。③

易操作性，便于维修保养。① 续航时间：续航时间长短将直接影响作业效率。常用的无人机有两类：固定翼无人机和多旋翼无人机。任务6

可见光相机在航测中的应用（2）相机选择选择合适的相机。一般根据成果要求进行选择。常用的有：正射相机、倾斜摄影相机。相机主要考虑以下几个关键参数：焦距、像元尺寸、像幅大小、镜头质量。倾斜摄影相机和正射相机在航飞方案设计上类似，只是在数据获取上有所区别，倾斜摄影往往采用多镜头，可获取更多镜头的影像数据。任务6

可见光相机在航测中的应用③

航摄分区设计分区内的地形高差不应该大于1/6航高。④

重叠度设计无人机航空摄影测量的重叠度一般较高，通常采用航向重叠度大于75%，旁向重叠度大于60%。a式中：H——摄影航高，m；f——镜头焦距，mm；GSD——地面分辨率，m；a——像元尺寸，mm。（3）航飞方案设计①

确定摄区工作范围②

航高设计要充分顾及地形起伏、飞行安全和影像的有效分辨率。在地形起伏比较大的测区，为了保证成图分辨率，一般考虑对测区进行分区飞行。航摄航高按以下公式计算：H

f

GSD任务6

可见光相机在航测中的应用（4）航飞准备①

场地踏勘：对航摄区域进行现场考察，观察区域内的地形情况以及选取无人机起降场地。②收集资料：收集航摄区域的控制点、航摄范围图、卫星影像图、气象资料等。③ 航线规划：根据确定的航高、重叠度来规划无人机的飞行任务航线，如图所示。航摄区域航线布设图3.

航摄实施任务6

可见光相机在航测中的应用（1）天气选择：应在天气晴朗、能见度较高的条件下进行飞行，尽量避免在风力较大（≥3级）的天气飞行。进入测区执行航摄任务时也应选择光线良好的时段。（2）设备调试：进入测区后，组装无人机和相机，并进行调试检查，确保系统工作正常，为正式作业做好准备工作。（3）航空摄影测量作业：将设计好的航线上传到无人机，可根据现场具体情况进行必要调整，确保无误后，按照正确的操作流程完成航测飞行任务。（4）摄影后的数据下载：每个分区摄影结束后，应及时将获取的数据下载到移动硬盘上，并妥善保管。1.航测二维成图案例——1∶500

航测法高精度成图及其应用1）背景介绍1∶500地形图测绘全野外成图工作量大、工期较长、成本较高。近些年无人机航摄因为使用方便，数据获取成本低、速度快，在1∶1 000、1∶2 000等比例尺的地形图测绘、正射影像图生产等领域得到广泛应用。这里通过对1∶500无人机航测法成图过程中误差产生的来源进行分析，研究提高航测法成图精度的关键技术，选用速度慢、振动小、姿态好的电动差分无人机作为航摄平台，通过航线优化设计，建立1∶500无人机航测法高精度成图技术路线和工艺流程。任务6

可见光相机在航测中的应用2）1∶500航测法成图误差来源（1）像片的地面分辨率和影像质量在传统无人机航测法成图过程中，像片控制测量误差、空中三角测量误差、立体像对定向误差、立体采集过程中的位置判定误差等，会在作业过程中不断传递并积累，影响成图的最终精度。所有环节误差的产生都与像片的分辨率和影像质量有关。分辨率越高、影像质量越好，判读就越准确，误差也就越小，所以要想提高成图精度，必须首先提高像片的地面分辨率和影像质量。任务7

可见光相机应用与案例2）1∶500航测法成图误差来源（2）镜头畸变无人机航摄采用的相机一般为非量测型全画幅相机，镜头畸变大，尤其是像片边缘部分。尽管可以根据相机畸变参数对像片进行畸变纠正，但纠正过程中会产生纠正误差，且越靠近像片边缘，纠正误差越大。所以为了提高精度，应加大像片重叠度，尽可能多地使用像片中心部分的影像。任务7

可见光相机应用与案例2）1∶500航测法成图误差来源（3）像片外方位元素一般的无人机没有配置高精度惯导装置，仅采用普通GPS进行定位导航，所以在相机曝光同时记录的位置数据误差较大，需要在后期完成大量的像片控制测量后，才能进行空中三角测量。为了减少像片控制测量工作量及后继工序的误差累积，应尽可能提高曝光瞬间像片的外方位元素精度。任务7

可见光相机应用与案例3）1∶500无人机航测法高精度成图试验（1）试验流程及飞行区域选择本试验过程包括飞行区域选择、航摄设计及相机检校、航摄作业、事后差分解算、空中三角测量、检查点立体量测、检查点野外量测、精度评定等步骤，具体试验流程如图所示。选择的试验区域面积约3

km2，整体地形为丘陵，高差约80

m。区域内有居民地、厂房、道路、平整地块、水系、植被等地物，对于本次试验具有典型的代表意义。任务7

可见光相机应用与案例试验流程（2）航摄设计及相机检校①航摄飞行平台的选择航摄飞行平台应装备高精度差分GPS系统，实现相机曝光时间戳的精确记录；采用电力驱动，实现慢速、稳定飞行。CW-10电动垂直起降固定翼无人机自带高精度差分GPS、引闪器，采用大容量锂电驱动，飞行振动小，巡航速度20

m/s，在曝光时间不长于1/1

600

s时，可以保证像点位移在1/3像素以内，是本试验较为理想的飞行平台。任务7

可见光相机应用与案例任务7

可见光相机应用与案例规划航线②

相机选择及参数标定相机选用3600万像素全画幅SonyILCE-7R机身，像元尺寸4.88

m，搭配成像质量较好的蔡司35 mm定焦镜头，相机的内方位元素和畸变参数经精确标定。③

航线规划设计地面分辨率为0.04

m，航向重叠度70%，旁向重叠度60%，构架航线垂直于主航线，位于测区内离主航线两端头4条基线长度的位置，航高比主航线高50m。规划航线如图所示，东西方向为主航线，南北方向为构架航线。（3）无人机航摄作业选择合适天气，测定基站GPS坐标，完成无人机航摄作业，完整下载航摄像片数据、基站GPS数据、移动站GPS数据，并检查数据完整性及可用性。（4）事后差分解算及空中三角测量①

