zoukankan      html  css  js  c++  java
  • [野外实验] 塞罕坝遥感实验(2020.7-8月)

    关键词:遥感实验 塞罕坝森林公园 总结与感悟 作者:李二 日期:22/08/2020 - 23/08/2020

    硕博六年至今毕业,大大小小的遥感实验做过十数次之多,足迹踏过河北围场、甘肃张掖、内蒙古额济纳旗 、张家口怀来、北京永定河、法国阿维尼翁等地,学习和使用无人机RGB相机、多/高光谱、多角度、热红外、地基多角度车、组分光谱测量、大气廓线等等,逐渐地让我摸清了遥感实验从想法、设计、准备、执行、后处理等整个框架

    遥感野外实验是遥感算法发展与验证的重要一环,是参考真实数据的重要来源。熟悉野外实验,才能更有把握地发展遥感算法。另外,野外实验各种状况不一而足,也能锻炼个人的各种技能

    1. 我与塞罕坝的缘分

    在所有次实验中,我去河北承德市围场县的塞罕坝国家森林公园实验的次数最多,也与该地结下了不解的缘分。

    塞罕坝月亮山的无人机航拍正射影像
    塞罕坝月亮山的无人机航拍正射影像

    硕士未入学前,首次参加了野外实验,就是在塞罕坝。记得当时是闫凯师兄带着我和教我飞无人机,漆建波师兄在弄第一版的地面多角度车的控制代码事宜,和所有研究生小白一样,我懵懵懂懂。

    除了2018、2019在国外的这两年没去承德实验,剩余年份每年1-2次去那边,我成为了飞无人机的主力、也完成了地面多角度车控制代码的第二版,也根据自己的需求开始了自己的实验,后面也逐渐带着师弟师妹们去实验,也算是继承和传承了。

    今年博士毕业后,穆老师也希望我再参加一次塞罕坝实验,一方面是满足自己的实验需求,另一方面希望临走前再带带师弟师妹们。这次李伟华师弟成为了飞无人机的主力,也终于有了能用的多角度无人机高光谱数据。

    当然,也希望工作以后也有机会继续去塞罕坝实验(夏季在那实验,气温还是很舒适的,不过最重要的是,已经对那熟悉且有积累)。

    2. 此次塞罕坝试验

    这次实验有两个大的主题

      1. 无人机光谱影像测量
      1. 地基激光雷达测量

    由于我主要在第一个主题下面,第二个主题只是大致了解,因此只说一下无人机光谱影像测量这一部分吧。

    2.1. 实验整体情况

    实验成员在实验前10天就开始系统整理每个人的实验需求文档、仪器及配件需求情况,准备得相当充分。

    尤其是有个靠谱的李益师弟,极为擅长总结整理文档,十分清楚漂亮。

    整体实验进行的还算顺利,需要主要包含4个方面:

    • 森林冠层覆盖度算法验证:无人机数码相机影像 + 地面数码相机影像 + 地基LiDAR数据
    • 太阳角度对植被指数影像评估:nadir观测的无人机高光谱影像
    • 冠层辐射传输模型建模:多角度无人机高光谱影像 + 地面组分光谱测量
    • 针叶的光谱反射率与透过率测量:S710推扫式高光谱相机影像+显微镜 以及 光谱仪
    实验需求汇总文档的截取部分
    实验需求汇总文档的截取部分

    整个实验执行了约10余天,基本完成了预期计划,但在后续处理数据中发现仍有不足的地方。

    2.2. 无人机数码照片数据的用途

    其实这次实验感悟最深的一点是:无人机数码照片数据是最方便获取和最容易使用的。塞罕坝多山多林,信号遮挡严重。无论是无人机多/高光谱相机还是无人机激光雷达,飞行都相当危险,这些仪器动辄大几十万,万一出问题,损失极大。

    因此,如果能用廉价的无人机数码相机(比如DJI 精灵)实现某些常用的植被参数的估算,则会很有市场。

    我觉得无人机植被遥感有两个地方未来可以做

      1. 基于低成本的数码相机实现一些参数的标准化业务化高精度估算;
      1. 挖掘高级别传感器(LiDAR,高光谱,多源融合)在生理功能参数上的估算。

    我从硕士起就抓着植被覆盖度这一基础结构参数,而估算这一参数最合适的方式正是无人机RGB数码相片:

    • 最开始发表在AFM上的半高斯拟合法估算田间植被覆盖度;
    • 后来又在ISPRS P&RS上发表了色彩混合分析法更高效准确地估算大田植被覆盖度;
    • 而后在RS上初步发表了基于点云反投影的超像元分割法估算森林的冠层和林下覆盖度;
    • 前段时间又发展了融合点云与影像的自监督学习更为准确鲁棒地估算冠层覆盖度。

    这次数据获取正是为了增加最后这个算法的验证数据,同时也作为申请今年武汉大学的开放研究基金的基础。

    2.3. 多角度和nadir无人机高光谱数据

    我和多角度无人机遥感也算是渊源颇深了,自2014年起就开始了首次数据获取以及相应的一些处理,后续基本每年都有多角度数据,只不过要么因为相机问题,要么因为飞行问题,迟迟不太好。

