無人機遙感技術(shù)在城市綠地監(jiān)測中的應(yīng)用進展

葉劍軍

（貴州省測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，貴州 貴陽 550000）

近年來，無人機遙感作為一種新型空間遙感得到了快速發(fā)展，并在全球范圍內(nèi)引起了廣泛關(guān)注，很多組織或個人開始研制集成多種傳感器的無人機系統(tǒng)。傳感器設(shè)備的更新和圖像處理技術(shù)的發(fā)展為城市綠地監(jiān)測研究帶來新的契機，而消費級無人機市場占有率急劇增加，無人機與傳感器設(shè)備朝著微型化發(fā)展，為需求廣泛的城市綠地微觀尺度研究提供設(shè)備支持。目前，我國城市綠地監(jiān)測從以前粗獷地觀測向更為細致靈活地對目標地塊進行定期觀測轉(zhuǎn)變，微小型無人機在此方面具有廣闊的應(yīng)用前景，特別是對于人和大型飛機不易到達的區(qū)域具有更為顯著的優(yōu)勢。

1 無人機系統(tǒng)

1.1 無人機類型

無人機系統(tǒng)主要由3 部分組成，即：無人駕駛飛行器、地面控制站、由地面控制站負責指揮和控制無人機的數(shù)據(jù)傳輸系統(tǒng)。無人機類型多樣，因其所對應(yīng)的有效載荷、續(xù)航時間和目的不同，無人機應(yīng)用研究的尺度也不同，從而可獲得分辨率各異的遙感數(shù)據(jù)。無人機可以按動力來源、控制方式、用途、結(jié)構(gòu)、航程分為不同類型，如按照結(jié)構(gòu)分為固定翼、旋翼、多旋翼無人機；按動力來源分為油動、電動、混合動力等。關(guān)于無人機的分類目前還沒有通用的規(guī)范，常用的分類方式是依據(jù)無人機的機身重量，分為微小型（＜5kg）、小型（＜30kg） 和戰(zhàn)術(shù)型（＜150kg）。

1.2 無人機應(yīng)用領(lǐng)域

無人機的發(fā)展始于1916 年，由美國人Lawrence 和Elmer Sperry 發(fā)明了第一臺無人機。至20 世紀中后期，無人機被廣泛用于軍事領(lǐng)域，特別適用于執(zhí)行有危險、人無法進入或涉及空中監(jiān)視時間過長的任務(wù)。20 世紀90 年代，隨著無人機技術(shù)的發(fā)展和體量的減小，無人機開始應(yīng)用于民用領(lǐng)域，并在隨后的20 年中得到迅速的發(fā)展。至今，無人機已經(jīng)進入全民應(yīng)用階段，并被世界各地的研究人員用于各專業(yè)領(lǐng)域的全新探索。無人機在測繪地理信息、林業(yè)、農(nóng)業(yè)監(jiān)測中已經(jīng)得到廣泛的應(yīng)用，此外在考古探測、災(zāi)害響應(yīng)、氣象監(jiān)測、城市建設(shè)規(guī)劃等方面也獲得了顯著的研究成果。在城市建設(shè)規(guī)劃中，無人機可以執(zhí)行建設(shè)監(jiān)控、交通監(jiān)管和施工管控等方面的任務(wù)；在城市綠地監(jiān)測方面，無人機的使用對判別城市綠地結(jié)構(gòu)、類型、空間分布以及識別植物種類具有顯著優(yōu)勢。

1.3 無人機在城市綠地監(jiān)測中的優(yōu)勢

無人機遙感具有高時效性、高機動性、高分辨率、云下低空飛行、成本低等優(yōu)勢，為城市綠地識別與監(jiān)測提供了新的方式和視角，也可以作為地面遙感、衛(wèi)星遙感和航空遙感的補充。無人機具有的時間可調(diào)度性和高度可控性可以滿足不同綠地監(jiān)測范圍的實時數(shù)據(jù)傳輸，在非入侵式綠地探測研究中發(fā)揮著巨大的作用。無人機小型化獲得的高機動性極大支持了其在建筑與樹木密集區(qū)域的行動力。同時，其在云層下成像擁有去除大氣云層影響的特點，在較低的拍攝高度可使空間分辨率達到厘米級，還可獲取精確的三維空間數(shù)據(jù)。另外，低成本的消費級無人機的應(yīng)用能夠滿足各相關(guān)部門不同尺度城市綠地監(jiān)測的研究需求。

2 城市綠地信息提取

2.1 城市綠地制圖

城市綠地制圖關(guān)鍵在于對城市植被區(qū)域的土地覆蓋類型的識別，其使用的數(shù)據(jù)包括衛(wèi)星圖像（中等分辨率或高分辨率）、航空攝影圖像（高分辨率） 和無人機圖像（超高分辨率）。其中，中等分辨率的多光譜衛(wèi)星圖像，例如LandsatTM和LandsatETM+，可以被用來量化城市植被豐度；高分辨率的IKONOS，QuickBird 等衛(wèi)星數(shù)據(jù)和航空攝影目前已經(jīng)廣泛應(yīng)用于城市植被制圖和分類識別。盡管衛(wèi)星圖像和航空攝影具有區(qū)分大面積土地覆被類型的能力，但對于城市內(nèi)部微觀尺度的植被覆蓋信息卻缺少準確提取的能力。無人機遙感則為準確提取和繪制城市微觀尺度的土地植被覆蓋類型提供了技術(shù)方法。

2.2 綠地特征參數(shù)

