综述：高分辨率热成像在定量无人机-红外光谱（UAV-TIR）应用中的研究：传感器集成、校准与数据处理决策的方法学综述 作者：Kirim Lee 和 Wonhee Lee

《Aerospace》：High-Resolution Thermal Mapping for Quantitative UAV–TIR Applications: A Methodological Review of Sensor Integration, Calibration, and Data Processing Decisions Kirim Lee and Wonhee Lee

　　**摘要**
搭载在无人机（UAV）上的热红外（TIR）传感器在稀疏的现场测量、偶尔的基于飞机的观测以及粗糙的卫星产品之间提供了有用的中间解决方案，使得在实地条件下能够进行厘米级热成像。然而，将UAV热成像转换为定量温度产品仍然具有挑战性，因为非制冷型微测辐射热计容易受到辐射度漂移的影响，热场景往往缺乏明显的几何纹理，而且表面温度的反演取决于特定场景的发射率和大气假设。本综述主要关注UAV-TIR的定量测绘，而非无人机热成像的全部应用范围。它综合了影响UAV衍生温度产品可靠性、可比性和物理可解释性的关键技术决策，包括辐射度数据的完整性、现场校准、RGB-TIR集成、物理校正、不确定性传播以及验证方法。我们阐明了文献综合的方法，比较了可实际应用的校准和漂移缓解策略，讨论了特定应用中的不确定性优先级，并为可重复的研究制定了一套实用的报告检查清单。该综述强调了辐射度校正、几何校正和物理校正之间的相互作用，并通过对比表格总结了常见的权衡、报告不足以及剩余的研究需求。其目的是阐明为什么不同研究中的UAV-TIR温度产品可能存在差异，以及为了有意义的解释和比较需要哪些方法论细节。

**1. 引言**
1.1 **背景与动机**
地表温度（LST）是控制地表能量平衡、蒸散作用和微气候过程的核心变量。卫星热遥感提供了全球范围的地表温度观测数据及其长期连续性，但其典型的空间分辨率（数十米到数公里）和重复观测的限制使得它难以监测那些在几分钟到几小时、几米到几十米范围内发生变化的快速动态热现象[1,2,3,4]。地面传感器和热记录仪可以提供可追溯的温度数据，但它们的空间分布较为稀疏，通常不适用于表征异质表面。无人机（UAV）平台通过实现亚分米级的地面采样距离和灵活的飞行时间，填补了这一观测空白。随着UAV测绘技术的发展，相关综述记录了各种平台、传感器、测绘方法和环境监测实践，突出了UAV在地理空间科学和运营监测中的日益重要作用[5,6,7,8,9]。UAV-热红外（TIR）感测技术的核心优势不仅在于更高的空间分辨率，还在于能够解析决策制定尺度上的热模式，例如植物或行尺度上的作物冠层变化、绝缘板尺度上的屋顶热损失区域，以及与地下水排放或基础设施缺陷相关的局部热异常。

1.2 **UAV-TIR的不同之处：定量差距**
使用UAV进行热测绘通常是为了定性分析，此时相对的热点和冷点具有直观的信息价值。然而，许多科学和工程应用需要具有可追溯温度和明确不确定性界限的定量产品。精准农业就是一个典型的例子：作物水分胁迫评估对未校正的微测辐射热计的漂移非常敏感[10,11,12,13,14]。一个主要障碍是大多数UAV热载荷采用的是非制冷型长波红外（LWIR）微测辐射热计。尽管这类传感器重量轻且功耗低，但它们容易受到温度依赖的漂移、镜头自发射变化以及基于快门的校正引入的辐射度不连续性的影响[15,16,17]。此外，即使是在低空和潮湿条件下，将测量到的辐射度转换为地表温度也需要考虑材料的发射率以及对反射天空辐射和大气传输的校正[18,19]。另一个障碍是几何因素：许多热场景缺乏重复的纹理，这可能导致结构从运动（SfM）算法中的图像定位不稳定，并加剧马赛克伪影。实际上，定量UAV-TIR测绘需要协调传感器操作、校准、飞行规划、共配准和基于物理的校正等决策，而不能孤立地处理每个环节[16,19]。

1.3 **迈向端到端的可重复性**
虽然UAV-TIR相关的研究有许多成功的案例，但由于不同研究中的相机设置、现场参考方法、辐射传递假设和几何控制方式存在显著差异，报告的精度往往难以相互比较。例如，是否使用辐射度成像、如何处理快门事件、如何根据材料分配发射率以及如何混合重叠区域等因素都会影响结果[16,17,19,20,21]。因此，定量解释不仅取决于代码的可用性，还需要清晰地报告采集参数、区分亮度温度和地表温度（LST），并提供与预期应用相匹配的不确定性信息。本综述的重点是那些可以被可靠解释和比较的温度产品，而不仅仅是马赛克图像的外观。

1.4 **与现有综述的定位**
一些综述涵盖了UAV遥感和测绘方法在各种应用中的应用[5,6,7,8]，基于UAV的环境监测实践[9]，以及UAV热感测在精准农业等特定领域中的应用[10,11,12]。专注于校准的研究和最佳实践讨论提供了关于非制冷型微测辐射热计辐射度限制和替代参考策略的详细指导[16,17,22]。专门的UAV-TIR-LST综述总结了反演模型和常见误差来源，包括发射率和大气效应[19,23,24]。早期的综述通常分别讨论校准、几何处理和温度反演。本文将这些要素结合在一起，因为实际上地图的可靠性取决于它们在采集、处理和解释过程中的相互作用。本文的贡献在于将这些相互关联的决策纳入一个更为直接相关的讨论中，以便于定量实地应用。