事后差分解算：利用事后差分解算软件对基站坐标数据、基站GPS数据、移动站GPS数据、机载POS数据进行联合解算，得出精确的影像POS数据，平面坐标系为CGCS

2000，高程系为椭球高。②

空中三角测量：选择GodWork软件作为空中三角测量工具。这个过程只需要少量的人工干预。任务7

可见光相机应用与案例任务7

可见光相机应用与案例③

精度对比以检查点野外量测为基准，立体量测相对野外量测的平面位置中误差、高程中误差分别按下面的公式计算。（5）精度检测①

检查点立体量测将空三结果导入全数字摄影测量系统，在立体空间上量测检查点三维坐标。②

检查点野外量测采用天宝RTK到野外实地测量检查点三维坐标。式中 m1 ——检查点中误差，m；Δ ——检查点野外实测值与立体观测值的误差，m；n ——

参与评定精度的检查点数（每幅图20～50个）。nm1

(

i

i)

/

ni

1任务7

可见光相机应用与案例检查检查点数量平面位置高程小于2倍中误差数量小于1倍图幅数中误差/m最大误差/m中误差/m最大误差/m中误差数量2660.0710.1580.0690.1291056随机抽出两幅图进行精度检测。每幅图检查点个数为33个，总计66个，并均匀分布。检查点统计计算结果见表1。平面位置中误差为0.071

m，最大误差为0.158

m；高程中误差为0.069

m，最大误差为0.129

m。小于2倍中误差的检查点有10个，小于1倍中误差的检查点有56个。表1表2、表3分别为《数字航空摄影测量空中三角测量规范》（GB/T23236—2009）、《1∶500 1∶1

000 1∶2

000外业数字测图技术规程》（GB/T

14912—2005）关于1：500比例尺的精度要求。对比表1、表2、表3，试验实现了1∶500无人机航测法高精度成图的试验目标。任务7

可见光相机应用与案例点别平面位置中误差高程中误差平地丘陵地山地高山地平地丘陵地山地高山地检查点0.1750.1750.350.350.150.28（0.15）0.40.6地形类别平地丘陵山地高山地基本等高距0.51.0（0.5） 1.01.0平面位置中误差±0.15（±0.25）±0.15（±0.25）±0.23（±0.40）±0.23（±0.40）高程中误差1/3基本等高距1/2基本等高距2/3基本等高距1倍基本等高距表2单位：m表3单位：m4）1∶500无人机航测法高精度成图的工程应用经试验验证后，将本技术方案实际应用于广安市溪口镇1∶500地形图测绘。该测区位于山谷地带，面积2km2，中央地形较平，为丘陵地形，四周属于山地地形，利用本技术方案完成了航飞、POS解算、空中三角测量、内业立体测图。精度检测时随机抽取4幅图进行精度检测，检查点共84个。经统计，平面中误差±0.09m，高程中误差±0.08m，平面及高程精度均满足相关规范要求。任务7

可见光相机应用与案例5）总结在当前差分GPS技术、无人机技术、相机技术不断进步的过程中，通过科学的优化技术路线，1∶500无人机航测法高精度成图试验成功并在实际工程中得到应用，实现了业内追求多年的夙愿，顺利实现1∶500地形图测绘工期缩短、成本降低的目标。虽然因植被覆盖无法看见的地物测量、房檐改正等工作，仍需要野外实地测量，

航测法成图不能完全代替野外作业，

但这并不能影响1∶500无人机航测法高精度成图在实际工程应用中的重要现实意义。任务7

可见光相机应用与案例任务7

可见光相机应用与案例2.三维城市建模案例1）项目的主要任务城市倾斜摄影及三维精细建模。项目区域如图所示。项目区域图2）航摄方案设计（1）技术指标要求：① 测绘基准。平面坐标系统：采用2000国家大地坐标系（CGCS

2000），高斯-克吕格投影，3

分带。②

数据格式：三维模型成果数据分为OBJ和OSGB两种格式。（2）影像指标要求：倾斜摄影地面分辨率基于基准面，城区优于0.02m；城区以外优于0.05m。（3）天气分析：天气情况直接决定了航空摄影测量的进度，而影响天气变化的因素有很多。测区属暖温带半湿润半干旱季风气候，四季分明，光照充足，雨量适宜。（4）空域分析：测区及周边无禁飞区域。任务7

可见光相机应用与案例任务7

可见光相机应用与案例（5）设计方案①

飞行平台：采用CW-15垂直起降固定翼无人机、M300RTK多旋翼无人机搭配，兼顾固定翼无人机的飞行效率和多旋翼无人机的精细作业，如图所示。垂直起降固定翼无人机多旋翼无人机任务7

可见光相机应用与案例②

相机：本项目主要采用倾斜摄影相机CA503R，如图所示。倾斜摄影相机③

作业流程如图“作业流程”所示。作业流程任务7

可见光相机应用与案例④

航高确定数字航空摄影的地面分辨率取决于飞行高度，如图所示。a h

f

GSDGS a式中 h

——飞行高度；f

——

镜头焦距（8mm）；A

——

像元尺寸（1.4

m）；GSD——

地面分辨率。按照公式求得地面分辨率0.02m相对航高为155.1m，0.05m相对航高分别为387.6m。为了更好地满足地面分辨率的要求，我们选择平均面上的地面分辨率0.017m相对航高为155.1m，0.04m相对航高分别为346m。任务7

