I. Hintergrund der Studie

1. erdnahe Fernerkundungs-Beobachtungstechniken

  In der fünften Auflage von Einführung in die Fernerkundung, Einführung in die Fernerkundung, eine Übersicht überfernerkundetEs gibt eine klare Definition: eine Technik zur Gewinnung von Informationen über die Erdoberfläche durch elektromagnetische Strahlung, die von der Oberfläche ausgesendet oder reflektiert wird.  

Abbildung 1.1 Fernerkundungsbild

Bodennahe Fernerkundung: Erkennung von Spektralinformationen von Bodenobjekten in einer Entfernung von weniger als 50 m vom Boden mit optischen Sensoren, die auf Masten oder Türmen montiert sind (Richardson et al., 2013). In der Einführung in die moderne Fernerkundung von Yin Zhan'e wird das Konzept der bodengebundenen Fernerkundung erläutert: Fernerkundung, bei der sich die Plattform am oder in der Nähe des Bodens befindet, und zu den bodengebundenen Plattformen gehören Stative, Fernerkundungsfahrzeuge, Fernerkundungstürme und Schiffe.

Aus der obigen Einführung geht hervor, dass der Hauptteil des Geräts ein optischer (radiologischer) Sensor ist, der elektromagnetische Wellen aussenden oder empfangen und diese elektromagnetischen Wellensignale verarbeiten kann, um nützliche Oberflächeninformationen zu extrahieren; zu den Betriebsplattformen der Sensoren gehören feste Plattformen wie Pylone und Stative sowie mobile Plattformen wie unbemannte Luftfahrzeuge und Fernerkundungsfahrzeuge.

Abbildung 1.2

2,Das Konzept des Klimas

Phänologie ist, wie der Name schon sagt, "biologische Zeit": die Beobachtung der Tageszeiten, zu denen die Phänomene des Wachstums und der Entwicklung von Pflanzen und Tieren auftreten. Die Phänologie ist eine Teildisziplin der Biologie, der Wissenschaft von den Wechselbeziehungen zwischen Pflanzen und Tieren in der Natur und den Umweltbedingungen (Klima, Wasserhaushalt, Boden usw.), die sich periodisch ändern. Seit Jahrtausenden achten die arbeitenden Menschen auf den Zusammenhang zwischen Naturphänomenen wie dem Gedeihen von Pflanzen und Bäumen, dem Kommen und Gehen von Zugvögeln und dem Klima, um ihre landwirtschaftlichen Tätigkeiten entsprechend auszurichten. So sind die meisten der 24 Sonnenbezeichnungen in China direkt nach Klimaphänomenen benannt, wie z. B. Winterschlaf, Getreideregen und Mangosaat.

Abbildung 1.3 Klimabeobachtungsnetz in China

3,Konzept des Vegetationsindex

Spektralkombinationen, die geeignet sind, die Vegetation zu charakterisieren. Der Zweck der Verwendung von Vegetationsindizes ist die Hervorhebung von Vegetationsmerkmalen und die Erleichterung der schnellen Identifizierung (Extraktion) von Parametern wie Vegetationsstruktur, Wachstum, Gesundheit usw. in Spektralkurven oder Bildern. Gängige Vegetationsindizes: GCC Relativer Grünheitsindex, NDVI Normalisierter Vegetationsindex (NDVI) mit den folgenden Formeln:

Abbildung 1.4 Vegetationsindex

4,Beziehung zwischen Phänologie und Vegetationsindizes

Vegetationsindizes können den Wachstumszustand und die Gesundheit der Vegetation gut widerspiegeln, so dass Vegetationsindizes (z. B. NDVI) in der Regel als quantitativer Indikator für die Phänologie der Pflanzen verwendet werden. Durch die langfristige, kontinuierliche Beobachtung von Vegetationsindizes können der Trend des Pflanzenwachstums im Laufe der Zeit und die zeitlichen Knotenpunkte der phänologischen Periode ermittelt werden.

5,Messung der Pflanzenphänologie mit erdnahen Fernerkundungsmethoden

Das Pflanzenklima muss über einen langen Zeitraum hinweg kontinuierlich beobachtet werden, weshalb Instrumente auf festen Plattformen benötigt werden. Die Klimakamera ist das wichtigste Instrument zur Überwachung des Pflanzenklimas: Im Vergleich zu den frühen Methoden der künstlichen Klimabeobachtung ist sie mit geringeren Arbeitskosten und weniger Umwelteinflüssen verbunden; sie kann automatische Beobachtung, Datenfernübertragung und andere Funktionen realisieren und durch Algorithmen verschiedene Vegetationsindizes ermitteln, die als Klimaindikatoren verwendet werden können. Frühe Klimakameras waren gewöhnliche RGB-Farbkameras, die erweitert werden konnten, um eine Reihe von Breitband-Vegetationsindizes wie GCC, RCC, BCC, GVI usw. zu erfassen, während sie in regelmäßigen Abständen automatisch Fotos aufnahmen, um Zeitreihen-Farbbilder zu erhalten; diese Indizes wurden häufig in der frühen Klimaforschung verwendet.

