基于無(wú)人機(jī)定位定向系統(tǒng)的光束法區(qū)域網(wǎng)平差方法及作物面積識(shí)別

基于無(wú)人機(jī)定位定向系統(tǒng)的光束法區(qū)域網(wǎng)平差方法及作物面積識(shí)別

0農(nóng)情監(jiān)測(cè)領(lǐng)域農(nóng)業(yè)條件的遙感監(jiān)測(cè)是一項(xiàng)基于遙感技術(shù)的動(dòng)態(tài)農(nóng)業(yè)生產(chǎn)過(guò)程。它的內(nèi)容是對(duì)大面積種植面積、生長(zhǎng)、水分和產(chǎn)量的發(fā)生和發(fā)展過(guò)程的系統(tǒng)監(jiān)測(cè)。其范圍大、時(shí)效高和客觀準(zhǔn)確的優(yōu)勢(shì)是常規(guī)監(jiān)測(cè)手段無(wú)法企及的。農(nóng)業(yè)生產(chǎn)變化快,需要指定時(shí)間范圍內(nèi)的影像,目前的星載高空間分辨率數(shù)據(jù)的重訪時(shí)間長(zhǎng),無(wú)法保證短時(shí)間內(nèi)獲得指定區(qū)域數(shù)據(jù),空間抽樣技術(shù)就成為中分辨率遙感監(jiān)測(cè)結(jié)果的有效補(bǔ)充。但采用高精度GPS實(shí)測(cè)地面樣方的方法存在效率低、樣方面積小的問(wèn)題。無(wú)人機(jī)遙感技術(shù)的出現(xiàn)和發(fā)展,為這一問(wèn)題的解決提供了一種新思路。無(wú)人機(jī)具有成本低,操作簡(jiǎn)便,獲取影像速度快,地面分辨率高等一系列優(yōu)點(diǎn),可以實(shí)現(xiàn)對(duì)某一重點(diǎn)研究區(qū)域大范圍遙感影像的快速獲取,結(jié)合農(nóng)作物地面測(cè)量數(shù)據(jù),能迅速而準(zhǔn)確地完成該區(qū)域農(nóng)情監(jiān)測(cè)任務(wù),并為更大范圍農(nóng)情采樣估計(jì)提供便利。無(wú)人機(jī)(unmannedaerialvehicle,UAV),是一種通過(guò)無(wú)線遙控或規(guī)劃航線飛行的無(wú)人駕駛飛機(jī),它一般有動(dòng)力系統(tǒng)、飛控系統(tǒng)、無(wú)線通訊遙控系統(tǒng)、有效載荷(武器、偵查設(shè)備)等部分組成。目前的無(wú)人機(jī)的研究方向主要集中在飛行系統(tǒng)研制、影像處理方法與精度方面,行業(yè)應(yīng)用雖也有一些報(bào)道,但主要集中在軍事、地圖測(cè)繪更新、地質(zhì)勘探、自然災(zāi)害監(jiān)測(cè)等領(lǐng)域,對(duì)于農(nóng)情遙感監(jiān)測(cè)領(lǐng)域則涉及較少。中國(guó)測(cè)繪科學(xué)研究院研制了UAVRS-Ⅰ/Ⅱ型無(wú)人機(jī),完成了“無(wú)人機(jī)海監(jiān)遙感系統(tǒng)關(guān)鍵技術(shù)研究和驗(yàn)證試驗(yàn)”項(xiàng)目,并研究了無(wú)人機(jī)影像處理技術(shù)。楊正銀等對(duì)無(wú)人機(jī)航攝影像測(cè)繪地形圖的精度進(jìn)行了探討,得出依據(jù)無(wú)人機(jī)影像制作的1∶2000地形圖的平面和高程精度均滿足《1∶5001∶10001∶2000地形圖航空攝影測(cè)量?jī)?nèi)業(yè)規(guī)范》對(duì)1∶2000平地、丘陵的成圖要求。謝彩香等根據(jù)中藥資源分布特點(diǎn)利用無(wú)人機(jī)進(jìn)行抽樣調(diào)查,結(jié)合航天遙感計(jì)算中藥資源的總量,大大節(jié)省了成本,并使其結(jié)果具有統(tǒng)計(jì)學(xué)的可靠性。