轻小型无人机遥感及其行业应用进展

无人机是低空领域准确、灵活、高效获取多种类型高分辨率遥感数据的重要载体,无人机遥感技术在行业应用创新和管理部门科学决策之间构筑起信息沟通的关键桥梁。随着科技的进步、大数据时代的来临,无人机遥感系统的硬件设备、信息提取方法都取得了飞速的发展;同时其在国民经济主要行业领域的应用也面临着前所未有的机遇和挑战。论文首先介绍了无人机遥感系统的硬件研发进展,并指出轻小型、高精度、标准化与集成化是未来无人机遥感系统发展的总体趋势。其次,详细介绍了目前轻小型无人机遥感应用在农业、林草业、电力、测绘、大气探测和地质灾害等行业的应用现状,指出实现无人机多源遥感数据获取、融合、分析和提取的综合平台是未来轻小型无人机在民用领域行业应用创新的关键所在。最后,针对载荷与飞行平台的一体化集成应用、无人机组网作业、海量数据管理和信息自动化提取等发展趋势提出了几点思考。轻小型无人机遥感在国民经济各行业应用的普及化和标准化,将有助于国家和区域社会经济的健康发展。     

地理信息产业五大重点领域发展将提速

<正>国务院办公厅近日发布《关于促进地理信息产业发展的意见》,提出推动地理信息产业五大重点领域快速发展。具体包括:提升遥感数据获取和处理能力;振兴地理信息装备制造;提高地理信息软件研发、产业化水平;发展地理信息与导航定位融合服务;促进地理信息深层次应用。提升遥感数据获取和处理能力发展测绘应用卫星、高中空航摄飞机、低空无人机、地面遥感等遥感系统,加快建设航空航天对地观测数据获取设施,形成光学、雷达、激光等遥感数据获取体系,显著提     

生态遥感新锐——轻小型无人机的应用

基于研究对象视角梳理轻小型无人机遥感手段在生态学研究中的应用现状，重点分析了无人机在不同生态对象应用的优势和局限：优势主要在于其能够高灵活性、高分辨率地获取各生态对象的数据，为较大规模的生态研究提供了便利。在农田生态系统应用中主要关注农田信息检测、自动化农作等方面，但在这方面的应用还比较单一，缺乏更深层更全面的系统化应用；在森林草地中主要关注植被结构参数提取、生物量反演等，在数据采集过程中应注意设备的稳定性避免对数据准确性造成影响；城市生态系统主要集中在城市环境监测和测绘方面，同时城市方面飞控政策尚待完善；水生生态系统主要关注水生动植物监测和潮间带观测等，大规模监测也对设备续航和数据标准化处理提出了要求；动物研究应用中主要关注动物迁徙规律、物种分布等方面，在监测过程中需注意不要对动物栖息造成干扰。总的来说，无人机应用局限主要在于其获取的数据处理尚未标准化，飞控政策尚未成熟和硬件续航等方面。在此基础上探讨了未来无人机遥感在生态学研究的应用趋势：随着无人机智能化的软硬件发展和云端生态大数据的建立，无人机数据的获取和处理将更加智慧化，多源的无人机遥感数据将会更好地服务于生态学研究。     

无人机遥感在红树林资源调查中的应用

低空无人机（UAV,Unmanned Aerial Vehicles）遥感系统具有数据采集灵活、低成本且可快速获取超高分辨率影像的特色,是传统航空遥感和卫星遥感的重要补充。以广东省和广西壮族自治区交界处的英罗港港湾两侧为研究区域,将无人机遥感系统用于红树林资源的遥感调查,通过无人机航拍获取高分辨率影像,并且使用拼接的影像和目视解译方法提取红树林空间分布信息,进一步选择典型研究样地,采用面向对象的最近邻分类方法对红树林树种类型进行分类研究,并对比综述了无人机遥感和常规航空航天遥感技术对红树林资源调查监测的优缺点,无人机遥感系统非常适用于红树林资源调查。通过2 h 30 min的3架次无人机航飞工作,获取了研究区域25.29 km²的无人机影像,基于无人机影像和面向对象遥感分类方法提取的红树林空间分布信息精度超过了90%。未来无人机遥感系统将可成为调查和监测红树林资源的重要技术手段,可为相关管理部门对红树林资源的保护、管理、开发等方面的工作提供基础信息和技术支持。     

