基于无人机航测的区域土地覆盖动态变化特征提取方法

2022-11-15 01:53陈晓江王成宏
经纬天地 2022年5期
关键词:植被指数参量特征提取

陈晓江 王成宏

(1.云南省基础测绘技术中心,云南 昆明 650031;2.勐腊县房地产交易中心,云南 勐腊 666300)

0.引言

无人机航测是在航空摄影测量技术上发展而来的新型测绘技术,该技术具有作业周期短、成本低、机动灵活性强等应用特点,在小范围及飞行相对困难的区域中,该技术能快速捕获各类型土地的即时覆盖特征。在土地覆盖范围提取中,高分辨率遥感卫星数据存在影像拍摄耗时长、数据存档不及时等问题,且随着土地覆盖面积的增大,航测数据时效性也会逐渐下降[1]。而无人机航测技术则可较好地解决上述问题,对于机组平台而言,无人机设备可随时出发执行拍摄任务,相较于有人机测绘与轨道卫星,该方法能在短时间内完成巡航任务,并可在此过程中向用户展示航测结果,且其作业效率极高,能独立完成各种土地巡航指令。

1.基于无人机航测的区域土地覆盖数据处理

区域土地覆盖数据处理需要在无人机飞行平台的基础上,对航摄路线进行按需规划,再根据航摄分区标准,确定像控点的实时布设位置。

1.1 无人机飞行平台

无人机飞行平台是指无人机设备本身在执行航测任务过程中,作为载体类元件,同时搭载飞行控制系统、遥感传感器等控制型设备,包括直升机、旋翼、固定翼三种基本类型[2]。在执行区域土地航测任务时,无人机飞行平台中仪器名称及型号配置情况如表1所示。

表1 无人机飞行平台的基本配置

由于发动机型号、翼展、机长、飞行高度、起飞重量等指标参量不同,无人机飞行平台记录的航测数据也有所不同。在进行航测时,飞行控制系统能管控Ⅱ型基础控制平台与航测相机,而GNSS-RTK作为关键导航定位装置,可决定无人机航线中像控点所处的分布位置。

1.2 航摄分区与航线设计

在区域土地覆盖动态变化特征提取之前,需要借助无人机对土地区域进行分区。因此,本文借助无人机航摄分区,设计相应提取线路。

在明确拍摄区工作范围后,应根据无人机工作部署、航测成果提交要求、区域土地的地形覆盖概况,实现对航摄分区条件的按需处理。一般来说,外部分区节点应与无人机航测图像的整体轮廓走线保持一致,对于待测土地来说,其地形高度应超过实时航测高度的六分之一。在无人机航线保持直线飞行状态的情况下,基础分区跨度条件应无限趋近于物理最大数值[3]。

航测基线、航线间隔两项物理量会对巡航图像曝光时间和相片重叠度造成影响,在区域土地覆盖范围测量中,对无人机飞行平台而言,航测基线及间隔与巡航图像长度、巡航图像宽度、航测相片在航向上的重叠度、无人机摄影航高等因素相关。

一般来说,无人机巡航图像长度、巡航图像宽度等指标参量的取值结果并不完全固定,应根据区域土地的实际覆盖面积进行适当调节,以满足土地覆盖动态变化。

1.3 像控点布设与测量

在区域土地环境中,无人机航测像控点布设处理主要依据巡航图像控制点航向基线数跨度,该参数与相对航高、无人机航测过程中的视差权重值和无人机巡航图像的基线长度相关。为保证无人机像控点顺利布设,应在考虑高精度POS标准的基础上,快速解算区域土地内自由网情况,再以此为基础,绘制测区概况拼图[4,5]。

2.区域土地覆盖动态变化特征提取

2.1 植被指数

在无人机航测区域中,植被指数能有效反映待测土地中的植被活动情况,一般来说,将两个或更多的无人机观测通道相结合,可直接计算出该区域中植被指数的具体数值。与其他类型区域土地覆盖动态变化特征相比,植被指数能够直观反映不同地物类别景观的生物特性,例如区域土地覆盖度、土地生物含量等。一般情况下,选择NDVI指标对区域土地覆盖环境下植被指数进行描述,利用已知的航测数据可将其表示,如式(1)所示:

式(1)中,Re1、Re2为在土地覆盖区域中两个不同的植被分布波段系数;ms为无人机航测连接点的平面误差(mm);mh为无人机航测连接点的高程误差(m)。

2.2 湿度指数与水体指数

湿度指数NDMI对于区域土地覆盖动态变化特征提取结果的影响能力较强,但根据土壤湿度水平的不同,该项指标参量的数值结果也会有所不同。而在无人机航测区域中,可通过整合遥感数据的方式,确定NDMI指标的具体计算数值。考虑到土质湿度波段系数Re3始终处于水的吸收带(1.4 μm,1.9 μm)之间,所以,受水体吸收带的影响,可将区域土地覆盖动态变化的湿度指数用NDMI表示,如式(2)所示:

对于一般的无人机航测土地区域来说,NDMI数值的表现情况满足“水体最大、沼泽林地其次、旱地最小”的排列标准。

3.实例分析

为验证所提方法的有效性,进行试验分析。试验中选择某地500 m×500 m的区域为研究对象,考虑到拍摄精度,无人机航空拍摄的航向重叠度要求达到85%,旁向拍摄的重叠度达75%,以保证无人机拍摄的有效性。试验中的基础试验数据通过无人机拍摄得到,符合试验要求。其中,对该土地航测区域进行选取,其中,A、B、C是三块等大的土地区域,且每一区域内的植被覆盖、湿度指数、水体指数等特征参量基本保持一致,如图1所示。

图1 土地航测区域选取

为获得更真实的试验结果,在对A区域进行航测时,要求无人机飞行器与航测基线保持绝对垂直的状态;在对B区域进行航测时,要求无人机飞行器处于与航测基线保持垂直状态的直线左侧;在对C区域进行航测时,要求无人机飞行器处于与航测基线保持垂直状态的直线右侧。

已知区域土地动态变化特征提取准确度受区域土地分类精度指标的直接影响,一般来说,区域土地分类精度越高,区域土地动态变化特征的提取结果越准确。

区域土地分类精度(η)的数值结果受植被指数(EVI)、湿度指数(NDMI)、水体指数(NDWI)、标准分类参量()、无人机航测高度(h)五项指标参量的直接影响。其中,植被指数(EVI)、湿度指数(NDMI)、水体指数(NDWI)三项指标参量的数值结果均可通过试验测量的方式直接获取,而标准分类参量()在整个试验过程中的物理取值始终等于0.08。因此,可认为无人机航测高度(h)是影响区域土地分类精度(η)数值计算结果的关键指标参量,如式(3)所示:

由式(3)可知,无人机航测高度越低,区域土地分类精度越高,区域土地动态变化特征的提取结果就越准确。为了验证所提方法的有效性,试验得到的结果图像均通过MATLAB生成。

A区域内土地分类精度(η)数值变化如图2所示。

图2 土地分类精度(A区域)

由图2可知:随着无人机航测高度的改变,土地分类精度数值的整体变化趋势并没有明显变化,大体上保持随着航测时间延长而不断降低的变化形式。从全局性角度看,当无人机航测高度等于500 m时,土地分类精度的平均值水平最高;而当无人机航测高度等于1 000 m时,土地分类精度的平均值水平最低。从极限值角度看,土地分类精度最大值的排列方式为:η500>η700>η900>η1100。因此可认为:当无人机航测高度等于500 m时,区域土地动态变化特征的提取结果最准确。

B区域内土地分类精度(η)数值变化如图3所示。

图3 土地分类精度(B区域)

由图3可知:B区域内土地分类精度变化趋势基本与A区域保持一致。从平均值角度来看,土地分类精度的排列方式为:η500>η700>η900>η1100;从极限值角度来看,土地分类精度最大值的排列方式也为:η500>η700>η900>η1100。因此可认为:当无人机航测高度等于500 m时,区域土地动态变化特征的提取结果最准确。

C区域内土地分类精度(η)数值变化如图4所示。

图4 土地分类精度(C区域)

由图4可知:C区域内土地分类精度变化趋势与A区域、B区域保持一致,平均值、极限值排列顺应也与上述两者相同。因此可认为,当无人机航测高度等于500 m时,区域土地动态变化特征的提取结果最准确。

为进一步验证所提方法可有效提取特征,测试了本文方法对样本区域特征提取的精度,得到的结果如图5所示。

图5 本文方法区域土地覆盖动态变化特征提取精度

由图5可知:通过多次对样本区域特征提取结果,本文方法提取的精度与理想值较为一致,且始终高于90%,验证了本文方法可有效提取样本区域的土地动态覆盖变化特征。

4.结束语

在无人机航测技术的支持下,区域土地覆盖动态变化特征提取方法分别针对植被指数、湿度指数、水体指数进行计算与处理,又联合基础飞行平台,确定像控点的布设,取得关键特征指标参量。试验结果表明:采用该方法可有效提升区域土地动态变化特征的提取精度,且始终保持在90%以上。

猜你喜欢
植被指数参量特征提取
太阳黑子自动识别与特征参量自动提取
基于双偏振雷达参量的层状云零度层亮带识别研究
基于植被指数选择算法和决策树的生态系统识别
基于Daubechies(dbN)的飞行器音频特征提取
AMSR_2微波植被指数在黄河流域的适用性对比与分析
河南省冬小麦产量遥感监测精度比较研究
Bagging RCSP脑电特征提取算法
主要植被指数在生态环评中的作用
环形光的形成与参量的依赖关系
基于MED和循环域解调的多故障特征提取