Abbildung 1.5.1 Breitband-Vegetationsindex mit RGB-Farbkamera

  Aufgrund der spektralen Eigenschaften grüner Pflanzen (wie aus Abb. 1.6.2 hervorgeht, sind die Veränderungseigenschaften gesunder Vegetation im nahen Infrarot deutlich stärker als im grünen Bereich) ist der normalisierte NDVI-Vegetationsindex im Vergleich zu Indizes wie dem GCC und dem GVI in der Lage, besser auf das Grün der Vegetation und das Potenzial der Photosynthese zu reagieren sowie die Intensität des Stoffwechsels der Vegetation und ihre jahreszeitlichen und zwischenjährlichen Schwankungen widerzuspiegeln, so dass der NDVI in der Pflanzenforschung allmählich an Bedeutung gewinnt.

Abbildung 1.5.2 Spektrale Eigenschaften von grünen Pflanzen

Infolgedessen kommen nach und nach Wetterkameras auf den Markt, die NDVI berechnen können. Verglichen mit der ursprünglichen RGB-Kamera gibt es eine große Verbesserung, aber derzeit sind die Wetterkameras, die NIR-Bilder messen und NDVI berechnen können, meist Breitband-Wetterkameras.

Abbildung 1.5.3 Spektralkurve des Breitbandsignals des Kamerasensors 

Das Band "breit" wird hier mit der spektralen Bandbreite von Satelliten-Fernerkundungsdaten verglichen, z. B. Landsat8-Daten, deren spektrale Bandbreite im Rot- und Nahinfrarotbereich 30 nm beträgt, während das Rot- und Nahinfrarot der aktuellen Breitband-NDVI-Kameras in der Regel von den Ansprechcharakteristika der Bildsensoren abhängt; zum Beispiel enthält der Bereich der Reaktion des roten Lichts der von mehr als 500 nm bis zu mehr als 700 nm reichen kann, mit einer Bandbreite von fast 200 nm, enthält einige grüne und NIR-Reflexionen und ist nicht wirklich rot. Daher können mit der Breitband-Klimakamera nur Vegetationsindizes ermittelt werden, die denen der Fernerkundung ähneln, und sie kann nur zur qualitativen Beurteilung, nicht aber zur quantitativen Bewertung des Fernerkundungsklimas verwendet werden. Im Rahmen des Programms zur genauen Beobachtung des Vegetationsindexes gibt es auch Anwendungsfälle für den Einsatz von Spektralkameras zur Beobachtung des Klimas: Die Multispektralkamera Sequoia beispielsweise, die eher für die Beobachtung und Erforschung des Pflanzenklimas (Wachstumsrhythmus) eingesetzt wird, ist ursprünglich eine Spektralkamera für Drohnen und kann Schmalband-Spektralbilder von 660 nm rotem Licht und 790 nm Nahinfrarot aufnehmen. Dieser Kameratyp ist jedoch aus folgenden Gründen nicht für die Beobachtung des Pflanzenklimas geeignet:

Abbildung 1.5.4 PARROT SEQUOIA Multispektralkamera

(1) Unterschiedliche Einsatzszenarien: Die von der Drohne verwendete Kamera erfordert keine hohe Toleranz und Stabilität in der Feldumgebung, sondern stellt hohe Anforderungen an Präzision und geringes Gewicht, was dazu führt, dass sie für den langfristigen automatischen Betrieb im Feld nicht geeignet ist.

(2) Unterschiedliche Betriebsmodi: Kameras, die von UAVs verwendet werden, berücksichtigen oft nicht die Unterstützung durch verwandte Technologien wie zeitgesteuerter automatischer Betrieb, Datenfernübertragung und Fernsteuerung, so dass sie eingehend entwickelt werden müssen und hohe technische Anforderungen in Bezug auf Feldanwendungen stellen.

(3) Die Ideen für die Datenverarbeitung sind unterschiedlich: Kameras, die von UAVs verwendet werden, konzentrieren sich mehr auf die Verarbeitung räumlicher Daten, wie z. B. das Zusammenfügen von Bildern, während physische Wetterkameras sich mehr auf die Verarbeitung von Zeitseriendaten konzentrieren, wie z. B. die Synthese von Vegetationsindexveränderungskurven.