可见光相机应用与案例⑤

航线规划设计航线规划设计按照相关要求执行，同时进行测区的地形环境研究，航线设计时要严格遵守相关规范要求，确保目标的全覆盖，如图所示。航线规划示意图单架次航线示意图任务7

可见光相机应用与案例地形类别太阳高度角阴影倍数平地>20

<3丘陵地和一般城镇>25

<2.1山地和大、中城市≥40

≤1.2高差特大的陡峭山区和高层建筑物密集的大城市限在当地正午前后各一小时进行摄影<1⑥

航摄时间选择航摄影像的成图质量对航摄飞行的时间有一定的要求，在规定的航摄期限内，应选择地表植被及其他覆盖物（如洪水等）对成图影响较小、云雾少、无扬尘（沙）、大气透明度好的时间进行作业。航摄区太阳高度角和阴影倍数如表所示。航摄区太阳高度角和阴影倍数表（1）掌握气象条件，做好飞行前的各项准备工作进入航摄任务实施后，作业组需及时了解并掌握摄区气象条件，为飞行安排提供依据。作业组在航摄实施前，应提前做好无人机及任务所需仪器、设备的准备工作。（2）航飞作业按照作业计划，作业组应充分组织好飞行前的地面准备工作，包括组装无人机、调试相机，仔细检查无人机的各项参数指标是否正常，并做好记录，确保飞行安全；作业员针对当日天气状况、光照情况设定好相机参数，并完成相机的安装和调试工作，并反复检查确认。地面准备工作完成后，执行航飞任务。3）航摄具体实施及相关要求任务7

可见光相机应用与案例（3）作业监控执行任务的无人机升空后，地面监控人员应实时监控无人机工作情况，了解作业进度、飞行速度、仪器设备工作是否正常等。作业期间，作业人员应时刻保持对气象环境的观察，当地面风速、风向变化较大或天气突变时，应根据着陆条件及要求及时做出是否返航着陆的处置工作。（4）数据整理及质量检查无人机返航着陆后，有序地组织拆卸设备。作业人员应及时对数据进行备份整理并完成数据的初检工作，对数据质量不符合要求的应做好补摄或重飞准备。3）航摄具体实施及相关要求任务7

可见光相机应用与案例任务7

可见光相机应用与案例4）三维模型生产本项目三维建模生产采用自动建模软件系统，该系统是基于图形运算单元GPU的快速自动三维场景运算软件，整个过程无须人工干预，从简单连续影像中生成最逼真的实景三维场景模型。运用倾斜摄影技术获取的影像数据，通过合理布设地面像片控制点，然后将影像数据、地面像片控制点数据导入自动建模软件系统进行批处理。人工只需参与对质量控制和三维模型编辑修饰工作。具体流程如图所示。三维建模生产流程图任务7

可见光相机应用与案例5）三维成果输出利用软件输出OSGB格式三维成果，三维模型成果示意图如图所示。三维模型成果示意图项目2光谱相机无人机成像光谱系统具有机动灵活、操作简便、能按需获取高时间和高空间分辨率数据、应用成本低等优势，有效弥补了卫星及大型航空遥感系统在地表分辨率低、重访周期长、受水汽影响大等不足，为中小尺度的遥感应用提供了新的工具。任务1

光谱相机介绍成像光谱仪是成像光谱技术发展的产物，是可以同时获取影像信息与像元的光谱信息的光学传感器，是成像光谱技术得以实现的实物载体。根据成像光谱仪的光谱分辨率不同，

光谱相机可以分为多光谱成像仪（

M

u

l

t

i

s

p

e

c

t

r

a

lImager，MSI）和高光谱成像仪（Hyperspectral Imager，HSI）。任务1

光谱相机介绍多光谱成像仪所获取的目标地物波段数量为3～12个，光谱分辨率在40

nm左右，主要用于地物分类及半定量遥感。高光谱成像仪所获取的目标地物波段数量为100～200个，光谱分辨率在10

nm左右，被广泛应用于遥感领域中。不同种类的成像光谱数据任务2

光谱相机分类快照式多光谱相机是一种技术先进、轻便小巧、可搭载在无人机上的多光谱成像设备，专门为低空遥感提供精确的多波段光谱数据。相机拥有5个独立的成像器，分别配上特制的滤光片，能让每个成像器接收到精确波长范围的光谱信息。某型快照式多光谱相机任务3

多光谱相机光谱相机在相对行高为120m条件下能够获取8cm分辨率的原始影像，相机内全局快门可消除图像失真，DLS光照传感器和GPS集成为DLS2代，提高了集成度和辐射测量精度具体参数。测量精度具体参数如表所示。某型快照式多光谱相机技术参数表任务3

多光谱相机波段序号波段名称中心波长/nm波段宽度/nm1蓝Blue475202绿Green560203红Red668104近红外NIR840405红边Red

Edge71710区别于传统4通道多光谱相机，该快照式多光谱增加了红边波段，植被在红边波段的反射率有较大的提升且具有较强的敏感性。多光谱相机获取的影像中，每个像素的输出值表示特定波长光线的反射率，各波段的中心波长及波段宽度如表所示。某型快照式多光谱相机性能指标任务3

多光谱相机光谱通道示意图如图所示。任务3

多光谱相机光谱通道示意图1.多光谱相机成像原理快照式多光谱相机属多镜头分光，其每个光谱波段成像由分开的电荷耦合器件（CCD）成像平面阵列和光学装置来完成，这种方案的多光谱CCD相机，实质上是由多个CCD相机组装而成，每个相机镜头前配有不同的滤光片，每个镜头获取一个波段的图像，多个镜头对同一目标同时曝光获取多波段图像。任务3

