CN113324656B - 无人机搭载红外遥感的地表热异常探测方法及系统 - Google Patents
无人机搭载红外遥感的地表热异常探测方法及系统 Download PDFInfo
- Publication number
- CN113324656B CN113324656B CN202110594990.6A CN202110594990A CN113324656B CN 113324656 B CN113324656 B CN 113324656B CN 202110594990 A CN202110594990 A CN 202110594990A CN 113324656 B CN113324656 B CN 113324656B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- real
- thermal infrared
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000009826 distribution Methods 0.000 claims abstract description 19
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012937 correction Methods 0.000 claims description 13
- 238000005259 measurement Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000005457 Black-body radiation Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000013441 quality evaluation Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000005855 radiation Effects 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 10
- 238000002310 reflectometry Methods 0.000 description 10
- 238000003331 infrared imaging Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000009529 body temperature measurement Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 240000008042 Zea mays Species 0.000 description 4
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 4
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 4
- 235000005822 corn Nutrition 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000701 chemical imaging Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 238000004164 analytical calibration Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000000179 transient infrared spectroscopy Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/007—Radiation pyrometry, e.g. infrared or optical thermometry for earth observation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENTS OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
- B64D47/00—Equipment not otherwise provided for
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
- G01J5/485—Temperature profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
Abstract
本发明提供了一种无人机搭载红外遥感的地表热异常探测方法及系统。该方法包括：获取无人机的实时位置；获取无人机的实时高度；获取地表的热红外图像；获取地表的多光谱图像；将无人机的实时位置、实时高度、热红外图像及多光谱图像融合为热红外影像图，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，并将地表温度分布图回传至控制终端。本发明提供的无人机搭载红外遥感的地表热一场探测方法及系统能够在控制终端实时获取数据，并进行快速预处理及地温解释，将解释结果与实际测量温度对比，实时检查数据质量，对解释效果欠佳的区域及时调整数据观测方案，从而实现高效实时地表热异常探测。
Description
技术领域
本发明涉及热红外遥感技术领域，特别是涉及一种无人机搭载红外遥感的地表热异常探测方法及系统。
背景技术
地热资源是可再生、可持续、受外部环境干扰小的清洁能源，在生态文明建设及“碳达峰碳中和”战略目标的部署下，应充分发挥我国地热资源储量巨大、应用范围广、各地区易于开展因地制宜开发的优势，加大勘查与评价力度，促进地热产业合理有序发展。传统地热地质调查、地球物理及地球化学勘查工作量大、成本高、工作效率低，不适于在地热广域勘查的初始阶段开展工作。热红外遥感技术可进行地表温度的反演成像，覆盖面积广、效率高、经济性高，且相对卫星及航空遥感，无人机搭载遥感数据采集具有灵活性高、作业效率高、数据分辨率高、易用性及适宜性强的特点，能够在地热资源高效勘查中发挥更突出的作用。利用多旋翼无人机平台搭载热红外传感器，在地热勘查初期完成对地面热异常的面积性探测，实现地表温度的实时快速成像，圈定地热异常区，缩小普查及详查面积，为高效找热、探热提供技术支撑。
基于无人机平台的热红外遥感地表热异常探测系统集成度高、模块化程度高,具有快速成像、数据回传、实时监测及成像反馈的主要功能，其中关键技术在于快速成像解释，涉及到数据实时回传、处理与地表温度反演成像。在无人机平台和操控系统基础上搭建数据传输模块，提供最大15km安全控制距离、最高30Mbps速率的稳定传输，回传数据经过位置差分解算、图像格式转换形成热红外影像图。通过热红外影像及热红外辐射亮度的处理，结合大气透射率、植被覆盖指数及比辐射率等辅助数据，估算地表温度，并与同时段获取的地面实测温度对比校正，提高计算精度，实现数据质量控制与反馈作用，进一步优化地热异常探测效果。
随着热红外技术的发展，无人机搭载红外热像仪的应用也越来越广泛，利用无人机搭载热红外测温型热像仪，结合实测点温度，即可进行温度反演，从而得到整个区域的温度分布图，目前主要用于公共安全、环境污染、精准农业及电网检测等领域，在数据采集、处理与解释方面应用成熟，取得了良好效果[张宏鸣,王佳佳,韩文霆,李书琴,王红艳,付振宇,基于热红外遥感影像的作物冠层温度提取.农业机械学报,2019(04):203-210；张元敏,无人机航测技术在入海排污口排查中的应用.测绘通报,2020(01):146-149+153；韩文霆,张立元,牛亚晓,史翔,无人机遥感技术在精量灌溉中应用的研究进展.农业机械学报,2020(02):1-14；闫佰忠,邱淑伟,肖长来,梁秀娟,长白山玄武岩区地热异常区遥感识别.吉林大学学报(地球科学版),2017(06):1819-1828]。以提取作物冠层温度的应用为例，张宏鸣等(2019)以拔节期的玉米为研究对象，利用六旋翼无人机搭载热红外成像仪获得热红外影像及正射影像，基于高分辨率正射影像，提取玉米冠层区域，将结果进行二值化处理后，在热红外影像中以此生成掩膜提取玉米冠层温度[张宏鸣,王佳佳,韩文霆,李书琴,王红艳,付振宇,基于热红外遥感影像的作物冠层温度提取.农业机械学报,2019(04):203-210]，其技术流程如图1所示。
无人机热红外成像技术目前基本未在地热资源探测中开展工程应用，地热领域的遥感技术应用主要集中在卫星与航空领域，一般基于Landsat卫星数据，采用单窗算法及地表辐射率、大气透射率和大气平均温度3个参数进行地表温度计算[周桃勇,王正海,秦昊洋,曾雅琦,地形效应校正的遥感地热异常提取.遥感学报,2020(03):265-276]。以最新发射的Landsat 8号卫星为例，其热红外传感器的空间分辨率为100m级(详见表1)。胡德勇等(2015)提出了一种专门用于Landsat 8陆地卫星热红外传感器TIRS 1通道接收到数据的单窗算法，在区域尺度地热资源调查中发挥了指示作用[胡德勇,乔琨,王兴玲,赵利民,季国华.单窗算法结合Landsat 8热红外数据反演地表温度.遥感学报，2015,19(06):964-976]。
表1 Landsat 8卫星传感器参数
目前，应用于地热资源探测的遥感技术集中在卫星和航空领域，覆盖面积大，但从地热资源探测的应用效果评价，该项技术主要存在以下不足之处：
(1)灵活性不高：卫星与航空遥感局限于大尺度观测，对具体区域的勘查匹配度与适宜性不足，无法从大尺度数据中有针对性地获取目标异常信息，也不支持根据地质条件与探测目标自定义遥感数据观测模式，只能作为前期辅助手段提供参考。
