关于无人机的多光谱相机你知道多少？
01
多光谱基础理论
在自然界的绚丽光谱中，光被巧妙地划分为两大类：可见光与不可见光。当我们谈论可见光时，我们实际上是在谈论一个由RGB三原色——红、绿、蓝，这3种原色是构成我们所见色彩的基本单元。
在可见光之外，还隐藏着一个更为广阔而神秘的领域，那就是不可见光。这片领域包括了紫外线、红外线、近红外等多种光谱成分，它们虽然无法被我们的肉眼直接捕捉，却在自然界中发挥着不可或缺的作用。这些不可见光在科学研究、遥感探测等领域拥有广泛的应用，为我们揭示了一个又一个未知的世界。
光谱图
02
无人机中多光谱相机介绍
现有设备为御3多光谱，波段介绍如下所示，可实现NDVI、GNDVI、NDRE的实时测量计算
以大疆无人机御3的多光谱相机为例，可实现NDVI、GNDVI、NDRE的实时测量计算，波段介绍如下所示：
NDVI=(NIR-R)/(NIR+R)
特点：NDVI 是遥感中最常见的植被指数。它可以在整个作物生产季节使用，除非植被覆盖太稀少，因此它的光谱反射率太低
何时使用：NDVI 值在作物最活跃生长阶段的季节中期最准确
GNDVI=(NIR-G)/(NIR+G)
特点：GNDVI 比 NDVI 更准确地测量叶绿素含量
何时使用：在没有红波段时，检测枯萎或老化的作物并测量叶子中的氮含量，监测茂密树冠或成熟阶段的植被
NDRE=(NIR-RE)/(NIR+RE)
特点：给定的植被指数适用于高密度树冠覆盖
何时使用：NDRE 通常用于监测已达到成熟阶段的作物
03
搭载多光谱相机的无人机案例应用
现有设备为御3多光谱，波段介绍如下所示，可实现NDVI、GNDVI、NDRE的实时测量计算
01
植被生长状况与病虫害检测应用
在对于农作物和树木植被病虫害的检测上，由于虫害导致的营养不良和水分流失，叶子的色素比例会发生变化，导致不同波段的反射值与正常时的有差异，从而判断农作物的生长状态。不同光谱通道所获得的植被信息，可与植被的不同要素或特征状态，有各种不同的相关性，如可见光谱段受叶子叶绿素含量的控制，近红外谱段受叶内细胞结构的控制、中红外谱段受叶细胞内水分含量的控制等。
02
河道污染中油污、重金属等检测应用
在现代水质监测领域，地面工作人员与多光谱技术的结合，为水环境管理提供了强有力的技术支撑。他们通过精心设计的采样方案，配合多光谱分析技术，能够精准地绘制出水体中污染物的浓度分布图像，从而实现对水质状况的全面了解。
在采样过程中，工作人员遵循科学严谨的原则，采用均匀分布、单点多次采样的方法，确保样本的代表性。通过对全域水体的细致采样，不仅有效减小了仪器误差，还排除了偶然误差的干扰，确保了数据的准确性和可靠性。
随后，对采集的样本水样进行各污染物浓度的检测，得出污染物含量（mg/L）的具体参数。这些参数不仅是评估水质状况的重要依据，也是进行多光谱反演的基础数据。通过多光谱反演技术，能够将这些参数转化为直观、形象的污染物浓度分布图像，使水质状况一目了然。
在实际应用中，平均在每公里河道上选取5个样本点，并在无人机执行飞行任务的当天，分早、中、晚三次对这些样本点进行水样采样。利用先进的水质检测仪，工作人员能够快速、准确地检测出样本水体内各污染物指标的含量。
为了进一步挖掘数据背后的规律，工作人员运用SPSS等统计软件对检测结果进行拟合分析，得出样本参数与多光谱波段之间的反演公式。这一公式将多光谱航片中的信息转化为具体的污染物浓度数值，为河道总体污染物指标含量的计算提供了科学依据。
当然，即使在不进行水体样本取样的情况下，工作人员依然可以利用多光谱技术的优势进行水质监测。通过调用标准光谱库中的污染物参数进行反演，工作人员可以得到包含污染物浓度百分比分布的水质图像。这种图像虽然不如直接采样检测的结果精确，但同样能够满足对水质总体情况的监测需求。
总之，多光谱技术为水体污染监测领域带来了革命性的变革。它不仅提高了监测的效率和精度，还为工作人员提供了更加直观、形象的监测结果。随着技术的不断发展和完善，相信多光谱技术将在未来水质监测领域发挥更加重要的作用。
转载自：无锡格物智能科技有限公司 如有侵权，请联系删除