1.5 **贡献与文章结构**
本文旨在成为一篇关于定量UAV-TIR测绘的方法论综述。其目的不是提供详细的操作手册或独立的报告标准，而是探讨辐射度校正、几何校正和物理校正决策如何影响UAV衍生温度产品的可靠性。因此，本文中的表格总结被用作分析工具，明确了跨研究的假设、方法论权衡和报告不足之处，而不是规定单一的处理流程。文章的结构如下：第2节回顾了非制冷型微测辐射热计的特性、辐射度数据的完整性、消费级与专业级载荷的差异以及现场校准策略；第3节讨论了热摄影测量、RGB-TIR集成、瞄准校准和地理配准；第4节涵盖了辐射传递校正、发射率分配、特定应用的不确定性传播和验证，包括重复飞行的一致性；第5节批判性地比较了代表性应用领域，并总结了方法论上的权衡；第6节讨论了报告不足、基于学习的改进方法、基准数据集和开放的研究需求；第7节讨论了标准化和定量UAV-TIR实践的启示。图1总结了整个处理流程。

1.6 **范围与术语**
为避免歧义，我们区分了亮度（表观）温度（Tb），它是基于简化假设从传感器测量的波段辐射度得出的；以及地表温度（Ts），在本文关注的地表情况下，地表温度是在考虑了发射率、反射的下行辐射和大气因素后才能推断出来的[1,2,19,25,26,27,28]。许多UAV相机还提供基于内部设置的温度产品，这些设置包括发射率、反射温度、大气温度和目标距离。除非这些参数有明确的记录和合理的选择，否则报告的温度应被视为中间产物，而非经过物理验证的地表温度估计[16,19]。本综述重点关注安装在UAV上的LWIR微测辐射热计相机以及生成地理参考的2D正射影像或3D热模型的测绘方法。短波红外系统和冷却型中波红外系统虽然在某些工业环境中很重要，但由于涉及不同的探测器物理特性、校准假设和操作限制，因此不在主要研究范围内。

1.7 **综合方法与局限性**
本综述聚焦于定量UAV-TIR测绘，而不是尝试涵盖所有使用无人机热成像的研究，而是强调那些详细报告了采集设计、辐射度处理、几何控制、物理校正和验证细节的论文，以便进行技术比较。综合分析围绕那些对定量温度可靠性影响最大的技术决策来进行[29,30]。核心文献搜索涵盖Scopus、Web of Science和Google Scholar。搜索词组结合了“UAV”、“UAS”和“drone”等平台术语，以及“热红外”、“LWIR”、“微测辐射热计”、“热成像”、“辐射度校准”、“漂移”、“非均匀性校正”、“平场校正”、“地表温度”、“发射率”、“大气校正”、“结构从运动”、“共配准”、“不确定性”和“验证”等传感器和处理术语。通过回溯和正向引用检查，我们纳入了那些仅通过关键词搜索无法完整获取的重要方法论论文。纳入的研究需要报告足够的辐射度输出或相机温度产品细节以评估校准假设，描述几何处理或RGB-TIR集成，讨论发射率和/或大气校正，或比较UAV衍生温度与独立参考值。排除的研究要么仅依赖于非辐射度显示图像，要么报告了缺乏足够方法论细节的定性热点筛选，要么重复了已有方法而没有提供新的技术证据。引用的文献范围涵盖1980年至2026年，总共133篇来源，其中40篇发表于2018年之后，26篇发表于2020年之后，表明了该领域的最新进展。由于文献在传感器类型、产品类型（数字计数（DN）、辐射度、亮度温度（Tb）或地表温度（LST）、参考设计、环境条件和评估指标方面高度多样化，表2、表3、表4和表5中的比较应被视为基于证据的技术综合，而非简单的元分析估计。

**2. UAV-TIR传感器技术与辐射度处理**
2.1 **非制冷型微测辐射热计：对UAV测绘的实际影响**
非制冷型微测辐射热计的焦平面阵列（FPAs）通过微桥元件中的温度依赖性电阻变化来检测LWIR辐射。与制冷型光子探测器相比，非制冷型传感器对内部温度和环境条件的依赖性更强，这使得现场测量的准确性容易受到漂移的影响[15,31,32,33]。一个关键的实际区别是传感器噪声与传感器精度之间的差异：噪声等效温度差（NETD）描述了在稳定条件下分辨小温度差异的能力，而绝对精度则取决于校准稳定性、镜头和外壳的温度行为，以及关于发射率和大气因素的假设。在UAV应用中，即使NETD较低，这些因素也可能主导误差预算[16,19]。微测辐射热计系统在快门设计、温度稳定性和辐射度输出选项上也存在差异，这些设计选择会影响辐射度不连续性的频率和幅度、遥测数据的可用性以及漂移建模的可行性[16,17]。消费级集成热载荷与专业级辐射度系统之间也存在实际差异：消费级平台因其简化了采集过程并降低了运营成本而被广泛使用，但它们通常不提供对原始辐射度数据、内部遥测数据和工厂校准细节的透明访问。专业级系统通常提供对辐射度输出、元数据和现场重新校准程序的更大控制，这使得漂移诊断和二次校准更加容易。这并不意味着消费级系统不适合定量工作；相反，这意味着除非明确记录了底层的参数设置、参考设计和现场验证策略，否则应谨慎对待这些平台报告的温度。

2.2 **测量链**
为了便于解释，区分仪器级别的校准和后续的物理温度反演步骤是有用的。前者使用相机特定的校准将数字计数（DN）转换为波段辐射度或亮度温度；后者通过应用发射率和大气校正来估计地表温度。相机特定的关系将DN转换为波段辐射度（公式（1）[34,35,36]：
\[ DN \times \text{相机特定增益和偏移参数} = \text{波段辐射度} \]
\[ \text{波段积分后的辐射度} \times \text{逆普朗克映射} = \text{亮度温度} \]
\[ \text{亮度温度} = \int_{\text{传感器光谱响应}} (\text{逆普朗克映射}) \, dx \]
其中，\( D_N \) 是数字计数，\( G \) 和 \( O \) 是相机特定的增益和偏移参数，\( R \) 是辐射度数字计数，\( F \) 是在传感器响应上积分的逆普朗克映射，\( \lambda_l \) 和 \( \lambda_u \) 分别定义了热波段的上下波长限制，\( S(f) \) 是光谱响应函数。从辐射度转换为地表温度还需要发射率和辐射传递校正（第4节）。在许多研究中，\( T_b \) 被直接解释为地表温度，而没有进行校正，这对于定性测绘可能是可以接受的，但对于定量分析来说是不够的。

