无人机高光谱载荷性能交叉验证

田文忠，赵庆展，胡浩伟，李沛婷，马永建，龙 翔

(1.石河子大学机械电气工程学院，新疆 石河子 832000;2.国家遥感中心新疆兵团分部，新疆 石河子 832000;3.兵团空间信息工程技术研究中心，新疆 石河子 832000;4.兵团空间信息工程实验室，新疆 石河子 832000;5.石河子大学信息科学与技术学院，新疆 石河子 832000)

0 引 言

随着无人机（unmanned aerial vehicle，UAV）技术和轻型多、高光谱相机的发展，以无人机为飞行平台可获得高空间分辨率、高光谱分辨率和高时间分辨率的遥感影像[1]，无人机具有起降灵活、低空飞行、低成本、易维护[2]等优势，使得无人机遥感在国土测绘[3]、环境灾害[4]、农情监测[5-6]等方面得到广泛应用。在无人机遥感影像的实际应用中，定量遥感已成为遥感学科发展的前沿与趋势[7]。对于定量遥感，首先需要确保无人机载荷性能的可靠性，这要求在做定量应用研究之前，需要对仪器性能进行验证研究。而定量遥感基础就是遥感数据的辐射定标[8]。辐射定标即建立空间相机入瞳处辐射量与探测器输出量的数值之间关系的过程[9]。

根据遥感载荷辐射定标原理，陈洪耀等[10]和勾志阳等[11]采用反射率基法[12]。结合靶标场灰阶靶标实现对无人机平台上的多、高光谱相机场地绝对辐射定标及验证分析；但并未有相关交叉验证研究。首先，由于高光谱仪波段较多，波段的光谱分辨率较高，使得在实际研究中很难找到对其进行交叉验证的高光谱参考载荷。其次，如果利用多光谱载荷对其进行性能参数准确性验证，以有限的地面参考点信息是很难得到几十甚至上百个波段的验证系数的，并且方程本身是个病态问题。基于此问题，国内学者李传荣等[13]采用2010年资源应用卫星中心公布的HJ-1B/CCD1多光谱数据和无人机高光谱数据进行交叉验证研究，得到的定标差异系数未超过10%，在一定程度上说明了此交叉验证方法的可行性。同时，由于二者之间的光谱差异、空间相差较大、大气路径不同以及采集时间的不同，使得利用高光谱数据模拟得到的HJ-1B/CCD1多光谱各波段的入瞳辐亮度和真实值存在差异，选取地物时无法保证目标场景完全相同，以及真实大气环境差异，从而造成验证具有一定的不可靠性。

基于此类研究方法，本文利用无人机Rikola高光谱载荷高光谱分辨率、高空间分辨率及波段可选则的特点，展开与无人机MCA12s多光谱载荷的交叉验证研究，并结合灰阶靶标，使用Rikola高光谱载荷辐亮度数据对MCA12s多光谱载荷进行辐射定标，建立高光谱辐亮度值与多光谱DN值之间关系，从而实现高光谱载荷与多光谱载荷交叉验证研究，并从侧面反映Rikola高光谱载荷的光谱和辐射综合性能。

1 实验设备与数据获取

1.1 实验设备

如图1所示，在交叉验证实验中，所使用的无人机平台为两架同型号大疆经纬M600 Pro无人机，配合大疆如影MX云台，使得光谱仪平稳地搭载在无人机上，两架无人机执行DJI GS Pro软件中规划的同一航线任务。验证载荷是芬兰SENOP公司生产的Rikola高光谱成像仪，质量约为720 g，适合搭载在小型无人机，成像方式为框幅式成像，视场角 36.5°，焦距 9 mm，图像分辨率为 1 010×1 010，波段范围为 450～950 nm，波段数范围为 0～380 个，用于机载时可设波段60～70个。此次交叉验证所使用的待验证载荷是美国Tetracam公司生产的MCA12s多光谱成像仪，质量轻、体积小、可远程触发，适合在中小型无人机上进行搭载。每个波段配备 1.2 兆像素 CMOS 传感器 (6.18 mm×4.95 mm)，光圈 f3.2，焦距 9.6 mm，图像分辨率为 1 280×1 024，可进行12波段(可自由选配)影像数据获取[14]。另外，该光谱仪各通道对应的光谱响应函数由厂家提供。实验所用的5块灰阶靶标其中4块是由美国G8T厂家生产的标准漫反射参考板组成，反射率分别为3%、22%、48%、64%，大小为 1.2 m×1.2 m；另外一块是由高光谱仪厂家定制的0.5 m×0.5 m大小的100%高光谱性能漫反射板。

图1 大疆M600无人机搭载高、多光谱载荷图

1.2 数据获取与处理

本次交叉验证实验在新疆塔城地区沙湾县蘑菇胡村进行，其东经为 44.413 348 06°，北纬为85.894 768 06°。该区域地表主要有裸土和葫芦瓜、棉花等农作物。灰阶靶标铺设在葫芦瓜和棉花之间的裸土上。无人机为自动巡航模式进行航拍，航高80 m，高光谱载荷和多光谱载荷分别实现数据采集的时间是2018年8月8日12时30分和2018年8月8日12时50分。

