航空航拍数据基础：遥感平台、传感器类型、影像分辨率、波段特性与数据格式
航空航拍数据分析的第一步，是建立对数据来源与数据本身特性的系统性认知。不同于卫星遥感固定的轨道与重访周期，航空航拍平台具备更高的空间分辨率、更灵活的作业时机和更强的任务定制能力。本章围绕遥感平台、传感器类型、影像分辨率、波段特性与数据格式五个核心维度展开，帮助学员建立从“数据获取”到“数据解读”的完整知识链路，为后续的画像模型构建奠定数据基础。
2.1 遥感平台：从有人机到无人机的任务适配
核心原理：遥感平台是搭载传感器的物理载体，其飞行高度、速度、续航和载荷能力直接决定了影像的覆盖范围、分辨率上限和作业效率。航空遥感平台主要分为有人机平台和无人机平台两大类。有人机（如塞斯纳、运-12、国王空）飞行高度高（3-10km）、续航长（4-10小时）、载荷大（可达数百公斤），适合大面积测绘和灾害应急评估；无人机平台（如大疆M300、纵横CW-25、飞马D200）飞行高度低（100-1000m）、机动灵活、起降条件要求低，适合小范围高精度建模和快速侦察任务。
判断方法：选择平台时需综合评估以下参数：
- 任务面积：面积小于5km²优先选无人机，大于50km²建议有人机；
- 分辨率需求：GSD（地面采样距离）要求优于5cm时，无人机低空飞行更具优势；
- 时效性：应急响应场景（如火灾、搜救）优先选无人机快速部署；
- 环境约束：高原、山区、禁飞区等需评估平台升限和空域审批条件。
| 对比维度 | 有人机平台 | 无人机平台 |
|---|---|---|
| 典型飞行高度 | 3000-10000m | 100-1000m |
| 单架次覆盖面积 | 100-1000 km² | 1-20 km² |
| GSD范围 | 5-50cm | 0.5-10cm |
| 载荷能力 | 50-2000kg | 0.5-20kg |
| 单次作业成本 | 高（数万至数十万） | 低（数百至数千） |
| 典型应用 | 省级测绘、灾害评估 | 工程测量、精细农业 |
2.2 传感器类型：多源数据的互补逻辑
核心原理：传感器是航空影像数据的直接来源，不同传感器对电磁波谱的响应范围和工作方式不同，决定了数据能反映的地物属性维度。按成像方式可分为被动式（依赖太阳辐射或地物自身辐射）和主动式（自身发射电磁波并接收回波）。常见类型包括：
- 可见光相机（RGB）：400-700nm，最直观，适合目视解译和纹理分析；
- 多光谱传感器：通常包含蓝、绿、红、红边、近红外等5-10个波段，适合植被健康评估和水体提取；
- 高光谱传感器：数百个连续窄波段（400-2500nm），可识别矿物成分、作物胁迫等精细特征；
- 热红外传感器：8-14μm，反映地物热辐射差异，用于热岛效应、管道泄漏检测；
- 激光雷达（LiDAR）：主动发射激光脉冲，获取三维点云，穿透植被能力优于光学影像；
- 合成孔径雷达（SAR）：微波波段，具备全天时全天候工作能力，对地表形变敏感。
操作流程：传感器选型应遵循“任务需求→波段匹配→分辨率验证→成本核算”的路径。例如，城市违章建筑识别优先使用可见光+LiDAR组合；农作物病虫害监测则需多光谱或高光谱数据。
2.3 影像分辨率：空间、光谱、辐射与时间的四维理解
核心原理：影像分辨率是衡量数据细节刻画能力的综合指标，包含四个维度：
- 空间分辨率（GSD）：单个像素对应的地面实际尺寸。GSD = 飞行高度 × 像元尺寸 / 焦距。GSD越小，地物细节越清晰；
- 光谱分辨率：传感器对电磁波谱的细分能力，即波段数量和波段宽度。波段越窄、数量越多，光谱分辨率越高；
- 辐射分辨率：传感器探测地物反射/辐射能量的量化精度，通常以bit表示。8bit（0-255）为常见，12bit/16bit用于高动态范围场景；
- 时间分辨率：对同一区域重复观测的周期。航空平台按需获取，时间分辨率取决于任务调度频率。