(4) Unterschiedliche Design-Konzepte: die UAV-Spektralkamera nimmt eine Multi-Augen-Kamera (Multi-Sensor-Objektiv), die bequem für sie mehrere spektrale Daten zur gleichen Zeit zu erfassen, während sich bewegen; während die Wetter-Kamera nicht bewegen und hat ein Multi-Augen-Design, das nicht nur kostspielig ist, sondern hat auch ein anderes Sichtfeld aufgrund der unterschiedlichen Positionen der einzelnen Sensor-Objektiv der Kamera. In den Prozess der UAV-Einsatz aufgrund der Beobachtung Abstand und fast keine Wirkung, aber in der Objektbeobachtung durch den Boden Aufrichtung führte zu einer relativ nah an das Ziel, das Sichtfeld Abweichung wird sehr offensichtlich, wie unten gezeigt, die zu den späteren Multi-Band-Daten in der lokalen Verarbeitung der Position des entsprechenden Fehlers führen wird.

Abbildung 1.5.5 Schematische Darstellung des Unterschieds im Bildgebungs-Sichtfeld aufgrund der mehräugigen Kamera

II. spektrale Schmalband-Wetterkameras

Um die oben genannten Probleme zu lösen, hat Beijing StarView Technology Co., Ltd. unabhängig eine monokulare Schmalband-Spektral-Wetterkamera entwickelt.

1,Mit Schmalband-Spektralkameras erfasste Daten

Die Kamera erfasst mit jeder Aufnahme zwei Arten von Daten:1)Normale RGB-Farbbilddaten, die in der Lage sind, Breitband-Vegetationsindizes wie GCC und GVI automatisch zu berechnen.2)Spektrale Bilddaten in schmalen Bändern (die Bänder können individuell angepasst werden, derzeit sind die ausgereiftesten Bänder 650±10nm rot und 850±10nm nahes Infrarot), und ist in der Lage, ein hybrides NDVI-Bild zu synthetisieren, das Folgendes enthält: 650nm spektrale Graustufenkarte, 850nm spektrale Graustufenkarte und NDVI-Graustufenkarte. Die NDVI-Graustufenkarte wird aus dem DN-Wert jedes Pixels der beiden anderen Karten nach der NDVI-Formel berechnet, und die hellen Pixel in der Karte sind diejenigen mit hohen NDVI-Werten und umgekehrt.

Abbildung 2.1.1

2,Merkmale der StarView Spektralkamera für das Klima

Die erfassten NDVI-Werte werden durch Schatten nahezu nicht beeinträchtigt, und die NDVI-Bilder können die Verteilung und das Wachstum der Vegetation gut wiedergeben.

Abbildung 2.2.1 Gleichzeitige Erfassung von RGB- und NDVI-Bildern durch die Star View Spectral Climate Camera (SVSC)

Das NDVI-Hybridbild wurde in die SmartViewer-Klimabildverarbeitungssoftware von Beijing StarViewer importiert, die in drei Graustufenbilder aufgeteilt werden kann, nämlich in eine 650-nm-Spektralgraustufenkarte, eine 850-nm-Spektralgraustufenkarte und eine NDVI-Graustufenkarte.
Das NDVI-Graustufenbild nach der Aufteilung ist frei vom Schatten des Turms in der realen Originalszene. Dies zeigt, dass die Berechnung des NDVI-Werts durch die Änderung der Lichtintensität nicht beeinträchtigt wird und dass das Gerät im normalen Betrieb sehr störungsresistent ist. Gleichzeitig ist aufgrund des Designs der monokularen Kamera die Abbildung der beiden Graustufenkarten von 650nm und 850nm vollständig konsistent, so dass das synthetisierte NDVI-Bild auch vollständig mit dem Bildausschnitt der Originalkarte übereinstimmt, was ein wirklich aussagekräftiges NDVI-Verteilungsbild darstellt. Was die Genauigkeit des Vegetationsindexes angeht, so ist der Schmalband-NDVI-Vegetationsindex stabiler und präziser als der Breitband-GCC-Vegetationsindex.

Abbildung 2.2.3 Vergleich der Daten für den breitbandigen Spektralindex GCC und den schmalbandigen synthetischen Index NDVI 

Die StarView Spectral Climate Camera zeichnet sich durch folgende Merkmale aus: 1) Bandkonsistenz: Die Bandeinstellungen stimmen vollständig mit denen von Fernerkundungssatelliten überein; 2) radiometrische Konsistenz: Durch radiometrische Kalibrierung kann sie radiometrische Produkte erhalten, die mit denen von Fernerkundungsbeobachtungen übereinstimmen; und 3) parametrische Konsistenz: Die Schmalband-Klimakamera ist in der Lage, einen wirklich aussagekräftigen Vegetationsindex (NDVI) zu ermitteln, der den Anforderungen der wissenschaftlichen Forschung entspricht.  Zusammenfassung: Die Einführung der Schmalband-Spektralbildtechnologie macht die StarView-Wetterkamera zu einem qualitativen Sprung nach vorn mit deutlich verbesserter Leistung im Vergleich zu herkömmlichen Wetterkameras.