S185機載高光譜成像儀在農業的應用

S185是目前高速成像光譜儀的輕版本,融合了高光譜數據的精確性和快照成像的高速性，能夠瞬間獲得在整個視場范圍內精確的高光譜圖像。通過此款光譜儀可以地在1/1000秒內獲得整個高光譜立方體數據，配套功能強大的測量及數據處理軟件，不需要IMU即可實現無人機遙感測量；S185機載高光譜成像儀可隨UAV按預設航線自動測量，快速獲得大面積高光譜圖像，可通過軟件自動快速拼接。

表1 UHD185技術參數

利用 Cubert-Pilot 軟件對每張高光譜圖像和同時采集的相應全色圖像進行融合，得到融合后的高光譜影像；其次使用Agisoft PhotoScan軟件，借助全色圖像的點云數據完成高光譜圖像的拼接。以小區幾何中心為中心，由拼接好的高光譜影像提取冠層光譜反射率。如圖1所示為得到每個小區 21 個不同空間尺度梯度所對應的冠層光譜反射率，可以看出不同空間采樣面積所對應的冠層光譜反射率在可見光波段無明顯差異，但在近紅外區域的差異較為明顯提取冠層光譜反射率。

利用 Cubert-Pilot 軟件對每張高光譜圖像和同時采集的相應全色圖像進行融合，得到融合后的高光譜影像；其次使用Agisoft PhotoScan軟件，借助全色圖像的點云數據完成高光譜圖像的拼接。以小區幾何中心為中心，由拼接好的高光譜影像提取冠層光譜反射率。如圖1所示為得到每個小區 21 個不同空間尺度梯度所對應的冠層光譜反射率，可以看出不同空間采樣面積所對應的冠層光譜反射率在可見光波段無明顯差異，但在近紅外區域的差異較為明顯提取冠層光譜反射率。

圖1 21個不同采樣面積所對應的冠層光譜反射率

在已有研究成果基礎上， 本文選取 4 種植被指數建立大豆產量與無人機成像高光譜遙感監測模型，植被指數計算方法如表2所示。

表2 植被指數計算公式

基于 21 組空間尺度范圍下的大豆冠層高光譜數據分別與實測產量建立 PLSR 回歸方程， 對比不同空間尺度下的模型預測精度，進而確定空間尺度。產量和 4 個植被指數的 PLSR 模型相關系數 r 隨空間尺度面積的變化趨勢曲線見圖 2所示。相關系數 r 介于 0.795～0.812 之間，大豆冠層光譜植被指數與大豆產量極顯著相關，在空間取樣面積小于 8 m2 時，建模精度隨著空間取樣面積逐漸增大而增大，且隨著取樣面積的增大，建模精度逐漸趨于平緩，當光譜取樣面積大于 10.13 m2后，建模精度隨取樣面積的增大而減小。光譜空間尺度為 4.25 m×2.125m和4.5 m×2.25 m時，即9.03和10.13 m2時，相關系數r達到大值，大相關系數約為 0.8117。可見，在基于無人機高光譜影像輔助大豆估產研究時，所取光譜的空間范圍長、寬與小區總長、寬之間的比例應該介于 4.25:5 和 4.5:5，這樣不僅能夠有效降低小區周圍土壤背景噪聲和邊緣陰影光譜的影響，又能夠避免大豆冠層信息的缺失。

圖2 產量和4個植被指數的PLSR模型相關系數和RMSE隨空間采樣窗口面積的變化曲線

以4.5×2.25m為空間取樣范圍提取的冠層光譜為終光譜，建立產量和植被指數之間的PLSR模型，實際產量和預測產量的散點分布如圖3所示。所建立大豆估產模型為：

產量=68.8GNDVI+79.2NDVI+26.2RVI+293.7MSAVI2-227.87

使用無人機遙感平臺進行大豆估產，對實現大規模大豆產量高通量快速獲取具有重要意義，能夠幫助育種學家快速篩選大豆優良品種。本研究基于無人機 UHD185 光譜成像儀獲取的大豆不同時期的冠層光譜對空間尺度進行了分析， 結果表明，基于不同空間尺度計算的波譜數據在近紅外波段差異較大，且品系間各植被指數在不同空間尺度處的顯著性差異水平不同。基于原始高光譜圖像的空間分辨率計算各空間取樣面積處的光譜信息，進而對空間尺度進行優化選擇，在未來的研究中，可以對空間取樣面積下的光譜進行重采樣處理，分析不同分辨率下光譜對大豆估產的影響。同時也可考慮基于不同試驗條件下的不同作物，探索無人機高光譜影像的空間尺度規律。另外，高光譜具有較高的光譜分辨率，可針對波譜信息進行深入分析對光譜空間尺度進行優化選擇。

S185機載高光譜成像儀在農業的應用