臺(tái)灣大學(xué)理學(xué)院空間信息研究中心利用無(wú)人機(jī)拍攝低空大比例尺圖像,配合FORMOSAT2分類(lèi)進(jìn)行異常提取,解譯桃園縣非法廢棄堆積物(固體垃圾等),用于環(huán)境污染監(jiān)測(cè)和執(zhí)法調(diào)查。張園等利用無(wú)人機(jī)影像在臨安市進(jìn)行了森林資源二類(lèi)調(diào)查試驗(yàn),指出無(wú)人機(jī)遙感技術(shù)在森林精確區(qū)劃調(diào)查、森林病蟲(chóng)害監(jiān)測(cè)防治方面有良好應(yīng)用前景。胡曉曦、周曉敏等則對(duì)無(wú)人機(jī)影像測(cè)圖定位精度進(jìn)行了研究,表明依據(jù)無(wú)人機(jī)影像經(jīng)過(guò)幾何校正和拼接后得到的正射影像圖具有很高的平面位置精度。本文以位于河北省廊坊市的中國(guó)農(nóng)業(yè)科學(xué)院國(guó)際農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園(萬(wàn)莊)為依托,對(duì)無(wú)人機(jī)影像在農(nóng)情監(jiān)測(cè)方面的應(yīng)用進(jìn)行了初步研究,開(kāi)展了無(wú)人機(jī)影像獲取、地面數(shù)據(jù)的采集和正射影像圖、農(nóng)田區(qū)劃圖等的制作,利用野外檢查點(diǎn)對(duì)這些成果的幾何精度進(jìn)行評(píng)價(jià),表明無(wú)人機(jī)影像校正處理結(jié)果在幾何精度上是滿足農(nóng)業(yè)應(yīng)用需求的;依據(jù)校正后的影像,分別采用傳統(tǒng)的監(jiān)督分類(lèi)方式和目前逐步流行的面向?qū)ο蠓诸?lèi)方式,進(jìn)行了農(nóng)作物分布的分類(lèi)提取,與地面實(shí)測(cè)數(shù)據(jù)進(jìn)行比較,表明無(wú)人機(jī)影像在農(nóng)作物遙感監(jiān)測(cè)方面的應(yīng)用是切實(shí)可行且能達(dá)到較高的精度,并對(duì)無(wú)人機(jī)在農(nóng)情監(jiān)測(cè)方面的應(yīng)用進(jìn)行了初步的探討。1農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園萬(wàn)莊廊坊市位于華北平原東北部,面積6429km2,其中常用耕地面積373.3khm2,總?cè)丝?10萬(wàn),其中農(nóng)業(yè)人口近300萬(wàn)。廊坊市地處中緯度地帶(116.17-117.04E,38.42-39.59N),屬暖溫帶大陸性季風(fēng)氣候,光熱資源充足,雨熱同季,全市無(wú)霜期平均190d,降水量年均為555mm,日照時(shí)數(shù)年均2660h。該市位于華北沖積平原中下流地區(qū),除北部有少量燕山余脈外,大部分地區(qū)土地平坦,土地肥沃、氣候適宜,適于多種農(nóng)作物生產(chǎn)。本次航測(cè)區(qū)以廊坊的中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)園(萬(wàn)莊)為中心,測(cè)區(qū)面積大約為4.2km×3.1km,地形平坦,平均海拔25m,是由中國(guó)農(nóng)業(yè)科學(xué)院與廊坊市及廣陽(yáng)區(qū)合作共建,主要從事農(nóng)業(yè)科研創(chuàng)新、成果轉(zhuǎn)化、科技服務(wù)的現(xiàn)代農(nóng)業(yè)科技園。主要作物有玉米、小麥、苜蓿、大豆、花卉等。測(cè)區(qū)條件交通條件便利、田地分塊大而整齊,為遙感影像分類(lèi)提供便利,同時(shí)對(duì)作物的地面生長(zhǎng)情況監(jiān)控充足,各種作物資料獲取方便,為無(wú)人機(jī)影像農(nóng)情監(jiān)測(cè)應(yīng)用研究提供了可靠的保障。