随着无人机科学技术的发展,各行各业对无人机数据的需求日益增加。无人机也作为一种新型的遥感技术得到了更多的认可,应用面也随之不断扩大。更低的运营成本、高效灵活的任务安排,自动化和智能化的操作应用使其在应用领域越来越受青睐。但相对于航天遥感传感器,目前可用于无人机搭载的传感器仍旧单一,主要是可见光相机。缺少近些年快速发展的红外、多/高光谱以及Li DAR等新型传感器,因此如何拓宽无人机传感器数据波段范围,提高无人机的应用能力,是急需研究的问题。根据前人研究的成果以及参考国外的研究资料,本文针对普通近红外传感器无人机低空遥感可行性进行研究,设计了数据获取方案。基于获取方案,选定研究区范围(研究区内必须有河流,植被,人工建筑等特征信息),获取研究区的无人机数据,并以获取数据为例,通过对无人机可见光、近红外和卫星数据(为LANDSAT TM5数据)进行集成对比分析(选定的集成对比因子是NDVI(归一化差值植被指数)和SAVI(土壤调节植被指数)),获取不同类型地物无人机近红外数据特征信息。首先从近红外传感器辐射定标方面,本文着眼于通过选择大量的特征物体,通过使用近红外传感器对其摄影成像,参考不同的特征物体所具有的不同反射特性,获取其反射值反算出增益和偏置值,利用这些相关数值来对近红外传感器进行辐射定标。由于无人机搭载的近红外传感器所获取的数据均为单幅像片,为了与卫星数据在像幅上形成清晰的对比,需要对所有单幅像片进行拼接处理及地理纠正处理。而在地理纠正方面,本文选择了三种各具特色的地理纠正方法,分别是共线方程几何纠正方法、多项式几何纠正方法、RFM模型几何纠正方法,通过三种方法的对比以及综合考虑本文对数据几何纠正结果的要求,选择最佳的纠正方法作为本文的几何纠正方法。为了对比无人机数据与卫星数据,以获取无人机数据在近红外波段的可用性以及验证其稳定性。将数据分为植被、地面、人工建筑、水体等几类并分别选取AOI区(点,线,面),获取每类特征地物AOI区内的NDVI和SAVI数值,通过对比无人机数据与LANDSAT TM5数据所获取的NDVI值和SAVI值,以探究两者之间的联系。经过对比分析以验证无人机可搭载的近红外传感器获取数据的稳定性和可靠性,而和传统的卫星搭载平台获取的数据相比,无人机获取的数据具备更高的空间分辨率、更强的实时性、准确性、更加低廉的花费以及高光谱分辨率能力等优点。故通过本次研究,可为大范围的新型传感器应用提供一种更加具体的数据获取方案的多样选择,并且随着更多可以搭载在无人机上的轻小型传感器的研制开发、数据处理及应用技术的不断研究,无人机应用领域还将会得到更进一步的拓展。