多光谱相机任务3 多光谱相机1.多光谱相机成像原理光谱带的选择是由各通道物镜前的光学滤光片完成的，如图。此类型多光谱相机的每个谱段都有独立的探测器和滤光片，且分别对应一个数据采集系统，能拥有较高的地面分辨率和图像质量。这种方案系统设计简单，分光方法简便易行，可以更换不同焦距的镜头和不同波段的滤光片，具有较大的灵活性。快照式多光谱相机成像原理示意图任务3 多光谱相机2.多光谱相机数据在执行数据获取任务的过程中，由飞控系统给出触发指令，多光谱相机五个镜头同时曝光，记录同一视场下5个波段的影像数据。各波段数据以tif格式灰度图像的形式储存至内存卡中，并且曝光时所对应的CCD中心位置信息会写入到各个影像中，便于后期处理，如图所示。多光谱相机原始影像任务3 多光谱相机灰度影像不同于黑白图像，其每一个像素只有一个采样颜色，显示为从最暗黑色到最亮的白色的灰度，其颜色越暗表示影像的DN值越低，反之表示影像的DN值越高。一幅完整的彩色影像是由红色、绿色、蓝色三个通道组成的，将多光谱相机所获取的可见光三个波段影像分别置入对应的红色、绿色、蓝色三个显示通道中，即可生成如左图所示的真彩色影像。在实际数据分析处理过程中，为了突出某些地物的特征，如植被在近红外波段反射率高于其他地物，将近红外波段置入红色显示通道，则会生成如右图所示的突出植被信息（红色）的伪彩色图像。多光谱真彩色影像与标准伪彩色影像任务3 多光谱相机任务3 多光谱相机多光谱影像不仅兼具了彩色影像的色彩信息和纹理信息，而且还具有较为丰富的光谱信息。完整的遥感影像是将所有波段同名地物配准后进行叠加存储，在每个波段影像中的每一个同名像素都会记录地物对应的地理坐标信息以及对该波段电磁波的反射信息，将每个像素的反射信息按照波长顺序串联起来，便形成了对应地物的光谱曲线，不同类型地物，如植被、道路、水体、土壤等，所对应的光谱曲线有着明显的差异，这正是利用遥感影像对地物进行分类的物理基础。多光谱相机的光谱曲线是由蓝、绿、红、红边、近红外五个波段的折线点所连成的曲线。任务3 多光谱相机多光谱影像中典型地物光谱曲线图机载高速成像光谱仪采用画幅式高光谱成像技术，融合了高光谱数据的精确性和快照成像的高速性，能够瞬间获得在整个视场范围内精确的高光谱图像。任务4 高光谱相机以某型高光谱相机为例，其可以简便地在1/1000s内获得整个高光谱立方体数据，单景数据的获取并存储需0.2s；配套功能强大的测量及数据处理软件，不需要IMU即可实现无人机遥感测量；机载高光谱成像仪按预设航线自动测量，从而快速获得大面积高光谱图像，并可通过软件自动快速拼接。某型机载高速成像光谱仪任务4 高光谱相机机载高速成像光谱仪Snapshot成像技术结合无人机的平稳飞行姿态以及减震设计，无须云台即可实现高光谱数据立方体获取，其关键技术参数如下。某型机载高速成像光谱仪技术参数光谱特性光谱范围450～950

nm采样间隔4

nm光谱分辨率8nm@532

nm通道数125任务4 高光谱相机任务4 高光谱相机硬件特性探测器及规格面阵Si

CCD；100万像素×2高光谱成像速度5

Cubes/s数字分辨率12

bit测量时间<100

s光学及物理特性镜头焦距10

mm、23

mm、35

mm接口类型C-mount地面分辨率mm～m（可选）传感器重量490

g电源DC12

V，15

W续表1.高光谱相机成像原理高光谱成像系统的核心技术，是将传统的二维成像遥感技术和光谱技术有机地结合在一起，在用成像系统获得被测物空间信息的同时，通过光谱仪系统把被测物的辐射分解成不同波段的谱辐射，能在一个光谱区间内获得每个像元几十甚至几百个连续的窄波段信息，高光谱成像技术可以实现同时获取目标的几何特征和光谱特征。任务4 高光谱相机任务4 高光谱相机高光谱相机成像原理其中A是目标，B是望远成像系统，C是入射狭缝，D是准直镜，E是分光系统，F是会聚镜，G是探测器。地物目标首先经过望远成像系统成像在入射狭缝处，入射狭缝起到视场光阑的作用，决定视场，然后经过准直镜，再经过分光（棱镜或光栅）系统，目标的辐射按波长的不同进行分离，最后经过会聚镜成像在探测器上。若探测器是面阵探测器，系统将获取二维数据，此时在目标和成像系统间安装扫描系统或分光系统状态发生变化，能获取第三维数据，并与前面两维一起组成数据立方体。2.高光谱相机数据图像是最为直观的数据表现形式，在高光谱遥感影像中，每一波段为一幅灰度图像，灰度图像记录了地物在单个电磁波频谱上的反射率，通过灰度图可以直观地了解地物波谱反射强度。大多数的模式识别算法都是基于灰度图像进行的，对于高光谱遥感影像来说，也可以使用若干波段实现图像的彩色合成，形成更为直观的地物彩色影像。彩色图像可以显示地物的色彩信息，进行地物识别，明确不同地物的几何与位置关系。任务4 高光谱相机在高光谱图像中，由于其窄波段、长波谱范围的特点，在光谱数据获取过程中能够在图像的同一像元上记录各波段的地表反射率，此时地表反射率为离散的点，对这些点进行曲线拟合，可以形成一条连续的光谱特征曲线，该光谱特征曲线的本质是地物对各波段的光谱响应。任务4 高光谱相机任务4 高光谱相机高光谱成像光谱仪-光谱特性特定高光谱传感器有特定的光谱库，光谱库是高光谱成像仪在一定条件下测得的地物光谱反射数据，通过对地物光谱库中的光谱与高光谱单像元的光谱曲线进行“光谱匹配”，可以对像元内的地物进行识别，同时地物光谱在不同波段的差异性也是进行植被生化参数反演的理论基础，图为高光谱成像光谱仪-光谱特性。任务4 高光谱相机高光谱遥感数据的实质是记录地物同一位置不同波段的光谱反射率，由于高光谱图像波段众多，所以每个像元对应多个反射率，多个反射率又可构成一个多维向量或者多维空间中的一个点，连续空间中