2.3 **UAV操作中的辐射度误差模式**
现场部署的微测辐射热计通常会表现出依赖于相机主体和镜头温度的漂移。气流的突然变化、太阳负荷或飞行动态的波动都可能导致镜头温度的变化，从而在相邻帧之间引起辐射度上的阶跃式变化[16,17,37,38,39]。基于快门的非均匀性校正（NUC）/平场校正（FFC）可以减少固定模式的噪声（FPN）并部分纠正偏移漂移，但如果马赛克在快门边界之间混合帧，则可能引入不连续性。镜头渐晕和空间非均匀性可能会导致径向温度偏差，这些偏差在大型拼接图中变得可见。当使用非辐射度量图像或相机内的对比度增强改变化学关系时，还可能出现额外的伪影[16,17]。实际上，这些误差源很少单独出现，通常在拼接和温度反演过程中相互叠加。漂移可能被误认为是空间模式，而过度重叠融合则会抑制真实的空间梯度。因此，一个实际的目标不仅是减少帧级误差，还要在不去除真实热结构的情况下保持拼接图的一致性。

2.4. 辐射度量数据的完整性和预处理
定量映射需要辐射度量输出，通常是14-16位的图像或辐射度量产品。作者应明确报告输出类型、位深度以及任何相机内的操作，如自动增益控制或直方图处理[16,17]。如果只提供显示产品，则温度映射应被描述为定性的[40,41,42]。预处理步骤通常包括坏点处理（如果支持的话还包括渐晕校正），以及标记受快门事件影响的帧。运动模糊和散焦对于配准和拼接特别成问题。基于模糊度量进行帧筛选可以减少对齐失败并提高一致性，特别是在较高飞行速度或风浪下[43]。检查辐射度量直方图和饱和度也是好的做法，因为极端场景可能会导致相机量程饱和并压缩热对比度。对于长时间任务，按时间块分割可以帮助隔离漂移区域并支持分段归一化。

2.5. 稳定性和记录：作为校准的一部分
辐射度量稳定性应在飞行前进行规划，而不是作为事后可以完全纠正的问题。热身和热平衡行为因相机和环境条件而异。实际方法包括在发射前通过重复观测参考目标来验证稳定性，记录内部遥测数据（如果有的话），并避免快速变化的飞行速度，因为这可能会导致对流冷却效应[16,17,44,45,46]。气象记录很重要，有两个原因：首先，空气温度和湿度影响大气透射率和路径辐射度（第4节）。其次，风和太阳条件会影响飞行过程中的真实表面温度动态。当表面温度迅速变化时，拼接融合可能会合并时间上不可比较的测量数据。

2.6. 校准和漂移缓解策略
UAV微测辐射计的校准是多层次的。工厂校准提供了实验室条件下的基线转换，但现场漂移通常会引入额外的偏移和增益变化。基于快门的NUC/FFC可以减少空间非均匀性并部分稳定偏移漂移，但它不能纠正发射率、反射辐射或大气因素[16,17,47,48,49]。使用参考目标的间接校准为绝对温度刻度提供了现场锚点。经验线方法将相机测得的温度与接触传感器测得的参考温度进行回归，从而实现飞行中的增益和偏移调整[22]。多目标变体通过覆盖场景温度范围来减少外推误差，并可以通过按材料类别分层目标来处理异质场景[50]。相对归一化方法使用重叠区域来估计图像间的偏移并减少接缝伪影。这些方法对于拼接图的一致性有效，但在采集过程中温度变化的动态场景中必须谨慎应用。表2提供了代表性的现场可部署辐射度量校准和漂移缓解策略的比较总结。表中提供的绝对精度以均方根误差（RMSE）表示，拼接图一致性以重叠区域温差（ΔT）表示。表中的指示范围是基于证据的实用范围，而不是汇总估计值，并与表S1中的代表性研究相关联。性能取决于条件：温暖潮湿的空气会通过残余大气因素扩大绝对误差，而强烈的太阳负荷或快速的对流变化会增加快门不连续性。因此，策略选择不仅应基于标称精度，还应考虑任务持续时间、环境稳定性、目标物流以及跨飞行比较的需要。

2.7. 定量UAV-TIR研究中的重复现场实践
报告可辩护温度的研究倾向于共享一组小的现场实践，无论应用领域如何。以下要点总结了定量UAV-TIR现场研究中反复出现的元素[16,17,19,22,50,51,52,53]：
- 使用辐射度量输出并记录相机设置，包括发射率和大气参数设置，而不是依赖显示图像。
- 设计具有已知发射率的参考目标，并确保它们占据足够的像素；使用可追溯的接触传感器测量目标温度，并记录相对于图像采集的时间。
- 记录快门事件，并在可能的情况下记录内部温度；避免在没有校正的情况下跨主要快门边界混合帧。
- 获取高重叠度和稳定的飞行线路；避免导致场景温度快速变化或在低发射率表面上引起强烈反射效果的条件。
- 报告针对独立参考值的绝对精度以及重叠区域内的拼接图一致性指标。
这些建议不是规定性的规则，但它们为可辩护的定量映射提供了基准，并支持研究之间的有意义比较。当科学问题涉及随时间的变化而不是单次飞行时，校准问题变得更加严格。多飞行或季节性活动应重复参考目标观测，尽可能保持飞行几何和采集时间的一致性，记录每次活动的气象条件，并保持相同的发射率和大气参数化，除非有合理的变更。跨飞行归一化可以支持一致性，但它不应替代稳定的物理锚点，因为真实的環境变化和传感器漂移可能会混淆结果。

3. 热测绘、RGB-TIR融合和地理配准
3.1. 为什么热SfM容易出问题
SfM摄影测量依赖于稳定、高频的纹理和辐射度量一致性。热图像经常表现出低对比度和较少的可重复关键点，尤其是在均匀植被、统一屋顶或水面之上。因此，仅使用热图像的SfM可能会遇到对齐失败、几何结构弱或系统失真的问题[54,55,56,57]。这些限制因热传感器的空间分辨率通常低于RGB相机以及采集过程中的热模式变化而加剧。即使几何对齐成功，局部错配也会模糊热边缘，这对异常检测任务（如光伏热点映射和建筑物外壳检查）至关重要。