(2)数据分辨率不足：卫星与航空遥感观测高度大，从而易于获取更广的数据覆盖范围，同时也限制了数据分辨率，如表1所示，遥感红外成像系统的波段为10μm级，分辨率仅有100m，欠缺对地表热异常细节信息的反映，解释结果容易产生较大偏差。
(3)欠缺对局部地热异常的反映：由于遥感数据分辨率较低，卫星与航空观测数据对局部热异常特征的精细化反映不足，局部细节信息容易淹没在区域背景中，而目前尚无有效的遥感信号增强与提取技术，该项技术的总体效果有待改进。
(4)无人机热红外成像技术未在地热勘查应用中取得良好成效：一方面，当前基于无人机平台的热红外成像技术多用于公共安全、环境污染、精准农业及电网检测等领域，在地热勘查领域的应用实践较少；另一方面，为实现地表热异常的快速精细探测，需进行现有技术的优化升级，增加数据实时回传与预处理等功能。
发明内容
本发明要解决的技术问题是提供一种无人机搭载红外遥感的地表热异常探测方法及系统，能够在控制终端实时获取数据，并进行快速预处理及地温解释，将解释结果与实际测量温度对比，实时检查数据质量，对解释效果欠佳的区域及时调整数据观测方案，从而实现高效实时地表热异常探测。
为解决上述技术问题，本发明提供了一种无人机搭载红外遥感的地表热异常探测方法，所述方法包括：无人机获取无人机的实时位置；无人机获取无人机的实时高度；无人机获取地表的热红外图像；无人机获取地表的多光谱图像；无人机将无人机的实时位置、实时高度、热红外图像及多光谱图像融合为热红外影像图，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，并将地表温度分布图回传至控制终端；控制终端将获取到的地表温度分布图与实测的温度数据进行比对，实现高效实时地表热异常探测。
在一些实施方式中，热红外传感器型号包括：FLIR Vue Pro R640/336。
在一些实施方式中，多光谱传感器型号包括：AURedEdge。
在一些实施方式中，无人机搭载平台的型号包括：DN19-G6长航时版六旋翼无人机。
在一些实施方式中，还包括：在无人机获取无人机的实时位置之后，无人机对获取到的实时位置进行坐标解算、几何校正。
在一些实施方式中，几何校正包括：利用地面可以精确定位的控制点进行几何精校正。
在一些实施方式中，还包括：在无人机获取地表的热红外图像，以及无人机获取地表的多光谱图像之后，无人机对获取到的热红外图像及多光谱图像进行格式转换及预处理。
在一些实施方式中，还包括：制定无人机飞行测量方案，包括航向、航线部署、飞行高度、飞行架次、无人机起降点。
在一些实施方式中，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，包括：根据黑体辐射机理，对地表温度进行反演计算。
此外，本发明还提供了一种无人机搭载红外遥感的地表热异常探测系统，所述系统包括：包括：无人机及对应的控制终端；所述无人机包括：RTK导航定位系统，用于获取无人机的实时位置；毫米波雷达高度计模块，用于获取无人机的实时高度；热红外模块，用于获取地表的热红外图像；多光谱模块，用于获取地表的多光谱图像；数据传输模块，连接至RTK导航定位系统、毫米波雷达高度计算模块、热红外模块及多光谱模块，用于将无人机的实时位置、实时高度、热红外图像及多光谱图像融合为热红外影像图，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，并将地表温度分布图回传至控制终端；所述控制终端用于将获取到的地表温度分布图与实测的温度数据进行比对，实现高效实时地表热异常探测。
采用这样的设计后，本发明至少具有以下优点：
首先，由于具有便携易用、起降灵活、搭载方式多样、飞行方案自定义程度高的优势，利用无人机平台搭载热红外成像、多光谱成像及数据传输等模块进行地表温度反演能够实现地热资源高效探测效果。其次，相对卫星及航空遥感技术，无人机低空飞行能够显著提高数据分辨率，增强对局部细节信息的反映能力，提升精细化探测评价水平；此外，通过设置不同飞行高度获取多种分辨率的观测数据，将多尺度数据融合分析、互为验证，有助于降低反映不确定性，提高探测精度。第三，通过数据实时回传与地面温度实测进行数据观测质量评价，在数据处理中剔除跳变数值、修正受干扰及异常数值，降低观测数据误差，提高数据采集质量。最后，基于本发明所涉及方法形成无人机热红外遥感地热探测系统，为局部地热资源调查评价提供基础数据与技术支撑。
附图说明
上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。
图1是现有技术提供的无人热红外玉米冠层温度提取技术流程图；
图2是无人机热红外地温反演流程图；
图3是无人机平台的立体图。
附图标记说明：
①热红外模块②多光谱模块
③RTK导航定位系统④数据传输模块
⑤毫米波雷达高度计模块
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