各像元值可以组成一个高维光谱立方体，通过对光谱立方体进行降维，可以挖掘其中有“价值”的信息，并有效解决高维空间中参数估计需

要更多的样本等问题。任务5

光谱相机数据应用农业方面无人机搭载成像光谱仪技术可用于诊断作物长势、病虫害情况以及土壤肥力等环境保护方面可用于检测海洋、湖泊的化工原料污染、富营养化等林业领域可用于检测林火、林业病害、林木存活率、林木种类区分等1.农作物长势监测植被覆盖度（Fractional

vegetation

cover，FVC）通常被定义为统计范围内植被（包括叶、茎、枝）的垂直投影面积所占的百分比，它能够直观地反映陆表植被的生长状况，因而是区域生态系统研究的重要指标，作为生态模型、水文模型、气候预报模型、区域蒸发模型和陆面过程模型等在内的众多模型的基本输入参数，在各个领域有着广泛的应用。任务5

光谱相机数据应用任务5

光谱相机数据应用就农学领域而言，植被覆盖度能够反映作物的光截获能力，对于作物的生长及产量形成有着很好的指示作用，因而准确实时地获取地表植被覆盖度信息，对于指导农业生产有着重要的意义。测区植被覆盖分布图任务5

光谱相机数据应用因此，及时进行农作物氮素营养诊断显得尤为重要。传统的氮素营养诊断主要是以测定植株全氮为主，需要破坏性取样和实验室的化学分析，具有破坏性和延迟性，且会消耗大量的人力物力。因此，无损、及时、准确地了解作物氮营养状况对合理施肥具有重要的指导意义。氮肥有助于农作物增产过量施用氮肥造成资源浪费，导致农作物对氮肥的利用率明显下降，从而造成环境污染施用氮肥不足导致作物长势过差，从而影响产量本方案基于无人机多光谱影像提取可用于棉花关键生长期氮素营养诊断的植被指数，通过对其与田间试验数据进行相关性分析和指数的敏感性分析，建立叶片氮浓度、地上部生物量、植被指数和氮素积累量的二次函数估计模型，为实现棉花氮素营养状况的动态监测提供理论与技术基础。任务5

光谱相机数据应用任务5

光谱相机数据应用叶面积指数（Leaf Area Index，LAI）也称叶面积系数，可以理解为在地表单位面积上植被叶片面积所占土壤总面积的比例。作物的冠层结构变化情况、叶片面积的大小、覆盖度的变化和对环境的适应情况都可以通过叶面积指数来反映。农作物是生态系统重要的组成部分，而叶面积指数则是体现作物的产量、生长健康状况以及光合作用能力的重要指标。测区作物冠层含氮量分布图本方案基于固定翼无人机搭载多光谱传感器进行叶面积指数监测方法的研究实现，利用预处理后多光谱图像中提取的所需的植被指数，与实测的叶面积指数建模得到不同时期的棉花叶面积指数反演模型，然后利用最佳的估算模型得到棉花叶面积指数的空间分布处方图。任务5

光谱相机数据应用任务5

光谱相机数据应用叶绿素含量的状况是指示植物光合作用、受营养胁迫及生长阶段的重要因子，可借助测定叶绿素含量的方法确定植被的营养状况。目前，主要通过室内高效液相色谱法、原子吸收法以及分光光度计法、SPAD叶绿素仪和基于特征光谱等等多角度多层次诊断叶绿素含量。这也决定了田间采样不具备时效性，采集样本数量有限，步骤烦琐。测区作物叶面积指数分布图本方案分别从多光谱植被指数、纹理特征以及将二者融合构建综合指标等角度分别估算马铃薯叶绿素含量，以期为叶绿素定量估算提供一种新方法，实现低成本、快速、高通量地监测马铃薯的生长状况与营养信息，为农田灌溉、变量施肥等精细化管理提供保障。任务5

光谱相机数据应用任务5

光谱相机数据应用2.林业病虫害监测森林病虫害则是威胁森林健康的首要因素，如何监测并预防森林病虫害是多年来国内外林业专家研究的重要课题。主要依靠巡逻检测等人工手段，这些监测手段主观性强且具有时间滞后性，同时受地面环境影响较大。传统林业病虫害的监测利用无人机获取受灾林区正射影像，并基于计算机图像分析技术，对森林病虫害图像进行深入分析，不仅可以有效减少人力及物力成本，使相关林业人员更直观、全面地掌握森林受灾的整体情况，并提出更为快速有效的应对措施，同时可以减少相关灾害带给森林资源的重大损失，提高林业生产的经济效益，保障生态环境的健康发展。无人机监测任务5

光谱相机数据应用面向对象分类技术集合临近像元用来识别感兴趣的光谱要素，充分利用高分辨率的图像和多光谱数据的空间、纹理和光谱信息对图像进行分割和分类，用此方法来对有林地进行提取，可获取较好的分割效果，大量减少干扰项信息，从而有利于分类精度的提高。测区作物叶绿素含量分布图任务5

光谱相机数据应用无人机多光谱影像-图像增强有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，加强图像判读和识别效果。图中标准假彩色影像可以增强植被信息；绿光波段增强可以增强阔叶林信息，从而有利于提取松树针叶林；直方图均衡拉伸则可以凸显枯死树木信息，即图中最后边的中心红点图斑。任务5