判断方法：在画像模型构建中，空间分辨率决定目标检测的最小可识别尺寸，光谱分辨率决定地物分类的精细程度，辐射分辨率影响阴影和高光区域的细节保留能力。例如，要识别道路上的车道线（宽度约15cm），GSD需优于5cm；要区分不同树种，至少需要红边波段参与。
| 分辨率类型 | 典型范围 | 对画像模型的影响 |
|---|---|---|
| 空间分辨率 | 0.5cm - 2m | 决定目标最小可识别尺寸和定位精度 |
| 光谱分辨率 | 3 - 500+ 波段 | 决定地物分类的类别数和准确率 |
| 辐射分辨率 | 8bit - 16bit | 影响暗部/亮部细节和动态范围 |
| 时间分辨率 | 按需 / 小时级 | 决定变化检测和动态监测能力 |
2.4 波段特性：从可见光到热红外的信息解译
核心原理：不同地物在不同波段具有独特的反射/辐射特征，形成光谱曲线。理解波段特性是利用影像进行地物识别和属性反演的基础。常见波段及其应用场景如下：
- 蓝光波段（450-520nm）：水体穿透能力强，适合水深探测和大气气溶胶反演；
- 绿光波段（520-600nm）：对应植被绿峰反射区，用于植被健康评估；
- 红光波段（630-690nm）：植被强吸收区，与叶绿素含量高度相关；
- 红边波段（700-750nm）：植被反射率急剧上升的过渡带，对植被胁迫敏感；
- 近红外波段（750-1300nm）：植被高反射区，是计算NDVI等植被指数的核心波段；
- 短波红外（1300-2500nm）：对土壤湿度、矿物成分和建筑物材质敏感；
- 热红外（8-14μm）：反映地物热辐射差异，适合温度反演和热异常检测。
操作流程：波段选择应遵循“目标特性→敏感波段→指数计算→模型输入”的逻辑。例如，水体在近红外波段强吸收，利用NDWI指数（(Green-NIR)/(Green+NIR)）可快速提取水体范围；建筑物在短波红外波段反射率较高，结合可见光可区分裸土与建筑。
2.5 数据格式：从原始存储到分析就绪
核心原理：航空航拍数据格式决定了数据的存储效率、读取速度和后续处理的兼容性。原始数据通常包含影像文件、定位定姿文件（POS）、相机参数文件和地面控制点文件。常见格式包括：
- GeoTIFF：最通用的栅格格式，内嵌地理参考信息，支持多波段存储，适合影像分析和发布；
- JPEG2000：高压缩比且支持无损压缩，适合大范围影像的存储和网络传输；
- LAS/LAZ：LiDAR点云标准格式，存储三维坐标、强度、回波次数等信息；
- HDF5/NetCDF：科学数据格式，适合存储高光谱影像和多维遥感数据；
- Shapefile/GeoJSON：矢量格式，用于存储解译结果、标注框和属性信息。
操作流程：数据预处理是格式转换的关键环节。原始影像需经过辐射定标、大气校正、几何校正和正射纠正，才能生成具有准确地理定位和分析价值的正射影像（DOM）和数字表面模型（DSM）。
# 典型数据预处理流程（以Pix4D为例）
1. 导入原始影像 + POS数据
2. 空中三角测量（特征点匹配 → 光束法平差）
3. 生成稀疏点云 → 优化相机参数
4. 生成密集点云 → 构建三角网
5. 生成DSM → 正射纠正 → 输出DOM（GeoTIFF）
6. 导出处理报告（GSD、重叠度、精度指标）2.6 本章总结与复盘
航空航拍数据基础是画像模型构建的“地基”。本章核心要点可归纳为：
- 平台决定尺度：有人机适合大范围、低分辨率需求；无人机适合小范围、高精度需求；
- 传感器决定维度：可见光提供纹理，多光谱提供植被信息，LiDAR提供三维结构，热红外提供温度场；
- 分辨率四维匹配：空间、光谱、辐射、时间分辨率需根据任务目标综合权衡；
- 波段选择有据：基于地物光谱特性选择敏感波段，避免盲目使用全波段；
- 格式规范先行：统一数据格式和预处理流程，确保多源数据可融合分析。