3.2. 何时仅使用热图像的重建有效，何时无效
当场景包含持久的热纹理（包括工业组件、强烈的阴影边界或地热特征），并且采集使用了非常高重叠度和稳定的相机操作时，仅使用热图像的重建是可行的。使用实时运动学（RTK）/后处理运动学（PPK）定位的直接地理配准可以通过提供更强的姿态先验来减少对热关键点的依赖[6,7,58,59]。相比之下，正午的农田、均匀的沥青表面和水体通常提供的热纹理不足以进行可靠的匹配。在这种情况下，仅使用热图像的处理可能会在数字表面模型中产生凸起或变形的伪影，并导致拼接图不稳定。因此，越来越多地采用以几何结构为主的RGB图像策略进行定量映射[60]。

3.3. RGB-TIR融合：以几何结构为主的方法
广泛采用的一种解决方案是RGB-TIR集成，其中RGB图像提供稳健的几何结构和相机姿态，热图像被投影到基于RGB的 surfaces 和正射影像上[60]。这种方法通常依赖于刚性的传感器支架和对RGB与TIR传感器之间相对旋转和平移的估计。然而，在实践中，瞄准校准不是一种方法，而是一系列具有不同优势和失败模式的方法。关于热拼接、图像对齐、波段配准和图像融合的相关工作为这些跨模式配准提供了技术背景[61,62,63,64]。第一类方法使用校准板或在受控条件下进行的实验室风格程序来估计传感器之间的刚性转换。它们的主要优点是可重复性：当传感器支架稳定且同步特性明确时，它们可以提供受场景影响较小的初始参数。它们的主要限制是可转移性。在实验室或受控设置中估计的参数如果在现场使用中支架变形、焦点变化、振动不同或飞行中的时间偏移未与校准配置匹配，可能会导致性能下降。第二类方法从两种模式中都可见的同源点或可识别场景特征来估计对齐。这些方法在操作上具有吸引力，因为它们可以适应飞行中的条件，并不一定需要专门的实验室设置。然而，它们的性能强烈依赖于RGB和热图像之间共享结构的存在。在植被中，低热纹理、移动的叶子、阴影变化或弱跨模式对比度会导致特征选择不稳定，当模式差异较大时，自动匹配可能会失败。第三类方法依赖于RTK/全球导航卫星系统（GNSS）/惯性测量单元（IMU）观测的直接地理配准支持，并仅估计在平台定向受限后剩余的传感器间对齐。这些工作流程可以减少对密集热连接点的依赖，在热纹理较差时特别有用。它们的弱点在于，仅靠导航质量无法解决传感器同步、杠杆臂特性或机械稳定性问题。即使平台轨迹本身准确，不佳的时间或支架变形仍可能导致系统性的像素偏移。在实际应用中，当设置时间可接受且传感器装置机械稳定时，基于板的方法最有用；当场景包含清晰的跨模式边缘时，基于现场特征的方法很有用；当热纹理弱但导航数据强时，基于直接地理配准的方法更可取。在所有三类方法中，最可辩护的做法是报告校准环境、同步假设、剩余像素错配情况以及每次活动是否重新使用了瞄准参数。

3.4. 热测绘的飞行规划（实际范围）
飞行规划决定了几何稳定性和辐射度量可比性。对于天底映射，通常需要较高的前后和侧向重叠，因为热图像可能贡献较少的稳定特征。适当和稳定的飞行速度可以减少运动模糊并限制与镜头冷却相关的辐射度量瞬变。一致的高度可以提高几何一致性并保持稳定的地面采样距离[16,19,60,65,66]。时间选择取决于应用。黎明前的映射可以减少太阳反射效应，并在城市和水文研究中分离热惯性对比，而中午的采集可能最大化农业中的冠层应力对比。无论时间如何，云层覆盖或风的快速变化都可能产生时空温度变化，这使得拼接和验证变得复杂。旨在进行定量映射的飞行应设计为受控测量，具有稳定的采集设置、记录的环境条件以及在时间比较重要的情况下重复的飞行几何。

3.5. 地理配准和精度评估
几何保真度是有意义的热解释的先决条件，特别是对于细小异常和变化检测。通过RTK/PPK GNSS观测和IMU进行直接地理配准可以减少对密集地面控制的需求，并可以稳定捆绑调整[6,7]。然而，在具有挑战性的地形或相机模型约束不佳的情况下，系统偏差可能仍然存在[67,68]。使用地面控制点（GCPs）的间接地理配准仍然是高精度映射的常见方法。关键的是，应使用独立检查点报告精度，而不仅仅是GCP残差。报告的指标应包括水平和垂直误差总结、点数和分布以及相机模型假设[6,7,54]。对于热映射，几何误差具有辐射度量后果。即使只有几个像素的错配也可能在如屋顶边界或水陆过渡等尖锐边缘产生较大的表观温度差异。因此，共配准精度应相对于热像素大小进行评估，而不仅仅是米单位。

