无人机高光谱遥感技术在自然资源调查中的应用进展

摘要：作为一种新兴的遥感技术，无人机高光谱遥感可以克服云层的影响，快速、精确地向研究者提供高空间分辨率和时间分辨率的高光谱数据，有效地填补了低空高光谱遥感数据的空白。

作为一种新兴的遥感技术，无人机高光谱遥感可以克服云层的影响，快速、精确地向研究者提供高空间分辨率和时间分辨率的高光谱数据，有效地填补了低空高光谱遥感数据的空白。

一、引言

高光谱遥感技术发展于20世纪80年代，其结合了传统的光谱探测和摄影成像技术，可同时获取目标的空间信息、光谱信息和辐射信息，形成图谱合一的数据立方体。与多光谱遥感技术相比，高光谱遥感技术能够在一个连续的光谱范围内进行窄带成像，因此光谱分辨率更高、信息分辨能力更强，可以实现精确的目标分类和地物识别。

随着微机电系统（MEMS）、控制与导航系统及信息处理技术的发展，无人机（UAV）作为新型遥感平台的条件逐渐成熟，同时大量微型化、高性能高光谱传感器的研发也推动了无人机与高光谱遥感的结合。作为一种新兴的遥感技术，无人机高光谱遥感可以克服云层的影响，快速、精确地向研究者提供高空间分辨率和时间分辨率的高光谱数据，有效地填补了低空高光谱遥感数据的空白。无人机高光谱遥感技术在自然资源调查领域有着巨大的技术与经济比较优势。

二、应用进展

2.1地质矿产填图

目前，无人机高光谱遥感技术在地质矿产填图方面的应用主要是将无人机高光谱数据与三维地质模型相结合。2018年，KIRSCHM等使用搭载了高光谱成像仪的无人机对位于德国萨克森州弗莱堡矿区采石场的V型垂直露头区进行勘探，对花岗岩中富含硫化物的热液区开展地质填图，把波段范围更广的高光谱数据与数字地质模型相结合，显著提高了地质勘探和采矿监测过程的可靠性和安全性，为地球科学研究、矿产勘探、采矿和地质灾害监测提供了重要的地质信息来源。HUYNHHH等在韩国首尔东部含灰岩和白云岩的碳酸盐岩露头，建立了基于SWIR高光谱技术和基于无人机的数字高程模型（DDEM）的一体化三维模型，使无人机系统采集的具有高空间分辨率的高光谱影像与数字表面模型相结合，重建地表几何形状的3D地质模型（图1）。此类3D地质图在地质领域可以实现对现场环境高精度的可视化，精确地展示研究区岩性、矿物学和地质构造特征。

图1基于无人机SWIR高光谱图像和DEM的综合3D地质模型

在矿产资源调查方面，无人机高光谱遥感系统具有检测周期短、资源敏感度高、可灵活部署等优势，非常适合应用于地质矿产勘探。2020年，BOOYSENR等首次开展了使用轻型高光谱无人机对稀土元素含量进行直接检测的工作，该团队在纳米比亚和芬兰分别进行了无人机高光谱测量工作，发现无人机高光谱技术可直接识别和绘制碳酸盐岩露头中的稀土元素，为推进世界其他地区稀土元素沉积物的识别提供了新的调查方式。

2.2水体质量检测

水体质量对人类的生活和繁衍具有重要意义，随着经济的快速发展，人类活动对水资源产生了一系列影响，为了实现水资源的可持续发展，对水体质量进行持续监测是一项必要且具有重要意义的工作。2019年，WEIL等以武汉巡司河为研究区，使用六旋翼无人机搭载高光谱成像仪进行数据采集，并通过机器学习算法完成了水体透明度的反演（图2）。图2中标注了32个现场采样点的水体透明度值，最大值为59cm，最小值为39cm，反演结果的最大值为55.75cm，最小值为37.95cm，与现场监测结果一致，且反演结果能更好地反映河流水体透明度的分布趋势。该项研究的开展，充分表明无人机高光谱遥感技术在城市水体质量监测领域具有重大的发展潜力。WEIL等为了摆脱传统水污染调查中单点调查的局限性，对于城市“黑水问题”使用无人机高光谱数据对城市水资源进行监测并引用内梅罗综合污染指数对其进行评价。CUIM等使用无人机高光谱技术获取的水体高光谱数据，以人工控制实验建立了一套浑浊度反演模型，对不同地域的河流进行浑浊度反演调查。