在对以上技术进行针对性优化与升级的基础上，基于无人机快速移动平台搭载热红外成像系统1可实现局部地表热异常的高效探测与评价，为地热资源调查工作提供数据与技术支撑。
本发明所要解决的问题包括：
(1)提升系统灵活性，优化应用适宜性：针对卫星与航空遥感在数据采集处理阶段自定义程度较低的问题，采用无人机快速移动平台进行系统集成，可根据研究区分布及任务目标合理设置遥感观测模式，人工设置成像波段，针对探测目标的差异获取不同频段的数据，并根据预处理结果及时调整观测方案，为优化地热地质解释成果奠定基础。
(2)提高观测数据分辨率：相对卫星与航空遥感观测，无人机搭载平台观测高度低，易于开展小区域数据采集，同时搭载高频段轻型热红外成像仪1，能够进一步提高观测数据的分辨率，增强局部异常的细节信息。此外，通过改变无人机飞行速度可调整不同区域数据的观测密度，实现提升数据分辨率与压缩数据量、提高处理解释效率的动态平衡。
(3)提供高效实时地表热异常探测解决方案：通过在无人机平台搭载数据传输模块，在控制终端实时获取数据，并进行快速预处理及地温解释，将解释结果与实际测量温度对比，实时检查数据质量，对解释效果欠佳的区域及时调整数据观测方案，从而实现高效实时地表热异常探测。
本发明提出一种无人机搭载热红外遥感的地表热异常探测方法，为使本发明的目的、内容、和优点更加清楚，下面结合附图，对本发明的具体实施方式作进一步详细描述。
本实施例中热红外传感器1型号为：FLIR Vue Pro R640/336，但不限于此。
本实施例中多光谱传感器2型号为：AURedEdge，但不限于此。
本实施例中无人机搭载平台的型号为：DN19-G6长航时版六旋翼无人机，但不限于此。
本实施例中涉及的专业术语包括：
(1)地表温度：对地面的温度进行测量后即得到地表温度，受地表湿度、气温、光照强度、地表材质等多种因素影响。
(2)辐射温度：利用热遥感器度量物体辐射能量的大小，获取到的可以表征物体温度的度量值，与观测角度、观测方向有关。而真实温度是地表能量平衡结果的真实反映，不会随观测角度和观测方向改变。
(3)亮度温度：辐射出与观测物体相等的辐射能量的黑体温度，具有温度量纲，但不具有温度的物理含义。辐射温度是所有波长的表征温度，亮度温度是某一波长下的表征温度。亮度温度及辐射温度都可用用来计算真实温度。
(4)比辐射率：又称发射率，为物体在温度T、波长λ处的辐射出射度与同温度、同波长下的黑体辐射出射度的比值，由材料性质决定，取值在0～1之间，真实物质的比辐射率统计如表2所示。在地表温度反演过程中，比辐射率是关键参数之一。
(5)反射率：物体反射的辐射能量占总辐射能量的百分比。不同物体的反射率也不同，这主要取决于物体本身的性质，以及入射电磁波的波长和入射角度，反射率数值在0～1之间。
表2常见物质比辐射率统计表
本发明设计方法的流程如图2所示，包括下述步骤：
(1)研究区地表覆盖分类与划分
地表覆盖类型主要包括居住区、大型建筑与设施、农田、湿地与水域、灌丛、林地及裸露区，不同覆盖类型区的热异常响应有所差异，也会产生不同幅度的热干扰信号，在无人机飞行观测前根据卫星地图进行覆盖类型划分是进行温度反演与精细化地热地质解释的必要前提。以居住区和湿地水域为例，居民生活及生产活动会产生明显的地表温度升高，而湿地和水域对地下热异常具有一定程度的屏蔽作用，此外，已规划为居住及湿地水域覆盖的区域不适于继续部署地质调查及地球物理、地球化学等地热勘查手段，在遥感数据观测方案制定时应予以考虑。
此外，根据地表覆盖分类结合比辐射率数据库是估算比辐射率参数的常用方法之一。将地表分为不同覆盖类型，再根据实测或经验值的地物比辐射率对各个地表覆盖类型赋予不同数值，从而生成地表比辐射率影像。本发明面对的更多是自然地表覆盖类型，因此，在比辐射率计算时更适合应用可见光与近红外光谱信息估计法。
(2)遥感数据观测参数设置
根据探测目标、地质条件与地表覆盖分区以及成像传感器参数，进行观测参数设置，需配置的内容包括热红外成像模块1、多光谱成像模块2、RGB成像模块及数据实时回传模块。以热红外成像模块1为例，FLIR热红外传感器1的光谱范围为7.5～13.5μm，采样率9Hz，数据分辨率能够达到20cm(@13mm焦距&150m观测高度)，对应热红外遥感模块1的作业效率如表3所示。一般，已知构造边界、断裂交汇、温泉或地热井分布区为重点调查区，应采取低飞行高度提高数据分辨率，并相应加密地表检查点；在地面起伏较大的山区，应增大重叠度；在居住区或大型设施分布区，应适当增大飞行高度，以确保无人机飞行安全，降低干扰信号。
表3无人机搭载热红外模块作业效率
(3)无人机飞行方案制定
在步骤(1)(2)的基础上，参照相关标准[1-7]制定无人机飞行测量方案，包括航向、航线部署、飞行高度、飞行架次、无人机起降点等部分。航向为无人机沿航线飞行方向，一般应横穿地质目标；确定航向后，根据地质目标沿走向长度确定航线及线距，在局部重点区域适当加密，完成飞行测网部署；参照表2及地质背景设置飞行高度与架次，并根据航线和地表卫星影像确定重叠度；依据飞行架次安排，在测区及周边合理设置起降点，保证安全与测量任务的顺利完成。
