日前，自然资源部刚刚印发的《自然资源确权登记操作指南（试行）》引发自然资源人的热议。这给为履行“两统*”职责*而组建的自然资源管理部门开展自然资源调查监测指明了方向。 

正所谓“工欲善其事，必先利其器”。具有多光谱成像功能的“千里眼”——精灵 4多光谱版无人机正好成为对“山水林田湖草”等自然资源资产开展精细化、*化调查监测的*把“利器”。

它不*延续精灵 Phantom 4 RTK 的厘米级导航定位系统，而且新增了多光谱相机和位于天线顶部的多光谱光强传感器，为用户带来*精度数据成果。同时，它具有起降灵活、易于操作、按需获取*时空分辨率多光谱数据、应用成本低等诸多优势，为自然资源调查监测、水文水资源监测、干旱灾害评估、*农业等中小尺度的多光谱遥感应用提供了全新工具。
 

“六只眼”秒拍红树林

不久前，DJI 大疆行业应用与中山大学地理*与规划学院、广州知行携手，开展“地球之肾”的湿地植物红树林分类普查。本次研究的红树林湿地，位于淇澳岛西北部，为目前珠海市面积*大、保存*完整、*集中连片的林分。该区域红树林主要物种有银叶树、秋茄、桐花树、老鼠筋、卤蕨以及无瓣海桑等。

本次数据采集使用的设备就是精灵 4 多光谱版无人机。它可以通过 1 个RGB和 5个多光谱传感器获取*精度数据成果。五个多光谱传感器波长为：

蓝(B):450±16nm

绿(G):560±16nm

红(R):650±16nm

红边(RE):730±16nm

近红外(NIR):840±16nm

*体式的多光谱成像系统，集成了1 个 可见光相机及 5 个多光谱相机（蓝光，绿光，红光，红边和近红外），分别负责可见光成像及多光谱成像。所有相机均拥有 200 万像素解析力及配备全局快门，这套出色的成像系统装置于三轴云台上，成像清晰稳定。

多光谱光强传感器打造*结果

精灵 4 多光谱版顶部集成多光谱光强传感器，可捕捉太阳辐照度并记录于影像文件中，当进行数据后期处理时，太阳辐照度数据将可用于对影像进行光照补偿，排除环境光对数据采集的干扰，有助于使用者获得更准确的 NDVI 结果，提*不同时段采集到的数据的准确度与*致性。

本次实验数据通过 DJI GS PRO 地面站专业版的“测绘航拍”模式，自动规划测区航线，并设置飞行*度为 84.5m，航向重叠率为 75%，旁向重叠率为 70%，飞行速度为 6m/s。 

 正射影像*键Get

精灵 4 多光谱版无人机*次拍摄即可获取 6 张照片，分别是 RGB、B、G、R、RE、NIR。将外业采集的影像导入到大疆智图中重建，重建类型选择“二维多光谱”。大疆智图不*能自动快速完成正射影像重建，还可以生成 GNDVI、LCI、NDRE、NDVI等几种植被指数，多光谱成果地面分辨率达到 4 cm。

 在 GIS 应用软件中，对重建好的数字正射影像图（DOM）和数字表面模型（DSM）进行裁剪，得到实验区的正射影像图。

研究区正射影像图

“多光谱”让地物分类更*

如何对多光谱遥感影像数据进行特征提取与地物分类？*先，利用遥感影像分析软件，采用面向对象的方法对实验区的红树林物种进行精细分类。面向对象的方法*先要对遥感影像进行初始分割，得到*个个属性各异的同质区域，这些同质区域被称之为“对象”；然后，从这些影像对象中提取多种特征，如光谱、形状、纹理、结构和空间关系等；*后采用随机森林分类算法以完成*终的影像分类。

下面，我们逐*介绍本次研究中的这三个步骤。

01影像分割 

在 Ecognition 软件中使用面向对象的方法，对实验区的红树林物种进行精细分类。影像分割是面向对象分类的基础，分割算法将影像分为多个对象单元，特征提取、分类器分类等方法均基于对象操作，分割的准确度影响分类精度。本次实验采用多尺度分割算法，经过多次调试，确定分割尺度、形状因子和紧致度因子分别为 180、0.5、0.5。

02确认分类原则及样本 

根据试验区地块的属性，该地块包含老鼠簕、黄槿、卤蕨、秋茄、桐花树、银叶树、芦苇等 7 种主要植物；水体与人工建筑归为其它类型；阴影对分类结果影响较大，单独分为*类，共计 9 类地物。

03根据算法，执行分类 

第三步采用随机森林分类算法执行分类过程。将蓝、绿、红、红边、近红外波段均作为光谱特征。纹理特征使用灰度共生矩阵，包括同质性、熵、对比度、差异性、角二阶矩、自相关、均值和标准差，对数据的红、绿、蓝 3 个波段提取这 8 种纹理特征，共计 24 个纹理特征。

从无人机影像中提取的 DSM 信息，能够反映出不同树种的相对*差， DSM 与 DOM 的融合数据能够有效提*红树林地物分类精度，所以把从影像中提取的 DSM 数据作为*度特征。在实验区内均匀的选择训练样本，执行分类过程，得到如下图所示的*终分类结果。

多光谱数据分类结果

在实地调查与目视解译的基础上，在研究区范围内均匀选取验证样本，*终对此次分类结果进行精度评价，得到本次实验分类的*体精度为 92.4%，Kappa 系数为 0.913。

采用*光谱和多光谱两种方式进行地物分类，从结果来看，多光谱分类*体精度（92.4%）略*于*光谱分类精度（89.3%）。可能是由于*光谱的大量冗余信息导致地物分类精度下降。

因为*光谱数据量*大，且单架次拍摄面积较小（约0.03 平方公里），是多光谱无人机拍摄面积（约0.09 平方公里）的三分*。从数据获取和分类来看，精灵 4 多光谱版无人机更占优势。

*光谱数据分类结果

调查监测“千里眼”

*分辨率数据获取，大幅提*自然资源监测能力。精灵 4 多光谱版的可见光与多光谱相机均为 200 万像素，在飞行*度为 100 米时，其地面分辨率达 5.3 cm，无论是 RGB 影像还是多光谱影像都有较*的空间分辨率，为自然资源定量调查提供*精度数据。

实时获取现场画面，提供自然资源调查直观信息。精灵 4 多光谱版配合 GS PRO 地面站专业版支持 NDVI 分析功能，用户可在实时 NDVI 和实时 RGB 影像之间进行切换，及时发现异常状况，从而快速做出针对性决策。

RGB 影像与实时 NDVI 图像切换

多视角*、*监测，守护自然资源调查生命线。精灵 4 多光谱版将*精度的经纬度坐标写入图像中，真实反映自然资源现状。同时，它轻巧灵活、可达性强，能从空中抵达人工难以涉足的区域，多角度呈现信息，避免单*视角造成的信息误读，为自然资源进行地物调查提供真实有效信息。

厘米级定位系统

精灵 4 多光谱版采用 TimeSync 时间同步系统，通过将飞控、相机与RTK的时钟系统进行微秒级同步，实现相机成像时刻毫秒级误差，并对每个相机镜头中心点位置与天线中心点位置结合设备姿态信息进行实时补偿，使影像获得更加*的位置信息。所有相机出厂前皆经过严格校准，测量径向和切向透镜的畸变情况，相关失真参数将保存在影像的元数据中，方便后期处理时进行精细化调整。

精灵 4 多光谱版无人机和大疆智图组成的航测遥感解决方案让自然资源确权登记更轻松！