2學(xué)習(xí)方法2.1無(wú)人機(jī)像獲取與定位原理介紹無(wú)人機(jī)影像農(nóng)情遙感監(jiān)測(cè)研究的重點(diǎn)主要包括以下3個(gè)部分:無(wú)人機(jī)影像獲取與定位原理、外業(yè)方案及地面數(shù)據(jù)采集、無(wú)人機(jī)作物識(shí)別方法研究。無(wú)人機(jī)影像獲取與定位原理針對(duì)本次研究所使用的無(wú)人機(jī)情況,介紹包括相機(jī)檢校、像控點(diǎn)布設(shè)及航線設(shè)計(jì)、無(wú)人機(jī)影像定位原理與方法等方面內(nèi)容;外業(yè)方案及地面數(shù)據(jù)采集包括基站與控制點(diǎn)布設(shè)、獲取地面農(nóng)田地塊區(qū)劃、作物分類(lèi)、作物生長(zhǎng)狀況信息等;無(wú)人機(jī)作物識(shí)別方法研究主要介紹通過(guò)精度評(píng)價(jià)的手段,利用監(jiān)督分類(lèi)方法和面向?qū)ο蠓诸?lèi)方法開(kāi)展不同種類(lèi)農(nóng)作物面積識(shí)別精度與能力的研究,并通過(guò)精度比較對(duì)2類(lèi)方法的準(zhǔn)確程度進(jìn)行定性評(píng)價(jià)與討論。2.2獲得和定位無(wú)人機(jī)圖像的原則2.2.1外來(lái)機(jī)參數(shù)標(biāo)定本次研究采用FreeBird小型電動(dòng)無(wú)人機(jī),起飛質(zhì)量2.5kg,巡航速度54km/h,飛行高度50~2500m。系統(tǒng)操控簡(jiǎn)單,輕便靈活,易于推廣。無(wú)人機(jī)上搭載了理光GXRA12數(shù)碼相機(jī),主要參數(shù)如表1所示。由于航拍相機(jī)是非量測(cè)相機(jī),相機(jī)存在較大的鏡頭畸變、像主點(diǎn)偏移等誤差,因此相機(jī)參數(shù)的標(biāo)定是非常關(guān)鍵的環(huán)節(jié),其標(biāo)定結(jié)果的精度及算法的穩(wěn)定性直接影響相機(jī)工作產(chǎn)生結(jié)果的準(zhǔn)確性。本文中相機(jī)檢校工作在地面試驗(yàn)中完成,檢校報(bào)告由廠家提供,主要的檢校參數(shù)見(jiàn)表2。2.2.2空三測(cè)量控制點(diǎn)布設(shè)無(wú)人機(jī)航空攝影所攜帶的往往是普通數(shù)碼相機(jī),航高低、單幅影像覆蓋面積小、重疊度大、基線長(zhǎng)度短,要進(jìn)行高精度測(cè)圖,則布設(shè)控制點(diǎn)數(shù)目將大大增加。本次試驗(yàn)所用無(wú)人機(jī)由POS系統(tǒng)提供相機(jī)曝光時(shí)刻的高精度外方位元素,方便進(jìn)行IMU/DGPS(慣性測(cè)量裝置/差分全球定位系統(tǒng),InertialMeasurementUnit/DifferentialGlobalPositioningSystem)輔助空三測(cè)量,理論上只需要有一個(gè)基站,而不需任何地面控制點(diǎn)(GCPs)即可實(shí)現(xiàn)整個(gè)測(cè)區(qū)的航空攝影測(cè)量,校正之后的影像能保證一定的絕對(duì)定位精度和很高的相對(duì)定位精度。然而在實(shí)際應(yīng)用中,如果要獲得更高的絕對(duì)定位精度,則布設(shè)一定數(shù)量的地面控制點(diǎn)還是需要的,同時(shí)這些點(diǎn)還可用來(lái)檢測(cè)影像幾何定位精度,保證校正影像符合農(nóng)業(yè)監(jiān)測(cè)應(yīng)用需求。控制點(diǎn)布設(shè)要求GPS信號(hào)遮擋少、目標(biāo)易于識(shí)別且固定不動(dòng)、分布均勻。本次試驗(yàn)共布設(shè)控制點(diǎn)103個(gè),主要分布在道路交叉口中心,使用RTK進(jìn)行測(cè)量,可用于空三運(yùn)算和精度檢測(cè)。