方案设定后，将相关参数导入无人机控制地面站。一般情况下，地面站433MHz频率的控制半径在5～15km范围，满足本发明中的飞行要求，在地形起伏较大或植被覆盖茂密的地方可增加架设中继站，以增强系统稳定性与安全性。
(4)数据采集与实时监测
步骤(3)之后，即可实施飞行观测与数据采集。根据任务需要可采集的数据包括热红外及多光谱图像。
无人机平台搭载的传感器成像时，会受到地形、传感器位置(观测角)等因素的影响，导致原始遥感图像上地物的几何位置、形状、尺寸、方位与其对应的地物特征不一致(几何畸变)。因此，在获得遥感数据后，要首先进行几何校正，消除几何畸变，在本发明涉及的方法中，需要利用地面可以精确定位的控制点进行几何精校正。
在进行遥感解译前，实时监测结果有助于提高原始数据质量，避免带入干扰信息与误差，有效降低解译结果的偏差。
(5)地表检查点温度测量
在步骤(4)进行的过程中，同步开展地表检查点温度测量，对地温计算结果进行检验修正。无人机热红外遥感反演地表温度的精度约为1～2℃，地面测温检查，一方面可剔除部分虚假热异常，也能够作为约束条件，提高反演计算精度，提升本发明所涉及方法的有效性与实用性。
地面检查点部署应在测区内均匀合理分布，综合考虑各类地面覆盖类型，并具有代表性。一般情况下，地表物体白天受太阳辐射，温度较高，呈暖色调；夜晚温度较低，呈冷色调。典型地物的热学性质列举如下：
1)水体比热容较大，白天温度低于地表，呈冷色调；夜晚温度高于地表，呈暖色调；
2)植被辐射温度较高，在夜晚呈暖色调；白天虽然受阳光照射，但因水分蒸腾作用降低叶面温度，因此呈冷色调；
3)岩石的热容量较低，因此白天呈现较暖的色调；夜晚呈现较冷的色调。不同的岩石热学性质有差异，在图像上的表现也不尽相同；
4)土壤表面常常有植被或作物覆盖，由于植被或作物隔开地面，在夜晚，农作物覆盖区域的色调呈暖色调，而裸土则是冷色调。
将以上先验信息加入到地表温度的解释中，是降低反演多解性、提高解释精度的必要手段。
(6)研究区地温计算与地热地质解释
热红外遥感观测反演地表温度的原理来源于黑体辐射机理：任何温度高于绝对零度的物体都会向外辐射电磁波。理想辐射源黑体的辐射能量与温度的关系符合普朗克定律：
式中，Pb(λT)表示温度为T、波长λ处单位面积黑体的辐射功率，C1、C2表示辐射常数。
根据斯特藩-玻尔兹曼定理，黑体表面单位面积上发射的所有波长总辐射功率Pb(T)与温度T的4次方成正比：
Pb(T)＝σT4 (2)
其中，σ为斯特藩常数，T为热力学温度。同等条件下，物体辐射的功率小于黑体，即P(T)<Pb(T)，且其比值ε为不随波长变化的常数，即比辐射率，于是：
P(T)＝ε·Pb(T)＝ε·σT4 (3)
根据式即可计算所测物体的温度。
在实际应用中，地表热辐射在其传导过程中受到大气和辐射面的多重影响，热红外成像传感器1探测到的热辐射强度还包括环境辐射及大气辐射部分。因此，辐射温度数据与观测对象反射率、大气温度、相对湿度及距离等参数相关，需进行大气辐射校正和地表比辐射率校正。
对无人机遥感数据进行质量检查、辐射校正及几何校正，计算比辐射率及中红外、热红外波段的亮度温度。比辐射率由地面单元的物质结构与遥感平台热红外通道波段区间决定。在遥感数据上地面单元可以分为两类：混合像元与单一像元。而混合像元又可以分为城市地表像元(由道路、绿化带等建筑人工设施组成)与自然表面像元(由林地、农田等天然陆地表面构成)。单一像元内只有一种地面物体，因此按照地面物体种类又可将其分成水面、植被、裸土与建筑四类。在波段区间确定的情况下，每种地物一般具有固定的比辐射率。根据可见光和近红外的光谱信息，利用Van de Griend经验公式，建立地表发射率和归一化植被指数之间的统计关系模型，估算比辐射率，Van经验公式为：
ε＝1.009+0.047ln(NDVI) (4)
NDVI(Normalized Difference Vegetation Index,NDVI)为归一化植被指数，对土壤背景的变化较为敏感，可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关辐照度的变化，是最常用的植被指数。
NDVI＝(ρNIR-ρR)/(ρNIR+ρR) (5)
式中，ρ为反射率，NIR表示近红外波段，R表示红光波段。反射率包括大气表观反射率和地表反射率，前者主要在卫星及航空平台上涉及，本发明主要关注地表反射率。地表反射率从辐射亮度图像中计算得到，去除了云层、大气组分、临近地物等因素的影响，大气校正是获取地表反射率的一种途径。目前，反射率可通过由中国遥感卫星地面站推出的“地表反射率产品”(http://ids.ceode.ac.cn/toc)获取。
附：相关技术标准
CH/Z 3001-2010《无人机航摄安全作业基本要求》；
CH/Z 3002-2010《无人机航摄系统技术要求》；
CH/Z 3003-2010《数字低空航空摄影测量内业规范》；
