本文作者为易智瑞（中国）无人机应用中心总监：白旭阳
有幸在上市前拿到了大疆多光谱无人机（简称P4M，M是“多光谱”英文首字母），这一个月使用下来的体会是，无人机不是越大越专业，像大疆这样把专业的东西越做越小才是王道。
下面我从“初见”、“蜜月”、“生产”、“外联”四个阶段聊聊和P4M的故事。
初见P4M让人惊叹的是“只有这么大”？大家再熟悉不过的精灵平台，还没有一只蓝猫大，大疆对行业机型重量的“自我约束”体现了作为当红演员的自我修养。不仅有效的控制了使用者负担，还避免了机身笨重导致续航下降、电池能量值上升、空域门槛提高等诸多麻烦，这让用怕了“大家伙”的行业用户幸福感爆棚。
迫不及待的“掀起了你的盖头来”，“哇塞”的是那个“六眼怪”传感器，一看就不是好惹的。
不好意思，上面用错图了
家里的主子都说“6镜头，真香！”
由于6镜头重心靠前，不通电的时候需要用个小物件把它支撑起来。这里我请出了公司纯金打造的员工徽章担此重任。“来！抬起头给哥好好瞅瞅”。
还没猫眼大的摄像头
RGB（可见光）,R（红）,G（绿）,B（蓝）,RE（边）,NIR（近红外）6个摄像头压缩到了一个只有猫爪大小的“方框”里，被云台稳稳的架着，集成度和工艺细节不是第三方“组装机”能比的。
官方给出的这个传感器参数如下：
一体式的多光谱成像系统
1*RGB+5*多光谱
200万像素
全局快门
三轴云台
5个多光谱传感器波长为：
蓝(B):450±16nm
绿(G):560±16nm
红(R):650±16nm
红边(RE):730±16nm
近红外(NIR):840±26nm
如果你搞不太明白这些波长都是什么关系，可以参考一下我画的这张示意图。
领导说我这么写软文晚上不给加鸡腿，我一气之下就没画电子版！
P4M初见感受：
它能看见常人看不见的（别往那方面想，好怕怕
），所以能得到常人很难得到的信息。熟悉又陌生，亲切又让人浮想联翩，就像女朋友刚隆了胸。体型、重量、操作手感与之前（精灵4）一致，电池、充电器、螺旋桨、包装箱都与精灵4兼容，但能玩出的新花样可刺激多了。
飞控APP使用的是大疆官方的DJI GS PRO。因为DJI GS PRO不支持IPhone和安卓设备，所以没个IPad都不好意思飞P4M。
有RTK加持，精度可喜。
是的，一见钟情，所以从“初见”直接进入“蜜月”。
既然是度蜜月，就要走一些浪漫的地方，我们一起去了小树林赏柑橘，还去了我家楼顶看边上的别墅，期间还去了趟九寨沟。
和“她”在诺日朗瀑布前合影
P掉五彩池边的人山人海，属于高阶摄影后期技术，转发后可告知
多光谱数据采集与处理，对于大多数人来说都比较陌生，为了充分降低使用门槛，大疆官方给出了GS PRO采集+大疆智图处理的工作流，用户基本不需要多少多光谱理论基础即可完成工作流，得到常用的几种成果。
数据采集：
使用大疆的GS PRO控制P4M自主飞行，并不比操作其他大疆无人机难。设置好测区，飞行高度等关键参数后即可自动采集。
P4M的“彩蛋”
在不执行自动航测时（手动飞行或执行完自动飞行后的返航状态）可以手动切换传感器模式，从“可见光”到“多光谱成像”，在App端查看实时NDVI结果。下面为同一区域的两种模式截屏，在“多光谱成像”模式中除了能够看到茂密的植被分布区域（红色），还能够看到水中的枯木哪部分是沉在水下，哪部分露出水面。
可见光视图
实时NDVI视图
NDVI视图中，灰色部分在水下的，绿色部分在水面上。说过P4M能看到常人看不到的东西，你们信了吗？
P4M拍摄“一次”获取6张照片，分别是RGB，B，G，R，RE，NIR。
我说的不是生孩子，是数据处理与成果生产。
可以通过与P4M同时发布的新版本大疆智图进行重建，重建类型中选择“二维多光谱”，导入所有照片后即可开始重建。
大疆智图自动完成正射拼接并“顺便”给出了几种常用算法成果，包括GNDVI，LCI，NDRE，NDVI和OSAVI，降低了使用门槛。
GNDVI
LCI
NDRE
NDVI
OSAVI
如果你不理解这几个参数是什么意思，大疆还用“迷之口吻”告诉你，她“听说”这几个东西有如下“功效”，信不信由你咯。
指数含义说明
其实科学这个东西，不是你信与不信的问题，而是你能否验证的问题。我们放大到局部进行做一下简单的对比验证。