光谱相机数据应用近红外波段纹理信息提取影像中异物同谱及同物异谱现象普遍存在，部分地物光谱信息极为相似，通过光谱信息难以将其区分开来。无人机影像分辨率较高，纹理细节信息丰富，因此可以通过纹理信息来进一步进行提取分析。“灰度共生矩阵”是一种通过研究灰度的空间相关特性来描述纹理的常用方法，图为提取的近红外波段纹理信息的八项指标，在其中选取适当项参与分类。任务5

光谱相机数据应用支持向量机（Support

vector

machine，SVM）是一种基于统计学习理论、VC维理论和结构风险最小化原理的机器学习算法，常被用来解决小样本、非线性问题及高维模式识别问题。SVM通过“支持向量”即不同类别间边缘的样本点，来寻找不同类别之间的最优超平面进行划分。对于土地分类问题，SVM利用其特有的核函数与惩罚变量，将低维线性不可分问题转化成高维线性可分问题，并通过设置惩罚因子，解决个别离群值的类别归属问题，以实现地物分类的自动识别，图3-38为林业病虫害信息支持向量机自动提取结果。任务5

光谱相机数据应用林业病虫害信息支持向量机自动提取结果象，合并结束后保证所有对象之间存在一定的异质性，这种异质性表现为光谱和形状上的差异。3.林业单木提取及树种分类在无人机影像中，树冠轮廓的提取直接使用面向对象的分类方法，有两个基本步骤，即影像的分割与影像的分类。多尺度的分割方法以影像中任意像元为起点，采用自上而下的合并方式形成目标对任务5

光谱相机数据应用无人机影像树冠轮廓分割结果由于无人机遥感影像分辨率最高可达厘米级，分割完成后可以通过目视解译，再结合样地调查时对相邻树冠间的勾画，调整分割结果，修改分割错误、增加漏分割的部分，人工修正后将树冠轮廓矢量导入ArcGIS软件，同时建立属性表后输入对应实地调查的胸径（DBH）数据，便可实现林地资源精细化管理。任务5

光谱相机数据应用树种的分类算法采用非监督分类的方法，不必设置训练样本获取各类地物的先验知识，直接参考目标对象的光谱、纹理等特征，在影像上定义自然相似光谱的集群，分类过程由阈值确定，根据隶属度实现最终类别划分。通过野外调查和目视判读，确定土地覆盖类型是分类的基础，之后进行特征空间的建立，尽量选择能够充分描述土地覆被类型且类型较少的特征，对于面向对象的分类方法，一般涉及对象的光谱特征、几何特征以及拓扑特征等。无人机影像树种分类及树冠分割结果任务5

光谱相机数据应用树种的分类算法采用非监督分类的方法，不必设置训练样本获取各类地物的先验知识，直接参考目标对象的光谱、纹理等特征，在影像上定义自然相似光谱的集群，分类过程由阈值确定，根据隶属度实现最终类别划分。无人机影像树种分类及树冠分割结果分类的基础：通过野外调查和目视判读，确定土地覆盖类型建立特征空间：尽量选择能够充分描述土地覆被类型且类型较少的特征，对于面向对象的分类方法，一般涉及对象的光谱特征、几何特征以及拓扑特征等4.森林蓄积量估测森林蓄积量是指森林中全部林木材积之和，伴随“3S技术”的发展与计算机水平的提高，数学模型在该领域的应用研究越来越深，为森林蓄积量的实时估测、快速监测带来了新的方法。任务5

光谱相机数据应用任务5

光谱相机数据应用遥感估测森林蓄积量常用多光谱遥感影像，遥感因子从单一的光谱信息逐渐向植被指数、纹理因子、地形因子等多特征变量发展，且随着变量类型的增加会使蓄积量估测的准确度提升，但引入的遥感因子并不是越多越好，因为引入的因子会存在共线性问题，过多会造成数据冗余，增加计算量，过少则会降低估测精度。样地调查采用“角规测树”方法进行，调查因子包括每个样地的地理坐标、郁闭度、树种、林分类型、胸径、树高等，利用“森林资源调查常用数表”查询单木材积，累加得到样地森林蓄积量。任务5

光谱相机数据应用森林蓄积量反演所选取的遥感因子主要有3种类型，即光谱信息、植被指数、纹理因子。纹理因子选取常用的8个，即均值

（

Mean

，

ME

）

、

协同性

（

Homogeneity

，

HO

）

、方差（Variance，VA）、相关性（Correlation，CO）、二阶矩（Second

moment，SM）、相异性（Dissimilarity，DI）、熵（

Entropy

，

EN

）

和对比度（Contrast，CT），影像包含5个波段，合计40个纹理因子，共选取遥感因子50个。植被指数主要为比值植被指数（

RVI

）

、

差

值

植

被

指

数（

DVI

）

、

归

一

化

植

被

指

数（

NDVI

）

、增强型植被指数（

EVI

）

和土壤调节植被指数（SAVI）。光谱信息包含蓝光波段、绿光波段、红光波段、红边波段和近红外波段。任务5

光谱相机数据应用数据筛选采用计算机软件SPSS

20.0，分析森林蓄积量与遥感因子的相关系数，利用方差扩大因子法逐步对遥感因子进行筛选，寻求影响蓄积量估测的主要变量，消除自变量之间的共线性问题。利用筛选出的遥感因子，同蓄积量样地调查实测值，建立遥感因子与实测值的回归模型，再将回归模型应用到整幅遥感影像中，便可对整个影像区域森林蓄积量进行快速估测。基于多光谱影像的森林蓄积量估测5.草原长势监测草原植被长势是草原植被的总体生长状况与趋势，通常通过与以往草原植被的状况进行对比来说明现在草原植被的生长情况。草原植被长势遥感监测是利用地面遥感信息与草原植被状况有密切相关关系的特点，通过对不同时期遥感信息进行处理来间接反映草原植被长势的一种方法。任务5

