图1 不同波长示意图
无人机高光谱具有以下特点：
（1）光谱特征多。成像光谱仪在可见光和近红外光谱区内有300-480个波段。
（2）光谱分辨率高。成像光谱仪采样的间隔小，分辨率小于3nm。精细的光谱分辨率反映了地物光谱的细微特征。
（3）数据量丰富。随着波段数的增加，数据量成倍增加。
（4）可提供空间域信息和光谱域信息，即“图谱合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。
图2 由300个波段组成的无人机高光谱影像示例
研究方法与结果
1、地物分类提取结果
（1）地物分类。
地物分类的目的主要是为更好观察建筑、土壤和植被等的划分界限。分类方式通常采用监督分类，并利用支持向量机（SVM）进行监督学习。首先人工标记需要分类的种类和地物端元（ROI），本文将地物分为七类为例：道路，硬化地表，水体，乔木，灌木，草地和土壤。之后输入SVM分类器中进行自动匹配分类。
（2）端元检测。
端元检测用于提取影像中单一地物，比如道路或建筑。首先利用ENVI软件提取道路或建筑物的光谱数据，作为端元检测的输入数据。之后选择波谱角检测方法识别高光谱影像中的研究对象。
（3）检测后处理。
原始检测结果存在部分噪声和分散像元，需要进行优化。利用分类后处理工具，包括最大值分析和聚类处理，目的是去除小斑块噪声。优化结果如图3所示。
2、城市绿化分析
城市环境是城市现代化发展的重点关注方向，包括但不限于城市绿化、城市水环境等方面。城市绿化是城市可持续发展的关键内容之一。传统测量分析手段难以快速大范围的对城市绿化环境进行分析，借助无人机高光谱手段，不仅可以对城市绿地进行提取，而且可以进一步分析植被的健康程度、病虫害以及含水量或易燃风险等等。
本文以3种指标为例，对城市绿地进行分析。
（1）红边归一化植被指数 (RENDVI)
图4 植被生长情况分析结果
（2）结构不敏感色素指数(SIPI)
该指数最大限度地提高对大量类胡萝卜素与叶绿素的比率的敏感性，同时降低对冠层结构变化的敏感性。应用包括植被健康监测、植物生理应激检测。绿色植被SIPI的常见范围为0.8至1.8。 该指数主要用于测量植被胁迫性，SIPI值越高代表植被生长压力相对越大。SIPI计算方法如下：
（3）水波段指数(WBI)
3、城市水环境分析
→更多参数资料，欢迎咨询索取