3.6. 正射影像、接缝线和质量评估
即使几何结构稳定，热正射影像也容易受到漂移、快门事件、视角效应和采集期间真实温度变化引起的接缝伪影的影响。重叠分析提供了一种实用的诊断方法：重叠区域的残差差异可以揭示漂移段、错配或动态场景行为[69,70]。常见的缓解策略包括排除严重模糊的帧，在重叠估计期间遮盖动态区域（如移动的阴影或水面），以及应用最小化重叠区域残差的偏移校正。自动化模糊筛选已被证明可以减少错误并提高无人机测绘活动的整体一致性[43]。镶嵌融合的处理方式应当透明地说明，包括是否使用了加权平均、接缝线选择或每条像素带的归一化处理。对于定量产品，报告来自参考目标的绝对精度指标以及从重叠区域得出的镶嵌一致性指标都是很有意义的。3.7. 共同配准诊断和常见陷阱：RGB-TIR集成提高了几何稳定性，但也引入了特定的故障模式。如果在校准参数是在一种飞行条件下估计的，而在另一种条件下应用的，由于机械变形或时间差异，可能会出现残差偏移。一种实用的诊断方法是评估场景多个部分中相对于清晰边缘的对齐情况，并报告平均和最坏情况下的像素偏移量[71,72]。另一个问题是当利用RGB数据中的纹理增强热成像时。虽然这种增强可以提高视觉可解释性，但也可能产生不被热采样支持的人为边缘清晰度。在使用增强后的产品时，作者应将其与定量温度产品区分开来，并针对独立参考数据进行验证[64,73]。一些常见的症状也可以作为诊断依据：几乎在整个场景中都存在一致性的偏移通常表明存在校准偏差或杠杆臂偏差；横向范围内的边缘不对齐往往指向时间误差、镜头畸变不匹配或投影几何结构不完美；而飞行之间残差的增长则表明可能是安装稳定性或同步性发生了变化，而不是场景本身发生了变化。这些区别很重要，因为相应的解决措施也不同：重新校准可以解决刚性偏移问题，更好的时间戳处理可以解决由运动引起的不对齐问题，而针对特定场景的检查点则有助于揭示在全局数据汇总中可能隐藏的投影误差。4. 物理校正和不确定性量化 4.1. 低空辐射传输和大气因素：传感器测量的辐射强度是地表发射辐射、反射下来的天空辐射以及大气路径辐射的复合值。一个常见的长波红外（LWIR）辐射传输方程如下所示[74,75]：(3) 其中，是传感器能够接收到的波段辐射强度；是地表与传感器之间的大气透射率；是地表发射率；是地表温度Ts下的黑体辐射强度；是地表反射下来的向下天空辐射强度；是向上穿过大气的辐射强度。向下箭头表示从上方照射到地表的辐射，而向上箭头表示沿传感器路径向上发射或散射的辐射。即使在无人机飞行高度较低的情况下，当湿度较高、路径长度变化或低发射率表面增加反射辐射的贡献时，这些因素也不能被忽略。在实际应用中，如果详细的空气参数数据不可用，研究人员通常会采用简化的大气模型。一种合理的做法是报告是否进行了大气校正、使用了哪些输入数据，以及结果对湿度及气温合理范围的敏感性。这种报告对于不同地点和季节间的对比研究尤为重要。4.2. 发射率估计和敏感性：发射率通常是无人机-TIR LST反演过程中的主要系统不确定性来源。一个经验法则是，根据温度范围和假设，小的发射率误差可能会导致Kelvin级别的LST差异[19,76,77]。对于异质性场景，单一的发射率值往往是不可接受的。一种实际策略是利用共配准的RGB图像生成材料地图，并从光谱库中为不同类别分配特定的发射率值。对于植被而言，发射率会随物种、含水量和冠层结构而变化；对于城市材料，不同类型的屋顶材料（如金属、混凝土、沥青和玻璃）的发射率和反射行为也有显著差异。由于难以消除发射率的不确定性，因此在定量研究中应至少进行敏感性分析。报告在合理发射率范围内的LST值有助于读者判断观测到的温度差异是否超出了不确定性范围。4.3. 视角效应和方向性发射率：无人机采集几何结构包括横向范围内的非天底角度，在三维测绘中还包括斜视角。许多表面表现出方向性发射率和混合像素行为，从而导致视角度变化引起的表观温度变化，而非真实地表温度的变化[19,78,79]。在农业冠层中，观测到的温度取决于被阳光照射的叶子、处于阴影中的叶子以及土壤背景的混合。在城市场景中，表面纹理和遮挡物会造成强烈的视角依赖性采样效应。这些效应促使人们限制二维地图的非天底角度，并在处理垂直表面和复杂几何结构的应用时采用考虑表面纹理的三维热模型。4.4. 不确定性传播：从精度声明到不确定性产品：单个精度值通常不足以满足定量热测绘的需求；重要的是要了解不确定性是如何在整个处理过程中产生和传播的。如果将Ts表示为传感器输出、校准参数、发射率、大气因素和观测几何结构的函数，那么可以通过一阶敏感性分析或蒙特卡洛模拟来传播不确定性[19,80,81]。实际应用中需要区分随机不确定性（如传感器噪声、短期变化）和系统不确定性（如发射率偏差、模型漂移、不完美的大气校正）。地图级别的均方根误差（RMSE）值可能掩盖了由 vignetting、视角效应和注册不准确导致的空间结构化误差。因此，定量产品更有必要按材料类别提供不确定性摘要，并为关键区域提供不确定性地图或统计信息。不确定性的确定还取决于其用途。例如，在异常检测中，如果不确定性与异常幅度相当，可能会出现误报；在作物胁迫映射中，即使绝对温度存在偏差，相对差异仍可能具有参考价值。明确决策背景有助于确定哪些不确定性指标最相关。尽管文献中没有为每个不确定性来源确定一个统一的百分比贡献，但在特定应用中确实存在一些重复出现的模式。在精准农业和植物表型分析中，由于感兴趣的热对比度相对于冠层温度的偏差可能较小，发射率假设、冠层-土壤混合效应以及飞行过程中的漂移通常是主要因素。在河流、湖泊和沿海水域研究中，反射的天空辐射、大气校正、海岸线混合像素以及无人机观测与实地参考数据之间的时间不匹配往往比水域内部的小发射率差异更为重要。