图2无人机高光谱成像系统

对于水体质量监测来说，大型藻类群落分布是一个重要的调查项目，而藻类分布的调查必须以准确、高效和具有成本效益的环境数据收集为基础。ROSSITERT等使用无人机高光谱成像系统，对爱尔兰西部基尔基兰湾中的潮间带藻类栖息地进行了高光谱图像数据采集，在此数据基础上完成了对潮间带泡叶的分类实验，总体准确率达到94.7%。该研究充分表明了无人机高光谱遥感技术具有对空间和光谱特征上存在混合的潮间带大型藻类栖息地中的物种进行精细分类的潜力。

此外，无人机高光谱遥感技术在海洋水体塑料污染的治理中也发挥着巨大作用。BALSIM等在意大利撒丁岛西北部进行了海滩塑料垃圾检测研究，开发了一种自动识别海洋塑料的系统。该系统使用无人机高光谱遥感系统进行数据采集，通过自行训练的分类器完成了对聚乙烯塑料（PET）的实时识别。图3显示了系统工作过程中的数据采集和处理结果，5个漂浮在海面上的物体清晰可见，其中2个聚乙烯塑料瓶已被正确识别（图中以绿色标注）。

图3Platamona海滩塑料物体识别结果

2.3森林资源调查

在森林资源调查方面，尽管传统卫星遥感技术已经可以对森林资源进行大范围调查，但是在局部区域精细定量分析方面仍面临着影像分辨率低以及调查周期长等问题，而使用无人机高光谱系统对森林资源进行调查，则是一个相对廉价且高效的手段。2019年，郑迪等使用由六旋翼无人机与高光谱成像仪构成的无人机高光谱遥感系统，获取了长白山阔叶红松林的高光谱影像，并通过卷积神经网络、最大似然法和马氏距离法三种分类方法，分别实现了研究区内树种的精细化分类（图4）。其中，卷积神经网络方法可以充分利用高光谱遥感图像的空间与光谱信息，因而总体精度达到了99.85%；而最大似然法和马氏距离法只考虑了高光谱图像的光谱特征，因此对不同树种的分类存在较大差异，总体精度只有89.11%和79.65%。

图4卷积神经网络分类图（a）、最大似然法分类图（b）、马氏距离法分类图（c）和优势树种实际空间分布图（d）

树冠提取是森林资源调查中的重要研究主题，对森林疾病检测和评估虫害造成的损害程度具有重要意义。ZHANGN等基于无人机高光谱图像，使用光谱-空间分类方法降低了高光谱维度对图像分类精度的影响，实现了高精度的受损树冠自动提取，为森林健康监测和大规模森林害虫和疾病评估提供了数据参考。对于森林资源的精细分析，一种新型的无人机三维高光谱技术值得关注。NEVALAINENO等研究开发了一种基于无人机高光谱和摄影测量的遥感方法，该研究使用了基于可调法布里-珀罗干涉仪的高光谱成像仪，对包含4151棵参考树木的11个测试点进行了数据采集，并且对树种进行精细分类评估。图5展示了该技术在其中一个测试点的分类结果，源自高光谱图像的光谱特征在树种分类中产生了良好的效果，实现了松树、云杉、桦树、落叶松4类树种的精确分类。