本次試驗(yàn)設(shè)計(jì)航高375m左右,共設(shè)計(jì)了10條東西向航線,每條航線長(zhǎng)約4km,航向重疊度達(dá)到80%,旁向重疊度達(dá)60%,大部分地面點(diǎn)被5張及以上的像片所包含,共設(shè)定了690個(gè)曝光點(diǎn),單幅影像覆蓋面積約為341m×514m,影像地面分辨率約為0.12m,完整覆蓋了整個(gè)研究區(qū)域。2.2.3組合傳感器的工程化修正無(wú)人機(jī)拍攝獲取的影像為中心投影,要進(jìn)行實(shí)際的應(yīng)用必須對(duì)影像進(jìn)行正射校正并最終拼接成圖,獲得整個(gè)測(cè)區(qū)的正射影像圖(digitalorthophotomap,DOM)。與傳統(tǒng)的衛(wèi)星傳感器、機(jī)載傳感器相比較,姿態(tài)穩(wěn)定度相對(duì)較差是無(wú)人機(jī)影像的主要特點(diǎn),這也是影響其定位精度的主要因素。目前商用軟件的一般做法是POS輔助光束法空三。在本文中,無(wú)人機(jī)影像定位的主要步驟是首先依據(jù)相機(jī)檢校文件確定相機(jī)的檢校參數(shù),同時(shí)結(jié)合GPS/INS(globalpositionsystem/inertialnavigationsystem,全球定位系統(tǒng)/慣性導(dǎo)航系統(tǒng))提供的相機(jī)成像時(shí)刻的外方位線元素和外方位角元素,進(jìn)行無(wú)控制點(diǎn)條件下的POS輔助空中三角測(cè)量。POS輔助空中三角測(cè)量也稱為“集成傳感器定向法”(integratedsensororientation,ISO),它是通過(guò)對(duì)POS系統(tǒng)觀測(cè)數(shù)據(jù)進(jìn)行嚴(yán)格的聯(lián)合數(shù)據(jù)后處理(動(dòng)態(tài)卡爾曼濾波)直接測(cè)定航攝儀的空間位置和姿態(tài),并將其與像點(diǎn)坐標(biāo)觀測(cè)值進(jìn)行聯(lián)合平差,以整體確定地面目標(biāo)點(diǎn)的3維空間坐標(biāo)和6個(gè)影像外方位元素,實(shí)現(xiàn)少量或無(wú)地面控制點(diǎn)的攝影測(cè)量區(qū)域網(wǎng)平差。它與傳統(tǒng)的區(qū)域網(wǎng)光束法平差最大的不同是引入POS系統(tǒng)測(cè)量的GPS位置數(shù)據(jù)和INS測(cè)得的姿態(tài)角度信息作為平差條件,建立相應(yīng)的誤差方程,依據(jù)最小二乘法原理解算法方程,得到包括攝站位置、姿態(tài)、地面點(diǎn)坐標(biāo)、相機(jī)內(nèi)方位元素、偏心角、偏心距等一系列值。對(duì)地面點(diǎn)進(jìn)行空三加密之后,得到數(shù)字高程模型(digitalelevationmodel,DEM),之后進(jìn)行影像數(shù)字微分糾正,即可得到正射影像圖。從這一過(guò)程可以看出,空三解算的精度直接影響到最后成圖的質(zhì)量,若空三解算精度低,則會(huì)導(dǎo)致最后的DOM精度降低,甚至無(wú)法拼接成圖。課題組在通過(guò)對(duì)目前常用的幾種空三處理軟件的處理效果的精度和速度進(jìn)行對(duì)比之后,認(rèn)為完全基于影像、自動(dòng)空三計(jì)算原始影像的真實(shí)位置和參數(shù),參數(shù)優(yōu)化、區(qū)域網(wǎng)平差和自動(dòng)校準(zhǔn)影像等技術(shù)是實(shí)現(xiàn)大數(shù)據(jù)量簡(jiǎn)單、快速、精確處理的關(guān)鍵。目前的成熟的商用軟件總體上都可以滿足精度要求,但在使用的方便程度上各有利弊,需要使用者根據(jù)各自情況有針對(duì)性的使用。由于航片拍攝時(shí)刻記錄的GPS位置是具有一定定位誤差的,因此在沒(méi)有地面控制點(diǎn)對(duì)這一誤差進(jìn)行控制的情況下,由空三結(jié)果得到的正射影像圖還存在一定的系統(tǒng)誤差。