在交叉验证研究时，只选取靶标及地物在内的一景影像进行研究，对于MCA12s多光谱数据，利用Tetracam PixelWrench2软件[15]将原始文件转化成标准tif格式文件。对于Rikola高光谱数据首先进行格式转换和暗电流矫正与校准，由于高光谱影像波段较多，相机触发曝光后，在设定的波段序列下拍摄连续影像，得到的光谱立方体影像并不完全重叠，因此进行波段配准处理。

2 波段选择与交叉验证方法

2.1 波段参数选取

Rikola高光谱仪传感器光谱范围为503～911 nm，并且可对其波长在此范围内进行特定波段选择。对于MCA12s多光谱仪固有的12个波长，Rikola高光谱仪可选取的波长分别为 515，550，610，656，710，760，800，830，860，900 nm。另外，由于多光谱仪前10个波段对应半高波宽FWHM为10 nm，通过表1中FWHM对比，高光谱仪选择比较接近的宽波段模式，且在本次实验中，在不考虑大气对宽波段和窄波段的影响，从表1可看出，波宽差异不大，故忽略二者之间的光谱差异。两次数据采集过程中，相隔时间不超过30 min，其观测时间，太阳天顶角，观测天顶角非常相近，可以认为大气在时间和观察角度上的差异很小。

表1 多光谱波段对应的高光谱波段FWHM和积分区间

根据MCA12s多光谱仪和Rikola高光谱仪各波段的光谱范围，确定用于卷积运算的光谱范围，如表1所示。

2.2 交叉验证方法

无人机高光谱载荷交叉验证流程如图2所示。

通过大疆经纬M600 Pro无人机搭载Rikola高光谱和MCA12s多光谱载荷进行数据采集，选取Rikola高光谱影像中5块漫反射板的辐亮度数据，利用卷积[16-17]方法，计算得到MCA12s多光谱仪各波段的等效入瞳辐亮度模拟值，其卷积公式为

式中：LM——MCA12s多光谱仪某波段等效入瞳辐亮度值；

fM——MCA12s多光谱仪在该波段的光谱响应函数；

LR(i)——Rikola高光谱仪第i波段的入瞳辐亮度值。

选取多光谱影像灰阶靶标的数字量化值(DN)与模拟得到的等效入瞳辐亮度值(L)进行最小二乘法拟合，得到遥感图像DN值与瞳辐亮度值之间关系曲线，从而确定多光谱载荷辐射定标增益系数[18]。最后通过对定标结果平均相对误差分析，光谱曲线对比等试验从而完成无人机高光谱载荷交叉验证研究。

3 结果与分析

3.1 多光谱入瞳辐亮度计算

根据Rikola高光谱遥感影像，可分别得到无人机高光谱影像中5块灰阶靶标的入瞳辐亮度，并与MCA12s多光谱仪的光谱响应函数进行卷积运算，得到MCA12s多光谱仪各波段的等效入瞳辐亮度模拟值。计算结果如表2所示。

图2 无人机高光谱载荷性能交叉验证流程图

表2 MCA12s多光谱仪各波段入瞳辐亮度模拟值1)

3.2 辐射定标增益系数确定

机载成像光谱仪入瞳处各光谱带的辐射亮度值(L)与光谱仪输出的数字量化值(DN)之间的数值关系[19]表达式为

其中a为 定标增益系数，b为偏置。

根据定标方程，将模拟得到的MCA12s多光谱仪各波段入瞳辐亮度值与灰阶靶标对应的DN值采用最小二乘法进行拟合，从而获得机载MCA12s多光谱仪辐射定标系数，结果如表3所示。

表3定标结果初步可确定，在MCA12s多光谱仪获取影像的10个通道中，在地面铺设靶标从3% ～100%反射率范围内，传感器线性响应度较高。

3.3 定标系数验证与分析

如图3所示，实验时首先在葫芦瓜、棉花和裸土3种地物相对均匀的区域利用GPS定位进行采样打点。由于在80 m航高时，Rikola高光谱仪地面分辨率为5.2 cm，MCA12s多光谱仪地面分辨率为6 cm，二者分辨率相差很小，故在影像中，以采样点为中心选取100像元×100像元，但由于裸土区域相对较窄，选择30像元×30像元。