光谱相机数据应用任务5

光谱相机数据应用通过多光谱影像的5个通道影像之间进行波段运算，生成能够反映植被生长状况的植被指数，利用Jenks自然断点法Natural

Breaks对长势情况进行分级，共划分为5个等级，分别为好、较好、一般、较差、差。测区内草原植被长势监测通过草原植被长势监测为区域合理安排畜牧业生产、维持草地畜牧业的可持续发展、维护草原生态平衡提供重要科学依据。6.草原生物量反演草地生物量是天然草地生态系统动态研究的重要衡量指标，既是草地资源合理利用和载畜平衡监测的重要依据，同时也是维持草地生态系统的物质基础，它是反映草地生长状况最直接的指标，决定着草地生态系统功能的强弱，通过草地生物量可以判别群落生长状况、演替发展趋势。任务5

光谱相机数据应用任务5

光谱相机数据应用草原生物量反演遥感估产是基于像元的以植被指数为主要输入变量的回归分析方法，通过建立一个函数关系或模型来完成由点及面的转换。植被指数是选用遥感影像中对植被光谱特征有特殊意义的典型波段，经过各种线性的或非线性的组合运算，产生的一种具有一定指示意义的数值。本次项目利用调查获取的样点实测生物量数据和遥感变量，采用一元非线性回归模型和多元回归模型对研究区草地生物量进行遥感估算建模，并通过检验模型估算效果进而对比模型的精度。其反演结果如图所示。7.

净初级生产力估算植被净初级生产力（Net

Primary

Productivity，NPP）是指绿色植物在单位时间、单位面积上，通过光合作用积累的有机物质总量，扣除自养呼吸后剩余的部分，决定了植被能够为生态系统内其他异养生物提供的可利用物质和能量的总量。任务5

光谱相机数据应用任务5

光谱相机数据应用CASA模型与其他NPP估算模型相比：其所需的输入参数较少，除植被参数以外，其他气象数据、植被分类均可通过遥感方式获取，在很大程度上避免了由于数据获取困难、数据缺乏和人为因素等造成的数据获取及处理过程中的误差。CASA模型属于光能利用率模型的一种，该模型全面地考虑了植被本身特点及其环境影响因子，主要是通过遥感技术和手段获取植被参数，结合区域降水量、气温、太阳辐射等气象数据以及植被类型等共同驱动。任务5

光谱相机数据应用植被净初级生产力估算植被净初级生产力既是陆地生态系统碳循环的重要组成，也是揭示碳源/汇的关键环节，NPP估算不仅可以反映植被的物质生产能力，也是揭示大气二氧化碳收支和气候环境变化的重要指标。本项目利用改进的CASA模型对测区植被净初级生产力进行估算，其结果如图所示。任务5

光谱相机数据应用测区内主要地物类型光谱曲线图8.水质参数反演为了更好地对测区水质状况进行反演，避免水域以外的数据参与计算，提高反演效率，需先对经过预处理操作后的正射影像进行水体提取。经过分析发现，测区内主要地物覆盖类型为水体、植被、房屋、裸地以及船舶，通过对以上五种地物光谱曲线进行分析，水体的光谱曲线（蓝色）在近红外波段（750～1

000

nm）反射率要明显低于其他四种地物如图所示。NDWI（Normalized

Difference

Water

Index，归一化水指数）是基于绿波段和近红外波段进行计算的归一化比值指数。该指数构建的基本原理是在多光谱波段内，以目标地物反射最弱的波段反射率作分母，以反射最强的波段反射率作分子，通过比值计算，进一步拉大二者之间的差距，使对比更加显著。在生成的结果中，目标地物具有最大亮度，而除此之外的其他地物的亮度受到抑制，从而将所研究的地物从遥感影像上分离出来。任务5

光谱相机数据应用任务5

光谱相机数据应用NDWI的计算方法如下：式中 Green为绿光波段反射率，NIR为近红外波段反射率影像水体自动提取成果通过运算得到的结果中，水体的NDWI值最大，其他地物NDWI值较小，采用合适的阈值，进行水体提取。最终成果如图所示，其中假彩色影像中绿色区域为提取的水体，经检验，精度满足使用要求。任务5

光谱相机数据应用传统的多种统计回归模型的拟合效果大体一致，即使改变函数类型也很难得到更加精确的拟合结果。此外，内陆水体不同于海洋水体，各种外生水质参数、底部形态、水面粗糙度均会对光谱反射率产生较大影响，且无人机多光谱数据波段范围较宽，不能获取各特征点对应的波段处反射率值。综合以上因素得出：采用常规的曲线估计，难以反映光谱数据与水质参数间的映射关系。任务5

光谱相机数据应用人工神经网络（一般简称为神经网络）是人工智能领域的一个研究热点，它通过模拟人体大脑功能，对相关的网络参数进行设置，得到不同的连接方式的网络结构。BP神经网络在结构上包括一个输入层、若干隐含层和一个输出层，在进行网络训练时，将输入信息通过输入层传递给中间隐含层；隐含层进行内部信息处理，并将处理结果输出到输出层；输出层输出处理结果。比较实际输出与期望输出的差值，如果两值相差较大，则误差被反馈进行误差反向传播，通过不断调整输入层、输出层与隐含层单元的结构，直到使输出误差满足要求为止。任务5

光谱相机数据应用COD浓度反演结果基于误差逆向传播原理实现模型构建，适合处理复杂的非线性问题，目前已广泛应用于水质遥感反演中，图为COD浓度反演结果。任务6 多光谱相机作业流程1. 技术路线（以森林病虫害监测为例）松材线虫病枯死树木遥感监测技术路线如图所示。松材线虫病枯死树木遥感监测技术路线2.作业流程（1）多光谱数据获取及预处理。①