為了提高定位精度并與整個(gè)測(cè)區(qū)衛(wèi)星遙感數(shù)據(jù)處理標(biāo)準(zhǔn)影像相統(tǒng)一,后期采用了3階一般多項(xiàng)式進(jìn)行影像的配準(zhǔn)精校正,可以采用基準(zhǔn)點(diǎn)校正,也可以采用基準(zhǔn)影像進(jìn)行校正。基準(zhǔn)影像采用具有高空間分辨率的Worldview影像。配準(zhǔn)之后,通過(guò)無(wú)人機(jī)獲得的影像和衛(wèi)星遙感影像就能較好的統(tǒng)一起來(lái),方便進(jìn)行其他處理。2.3無(wú)人機(jī)拍攝定位精度仿真外業(yè)工作主要包括基站布設(shè)、控制點(diǎn)布設(shè)和測(cè)量、農(nóng)田地塊GPS測(cè)量、農(nóng)作物種植及生長(zhǎng)情況調(diào)查、無(wú)人機(jī)航拍作業(yè)等?？刂泣c(diǎn)測(cè)量、無(wú)人機(jī)航拍作業(yè)、農(nóng)田地塊測(cè)量等涉及GPS測(cè)量的作業(yè)都需要基站數(shù)據(jù)進(jìn)行差分,在本研究中這些基站均布設(shè)在同一點(diǎn)上,以增加數(shù)據(jù)的相關(guān)性,減少誤差。無(wú)人機(jī)航拍時(shí)間為2012年9月13日,風(fēng)力小于4級(jí),天氣晴朗,能見(jiàn)度高,飛行采用自動(dòng)起飛/規(guī)劃航線飛行/自動(dòng)降落模式,全程耗時(shí)約1h。農(nóng)田分布區(qū)劃GPS測(cè)量使用載波相位測(cè)量原理,由操作人員攜帶GPS接收機(jī),沿著不同的農(nóng)田地塊邊緣移動(dòng),獲取農(nóng)田地塊邊界GPS數(shù)據(jù)。得到這些數(shù)據(jù)之后,再結(jié)合基站GPS數(shù)據(jù)進(jìn)行差分處理,定位精度將由原始數(shù)據(jù)的幾米提高到厘米級(jí)的精度,相比無(wú)人機(jī)航拍定位精度,可認(rèn)為是真實(shí)準(zhǔn)確的。在對(duì)不同的農(nóng)田地塊區(qū)劃進(jìn)行GPS測(cè)量的時(shí)候,同時(shí)記錄這些地塊內(nèi)作物的種類(lèi)、植被指數(shù)、生長(zhǎng)狀況等作物信息,為后續(xù)利用無(wú)人機(jī)影像進(jìn)行作物農(nóng)情監(jiān)測(cè)提供地面實(shí)測(cè)數(shù)據(jù)支持,并用以進(jìn)行精度評(píng)價(jià)。2.4基于最大似然法的類(lèi)目分類(lèi)本文分別采用2種分類(lèi)方法對(duì)研究區(qū)的作物面積進(jìn)行識(shí)別。一種是基于最大似然法的監(jiān)督分類(lèi)。最大似然分類(lèi)法(maximumlikelihoodclassification,MLC)有嚴(yán)密的數(shù)學(xué)理論基礎(chǔ),它綜合應(yīng)用了每個(gè)類(lèi)別在各波段中的均值,方差以及各波段之間的協(xié)方差,有較好的統(tǒng)計(jì)特性,一直被認(rèn)為是較先進(jìn)的分類(lèi)方法。在傳統(tǒng)的遙感圖像分類(lèi)中,最大似然法的應(yīng)用比較廣泛。該方法通過(guò)對(duì)訓(xùn)練樣本的統(tǒng)計(jì)和計(jì)算,得到各個(gè)類(lèi)別的均值和方差等參數(shù),從而確定一個(gè)分類(lèi)函數(shù),然后將待分類(lèi)圖像中的每一個(gè)像元代入各分類(lèi)函數(shù),計(jì)算出最大似然概率。將概率最大的類(lèi)別作為被該像元的歸屬類(lèi)別,從而達(dá)到分類(lèi)的效果。