图5树种精细分类结果

2.4土壤质量评估

在土壤质量评估中，遥感技术主要应用于土壤污染调查和专题土地覆盖分类，无人机高光谱技术在这方面的应用还刚刚起步，但是具有很大的发展前景。NATESANS等使用无人机高光谱遥感系统在加拿大的一片区域进行了基于对象的土壤覆盖专题制图。王丹阳等使用无人机高光谱遥感系统，基于相关性分析选择相应的光谱分量，建立了盐碱化反演模型，对山东省东营市垦利区裸土进行了盐渍化研究。HUJ等对中国新疆西部一片试验区中的裸地、植被稀疏区和植被茂密区地表进行了调查，使用高无人机光谱成像仪进行土壤盐渍化研究，对于地表土壤盐分的定量估算、干旱土地管理和盐渍土复垦决策具有重要意义。图6展示了基于无人机高光谱原始数据和GF-2多光谱数据的土壤盐度反演结果，区域A和B（图6（a）—图6（b））清楚显示出了土壤盐碱度的空间变化模式，而在区域C（图6（e）、图6（f））由于GF-2卫星受密集植被影响较大，导致反演结果难以识别该区域的盐度空间分布模式，检测精度显著低于基于无人机高光谱数据的检测结果。此外，GEX等使用无人机高光谱遥感系统在新疆维吾尔自治区阜康市进行了土壤含水量调查，指出相比于现场取样和烘箱干燥技术等常规测量方法以及星载遥感，无人机具有更强的操控性和更高的分辨率，因此具有更高的应用价值。

三、未来发展趋势

3.1微小型化

在自然资源调查实践中，对小型化、轻量化和自动化的高光谱遥感系统需求日益增加。当前无人机高光谱遥感系统集成度、一体化水平还较低，通用挂载平台的缺乏以及高光谱成像仪和无人机之间的不匹配导致高光谱成像质量的严重下降。未来，伴随着无人机产业的成熟和高光谱成像仪性能的提升，无人机高光谱遥感系统的集成度和功能将进一步提升，为各类任务提供通用、高效的数据收集平台。

图6基于无人机高光谱数据（a、c、e）与GF-2多光谱数据（b、d、f）的土壤导电率反演结果

3.2多波段集成

目前应用的无人机高光谱遥感系统以可见光-近红外波段和短波红外为主，可实现对水体、生态环境、矿产资源的高质量探测。中波红外和长波红外传感器难以实现轻量化与小型化，在无人机高光谱遥感系统中的应用较少，需要进一步加大研究力度。随着材料技术的进步和传感器技术的发展，预计这些高光谱传感器将更轻、更小，成本更低，未来推进高光谱遥感系统向中波红外和长波红外扩展，能够有效提高无人机高光谱遥感系统的应用范围，提升对地物的精细识别能力，在自然资源调查中发挥更大的作用。

3.3多源数据融合

由于无人机载荷能力、功率、空间等限制，无人机高光谱遥感系统载荷还比较单一，对一些复杂场景的应用，需要多次挂载不同的仪器以获取多种数据，受限于光照、天气的变化，数据之间的一致性较差。促进高光谱遥感设备与激光雷达、红绿蓝（RGB）等传感器的数据融合，能够为自然资源调查提供高效、一体化的解决方案。例如，激光雷达与高光谱遥感设备的融合，在获取高光谱数据的同时创建精确的数字地表模型（DSM），可以获得更好的正射校正效果；在森林测绘应用场景中，云杉与松树存在光谱相似性，难以通过单一的高光谱数据实现高精度的树种分类，而激光雷达可以提供树种的高度、密度等结构信息，能够更全面地区分树种类型、了解其分布特征；高光谱遥感数据与RGB传感器数据的融合，则为实现高质量的几何重建提供了可能。

四、总论

（1）随着高光谱成像技术的发展和进步，更多微型化的高光谱成像仪被研发出来，通过与无人机相结合，无人机高光谱遥感系统兼具高光谱特性和灵活机动的能力，使研究人员能够及时、高效地获取地物的空间信息与光谱信息，推动了低空高光谱遥感技术的应用发展。

（2）无人机高光谱遥感技术具有出色的地物识别能力，在地质矿产填图、水体质量监测、森林资源调查、土壤质量评估等自然资源调查领域取得了较多的创新性成果，但目前无人机高光谱遥感系统一体化程度还较低，波长覆盖范围较窄，缺乏传感器间的数据融合，均限制了无人机高光谱遥感技术的进一步应用。

（3）随着“空-天-地-海-网”一体化监测体系的建立以及多源、多尺度高光谱遥感数据的协同应用，未来，将实现不同数据的优势互补，为自然资源调查提供多要素、高频率、高精度、多层次的解决方案。