航线规划：基于无人机地面软件进行航拍参数设置及测区航线任务规划如图所示。地面站软件航线规划任务6 多光谱相机作业流程地面站软件拍照参数设置界面如图所示。地面站软件拍照参数设置任务6 多光谱相机作业流程②

像控点测设：为提高成图精度，需在测区内测设一批像控点，地面标记的宽度根据拟定的影像空间分辨率确定，成果以点之记的形式提交。测区像控点测设如图所示。测区像控点测设任务6 多光谱相机作业流程③

辐射定标：为建立影像DN值与真实反射率的换算关系，起飞前需在测区内用多光谱相机对标准漫反射板进行拍摄，拍摄时确保飞行获取的影像和标准漫反射板在相同的光照条件下。起飞前辐射校正板拍摄任务6 多光谱相机作业流程④ 后差分解算：PPK后差分主要用于输出高精度POS数据，以大量减少像控点。后差分解算界面如图所示。后差分解算任务6 多光谱相机作业流程多光谱正射影像生产 波段标准反射率影像⑤ 空中三角测量：完成刺点、空中三角测量、DOM生产、辐射校正、波段配准等工作。多光谱正射影像生产界面与波段标准反射率影像如图所示。任务6 多光谱相机作业流程（2）松材线虫病枯死树木信息提取。① 有林地提取：面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据的空间、纹理和光谱信息对图像分割和分类，用此方法来有林地影像裁剪任务6 多光谱相机作业流程对有林地进行提取，可获取较好的分割效果，大量减少了干扰项信息，从而有利于分类精度的提高，如图所示。②

图像增强：即有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，加强图像判读和识别效果。波段组合及影像增强任务6 多光谱相机作业流程图中的标准假彩色影响可以增强植被信息；绿光波段增强可以增强阔叶林信息，从而有利于提取松树针叶林；直方图均衡拉伸则可以凸显枯死树木信息，即图中心红点图斑。③

端元波谱信息收集：光谱曲线能够反映地物在光谱特性上的差异，不同种类亦或是不同时期的地物其光谱曲线也是不尽相同的。通过对光谱曲线分析，找出不同地物类型间的明显差异，应用于分类提取如图所示。测区主要地物类型光谱曲线由图可以看出，测区内主要地物类型有阔叶林、针叶林、枯树、裸土、裸岩及水泥地面，结合红光波段（3）及近红外波段（5），可以很好地对阔叶林及针叶林进行提取；蓝光波段（1）可用于枯树的分离。任务6 多光谱相机作业流程④

地物纹理信息提取：“灰度共生矩阵”是一种通过研究灰度的空间相关特性来描述纹理的常用方法，图为提取的近红外波段纹理信息的八项指标，可在其中选取适当项参与分类。地物纹理信息提取任务6 多光谱相机作业流程⑤

基于专家知识的决策树分类：决策树分类算法的基本思想是按照一定的规则把遥感数据集逐级往下细分以得到具有不同属性的各个子类别，如图所示。通过对以上的光谱曲线、纹理信息进行分析，确定最终分类指标及分类阈值，建立决策树，得到最终的分类结果。基于专家知识的决策树分类任务6 多光谱相机作业流程⑥

分类结果后处理：在分类结果中不可避免地会产生一些面积很小的图斑、缺少空间连续性（因为分类区域中斑点或漏洞的存在）以及孤岛问题等，须通过主体分析、聚类处理、过滤处理等方法来实现分类结果的优化。由图可以看出，最终的聚类分析结果与原始分类结果相比，细小图斑减少，图斑边缘更加平滑，个别图斑中心空洞部位已被填充，从而更加科学美观。分类结果后处理任务6 多光谱相机作业流程（3）成果形式。①

松材线虫疫情枯死树木遥感监测正射影像图。松材线虫疫情枯死树木遥感监测正射影像图任务6 多光谱相机作业流程②

枯死树木图斑编号、坐标、面积。GIS软件自动统计显示，测区内共检测到枯死松树

601

株，垂直冠层面积约2

862.5

m2，如图所示。枯死树木图斑编号、坐标、面积任务6 多光谱相机作业流程③

监测成果报告。监测成果报告任务6 多光谱相机作业流程项目3激光雷达LiDAR（LightLaserDetectionandRanging）是激光探测及测距系统的简称，音译为“莱达”。这个概念最早由Bachman和Jelalian提出，它清晰地描述了激光的使用过程：激光发射器发出近红外波动的激光脉冲，经过地面反射和散射后，激光接收器记录返回的激光脉冲，这个过程的时间可以精确到0.1ns，再根据光速的数值就可以准确地计算要测的距离。无人机机载激光雷达如图所示。任务1

激光雷达介绍无人机机载激光雷达研究分析指出，机载LiDAR系统的水平精度大约是相对航高的1/2

000；当飞机的相对航高为1

200

m以下时，高程误差要优于15

cm；在1

200～2500

m时，高程误差约为25

cm。当前市场主流设备采集的LiDAR点云的密度为每平方米0.5～20个点，相应的点间距为0.2～1.4 m。机载LiDAR在30 km的范围内只需要一个地面控制点（Ground Control Point，GCP）即可获得高精度的点云数据，它可以在阴天、云下或夜晚来采集数据；激光的多次回波特性可以区分不同的地物，还能够穿透茂密的植物枝叶来获得困难地区的地形地貌。任务1

激光雷达介绍高精度数字高程模型生产城市道路提取公路选线设计树木的树种、树高、胸径、冠幅等相关参数的求解真正射影像的制作海岸线的侵蚀监测土方量计算城市建筑物的3D模型重建电力巡线与选线设计任务1

激光雷达介绍目前，机载LiDAR点云数据已被大量应用在以下方面：任务2

激光雷达分类激光雷达可