在城市、建筑和基础设施应用中，材料依赖的发射率、视角效应、低发射率表面的反射以及RGB-TIR注册不准确等因素可能会对误差解释产生较大影响。在光伏检查中，方向效应、辐照度变化、反射和子面板之间的注册不准确可能与绝对辐射偏差一样重要，因为异常判断通常基于阈值并且对边缘非常敏感。因此，不确定性管理应针对具体应用进行定制，而不是采用统一的标准。例如，针对冠层胁迫的研究可能从更精确的发射率分类和与生理测量更紧密的同步中获益更多，而河流调查则可能从反射控制、河岸遮蔽和精心安排的时间节点实地观测中获益更多。表3总结了无人机-TIR测绘中的实际不确定性预算，包括主要不确定性来源、指示性幅度和报告建议。表3. 定量无人机-TIR测绘的实际不确定性预算。4.5. 验证：参考设计和指标：验证结果必须与宣称的产品特性相匹配。对于Tb（温度），验证目标应与相机波段在辐射特性上相当，并且面积足够大以避免混合像素的影响。对于LST（土地表面温度），参考表面应具有明确的发射率和热耦合特性。仅报告一个全局RMSE可能具有误导性；按材料类别报告偏差和误差统计信息，并描述验证目标的空间代表性更为准确[16,17,19,82,83]。现场参考目标可以包括经过校准的面板、水浴或其他通过接触式传感器测量的受控目标，而独立的检查目标有助于评估校准点之外的普遍适用性。在动态条件下，无人机观测与参考测量之间的时间同步非常重要。当进行多次飞行时，应使用稳定的参考区域或重复的目标观测来评估飞行间的数据一致性。飞行高度、角度、速度和一天中的时间应尽可能保持一致，大气输入、发射率分配和相机设置也应记录一致，或仅在有明确理由的情况下进行调整。当跨飞行进行归一化处理时，应保留绝对参考点，以确保季节性或管理因素引起的温度变化不会与传感器漂移一起被去除。4.6. 为决策解读温度产品：许多无人机-TIR应用涉及基于阈值或空间模式的决策。例如，在光伏检查中，热点检测可能使用邻近电池的阈值进行识别；在基础设施监控中，缺陷则是通过相对于背景的局部异常来推断的。在作物胁迫映射中，从冠层温度得出的指数通常依赖于相对差异而非绝对温度。在所有情况下，可解释性取决于异常幅度是否超出不确定性范围，以及是否控制了反射和视角效应等混淆因素[84,85]。如果温度地图附带不确定性信息和诊断层（如视角、阴影掩码和重叠质量指标），则更容易进行解释。这些额外的信息层比单一的温度镶嵌图提供了更可靠的解释基础。5. 应用和典型用例 5.1. 精准农业和植物表型分析：早期的无人机热成像研究展示了结合热成像和多光谱数据进行植被监测的价值[86]。后续的研究越来越多地利用基于无人机的热成像进行水分胁迫评估，其中冠层温度与蒸腾作用、气孔调节和土壤湿度状态相关联[87,88,89,90]。在这些研究中，无人机-TIR的主要方法论优势不仅仅是更高的空间分辨率，还包括更好地分离冠层和土壤背景，从而减少了与粗略的航空或卫星产品相比的混合像素偏差。同时，农业研究对辐射特性的可比性极为敏感，因为与胁迫相关的热对比度可能与传感器漂移相当。单次日期的研究通常可以通过经验校准和仔细的冠层掩蔽来取得成功，但季节性或模型训练研究则要求更高的精度。冠层结构、灌溉时间、风速和光照的变化即使植物水分状态不变也会影响表观温度场。因此，最有效的农业研究结合了可重复的采集时间、考虑类别的发射率处理、稳定的参考目标以及围绕冠层尺度设计的验证方法。长期监测尤其具有挑战性，因为需要区分真实的作物生长和环境变化与飞行间的辐射度不一致性[91,92,93]。在这一背景下，时间序列的价值更多取决于不同日期之间温度产品的可比性，而非单个镶嵌图的视觉平滑度。广泛的农业遥感和无人机光谱学研究以及现场环境监测工作同样强调了校正、元数据规范和环境记录的重要性[94,95,96,97]。5.2. 水文学、河流和地下水-地表水交换：水文研究使用无人机-TIR的方式与农业研究不同。在河流和溪流中，目标通常是识别与地下水补给、支流混合、潜流交换或栖息地结构相关的细尺度温度差异，而不是估计均匀的表面温度场[98,99,100,101]。这使得空间细节变得非常宝贵，但也意味着海岸线混合像素和快速的时间变化可能会影响结果的解释。在沿海环境中，地下水与地表水之间的热对比可以帮助更高效地定位采样区域[102]。文献中的最成功案例使用了飞行时间足够短（以限制表面变化）、选择清晨或其他辐射稳定的时期（此时反射较小）的无人机观测，并将无人机观测与同步的实地测量相结合，以确认地下水或地表水的差异。主要的限制是水表面对反射天空辐射、风扰动和观测几何结构非常敏感。因此，当没有明确报告采集几何结构、气象条件、海岸线掩蔽和验证时间时，应谨慎解释水文无人机-TIR的结果[103]。5.3. 城市微气候和城市热岛研究：城市热研究将温度模式与材料属性、天空视野、阴影效应、植被和街道峡谷几何结构相关联[104,105,106,107,108]。与均匀的农业场景不同，城市环境以明显的温度边界和强烈的材料差异为特征。这使得无人机测绘适用于分析邻里尺度的热异质性，但也增加了即使微小注册误差也会对结果产生影响的代价。城市场景还暴露了二维天底镶嵌图的局限性。屋顶膜、玻璃、金属、被遮挡的立面和峡谷壁都会产生依赖于视角的方向性热信号，这些信号无法通过单一的正射影像完整表示。因此，最合理的城市工作流程要么将分析限制在接近天底的屋顶表面上并仔细分配发射率类别，要么在研究涉及垂直表面和峡谷过程时转向考虑表面纹理的三维热重建[109]。基础设施、建筑能源和光伏检测
无人机热感测通过识别与绝缘缺陷、空气泄漏或热桥一致的空间模式来支持建筑能源评估。在这个领域，相关的问题往往是局部温差是否具有物理解释性，而不仅仅是一个图像是否在视觉上清晰。因此，采集时间、风速、室内外温差以及材料发射率仍然是决定性因素，因为如果这些因素没有得到控制，可能会出现误判[110,111,112,113,114]。

