飞马D2000智能航测系统自推出后，就着重满足测绘、安防市场的应用需求，助力客户在泛测绘、安防等领域完成各类项目。进一步地，针对光谱遥感方向*，飞马全新推出D-MSPC2000多光谱遥感模块——该模块选用国产多光谱相机、6通道设计，可精准获取蓝、绿、红、红边1、红边2和红外6个波段数据，广泛应用于农林、水资源调查等场景。

1. 产品介绍

图1 D-MSPC2000外观

D-MSPC2000参数表

2.使用场景

2.1 农作物种植监测

农作物的管理时效性强，极易受天气变化影响，尤其在病虫害高发时期，增加作物监测频率、*生产管理成本、保障农产品产量与质量是农业监测的核心需求。光谱遥感技术在农作物种植信息获取方面有着独特优势，光谱信息可以准确反应农作物间的生长差异，为精细化指导作物耕种管收提供数据支持。

无人机载多光谱遥感作为新兴有效的技术，在农作物种植监测方面的应用需求主要包含：

（1）种植密度评估：植被覆盖度是作物种植密度的*直观体现，以植被覆盖度为基础评估种植密度，可在一定程度指导作物补种、合理密植。

（2）作物分类与面积计算：作物类别是*基本的农情信息，精准实现作物分类与面积评估，准确把握农田利用状况，是实现精准农业的必要前提。大多数情况下，不同的作物在同一时期的生长阶段不同，因此也具有不同的光谱特征。基于不同作物在不同波段光谱反射率差异，同时以各项波段组合、纹理特征辅助，综合实现作物种类空间分布自动化分类统计。

（3）长势评估：分级统计目标农作物的生长情况，宏观掌握田间作物生长状况，并可结合天气条件、生产阶段等因素，针对进行田间管理。生长状况监测属于植物表型领域的范畴，作物长势异常会表观出现*的光谱特征变化，通过选择合适的波段进行组合筛选，即可完成植物生长状态的判别。

图2 果园全息监测-树种分类及长势

（4）作物病虫害预测：作物病虫害的实质是作物因病害、虫害而出现长势衰弱或死亡的现象，基于不同作物的不同生长阶段出现的长势异常情况，结合农事经验可间接预测病虫害隐患，保障农业生产*。

图3 水稻倒伏及疑似病害感染区域提取

（5）产量密度评估：作物产量作为果蔬类作物的核心价值点，在收获期前的重要阶段进行产量密度（如挂果率、结实率等）预估，可有助于农业生产者或种植园承包商及时了解种植区产量分布情况，为后续产品流通、市场定价提供数据决策支持。

果蔬结实水平高低与植物本身生长状态密切相关，长势良好的植物在常规状态下均能得到理想的产量，多光谱可从生长状态反演与果实目标提取两方面入手，对作物产量状况进行精准评估。

2.2 林业调查

不同种树木或者相同种树木的不同生长阶段、不同健康状态下，树木表现在不同波段的光谱反射率/发射率不同。据此，使用多光谱模块可以进行松材变色立木*、物种分类、病虫害*等应用。

(1)松材变色立木*

松材变色立木的监测，根本上就是通过光谱仪器获取林冠不同波段的光谱反射率/发射率，进而判断林木的生长状况，可运用与松林管控和生长*。

图4 变色立木标注

(2)物种分类、病虫害*

参考上文农作物种植监测应用。

2.3 河道生态监测

河道生态监测的*在于河道水质与岸线生态情况两方面，近年来随着无人机与遥感技术的不断发展，针对河道水体的流动性、广域性以及岸线生态环境的复杂性特点，结合目前传统河道巡检任务中成果形式局限、数据展示抽象等问题，实现河道污染状况以及岸线环境状态的深层信息获取与直观展示，无人机载多光谱遥感在水质生态监测方面的应用场景主要包含：

（1）水体富营养化监测：微生物、水藻等*生物的聚集、快速生长所引起的水体中N、P元素的快速累积，破坏生态环境稳态直*灭亡。基于该部分的水体光谱反射特征差异提取富营养化区域，直观判定水体富营养化程度的空间分布与面积。

图5 水体富营养化监测

（2）黑臭水体监测：水体遭受严重的*污染时，*物降解不*会产生诸如硫化氢、氨等发臭物质，使水体*丧失生态功能。基于水体对在部分波段反射特征的差异性变化提取黑臭水，直观判定水体黑臭程度的空间分布与面积。

（3）岸线绿化监测：河岸环境是河道巡查的*检查内容之一，岸线的绿化状态可直接表示河道流域生态环境质量。植被与裸土、建筑等地物有较大差异的光谱反射差异，基于这些差异化特征可提取植被面积与覆盖程度。

（4）水面清洁监测：水质环境的改变易引起水面出现泡沫，同时水面垃圾、漂浮物等同样影响水质生态环境。水面漂浮垃圾与水体存在本质的光谱差异，结合水面垃圾聚集漂浮的特点，提取后可直观展示水面垃圾聚集点。

图6 河道岸线巡查

（注：部分应用场景及案例由多光谱供应商提供）

3.数据获取案例

6月初，在广东省深圳市郊区进行了典型区域数据采集，总面积0.8平方公里，飞行时间25min，共获取563×6张多光谱影像，飞行降落后仍剩余47%电量。区域内有工厂、鱼塘、香蕉林、蔬菜园等典型场景。如图7为智航线中的航线规划图；图8为D2000搭载D-MSPC2000进行实际飞行作业，图中为D-MSCP2000获取到的一景6波段原始灰度影像。

图 7 D-MSPC2000航线规划图       

图8 航飞实景及获取的影像

图9 降落后剩余47%电量

获取的影像拼图后真彩色影像如图10，进行NDVI计算，NDVI与真彩色影像叠加后如图10，冷色为植被指数低，暖色为植被植被指数高。

图10 真彩色影像

图11 NDVI与真彩色叠加

测区中有46亩香蕉地，由于该地香蕉地已经趋近于产能晚期，部分香蕉树已开始枯萎，图12为香蕉地的NDVI与真彩色影像对比图，NDVI图中根据不同植被指数可以准确提取现存长势较好的香蕉树分布位置及面积。

图12 香蕉地NDVI与真彩色对比

对测区内地物进行粗分类，将水域、植被、土地、建筑区域等进行自动分类如图13所示，可准确提取水域边线等特征要素。

图13 测区分类图

除以上进行的分类和香蕉地分析外，图中仍可以从NDVI中看出不同水质的富营养化程度，植被分布密度，作物种植密度等参数，可以利用该模块进行更多的农林、水利等行业应用方向。

如需演示或样例数据，请联系本地销售或代理商。