无人机遥感组网冗余容错的研究

针对无人机在遥感遥测领域组网过程中存在的随机故障,进而导致无人机在任务执行过程中任一约束的及时响应缺失,将会影响任务总体结果或导致整个任务部分及完全失败的问题,论文提出无人机遥感组网冗余容错方法。该方法采用领航—跟随的无人机编队飞行模式,多台组网无人机稳定可靠完成指定的飞行任务,验证了冗余容错方法,解决了无人机遥感组网冗余容错技术中的有和无的问题。     

基于多类型无人机数据的红树林遥感分类对比

使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像，使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析，并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明：1）固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为：73.8%、72.8%和79.7%；使用随机森林法的分类精度分别为：81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究，对于无人机红树林遥感数据，随机森林的分类方法优于K-最近邻方法。2）以拍摄面积与用时之比估算采集效率，固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3）固定翼无人机适合大范围红树林数据采集，要求较高；消费级旋翼无人机适于获取小范围精细数据，成本低且易学易用；专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。     

无人机遥感在河流岸线资源监管中的应用

以广东省一村级河长监管河段岸线管理范围为研究区域，利用民用轻型无人机采集现场数据，经影像拼接、目标解译和相关资料叠加分析，快速获取了岸线侵占后的界桩、围栏与补种乔灌草等整改措施实施情况，通过整改设计图与遥感判读出的现状结果对比，精准筛查整改措施未落实或整改不到位等监管所需掌握的现存问题区域。研究结果显示：相比传统现场核查，基于无人机遥感方法对于点状目标（如界桩）和线状目标（如围栏）的排查更加高效直观，对面状分布目标（如植被栽植）的复核更具备现场核查所无法比拟的优势，部分不易到达区域的复核的任务也都能较好地解决。无人机遥感作为获取空间数据的重要手段之一，具有机动灵活、影像分辨率高等特点，基于无人机技术的岸线监管可较好解决当前日常监管中存在的问题，对河流岸线监管具有重要意义，应用前景广阔。     

基于无人机遥感的黄河下游河南段河滩地植物群落多样性研究

周期性的农业活动和水沙变化已经显著改变了黄河下游河滩地的植物群落结构,快速、准确地获取河滩地的植物群落多样性信息,可以为黄河流域生态保护和恢复提供参考依据。以位于河南省新乡市原阳县朱贵村南部的黄河下游河滩地的植物群落为研究对象,采用最大似然、人工神经网络、面向对象和随机森林分类方法,利用无人机多光谱遥感影像数据,对河滩地上的植物进行分类,计算出各种植物的相对盖度、相对频度、重要值和植物群落的Simpson多样性指数、Shannon-Wiener多样性指数。研究结果表明,利用无人机多光谱遥感影像数据,可以较为准确地获取黄河下游河滩地上无遮盖植物的物种信息,优选的遥感分类方法是人工神经网络分类方法,其分类结果的总体分类精度和Kappa系数分别为61.42%和0.52;其对河滩地上植物物种的分类结果与实地调查结果基本一致。无人机多光谱遥感方法是研究湿地中植物群落多样性的有效方法。     

从光谱指数到融合数据集的全球植被遥感数据产品

遥感对地观测为理解陆地植被动态与全球环境变化规律提供了数据基础,基于卫星观测的全球植被遥感数据产品近年来层出不穷,但缺乏基于数据使用者视角的系统梳理。本文回顾了全球植被遥感数据产品的发展历程,梳理了相关卫星计划及对应数据产品,分析了从植被光谱指数到生物物理特征参量、传统光学遥感反演到叶绿素荧光及星载微波反演产品、从单一传感器生产到多数据源—多数据集融合产品的发展脉络,阐述了全球植被遥感数据产品的来源、特征与关联关系。认为当前全球植被遥感数据产品的生产与应用存在一定脱节,遥感产品精度制约了对地球系统的深入理解。全球植被遥感数据产品正从宏观状态监测向专业化、精细化、标准化转变,建议未来制备全球遥感数据产品应充分利用目前已积累的长时序观测数据,融合多源观测资料,提升现有数据集的时空分辨率、精度及连续性;注重提高特殊区域与特定类型生态系统的反演精度,加强多维植被特征的一体化监测;建立全球植被产品数据共享平台,提供标准的全流程数据处理与分发服务,将数据不确定性信息高效、清晰提供给用户。     