CH/Z 3005-2010《低空数字航空摄影规范》；
GDEILB 007-2014《无人机数字航空摄影测量与遥感外业技术规范》；
DD2013-12《多光谱遥感数据处理技术规程》；
GB/T 30115-2013《卫星遥感影像植被指数产品规范》；
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。
Claims (10)
1.一种无人机搭载红外遥感的地表热异常探测方法，其特征在于，包括：
无人机获取无人机的实时位置；
无人机获取无人机的实时高度；
无人机获取地表的热红外图像；
无人机获取地表的多光谱图像；
无人机将无人机的实时位置、实时高度、热红外图像及多光谱图像融合为热红外影像图，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，并将地表温度分布图回传至控制终端；
控制终端将获取到的地表温度分布图与实测的温度数据进行比对，实现高效实时地表热异常探测；
通过设置不同飞行高度获取多种分辨率的观测数据，将多尺度数据融合分析、互为验证，有助于降低反映不确定性，提高探测精度；通过数据实时回传与地面温度实测进行数据观测质量评价，在数据处理中剔除跳变数值、修正受干扰及异常数值，降低观测数据误差，提高数据采集质量。
2.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，热红外传感器型号包括：FLIR Vue Pro R640/336。
3.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，多光谱传感器型号包括：AURedEdge。
4.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，无人机搭载平台的型号包括：DN19-G6长航时版六旋翼无人机。
5.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，还包括：
在无人机获取无人机的实时位置之后，无人机对获取到的实时位置进行坐标解算、几何校正。
6.根据权利要求5所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，几何校正包括：利用地面可以精确定位的控制点进行几何精校正。
7.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，还包括：
在无人机获取地表的热红外图像，以及无人机获取地表的多光谱图像之后，无人机对获取到的热红外图像及多光谱图像进行格式转换及预处理。
8.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，还包括：
制定无人机飞行测量方案，包括航向、航线部署、飞行高度、飞行架次、无人机起降点。
9.根据权利要求1所述的无人机搭载红外遥感的地表热异常探测方法，其特征在于，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，包括：
根据黑体辐射机理，对地表温度进行反演计算。
10.一种无人机搭载红外遥感的地表热异常探测系统，其特征在于，包括：无人机及对应的控制终端；所述无人机包括：
RTK导航定位系统，用于获取无人机的实时位置；
毫米波雷达高度计模块，用于获取无人机的实时高度；
热红外模块，用于获取地表的热红外图像；
多光谱模块，用于获取地表的多光谱图像；
数据传输模块，连接至RTK导航定位系统、毫米波雷达高度计算模块、热红外模块及多光谱模块，用于将无人机的实时位置、实时高度、热红外图像及多光谱图像融合为热红外影像图，利用地表温度反演模块，将热红外影像图反演为地表温度分布图，并将地表温度分布图回传至控制终端；
所述控制终端用于将获取到的地表温度分布图与实测的温度数据进行比对，实现高效实时地表热异常探测；
通过设置不同飞行高度获取多种分辨率的观测数据，将多尺度数据融合分析、互为验证，有助于降低反映不确定性，提高探测精度；通过数据实时回传与地面温度实测进行数据观测质量评价，在数据处理中剔除跳变数值、修正受干扰及异常数值，降低观测数据误差，提高数据采集质量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594990.6A CN113324656B (zh) | 2021-05-28 | 2021-05-28 | 无人机搭载红外遥感的地表热异常探测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110594990.6A CN113324656B (zh) | 2021-05-28 | 2021-05-28 | 无人机搭载红外遥感的地表热异常探测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113324656A CN113324656A (zh) | 2021-08-31 |