表3 MCA12s多光谱仪定标系数a 、偏置b 及拟合相关系数r2

图3 影像中研究数据块选取图（从左到右依次是葫芦瓜、裸土、棉花）

3.3.1 定标后平均相对误差 (MRE)分析

根据MCA12s多光谱影像所选区域实际DN值，与定标所得的DN值，计算平均相对误差(MRE)，并作为本实验定标系数精度评价指标。其计算公式为

其中zoi、zei分别为所选区域实际DN值和定标所得的DN值，n为某一验证波段的采样点数。

从图4各波段对应的平均相对误差(MRE)结果可初步确定，对于相对比较均匀的裸土，其平均相对误差小于0.12，90%的波段平均相对误差都低于0.08。可以说明实验所得的定标方程相对比较准确，基本能实现MCA12s多光谱所得的DN值和辐能量之间的转换。对于植被区葫芦瓜和棉花，平均相对误差小于0.32，平均相对误差较大的波段主要在515 nm和656 nm处，结合当时实验状况，葫芦瓜部分叶子有干枯现象，棉花正处于开花期，可能造成较大差异与均匀地物有关，而对于植被光谱而言，350 nm 到 490 nm 为叶绿素强吸收带，550 nm波长附近是叶绿素强反射峰区，650 nm到700 nm为叶绿素强吸收带，700 nm 到 1 300 nm 植被具有强反射特征[20]，但具体归属于哪一个原因及其中的定量关系，还有待验证。

3.3.2 引入地物后再次线性回归后的定标系数对比

根据MCA12s多光谱影像所选地物和靶标的DN值，及Rikola高光谱影像所选地物和靶标的辐亮度值，按照3.1节多光谱入瞳辐亮度计算方法和3.2节辐射定标增益系数确定方法，可得到引入地物葫芦瓜、棉花、裸土后进行线性拟合后的定标结果，其定标结果如图5所示。

如表4所示，两次交叉验证定标系数相对差异在±1%之内，且两次拟合相关系数r2分别在0.96和0.92以上。通过比较仅由灰阶靶标拟合得到的定标增益系数和葫芦瓜、棉花、裸土、灰阶靶标拟合得到的定标增益系数之间的相对差异，可以看出，加入相对均匀的地物进行定标是可行的，由于两次拟合所得的定标系数相对稳定，说明该定标结果可靠，另一方面说明了利用Rikola高光谱载荷对MCA12s多光谱仪进行定标是可行的，可实现交叉验证，由此也说明了Rikola高光谱仪性能参数的准确性。

3.3.3 影像定标矫正后反射率曲线对比分析

图4 葫芦瓜、棉花、裸土平均相对误差(MRE)

图5 葫芦瓜、棉花、裸土、灰阶靶标线性拟合所得定标系数

表4 两次交叉验证定标系数相对差异

在影像定标矫正后反射率曲线对比分析中，首先使用48%标准漫反射板及厂家提供的实验室定标反射率值，将定标后的MCA12s多光谱辐亮度数据和Rikola高光谱辐亮度数据转换成反射率值。得到的灰阶靶标的反射率曲线如图6所示，对MCA12s多光谱数据和Rikola高光谱数据所得的靶标曲线整体趋势而言，靶标曲线趋势基本一致。对于100%漫反射板，MCA12s多光谱数据得到的反射率数据在750 nm处有较大的波动。22%漫反射板基本趋于正常；100%漫反射板得到的反射率相对较低，且反射率均未有达到100%；对于64%和3%漫反射板得到的反射率相对较高。这与实验所处环境，曝光设置及传感器响应范围有关，但二者曲线趋势基本一致，因此所得定标结果可靠，Rikola高光谱仪性能参数的准确性得到检验。

图6 靶标反射率曲线

4 结束语

本次交叉验证研究基于辐射定标原理，利用灰阶靶标，通过无人机Rikola高光谱载荷辐亮度数据与MCA12s多光谱载荷光谱响应函数的卷积运算，得到MCA12s多光谱载荷的等效辐亮度，并与MCA12s多光谱载荷DN值线性拟合。得到无人机载MCA12s多光谱仪辐射定标系数。通过对定标后结果的平均相对误差(MRE)分析，引入地物类型后再次线性回归后定标系数对比分析以及影像定标矫正后反射率曲线对比分析得到以下结论：

1) 利用灰阶靶标对MCA12s多光谱载荷定标，其定标后所得的DN值与MCA12s多光谱载荷影像的平均相对误差可以看出：选择比较均匀的裸土进行检验，平均相对误差小于0.12，验证了本文中定标结果的有效性和交叉验证实验的可行性。

2) 引入葫芦瓜、棉花和裸土，再次线性回归后定标系数对比，定标系数相对差异在±1%之内，且两次拟合相关系数r2分别在0.96和0.92以上。一方面检验了传感器线性响应性能和在本次交叉验证实验中拟合的定标方程的可靠性，另一方面说明了利用均匀地物在交叉验证研究中的普适性，并对Rikola高光谱仪性能得到初步验证。

3) 从影像定标矫正后漫反射反射率曲线可以看出，二者曲线趋势基本一致，因此所得定标结果可靠，Rikola高光谱仪性能参数的准确性进一步得到检验。

本文基于不同反射率的灰阶靶标，MCA12s多光谱载荷，对无人机Rikola高光谱载荷性能进行了初步的检验研究。但有一些问题还需在未来的研究中改进，如虽然两次无人机执行任务时间间隔比较短，但对本次实验的定标也有可能产生一定影响。可对设备进行改进设计，在大疆经纬M600 Pro无人机上同时搭载高光谱和多光谱载荷。另外，可对载荷结合特定地物及特征波段进行具体分析，找到新的交叉验证方法。