無人機超高分辨率的影像可以滿足城市內(nèi)部綠地特征參數(shù)的采集，利用植被指數(shù)在微觀尺度上監(jiān)測植被光譜特征的變化。目前已經(jīng)定義了40 多種植被指數(shù)，主要包括歸一化植被指數(shù)、差值植被指數(shù)、垂直指數(shù)、比值植被指數(shù)等。通過無人機可獲取高時空分辨率的多光譜圖像、高光譜圖像、熱紅外圖像和可見光圖像等用于計算植被指數(shù)，從而表征植被光譜特征，并反演植被覆蓋度與葉面積指數(shù)等。植被覆蓋度的測量對于城市微觀尺度綠地規(guī)劃和研究格外重要。植被覆蓋度是地表植被垂直投影面積占總面積的百分比，是研究城市綠地生態(tài)系統(tǒng)平衡、水土流失、氣候變化和景觀組成的重要綠地指標。

3 城市綠地變化監(jiān)測

3.1 植物生長狀況監(jiān)測

應(yīng)用無人機技術(shù)對城市綠地基礎(chǔ)設(shè)施、公園、街道綠化等進行評估，可以有效的收集關(guān)于生長速度、物候變化、形態(tài)結(jié)構(gòu)變化等城市綠地植被生長狀況的專業(yè)信息。在遙感技術(shù)領(lǐng)域反映植被生長狀況的指標主要有歸一化植被指數(shù)(NDVI)、差值植被指數(shù)、垂直指數(shù)、比值植被指數(shù)等，其中應(yīng)用最廣泛的是歸一化植被指數(shù)。NDVI 是一個簡單的圖形指示器，可以用來評估被觀察的目標是否含有活的綠色植被。研究表明，NDVI 與植物冠層的光合能力和能量吸收直接相關(guān)，因此可以作為植物生命力的反映。在專業(yè)無人機系統(tǒng)的協(xié)助下，可利用多光譜、高光譜攝像機進行成像，收集定位信息和高質(zhì)量的光譜數(shù)據(jù)。現(xiàn)場信息的采集由專業(yè)的攝影測量處理平臺Pix4D 進行處理，從而獲得高質(zhì)量的NDVI模型。NDVI 模型中不同的顏色范圍代表了植物的健康程度，該技術(shù)為分析城市綠地所涵蓋的環(huán)境、社會和經(jīng)濟服務(wù)提供了基本的植被健康信息。Dimitrov 等通過無人機搭載多光譜成像儀“ParrotSEQUOIA”獲得NDVI 模型，評估了Karlovo部分研究區(qū)域綠色基礎(chǔ)設(shè)施的質(zhì)量，并與原位觀測進行對比，綜合兩種方法以評估Karlovo 公園、城市森林、體育活動區(qū)和中心城鎮(zhèn)4 種不同類型區(qū)域的喬灌木植被健康狀況。

3.2 綠地災(zāi)害監(jiān)測

無人機遙感技術(shù)可以實現(xiàn)城市綠地的遠程監(jiān)控與災(zāi)難的后續(xù)詳細調(diào)查，可以到達并評估從地面無法到達或看到的樹木區(qū)域。N?si 等對比研究了基于高光譜成像技術(shù)的無人機和飛機兩種系統(tǒng)對單個樹木水平上評估樹皮甲蟲對挪威云杉樹的危害的可行性，結(jié)果表明基于無人機的低成本遙感技術(shù)顯示出更高的準確度。Zhang 利用無人機遙感技術(shù)對日本虎杖入侵物種分布及生境條件進行空間分析，實例證明，無人機對于單獨的樹木或種群調(diào)查與植物入侵昆蟲和病原體等流行病的快速檢測是有效的。Kulhavy 等利用微小型無人機評估了52 棵樹的樹干狀況、生長情況、樹冠結(jié)構(gòu)、昆蟲和疾病、樹冠發(fā)育情況和預(yù)期壽命等6 個變量。

3.3 綠地污染物檢測

城市綠地生態(tài)系統(tǒng)可以通過植物葉片吸收和捕獲空氣中的污染物緩解城市空氣污染，然而污染物分布的時空演化取決于周圍環(huán)境、風力風向、湍流水平以及溫濕度等，因此開發(fā)能夠監(jiān)測和跟蹤污染物運動的科學技術(shù)是當前城市綠地污染物檢測的重要任務(wù)。

微小型無人機集合多種傳感器平臺系統(tǒng)能夠及時和準確地獲取這些數(shù)據(jù)，并且因為該系統(tǒng)可以實現(xiàn)遠程的自動化操控，操作人員不需要接觸空氣污染物，從而避免了潛在的危險。該方法不僅可以獲取包含空氣污染物濃度數(shù)據(jù)在內(nèi)的可見光圖像、光譜圖像、環(huán)境氣候參數(shù)等多源數(shù)據(jù)，還實現(xiàn)了低成本高空污染物垂直濃度數(shù)據(jù)的動態(tài)監(jiān)測。

4 結(jié)語

無人機遙感對城市綠地監(jiān)測有著眾多的優(yōu)勢，但由于無人機影像的分辨率高、數(shù)據(jù)量大、圖像處理難度大等問題，對于數(shù)據(jù)的量化分析依舊存在較大的挑戰(zhàn)，這需要更加高效的圖像處理和分類方法。此外，由于無人機平臺荷載的限制，往往要求所載設(shè)備體積更小、自動化程度更高。雖然無人機系統(tǒng)在空間分辨率上相對衛(wèi)星與航空遙感具有顯著優(yōu)勢，但其遙感范圍小、時間同步性差、續(xù)航時間短的問題將極大限制其運用。