对于光伏检测，解释问题尤其敏感于边界。热点阈值通常相对于相邻电池来定义，因此视角效应、辐照度不稳定性、反射以及模块边界处的像素泄漏都可能扭曲异常的大小，即使整体图像看起来清晰[115]。在这种应用中，先处理几何信息、严格控制角度以及报告剩余的像素错位与辐射校正本身同样重要。

5.5. 地球科学和灾害监测
灾害监测应用与前面的领域不同，因为它们通常更重视安全性和快速掌握情况，而不是完全控制的辐射测量[116,117,118,119]。火山、火灾或其他高梯度场景可能超出传感器的动态范围，并且在飞行过程中的变化速度超过标准拼接假设的允许范围。因此，在灾害环境中，最可辩护的解释往往是保守的：缩短采集时间窗口、检查饱和度、明确报告被裁剪或排除的区域，以及将快速查看操作产品与后续定量分析分开，比假设单张正射影像能完全保留绝对温度更为现实。

5.6. 跨应用方法论权衡的综合
跨应用领域来看，文献指出的是重复出现的方法论优先级，而不是单一的可转移处理方案。在精准农业中，通常最强调的是重复采集时间、冠层与土壤的分离、经验性或多目标校准以及跨日期的一致性控制[87,88,89,90,91,92,93,94,95,96,97]。水文学研究更看重短采集时间窗口、考虑到反射的视角几何、海岸线掩蔽以及与现场水测量同步的验证[98,99,100,101,102,103]。城市和建筑应用则突出材料依赖的发射率、RGB-TIR共配准、限制在非天底方向的2D产品使用，以及基于检查点的几何诊断[104,105,106,107,108,109,110,111,112,113,114]。光伏检测强调稳定的辐照度、严格的视角控制、边缘对齐以及对异常阈值的不确定性敏感的解释[113,114,115]。相比之下，灾害监测研究通常更重视短采集时间窗口、考虑饱和度的辐射度处理，以及将快速查看操作产品与后续定量解释分开[116,117,118,119]。这些差异表明，校准、物理校正和不确定性处理是依赖于应用的方法论选择，而不是固定的程序步骤。对于多日期温度比较，综述中的研究指出场锚定、一致的参数化以及重复参考观测是核心关注点。对于单次飞行中的局部异常检测，相对一致性、边缘保真度和增强或阈值步骤的透明文档可能比完整的LST检索更为重要。表4总结了这些跨应用的方法论优先级。

6. 标准化和未来趋势
6.1. 报告差距和跨研究可比性的最低信息要求
无人机热成像（UAV-TIR）社区仍然缺乏与已建立的卫星热产品相当的报告文化。在文献中，可重复性的最大障碍之一不是缺乏有前景的方法，而是数据采集和处理方式记录的不均匀。研究往往在相机输出类型、快门处理、参考目标设计、大气假设、重叠策略和验证时间等方面存在差异，但这些选择并不总是被清晰描述以便于跨站点或活动的比较[9,19,120,121,122]。表5总结了对于解释和比较定量UAV-TIR研究重要的报告项目。应将其视为从综述中得出的可比性检查表，而不是正式的协议或完整的操作程序。目的是明确在研究做出定量温度声明时需要哪些采集、校准、校正、几何、不确定性和验证细节。表5中的检查表应根据研究类型进行解释。对于定性热点或异常筛选，最低要求是透明地报告传感器/输出类型、采集上下文、图像增强步骤以及用于定义异常的逻辑；除非声称绝对温度，否则不需要完整的LST校正。对于单次飞行的定量Tb或Ts映射，校准可追溯性、物理校正假设和独立验证变得必不可少。对于多飞行、季节性或时间序列研究，相同的项目仍然是必修的，但必须补充跨飞行的稳定性控制、重复参考观测、固定或密切匹配的飞行几何，以及记录不同日期的环境可比性。这种区分并没有降低简单研究的报告标准；它明确了当声明从定性模式解释转变为随时间变化的定量比较时哪些信息变得关键。

6.2. 深度学习：去噪、融合和超分辨率
大多数关于基于学习的UAV-TIR映射增强的研究可以分为三个重叠的组。第一组包括去噪和减少伪影的方法，旨在抑制条纹、固定模式的噪声或低对比度的外观。这些方法在提高帧间一致性时很有用，但通常不是用可追溯的温度参考值来评估的[123,124,125,126,127]。因此，除非明确测试辐射度保真度，否则它们对定量UAV-TIR映射的价值仍然依赖于具体情境。第二类包括RGB辅助的融合和超分辨率方法，它们将高分辨率可见光图像的空间细节转移到热成像领域[73,123,124,125,126,127]。这些方法可以产生视觉上更清晰的输出，并可能改善边界定义，有助于解释或筛选。然而，它们也带来了量化的最大风险，因为可见光波段的纹理可能会引入非热边缘、虚假细节或原始热采样不支持的对比度模式。换句话说，提升的视觉真实感不应被解读为温度准确性的提高。第三类方法更明确地着眼于辐射度的保持。这些方法根据可追溯的温度参考值、重复的目标观测或物理约束的一致性标准来评估性能，而不仅仅是依赖感知的清晰度或结构相似性。对于定量UAV-TIR工作来说，这 third 组最为相关，因为它根据测量要求而不是仅凭视觉外观来评估增强效果。然而，目前的证据基础仍然有限：相对较少的研究表明，在实地条件下，基于学习的增强可以同时提高可解释性和保持适合于可辩护的温度产品的辐射度准确性[73,123,124,125,126,127]。这种区分对报告和解释具有实际后果。如果一个模型主要用于可视化、异常预筛选或定性解释，那么增强后的输出应相应地标记，并不应被视为等同于物理校正后的温度产品。如果一个模型旨在支持定量分析，则验证应包括基于温度的误差指标、偏置保持检查，以及明确讨论增强后不确定性如何变化。因此，最有前景的方向不仅仅是更清晰的热成像，而是那些辐射度行为透明、物理上可解释且经过独立验证的基于学习的方法。

6.3. 实时机载处理和操作映射
随着UAV-TIR系统从实验性活动转向操作性监测，近乎实时的处理可能会变得越来越重要。在实际应用中，用户通常需要立即了解飞行是否可用、是否发生漂移或是否需要重新飞行某个特定区域。轻量级的机载或基于边缘的处理可以通过生成快速查看的拼接图像、标记潜在的漂移或在平台仍在现场时识别明显的异常来支持这些需求[128,129,130]。同时，速度引入了一个新的权衡。快速产品操作上很有用，但如果引入了压缩、降低的数值精度、简化的拼接或近似的校正步骤而没有相应记录，它们可能会失去可追溯性。在大多数情况下，最合理的流程是分两阶段的：一个用于现场意识和决策支持的快速产品，然后是一个较慢的飞行后流程，在该流程中进行完整的辐射度校正、几何精炼和验证。关键点是不将机载处理与最终的定量解释分开。