RGB模式下的正射影像
NDVI模式
关于NDVI成果，引用ArcGIS帮助中的一段说明：
负值主要根据云、水和雪生成，而接近零的值则主要根据岩石和裸土生成。较低的（小于等于 0.1）NDVI 值表示岩石、沙石或雪覆盖的贫瘠区域。中等值（0.2 至 0.3）表示灌木丛和草地，而较高的值（0.6 至 0.8）表示温带雨林和热带雨林。
通过上图可以看出，红色区域是茂密的植被，灰色、白色区域是建筑物或者是水。
真爱小提示：
处理软件的选择：虽然4.4.10及以上的Pix4DMapper也能识别P4M的数据，但强烈推荐使用大疆智图（DJI Terra）处理多光谱数据。实测使用同一台电脑上处理1.8平方公里的P4M数据，对比如下：
RTK的使用：如果想提高成果精度，可以通过购买大疆的虚拟参考站账户套餐或购买省级CORS账号等方式使用RTK，也可以仅使用GNSS系统作业。
买一张大容量卡：由于每次拍照会产生6张照片，所以P4M每次拍摄的数据量是普通精灵4Pro的6倍。买一张大的存储卡是必须的，建议128G。以某1.8平方公里的测区为例，航高230米，正射成果分辨率12cm，原始数据量10G。
虽然P4M每个摄像头只有200万像素，远低于P4P的2000万像素，但因为P4M比较“长焦”，所以飞的高一些，成果分辨率也不差，就是航线密一些。实测航高180米，成果分辨率约10cm，这对于可见光成果来说不算好，但比之前的多光谱卫片动则若干米的分辨率好太多。
电脑显卡的选择：大疆智图“重建”功能需要电脑显卡为N卡，否则无法进行“重建”计算。
无需标定：因为P4M内置多光谱光强传感器，用户无需白板标定也可保证不同飞机在不同时刻拍摄同一植被时获得相同的NDVI指数。此处省去多少内外业工作啊。。。懂的人自然懂。
大疆智图可以直接展示生产的数据成果，还将成果保存到了工程目录下，其中包括各波段的拼接成果、DSM，并在“index_map”和“index_map_color”文件夹中存放了各指数成果，便于后续加载到遥感数据处理软件和GIS平台中做进一步分析应用。
虽然大疆智图已经生成了5种常见的指数成果，用户还可以根据行业需求将各波段成果按需导入GIS平台进行分析应用。如使用ArcGIS平台自带的栅格函数进行波段运算，或根据应用需要自定义栅格计算公式。
用近红外和红光波段合成的假彩色
使用ArcGIS内置的NDVI函数或自定义栅格运算
如将NDVI成果导入遥感软件ENVI，使用精准农业模块快速提取该区域内果树数量。
ENVI精准农业模块识别果树（孙芙蕊 提供）
在ArcGIS中获取任意范围内柑橘树数量
朋友家的柑橘树
我朋友说他家柑橘树大致产量200斤/株，所以刚才我框选了：
差不多60吨的柑橘！酸爽不
环境评估应用：
九寨沟震后植被恢复情况评估：
2017年8月8日九寨沟地震导致多处山体滑坡和坍塌，经过两年的休养生息和人工“补妆”，很多受损区域已经逐步恢复。
2017年震后的诺日朗瀑布
2019年9月的诺日朗瀑布
评估诺日朗瀑布坍塌区域植被恢复情况：根据P4M获取的10cm分辨率多光谱影像得知，坍塌区域内（红框）的NDVI成果呈现出绿色，表示该区域近一半已覆盖了低矮植被。
九寨沟芦苇海是一个半沼泽湖泊。海中芦苇丛生，水鸟飞翔，清溪碧流，漾绿摇翠，蜿蜒空行，一派泽国风光。芦苇是芦苇海美景极为重要的元素，芦苇的生长情况直接影响着该区域的景色美观。使用多光谱传感器可以快速评估芦苇的生长情况。
该季节芦苇枯萎缺水，NDVI下绿色区域表示芦苇茂密但枯萎，蓝色和灰白色表示芦苇稀少甚至几乎都是裸土。
芦苇海可见光正射影像
芦苇海NDVI成果
一些体会：
无人机的行业应用若想落地，就需要适应特定场景需求的工艺流程。这个流程中任何一个环节得到改进，都会引起后续流程的调整，催生出新的应用模式。改进的环节越是靠前，后面应用的可能性就越多。
大疆在无人机平台上搭载高精度RTK、农药箱、热红外相机、高音喇叭、激光雷达，改变了测绘、植保、消防应急等多个行业的应用场景。搭载多光谱传感器的P4M无人机弥补了卫星多光谱应用中分辨率低、灵活度低、时效性差、专业门槛高等问题，无疑将促进农、林、环保等行业更精细化的管理、更科学的决策。
- END -
