基于无人机高光谱的湖泊蓝藻监测应用

随着行业级无人机的发展，利用无人机在高空巡航和遥控地面端人工识别的的手段，可以克服传统的人工踏勘费时费力以及在大范围水体人工遗漏检测的弊端。进一步，无人机高光谱反映了高分辨率光学信息的特征，其利用很多很窄的电磁波波段（通常<10nm）从感兴趣的物体获取有关数据，可以实现大面积水体的高效监测。同时，结合基于地物光谱仪的端元自采集方法，获取样本水体中蓝藻的光谱信息，以此与样本水体叶绿素含量定量检测结果相互构建估算模型，可实现大面积水体的蓝藻遥感探测，为水质分析和水体环境保护提供技术支撑。

2.1 材料与设备

（1）外业采集相关设备

图1 无人机高光谱和地物光谱仪

（2）参数定量测定设备

蓝藻叶绿素浓度定量测量（单位面积含量）相关设备。用于构建蓝藻叶绿素浓度估算模型（在有经验模型情况下，可用经验模型代替，但精度更低）。

2.2 数据采集

2.2.1 无人机高光谱影像采集

图2 无人机高光谱采集水体高光谱影像示意图

2.2.2 实测蓝藻样本采集

在无人机采集影像后，在测区内选取部分水体的蓝藻作为样本采集对象，分别采集若干不同浓度情况的蓝藻水体，并进行编号分类密封保存（匹配GPS地理定位）。之后立刻送往实验室（蓝藻长时间放置后活性可能会降低，导致光谱发生变化），以进行蓝藻光谱测量和叶绿素浓度的定量测量。

图3 蓝藻水体采集样品编号封装保持示意图

数据处理包括高光谱影像处理、蓝藻水体实测样本参数定量测定、估算模型构建以及影像反演解算等，数据处理流程如图4所示。

图4 无人机高光谱蓝藻水体叶绿素定量反演流程

3.1 高光谱影像处理

5. 光谱滤波（平滑）：原始影像中的光谱信息存在一定的噪声，在应用之前需要进行光谱滤波。

3.2 实测样本参数定量测定及光谱采集

3.2.1 蓝藻水体叶绿素定量测定

图5 样本水体叶绿素定量测量示意图

3.2.2 蓝藻水体光谱采集

3.2.3 训练样本和验证样本划分

3.3 估算模型构建

3.4 影像反演解算

利用构建的反演模型对影像进行解算。将研究区域影像按建模特征的变量计算方法进行计算，把整个研究区域影像计算为反演的变量，之后代入模型进行解算，解算结果即为水体叶绿素浓度反演结果。

4.1 反演模型构建

图6 蓝藻叶绿素浓度与反射率光谱的相关系数曲线

图7 蓝藻叶绿素浓度与双波段组合的相关系数

图8 叶绿素估算模型示意图

4.2 蓝藻水体叶绿素反演结果

图9 蓝藻范围及叶绿素浓度反演示意图

图10 叶绿素估算结果精度检验示意图