另一種是面向?qū)ο蟮姆诸?lèi)方法,它采用一種影像多尺度分割的法則,運(yùn)用模糊數(shù)學(xué)方法獲得每個(gè)影像對(duì)象的屬性信息,以影像對(duì)象為信息提取的基本單元,實(shí)現(xiàn)類(lèi)別信息自動(dòng)提取的目的。面向?qū)ο笥跋穹治鲇?個(gè)獨(dú)立的模塊:對(duì)象生成與信息提取。對(duì)象生成是采用分割技術(shù)生成屬性值不同的影像對(duì)象的過(guò)程,成功的影像分割是面向?qū)ο蟮挠跋穹治龅谋匾疤帷Ｓ跋裥畔⑻崛∈腔谀：壿嫷姆诸?lèi)系統(tǒng),并不是將每個(gè)對(duì)象簡(jiǎn)單地分到某一類(lèi),而是給出每個(gè)對(duì)象隸屬于某一類(lèi)的概率,根據(jù)地物特征以及空間信息建立模糊邏輯的知識(shí)庫(kù),進(jìn)行信息提取。3無(wú)人機(jī)圖像處理和應(yīng)用3.1pix4uav軟件內(nèi)部處理目前,無(wú)人機(jī)航拍影像處理軟件主要有ERDAS/LPS、SocetSet、Inpfo、Pix4UAV等,在對(duì)各個(gè)軟件的處理效果及速度進(jìn)行比對(duì)之后,本文選擇Pix4UAV軟件進(jìn)行無(wú)人機(jī)遙感影像處理,未加特殊說(shuō)明,所有投影方式為UTMN50,橢球模型為WGS84,主要過(guò)程及結(jié)果如下:1)首先準(zhǔn)備航拍相機(jī)的檢校參數(shù)文件,該文件可由廠商提供,也可自行進(jìn)行相機(jī)檢校試驗(yàn)計(jì)算初始檢校參數(shù)。2)對(duì)航拍獲取的影像進(jìn)行篩選,保證參與校正拼接影像的質(zhì)量和拼接的效果、速度。需要篩選掉的包括姿態(tài)角過(guò)大影像(俯仰角和側(cè)滾角大于3°)、航線拐角處曝光影像、重疊度過(guò)大或過(guò)小的影像、成像效果不好的影像。3)將篩選后的航拍影像及其對(duì)應(yīng)的POS數(shù)據(jù)、相機(jī)檢校文件輸入Pix4UAV,接下來(lái)的步驟主要就是軟件內(nèi)部處理過(guò)程。軟件首先從輸入的影像中自動(dòng)提取相當(dāng)數(shù)量的連接點(diǎn),這些連接點(diǎn)結(jié)合POS數(shù)據(jù),參與空三計(jì)算,得到每一張航拍影像的準(zhǔn)確外方位元素和加密點(diǎn)的坐標(biāo)。然后進(jìn)行點(diǎn)云加密,Pix4UAV高級(jí)算法計(jì)算影像每一個(gè)像元的高程值,生成三維點(diǎn)云,以提高DEM和DOM的分辨率和準(zhǔn)確性。得到DEM之后,進(jìn)行數(shù)字微分糾正,將原始影像拼接校正成正射影像。需要注意的是,軟件自動(dòng)生成的DOM在如建筑物等地物處可能存在扭曲現(xiàn)象,對(duì)于這些地方,使用軟件自帶的鑲嵌編輯工具進(jìn)行編輯,即保證DOM的位置精度,也保證DOM在目視效果上的準(zhǔn)確。4)處理結(jié)束后,查看Pix4UAV輸出的精度報(bào)告文件并瀏覽校正拼接后的DOM成果,檢查拼接校正的精度是否達(dá)到應(yīng)用要求,平差精度達(dá)到0.284pixels。5)輸出的結(jié)果包括測(cè)區(qū)的數(shù)字高程模型(DEM)和正射影像圖(DOM)。對(duì)DOM,依據(jù)WorldView衛(wèi)星影像采用了3階一般多項(xiàng)式進(jìn)行影像的配準(zhǔn)校正,校正系統(tǒng)誤差并保證DOM與整個(gè)測(cè)區(qū)的衛(wèi)星遙感數(shù)據(jù)處理標(biāo)準(zhǔn)影像相統(tǒng)一。6)依據(jù)正射影像圖,制作數(shù)字線劃圖(digitallinegraphic,DLG),對(duì)主要道路、建筑和農(nóng)田進(jìn)行矢量化。圖3給出了測(cè)區(qū)DEM,圖4給出了測(cè)區(qū)DOM,圖5給出了測(cè)區(qū)DLG。