6.4. 基准数据集和社区间比较
UAV-TIR方法学的进步仍然难以评估，因为该领域缺乏共享的基准数据集。目前，许多新方法是在不同的相机、不同的环境、不同的校准设计和不同的验证目标上测试的。在这些条件下，很难判断明显的改进是否反映了真正更好的方法，还是仅仅是因为数据集更有利[131,132,133]。在这种情况下，单独的数据集是不够的；更重要的是方法是否能够在以可比较的方式采集、校正和验证的数据集上进行评估。一个有用的基准数据集应包括原始的辐射度图像、关于相机设置和快门事件的元数据、参考目标日志、气象观测以及可靠的几何信息。它还应涵盖多种场景类型，包括植被、城市材料、水和基础设施，并应包括校准和独立的验证参考。有了这样的数据集，社区可以使用绝对温度准确性、拼接一致性、共配准质量和不确定性报告等任务来比较方法。基准测试对于评估基于学习的增强方法尤其有价值，因为这些方法除了视觉外观外难以评估。基准测试还应与报告标准相结合。一个有用的社区数据集如果只提供图像而没有校准元数据、快门日志、几何诊断、环境观测和独立验证测量，则是不完整的。因此，基准数据集和报告实践应该一起开发，因为可重复性所需的元数据也是公平比较方法所必需的。

6.5. 开放性问题
表6总结了数据、方法和验证方面的主要开放性问题。第一个问题涉及异质场景中的发射率分配：当前的工作流程通常依赖于类别级的查找值，但仍缺乏表示风化、水分变化、亚像素混合和方向效应的可靠方法。因此，一个具体的研究优先事项是开发具有共配准材料图、参考发射率测量和敏感性意识的LST评估的基准场景。

6.6. 定量UAV-TIR映射中的研究空白：未解决的挑战、当前的限制和可能的未来方向
第二个问题涉及动态场景中的归一化。现有的基于重叠的方法可以抑制接缝伪影，但在采集过程中发生风、阴影运动或表面快速变化时，它们也可能去除真正的热变化。仍然缺少的是能够同时建模传感器漂移、场景动态和不确定性的方法，理想情况下需要重复的参考观测和针对长飞行或时间序列条件的社区基准数据集。第三个问题涉及3D热成像中的方向效应。当前的方法通常将热数据投影到2D产品上，即使视角各向异性、面体遮挡和混合可见性对热信号至关重要。这里的进展可能需要多角度采集设计、考虑面体的热模型以及将几何和辐射度视为耦合问题的验证协议。一个跨领域的空白是缺乏可比较的数据集和报告标准。没有关于校准、几何、环境条件和验证的可追溯元数据，即使是有前景的新方法也难以在其原始案例研究之外进行评估。

7. 结论
无人机热遥感不仅越来越多地用于视觉热点检测，还用于旨在支持科学解释和工程决策的温度映射。这里回顾的文献表明，只有当辐射度处理、几何配准和物理温度解释被视为同一测量问题的一部分时，这种用途才是可信的。在不同应用中，相同的限制反复出现：未冷却微测辐射计的辐射度漂移、用于稳定重建的弱热纹理、发射率和大气效应的不完整处理，以及采集和验证条件的不一致报告。从辐射度的角度来看，最可靠的研究是那些将现场采集本身作为校准策略一部分的研究。使用辐射度输出、快门行为的明确记录、可追溯的参考目标和漂移意识校正通常比最终拼接的视觉平滑度更重要。从几何的角度来看，仅基于热数据的重建仍然依赖于场景，并且在不规则纹理表面（如均匀植被、沥青、屋顶和水面）上往往不稳定。在许多实际情况下，RGB支持的几何处理后跟进行仔细的RGB-TIR共配准为定量映射提供了更可靠的基础。物理解释同样重要。亮度温度、相机报告的温度和经过物理校正的表面温度不应被视为可互换的产品，不确定性应以反映材料类别、视角几何和预期用途的形式报告。本综述重点关注了最强烈影响UAV-TIR产品质量和可比性的技术决策。校准选项的比较、不确定性预算的评估、方法优先级的跨应用综合分析、报告内容的整理以及对研究空白领域的分析，旨在促进不同领域之间的更清晰理解，而非规定一种通用的流程。这些内容应被视为对现有实践及常见缺失项目的分析性总结，而非独立的技术手册。不同应用领域具有不同的优先级——农业、水文学、城市制图、光伏设备检查以及危险监测出现问题的原因各不相同，因此不应将其视作相同问题进行统一处理或评估。文献中反复提及了几项重要需求：首先，更广泛地获取原始辐射测量数据和内部遥测数据将有助于改进漂移诊断和二次校准工作；其次，若要对比不同方法，需要具备可追溯的参考观测数据、完整的元数据以及详细记录的采集条件；最后，报告流程必须更加统一，特别是在相机输出类型、校准假设、配准质量、环境条件以及验证设计等方面。为此，业界可以参考本综述中归纳的核心报告要素，制定统一的报告标准，并使用相应的基准数据集来评估校准、成像拼接、配准及不确定性报告等方法在相同条件下的表现。基于学习的图像增强技术在这一领域可能会更加实用，但前提是其辐射测量特性必须是透明的，并且必须将独立温度验证视为必备环节而非可选项。

目前，无人机热成像（UAV-TIR）技术受限于应用场景的缺乏，而非测量质量控制的不一致或报告制度的缺失。未来的进展将更多地依赖于社区在校准、验证、不确定性描述及数据可比性方面的共识。建立统一的报告标准及公开可比较的基准资源，将是提高无人机热成像技术可重复性、跨研究适用性以及增强其作为定量遥感方法可信度的关键步骤。

补充材料：相关支持信息可下载自以下链接：
https://www.mdpi.com/article/10.3390/aerospace13050430/s1
表S1汇总了用于说明表2中所示现场性能范围的代表性精度和稳定性指标。这些研究在平台、传感器、环境条件、参考设计及评估产品类型上存在差异，因此表S1的作用在于提供证据支持，而非暗示各研究结果之间存在严格的可比性。