| CN113324656B true CN113324656B (zh) | 2022-07-15 |
Family
ID=77422434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110594990.6A Active CN113324656B (zh) | 2021-05-28 | 2021-05-28 | 无人机搭载红外遥感的地表热异常探测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113324656B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114266003B (zh) * | 2021-12-27 | 2024-04-02 | 西藏大学 | 一种基于碳收支平衡分析的高原湖泊区域碳中和计算方法 |
| CN114515663B (zh) * | 2022-01-11 | 2023-01-31 | 北京市农林科学院信息技术研究中心 | 一种菌菇喷淋控制方法、装置及系统 |
| CN114441595B (zh) * | 2022-02-09 | 2022-07-29 | 四川省安全科学技术研究院 | 一种煤层露头自燃及其影响范围的探测方法 |
| CN115791866B (zh) * | 2023-01-13 | 2023-04-21 | 太原理工大学 | 基于热红外遥感数据的土壤含水率实时监测系统及方法 |
| CN117611978B (zh) * | 2024-01-23 | 2024-05-03 | 日照市自然资源和规划局 | 一种土地资源测绘数据库的构建方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170195641A1 (en) * | 2014-06-13 | 2017-07-06 | Beijing Research Center For Information Technology In Agriculture | Agricultural remote sensing system |
| CN109142240A (zh) * | 2018-09-02 | 2019-01-04 | 西北农林科技大学 | 一种基于无人机遥感的大田作物水分胁迫监测方法 |
| AU2020101054A4 (en) * | 2020-06-19 | 2020-07-30 | Guizhou Institute Of Pratacultural | A Multi-source Remote Sensing Data Classification Method Based On the Classification Sample Points Extracted By the UAV |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7298869B1 (en) * | 2003-07-21 | 2007-11-20 | Abernathy Donald A | Multispectral data acquisition system and method |
| CN206990828U (zh) * | 2017-07-19 | 2018-02-09 | 广州市气象信息网络中心(广州市突发事件预警信息发布中心) | 红外热成像无人机观测系统 |
| CN107843939B (zh) * | 2017-10-24 | 2020-03-10 | 防灾科技学院 | 基于无人机热红外影像的煤火识别方法 |
| CN110599412A (zh) * | 2019-08-15 | 2019-12-20 | 中国科学院遥感与数字地球研究所 | 基于无人机的遥感数据处理方法及系统 |
-
2021
- 2021-05-28 CN CN202110594990.6A patent/CN113324656B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170195641A1 (en) * | 2014-06-13 | 2017-07-06 | Beijing Research Center For Information Technology In Agriculture | Agricultural remote sensing system |
| CN109142240A (zh) * | 2018-09-02 | 2019-01-04 | 西北农林科技大学 | 一种基于无人机遥感的大田作物水分胁迫监测方法 |