    虽然时至今日我尚无一篇文章发表在这上面(2018年就投了,断断续续因各种原因至今尚无结果),但也算经验比较丰富了。

    我们小组不敢说是国际国内第一个做无人机多角度的,应该也是最早地几个团队了。但是由于各种原因吧,迟迟没有好的成果。我最近的一个投RSE,编辑和审稿人都是比较认可的,但是奈何总是因为数据不足或者相机问题的原因,尚未成功。

    师弟和师妹获取多角度无人机高光谱数据
    师弟和师妹获取多角度无人机高光谱数据

    如今我们有了高光谱相机,有了大疆M600,能够很好的设置多角度航线,多角度观测能够比较成功地执行了,而且在此过程中,我们发现了高光谱相机的一些问题、怎样设置航高比较合适、设置多大的观测范围是好的等等。我们的各种经验和知识也丰富起来,相信在不久的将来,成果一定越来越快越来越好。


    nadir的高光谱影像获取相对是容易的,但是LiDAR与高光谱的融合仍是需要解决的问题,而二者的融合与应用必然是以后研究的重要内容和热点。 因此,先获取一次这样的数据,尝试发展算法吧。

    另外,我一个师妹在研究太阳角度对于植被指数的影响,也希望有不同太阳天顶角的nadir高光谱数据,前期我建议直接在高航高处拍摄一张照片就好了,比较方便,后面可能因为是要与其他需求匹配的缘故,只是在低高度航带飞行地,并生成正射影像。

    2.4. 针叶的光谱反射率与透过率测量

    针叶光谱反射和透射的测量一直是组分光谱测量的难点问题。 塞罕坝的森林主要构成为针叶林,所以做当地的生态遥感研究,一定要克服这一难点。 这次阎老师希望大家能够拿出一套解决办法,一定要解决这个问题。

    这次带的显微镜、S710相机、光谱仪其实就是为了干这个事情的。

    S710高光谱相机加装显微镜测量针叶光谱反射率与透过率
    S710高光谱相机加装显微镜测量针叶光谱反射率与透过率

    这项任务其实落在了两个即将入学的师弟身上。 他们两个积极主动、勤于思考、有十分努力,远超我研究生入学的样子,与阎老师、穆老师和我积极讨论。 当然,这个事情不容易,到今天我们还在做。

    3. 实验感悟

    3.1. 实验前的准备很重要

    穆老师永远是一个非常细致的人,要求我们每个仪器落实到人,提前准备到位,拿着表格逐一核对。这种精神很值得学习。

    塞罕坝一个不好的地方是的夏季天气经常摸不准,一大早起来还是晴空万里,没过1-2个小时,就浮云千里(云是自动生成的),对于我们光谱测量来说,必须要赶上无云的太阳窗口。这次实验的晴天很少,所以我们必须提前准备好各种设备,有2次我们因为忘带仪器或者其他原因,导致错过了太阳窗口,这白白耗费了许多时间。所以后面每天晚上把所有的东西都备齐,第二天直接带走了。

    3.2. 实验中及时根据变化做出调整

    实验不是一帆风顺的,有可能又临时有了新的想法(比如针叶光谱)、有可能天气不好、有可能人员有问题、还有可能其他外部原因。总之,按照当前实际情况,及时调整部署很重要,保证人没有闲着的时候,数据一直在获取。

    比如,无人机数码照片对于天气的依赖很小,所以每到阴天时,我们都去获取这种数据,而晴天时,去飞行高光谱。

    3.3. 做好接力棒

    培养新人是很重要的任务,师弟师妹是未来实验的主力军,要让他们有充分的时间与自由练习各种仪器的使用,争取做到手把手教会。下面这帮研一研二的师弟师妹都十分给力,无论男女,都能硬着头皮钻山越林,很不容易。

    2020年7-8月RAMM小组实验人员合影
    2020年7-8月RAMM小组实验人员合影

    4. 后记

    我觉得我自己有个优点,那就是我总能发现别人的优点,实验是一个多人协作的事情,充分发挥每个人的特长,能够更为顺利地执行实验。

    我庆幸我每年都有机会野外实验,天天坐在机房实验室并不好。我的外导Fred BARET研究员将近70岁了,依然经常自己开车跑出去实验,很难得,他说他很喜欢野外实验。

  • 相关阅读:
    moment.js获取当前日期是当年的第几周
    angulajs中引用chart.js做报表,修改线条样式
    moment算本月开始日期和结束日期
    TFS(Team Foundation Server)敏捷使用教程(四):工作项跟踪(1)
    个人微信收款回调通知
    Winform,Wpf快捷键
    RemindMe
    数组循环左移p位
    RemindMe 说明
    双网卡同时上内外网
  • 原文地址:https://www.cnblogs.com/ludwig1860/p/13548629.html
Copyright © 2011-2022 走看看