一、研究背景

1、近地遥感观测技术

  第五版《遥感概论》《Introduction to Remote Sensing》中，对遥感有明确的定义：通过地表发射或者反射的电磁辐射，获取地球表面信息的技术。  

图1.1遥感图像

近地遥感：在距离地面50m以内，利用安装在桅杆或者高塔上光学传感器探测地物光谱信息（Richardson et al., 2013）。尹占娥的《现代遥感导论》中，明确了地面遥感的概念：平台处在地面或近地面的遥感， 地面平台有三脚架、遥感车、遥感塔和船等。

根据以上介绍可以得知，设备的主体为可以发射或接收电磁波、并能够处理这些电磁波信号、提取有用的地表信息的光（辐射）学传感器；传感器的运行平台有铁塔、三脚架等固定式平台，也有无人机、遥感车等移动式平台。

图1.2

2、物候的概念

物候，顾名思义为“生物的时候”：对动植物的生长、发育现象出现时日的观测。  物候学(phenology)是生物学的一个分支学科，主要是研究自然界中的植物、动物和周期变化的环境条件（气候、水文、土壤等条件）之间相互关系的科学。  几千年来，劳动人民注意了草木荣枯、候鸟去来等自然现象同气候的关系，据以安排农事。比如中国的二十四节气中，大部分以物候现象来描述，甚至直接以物候现象来命名，如惊蛰、谷雨、芒种等。

图1.3中国物候观测网

3、植被指数的概念

能够表征植被特征的光谱组合。  使用植被指数的目的是突出植被特征，方便在光谱曲线或者图像中快速识别（提取）植被结构、长势、健康等方面的参数。常见的植被指数：GCC相对绿度指数，NDVI归一化植被指数，其计算公式如下：

图1.4植被指数

4、物候与植被指数的关系

植被指数可以很好的反应植被的生长状态和健康状况，所以通常把植被指数（如NDVI）作为植物物候的一个量化指标。长期连续的植被指数观测，可以获取植物生长随时间的变化趋势和物候期时间节点。

5、近地遥感方法中测量植物物候的方法

植物物候需要长期连续的观测，所以需要基于固定式平台的仪器。物候相机是当前主流监测植物物候的仪器：相比于早期人工物候观测法，人工成本少，环境干扰小；能够实现自动观测，远程数据回传等功能，可以通过算法提取多种植被指数，作为物候指标。  早期的物候相机为普通RGB彩色相机，在自动定时拍照获取时间序列彩色图片的同时，可扩展获取GCC、RCC、BCC、GVI等一系列的宽波段植被指数；这些指数在早期的物候研究中常有用到。

图1.5.1 宽波段植被指数与RGB彩色相机

  由于绿色植物的波谱特性（从图1.6.2可以看出，健康植被在近红外的变化特征明显强于绿波段），NDVI归一化植被指数相比GCC、GVI等指数，能够更好的反应植被绿度、光合作用潜力，反映植被代谢强度及其季节和年际变化，所以NDVI逐渐被植物研究领域所重视。

图1.5.2 绿色植物的波谱特性

于是，市面上逐渐出现了可以计算NDVI的物候相机。相比原始的RGB相机，有了一个很大的提升，但目前可测量NIR图像并能计算NDVI的物候相机，多为宽波段的物候相机。

图1.5.3 相机传感器宽波段响应光谱曲线 

这里的波段“宽”是相比于卫星遥感数据的光谱带宽，比如Landsat8卫星的数据，在红光和近红外波段的光谱带宽为30nm，而目前宽波段的NDVI相机的红和近红外，通常是依赖于成像传感器的响应特性；比如红光的响应范围，可从500多纳米延伸到700多纳米，带宽接近200nm，包含部分绿和近红外的反射，并不是真正的红色。   因此，宽波段物候相机只能得到近似于遥感监测的植被指数，只能用来做一些定性的判断，无法做到遥感物候定量评价。  在植被指数准确观测的方案中，也有利用光谱相机观测物候的应用案例：如在植物物候（生长节律）观测研究中有较多应用的Sequoia多光谱相机，原为无人机用光谱相机，可获取660nm红光和790nm近红外的窄波段光谱图像。但是这类相机不适合作为植物物候观测，主要原因如下：

图1.5.4 PARROT SEQUOIA 多光谱相机

1）使用场景不同：无人机使用的相机对野外环境耐受性和稳定性要求不高，反而对高度精密、轻量化方面有很高要求，这会导致其不适合野外长期自动运行。

2）工作模式不一样：无人机使用的相机往往不考虑定时自动运行、远程数据传输与远程控制等相关技术的支持，所以在野外应用方面需要深度开发，技术要求高。

3）数据处理思路不一样：无人机使用的相机更加注重空间数据的处理，比如图像拼接；而物候相机更加注重时间序列数据的处理，比如合成植被指数变化曲线。

4）设计理念不同：无人机光谱相机采用多目（多传感器镜头）摄像头，便于其在移动中 同时获取多个光谱数据；而物候相机不移动，多目设计，不但成本高，而且由于相机每个传感器镜头的位置不同，视野也不一样。在无人机使用过程中由于观测距离远而几乎没有影响，但在物候观测中由于地面架设导致距离目标比较近，视野偏差则会变得非常明显，如下图，这会导致在后期多波段数据的局部处理中会存在位置对应误差。

图1.5.5 多目摄像头带来的成像视野差异示意图

二、窄波段光谱物候相机

为了解决以上问题，北京星视图科技有限公司自主研发了单目窄波段光谱物候相机。

1、窄波段光谱相机获取的数据

该相机每次拍摄都会获得两类数据：1）正常的RGB彩色图像数据，能够自动计算GCC、GVI等宽波段植被指数。2）窄波段的光谱图像数据（波段可定制，目前比较成熟的是650±10nm红和850±10nm近红外），并能够合成一张混合NDVI图像，该图像包含了：650nm光谱灰度图、850nm光谱灰度图和NDVI灰度图。其中NDVI灰度图是由另外两张图的每个像素的DN值根据NDVI公式计算而来，图中亮的像素即NDVI值高，反之则低。

图2.1.1

2、星视图光谱物候相机的特点

获取的NDVI值几乎不受阴影影响，NDVI图像能够很好的反映植被分布及长势情况。

图2.2.1 星视图光谱物候相机同时获取的RGB图像和NDVI图像

将NDVI混合图像导入北京星视图公司的SmartViewer物候图像处理系统软件，可将其拆分为三张灰度图片，分别为650nm光谱灰度图、850nm光谱灰度图和NDVI灰度图。
拆分后的NDVI灰度图像中没有了原本实景中的铁塔阴影。说明仪器对于NDVI值的计算，在常规使用环境中，不受光线强弱变化的影响，抗干扰能力很强。同时，由于单目摄像头的设计，650nm和850nm两个灰度图的成像完全一致，所以合成的NDVI图像也与原图的取景完全一致，是真正意义上的NDVI分布图像。  从植被指数的准确性上，窄波段的NDVI植被指数要比宽波段的GCC植被指数要更加的稳定和精确。

图2.2.3 宽波段光谱指数GCC与窄波段合成指数NDVI的数据比较 

星视图光谱物候相机具有如下特点：1）波段一致性：波段设置与遥感卫星完全一致；2）辐射一致性：通过辐射定标，能够得到与遥感观测一致的辐射产品；3）参数一致性：窄波段物候相机能够得到真正意义的植被指数（NDVI），满足科学研究的需要。  总结：窄波段光谱成像技术的引入，使星视图的物候相机相比传统物候相机，性能明显提升，是一个质的飞跃。