| AU2020101054A4 (en) * | 2020-06-19 | 2020-07-30 | Guizhou Institute Of Pratacultural | A Multi-source Remote Sensing Data Classification Method Based On the Classification Sample Points Extracted By the UAV |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113324656A (zh) | 2021-08-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113324656B (zh) | 无人机搭载红外遥感的地表热异常探测方法及系统 | |
| CN109581372B (zh) | 一种生态环境遥感监测方法 | |
| US9710721B2 (en) | Method for in-scene compensation using water vapor content | |
| CN103293522B (zh) | 一种中红外双通道遥感数据地表温度反演方法及装置 | |
| CN110006463B (zh) | 一种光学遥感卫星的在轨绝对辐射定标方法及系统 | |
| Sandmeier et al. | A field goniometer system (FIGOS) for acquisition of hyperspectral BRDF data | |
| US7171328B1 (en) | Method for measuring thermal properties using a long-wavelength infrared thermal image | |
| Rautiainen et al. | Coupling forest canopy and understory reflectance in the Arctic latitudes of Finland | |
| CN101598543A (zh) | 一种实用的遥感影像大气校正方法 | |
| Gao et al. | Multisensor comparisons and validation of MODIS vegetation indices at the semiarid Jornada experimental range | |
| CN108362267B (zh) | 基于卫星数据的湿渍害胁迫下油菜产量损失遥感定量评估方法 | |
| CN104880702A (zh) | 在轨绝对辐射定标方法及装置 | |
| CN110530901B (zh) | 融合宇宙射线中子法和无人机遥感的中小尺度土壤水监测系统及方法 | |
| Thomson et al. | Effects of topography on radiance from upland vegetation in North Wales | |
| CN109883957B (zh) | 基于modis影像的表观反射率模型构建方法、系统及定标方法 | |
| CN108120510B (zh) | 一种光学遥感器基于反射镜阵列的在轨绝对辐射定标方法 | |
| CN107389617A (zh) | 基于高分四号卫星的气溶胶光学厚度的反演方法及设备 | |
| CN102853916A (zh) | 一种用于对煤垛表面进行远距离红外测温的方法及系统 | |
| CN103400364A (zh) | 一种森林资源变化监测方法 | |
| Bendig et al. | Solar-induced chlorophyll fluorescence measured from an unmanned aircraft system: sensor etaloning and platform motion correction | |
| CN206832361U (zh) | 一种无人机快拍式高光谱遥感系统 | |
| CN105675016A (zh) | 一种大气校正方法以及系统 | |
| Manninen et al. | Airborne Measurements of Surface Albedo and Leaf Area Index of Snow‐Covered Boreal Forest | |
| Zhang et al. | A Back Propagation Neural Network-Based Radiometric Correction Method (BPNNRCM) for UAV Multispectral Image | |
| CN105403201B (zh) | 一种基于像元分解的遥感图像大气程辐射获取方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |