上文小編跟大家講到無人機高光譜可以應用于農田信息監測領域，那么今天，小編將繼續講講無人機飛行平臺與遙感測量技術、機載傳感器與測量技術的介紹，請看~

1、無人機飛行平臺與遙感測量技術

無人機高光譜以無人駕駛飛機為探測平臺, 利用搭載的各種任務負荷(通常是成像光譜儀等非接觸式監測設備)獲取有關農田和作物的遙感數字信息, 通過對數據的后期處理、挖掘和建模, 來獲取農作物長勢、農田環境等信息。

1.1無人機飛行平臺

在農田信息監測領域, 人們關注的重點是監測范圍、空間分辨率和測量精度等。無人機的機型、載重量、航行高度、續航時間、飛行穩定性、航線規劃算法等均對探測效果有重要影響。目前常用的無人機可分為固定翼、單旋翼和多旋翼無人機等機型。固定翼無人機飛行速度快、續航時間長、載荷較大, 但飛行速度難以調節且需要較大的起飛著陸場, 在作物生長密集的農田常無法提供足夠的起降場地; 單旋翼無人機穩定性較差, 會干擾傳感器檢測精度, 已逐步被多旋翼機型替代; 多旋翼無人機的航速姿態可調、飛行穩定、能夠定點懸停, 適合獲取多重復、定點、多尺度、高分辨率的植被信息, 因而在農田信息監測中應用廣泛。為了保障探測精度和空間范圍, 在無人機起飛前需要進行合理的航線規劃。傳統的無人機航線規劃優化算法主要包括動態規劃法、導數相關法、控制法、最速下降法、泰森多邊形法(Voronoi); 現代智能算法主要包括遺傳算法、人工神經網絡、蟻群算法、粒子群算法等。蟻群算法在解決復雜航線規劃方面效果良好, 但收斂效率低且容易陷入局部問題, 目前的研究多采用改進遺傳算法。

1.2機載傳感器與測量技術

無人機高光譜傳感器種類繁多, 感知原理和獲取數據類型也各不相同。農田信息監測領域的傳感技術大體可分為成像光譜和空間構型測量兩大類。

成像光譜技術的原理是不同波段的光波作用于樣本會產生不同的光譜特征, 由此可反映作物的生理生化指標, 多用于農田作物覆蓋區的識別、葉片色素、養分含量等生物化學指標的預測建模。成像光譜的感光方式有棱鏡/光柵色散型、干涉型、濾光片型和計算機層析型等, 感知光譜波段包括可見光、可見-近紅外(380~2500 nm)和熱紅外波段(2.5~14 μm)。根據輸出波段數量與連續性不同, 成像光譜又可分為高光譜和多光譜。目前的研究中, 普遍采用高清數碼相機獲取的農田正射影像、多光譜相機獲取的多波段反射率、高光譜儀獲取的連續光譜反射率、熱紅外傳感器獲取的田間溫度信息。

空間構型測量技術獲取的是高精度的農田空間位置信息, 常用于識別農田表面的三維構型及其特征, 并以此來診斷作物株高、葉面積指數、地上部生物量等生物物理指標。根據測量方式和技術差異,又可分為基于激光直接測量的激光探測與測量(Light Detection and Ranging, LiDAR)和基于可見光攝影測量的基于運動的結構(Structure from Motion, SfM)方法。機載LiDAR主動發射脈沖, 遇到作物或地表后反射回波, 通過時間差計算距離, 結合慣性系統(Inertial Navigation System, INS)確定的飛機姿態和定位系統(Globe Positioning System, GPS)得到飛機位置, 解算農田各處的三維空間坐標。SfM方法以農田遙感影像為數據源, 基于像對間的特征匹配, 通過迭代光束平差過程(Iterative Bundle AdjustmentProcedure)求解相機方位及場景幾何形態, 再通過引入地面控制點坐標(Ground Control Point, GCP)進行矩陣變換將農田空間點云轉入現實世界坐標系。

下期，我們著重講講無人機高光譜數據處理與建模方法，大家敬請期待。