基于高光谱数据的小麦叶绿素含量反演

近年来,遥感高光谱技术为获取农作物的某些生理化参数提供了丰富的数据来源。该文使用北京小汤山地区实验获取的小麦高光谱数据,应用偏最小二乘回归方法,建立了冬小麦冠层波谱与叶绿素含量的回归反演计算模型。研究结果显示:模型在350～1060nm波段具有较高的反演精度。本研究为应用高光谱数据反演冬小麦叶绿素含量提供了有效途径。     

基于Citespace的无人机遥感研究知识图谱分析

为清晰了解国内外无人机遥感应用研究现状及发展态势，以Web of Science核心期刊为数据源，运用文献计量方法与Citespace可视化分析工具对无人机遥感研究的相关文献进行统计分析。结果表明：无人机遥感相关研究文献呈快速增长趋势，与遥感科学、工程学和影像科学摄影技术三门学科联系最为密切；美国、中国、西班牙等国家发文量较多，具备较强研究力量；中国科学院发文量最多，而西班牙最高科研理事会h指数最高，均有较大影响力；澳大利亚学者Lucieer A和西班牙学者Zarco-Tejada PJ的h指数较高，为该领域的代表性学者；无人机遥感技术包含多个研究方向，其中研究热点包括无人机遥感在农业科学和生态学等领域的应用研究、遥感影像分类方法的研究、摄影技术和计算机视觉技术的研究等三方面。     

基于NDVI的新疆荒漠地区植被覆盖度遥感估算经验模型研究

新疆荒漠地区植被覆盖度遥感估算模型十分缺乏，给荒漠化监测等相关工作带来很大不便，开展植被覆盖度遥感估算经验模型研究，对于促进和完善相关地区的生态监测及研究工作具有积极的现实意义。通过对阜康市北部沙漠南缘和克拉玛依市中部平原荒漠进行无人机航拍，利用无人机遥感提取（光合）植被信息，并将无人机航拍影像的植被覆盖度统计单元与高分辨率卫星影像像元在空间上直接相对应，获取在高分辨率卫星影像像元尺度上的植被盖度，然后通过植被覆盖度和空间上与其相对应的源自高分辨率卫星影像的NDVI数据的拟合关系，建立基于源自高分二号影像的NDVI的阜康北部沙漠植被覆盖度遥感估算线性模型以及基于源自ZY1-02C影像的NDVI的克拉玛依平原荒漠植被覆盖度遥感估算二次多项式模型。研究中所采用的无人机遥感与卫星遥感相结合、植被覆盖度统计单元与卫星像元在空间上直接对应的方法，可避免以往相关工作中常以点位测量数据代表卫星像元数据所带来的不确定性。由于所用卫星影像的NDVI数据稳定性相对不足等原因，所建立的遥感估算模型的估算精度尚相对偏低，有待于今后进一步的工作加以改进。     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

基于无人机影像和飞控数据的灾场重建方法研究

低空无人机以其机动、快速、经济等优势,在灾害应急事件中逐渐发挥作用,而灾场三维重建也因其突破了常规无人机遥感无法快速提供三维空间信息的局限,在灾害测量中的地位日益凸显。该文面向灾害测量需求,探索一种基于低空影像和无人机自身飞控数据的灾场三维重建方法。在系统规划与平台设计的基础上,选取某滑坡区进行试验。依据计算机视觉原理,通过特征提取、影像匹配、运动与结构重建等实现了相机位置及姿态的恢复,并通过地理注册最终完成了灾场影像三维重建。通过布设地面标识点并与其GPS RTK测量坐标比对,证实灾场重建模型的相对误差低于4‰。