其中,圖4中黃線區(qū)域?yàn)闇y(cè)區(qū)中心區(qū)域,紅線區(qū)域?yàn)榫哂凶魑锏貕K測(cè)量數(shù)據(jù)的作物面積識(shí)別精度評(píng)價(jià)區(qū)域,本文中的面積精度評(píng)價(jià)是在這一區(qū)域進(jìn)行的。3.2幾何精校正后農(nóng)田面積進(jìn)行無(wú)控制點(diǎn)條件下的POS輔助光束法區(qū)域網(wǎng)平差之后,利用103個(gè)野外檢查點(diǎn)對(duì)校正精度進(jìn)行評(píng)價(jià),以中誤差表示的平面定位精度為X軸方向(東西方向)中誤差為2.2877m,Y軸方向(南北方向)中誤差為2.7821m,整體平面中誤差3.6018m;由于在無(wú)控制點(diǎn)條件空三情況下,地面定位精度會(huì)受到無(wú)人機(jī)本身GPS系統(tǒng)誤差等的影響,因此,為降低誤差并將無(wú)人機(jī)測(cè)區(qū)影像與大范圍衛(wèi)星影像坐標(biāo)系相統(tǒng)一,采用3階一般多項(xiàng)式模型進(jìn)行幾何精校正后,X軸方向(東西方向)中誤差為1.5871m,Y軸方向(南北方向)中誤差為1.8965m,整體平面中誤差為2.32m,符合國(guó)家測(cè)繪與地理信息局提出的《數(shù)字航空攝影測(cè)量空中三角測(cè)量規(guī)范》中對(duì)1:10000平地的平面位置中誤差不大于3.5m的要求,能夠滿足農(nóng)作物面積遙感監(jiān)測(cè)中作物面積調(diào)查定位精度的要求在數(shù)字線劃圖產(chǎn)品中,選擇多塊田地,測(cè)算其面積,結(jié)果與使用地面GPS手段測(cè)得的田地面積進(jìn)行比對(duì),結(jié)果如表3所示?？梢?jiàn),使用無(wú)人機(jī)航拍影像進(jìn)行面積監(jiān)測(cè)的精度基本能達(dá)到95.0%以上,且當(dāng)田塊面積越大,統(tǒng)計(jì)精度越高,這也說(shuō)明無(wú)人機(jī)航拍影像在大面積農(nóng)田面積監(jiān)測(cè)中的精度是可以保證的。3.3設(shè)置裸土作物位于航測(cè)中心區(qū)域的是一塊長(zhǎng)期監(jiān)測(cè)地塊(圖4中的紅色區(qū)域),南北250m,東西300m,分布有苜蓿、春玉米和夏玉米幾種作物,以及收割完的春玉米、大豆、花生(視為裸土)。這一區(qū)域作物種植結(jié)構(gòu)復(fù)雜,并具有GPS測(cè)量的作物面積與類(lèi)型數(shù)據(jù),選擇這一區(qū)域作為面積識(shí)別精度評(píng)價(jià)區(qū)域,圖6是面積評(píng)價(jià)區(qū)域的無(wú)人機(jī)影像,分別采用監(jiān)督分類(lèi)方法和面向?qū)ο蟮姆诸?lèi)方法對(duì)上述幾種地物類(lèi)型進(jìn)行識(shí)別。3.3.1最大似然法分類(lèi)模型采用ENVI軟件,首先在影像上對(duì)每種地物類(lèi)型分別選擇3~5塊用于分類(lèi)的訓(xùn)練樣本(圖6)。訓(xùn)練樣本的選擇是監(jiān)督分類(lèi)的關(guān)鍵,需要對(duì)要分類(lèi)的圖像所在的區(qū)域有所了解,或進(jìn)行過(guò)初步的野外調(diào)查。最終選擇的訓(xùn)練樣本應(yīng)能準(zhǔn)確的代表整個(gè)區(qū)域內(nèi)每個(gè)類(lèi)別的光譜特征差異。因此,同一類(lèi)別訓(xùn)練樣本必須是均質(zhì)的,不能包含其他類(lèi)別,也不能是和其他類(lèi)別之間的邊界或混合像元。采用最大似然法的監(jiān)督分類(lèi),用上一步選擇的訓(xùn)練樣本對(duì)整幅影像進(jìn)行分類(lèi),結(jié)果如圖7b所示:可以看到,除了小部分區(qū)域存在混淆的現(xiàn)象(如春玉米中混雜裸土,夏玉米中夾雜有苜蓿),分類(lèi)效果大體上是較為良好的。為了進(jìn)一步定量考察分類(lèi)結(jié)果的精度,利用GPS地面測(cè)量結(jié)果(圖7a)對(duì)其進(jìn)行驗(yàn)證,將測(cè)量結(jié)果地面真值,計(jì)算二者之間的混淆矩陣,如表4中給出了不同作物類(lèi)型的總體精度。從表中可見(jiàn),4種類(lèi)型的地物分類(lèi)精度均在85%以上,尤其是苜蓿,精度達(dá)93%。3.3.2地物劃分的特征空間采用易康(eCognition)軟件對(duì)無(wú)人機(jī)影像進(jìn)行面向?qū)ο蟮姆诸?lèi)。該軟件最基本的過(guò)程就是圖像分割,在給定的尺度下進(jìn)行與知識(shí)無(wú)關(guān)的原始影像對(duì)象的提取。面向?qū)ο笫且卓档闹饕卣?因此,第一步就是要提取影像對(duì)象原型,這樣可以生成用于后面分類(lèi)的原料。這里采用多尺度分割的方法。該方法考慮了地表實(shí)體或過(guò)程的多層次,克服數(shù)據(jù)源的固定尺度,采用多尺度影像對(duì)象層次的網(wǎng)絡(luò)結(jié)果來(lái)揭示地表特征。圖像分割的效果將直接影響分類(lèi)結(jié)果的質(zhì)量。影像分割時(shí)尺度的選擇很重要,它直接決定影像對(duì)象的大小以及信息提取的精度。對(duì)于一種確定的地物類(lèi)型,最優(yōu)分割尺度值是分割后的多邊形既能將這種地物的邊界顯示得十分清楚,又能最好地表示出這種地物,既不能太破碎,又不能邊界模糊。經(jīng)過(guò)試驗(yàn),最終確定了以下分割參數(shù):尺度因子為50,形狀因子為0.9,緊湊度因子為0.9,分割模式為Normal。確定苜蓿、春玉米、夏玉米和裸土4種類(lèi)別,并選擇用于分類(lèi)的特征空間,包括:紅、綠、藍(lán)DN值3個(gè)光譜特征;面積、緊湊度、密度3個(gè)幾何形狀特征;同質(zhì)性1個(gè)紋理特征。選擇與監(jiān)督分類(lèi)同一區(qū)域的地塊作為分類(lèi)對(duì)現(xiàn),執(zhí)行面向?qū)ο蟮姆诸?lèi)任務(wù),結(jié)果如圖7c所示。由于面向?qū)ο蟮姆诸?lèi)方法不是以像素,而是以分割后的影像對(duì)象為分類(lèi)單元,因此相比監(jiān)督分類(lèi)而言,其分類(lèi)結(jié)果一般都是大片相連,在很大程度上減少了混雜不清的現(xiàn)象。同樣用地面測(cè)量的結(jié)果對(duì)其精度進(jìn)行驗(yàn)證,計(jì)算混淆矩陣如表4所示,總體精度達(dá)到92%以上。從這可以看出,對(duì)于無(wú)人機(jī)影像,由于其有非常高的地面分辨率,采用常規(guī)的基于像素的監(jiān)督分類(lèi)方法,往往會(huì)造成作物分類(lèi)結(jié)果碎片化(椒鹽現(xiàn)象)、分類(lèi)精度不高的缺陷,分類(lèi)結(jié)果不易矢量化,與地理數(shù)據(jù)庫(kù)難以有效整合;而面向?qū)ο蠓诸?lèi)將地面分為一個(gè)個(gè)具有特定屬性的“對(duì)象”,綜合考慮“對(duì)象”的光譜、紋理、拓?fù)潢P(guān)系等,其分類(lèi)結(jié)果更加符合實(shí)際情況和應(yīng)用需求,具有更高的精度,是高分辨率遙感影像作物分類(lèi)提取的理想方法。4無(wú)人機(jī)影像在農(nóng)情監(jiān)測(cè)方面的應(yīng)用探索無(wú)人機(jī)影像在農(nóng)情遙感監(jiān)測(cè)領(lǐng)域的應(yīng)用具有巨大的優(yōu)勢(shì)和廣闊的前景,它相比衛(wèi)星影像具有更高的地面空間分辨率,并能帶來(lái)衛(wèi)星遙感所不具有的農(nóng)作物精細(xì)紋理等額外的遙感信息,可以很好地應(yīng)用于精細(xì)農(nóng)業(yè)