易科泰推出輕便型、一體化、多傳感器無(wú)人機(jī)遙感作物表型研究監(jiān)測(cè)技術(shù)方案——Ecodrone® UAS-4 Pro輕便型一體式多光譜-激光雷達(dá)遙感系統(tǒng)：
基于自主UAS-4遙感平臺(tái)技術(shù)，兼具輕便型和多功能特點(diǎn)
同時(shí)搭載多光譜成像、激光雷達(dá)及RGB成像，作業(yè)時(shí)間大于20分鐘
一次飛行可同步獲取5/10個(gè)光譜波段、高密度點(diǎn)云數(shù)據(jù)及RGB，作業(yè)效率事半功倍
厘米級(jí)多光譜地面分辨率，50m高度地面分辨率達(dá)3.4cm，30m高度（用于田間高通量作物表型分析）地面分辨率可達(dá)2cm
LiDAR-RGB：標(biāo)配精確度2.5cm，回波次數(shù)3，F(xiàn)OV 70.4度，可選配其他規(guī)格；RGB成像為Sony APS-C Exmor CMOS傳感器，20MP像素，F(xiàn)OV 83度
應(yīng)用于精準(zhǔn)農(nóng)業(yè)研究、作物表型遙感、病蟲(chóng)害監(jiān)測(cè)、農(nóng)作物產(chǎn)量評(píng)估、森林遙感監(jiān)測(cè)、碳源匯監(jiān)測(cè)評(píng)估、生態(tài)環(huán)境調(diào)查監(jiān)測(cè)、生物多樣性監(jiān)測(cè)等、生物固碳研究等領(lǐng)域
Ecodrone® UAS-4 Pro輕便型一體式多光譜-激光雷達(dá)遙感系統(tǒng)
主要技術(shù)指標(biāo)：
多光譜 | LiDAR-RGB | |||
型號(hào) | 5+1 or 10通道 | Mapper | Mapper+ | Surveyor Ultra |
空間像素 | 1280×960像素 （單波段） | 3632×5456像素（RGB） | 3632×5456像素（RGB） | 3632×5456像素（RGB） |
地面分辨率 | 3.4cm@50m AGL | 2cm（點(diǎn)云精度） | 2.5cm（點(diǎn)云精度） | 3cm（點(diǎn)云精度） |
探測(cè)器 | CCD | Livox Horizon固態(tài) | Livox AVIA固態(tài) | Hesai XT32M2X |
測(cè)程 | 不限 | 90m | 120m | 140m |
拍攝速率/幀頻 | 1秒/次 全波段 | 240kHz 2次回波 | 240kHz 3次回波 | 640kHz 3次回波 |
視場(chǎng)角 | 42.7° | 81.7° | 70.4° | 360° |
數(shù)據(jù)接口 | SD卡 | USB3 | USB3 | USB3 |
分析測(cè)量參數(shù)：
ü 冠層結(jié)構(gòu)參數(shù)：NDVI、NDRE、DVI、VOG、NDWI、GCI、LCI等
ü R/G/B指數(shù)，如綠度指數(shù)等
ü 可測(cè)量光利用效率、淺水環(huán)境（氣溶膠、浮質(zhì)等）、葉綠素效率或紅邊坡度等（10通道）
ü 激光雷達(dá)參數(shù)：高密度真彩色點(diǎn)云、三維測(cè)量數(shù)據(jù)、分類點(diǎn)云、DOM、DSM、DTM、DHM等
應(yīng)用案例一：不同脅迫條件下水稻表型分析
易科泰光譜成像與無(wú)人機(jī)遙感技術(shù)研究中心使用Ecodrone®無(wú)人機(jī)遙感系統(tǒng)對(duì)某水稻田進(jìn)行表型分析?；贜DVI和NDRE結(jié)果可以看出，除水稻田邊緣部分外整體指數(shù)數(shù)值較高，說(shuō)明作物葉綠素含量和綠色部分生物量較高，幾乎使NDVI數(shù)值達(dá)到了飽和。而從NDRE圖可以更為清晰的看出不同處理?xiàng)l件下水稻生理特性的差異，通常NDRE數(shù)值越高反應(yīng)著植株越健康。
圖1：依次為飛行作業(yè)圖；水稻田不同處理方式（品種、種植密度、施肥濃度）標(biāo)記圖；NDVI圖；NDRE圖
基于無(wú)人機(jī)多光譜數(shù)據(jù)進(jìn)一步研究驗(yàn)證篩選出種植品種、種植密度和施肥用量的組合，可以有效減少資源浪費(fèi)，緩解氮肥流失造成的環(huán)境問(wèn)題，并可結(jié)合LiDAR結(jié)構(gòu)信息及實(shí)際測(cè)量的理化數(shù)據(jù)建立擬合模型，用以反演作物生化及生物量指標(biāo)，實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)生產(chǎn)研究。
應(yīng)用案例二：人工松林生長(zhǎng)監(jiān)測(cè)
易科泰光譜成像與無(wú)人機(jī)遙感研究中心利用自主研發(fā)的Ecodrone®激光雷達(dá)無(wú)人機(jī)遙感系統(tǒng)，對(duì)某農(nóng)田-人工林地帶進(jìn)行了LiDAR遙感作業(yè)。
圖2-1：基于高度渲染的作業(yè)區(qū)LiDAR點(diǎn)云
圖2-2：基于LiDAR點(diǎn)云的DOM和DHM模型
通過(guò)LiDAR點(diǎn)云剖面高度測(cè)量并結(jié)合DHM模型，隨機(jī)選取A地塊人工松林15個(gè)點(diǎn)，提取其高度值，求取平均值為161cm，而地面人工采樣實(shí)測(cè)結(jié)果大部分高度落在1.6-1.7m區(qū)間，吻合度較高。
圖2-3：基于LiDAR點(diǎn)云的人工松林高度剖面及測(cè)量值
實(shí)驗(yàn)表明，基于Ecodrone®激光雷達(dá)無(wú)人機(jī)遙感技術(shù)，測(cè)量獲取的LiDAR三維信息，結(jié)合地面采樣實(shí)測(cè)結(jié)果，對(duì)植被精準(zhǔn)分類、監(jiān)測(cè)樹(shù)木/作物不同生長(zhǎng)階段的特點(diǎn)、評(píng)估生物量及指導(dǎo)施肥具有重要意義。
應(yīng)用案例三：不同生長(zhǎng)階段冬小麥冠層結(jié)構(gòu)變化監(jiān)測(cè)
基于反射光譜計(jì)算的葉面積指數(shù)(LAI)等相關(guān)指標(biāo)監(jiān)測(cè)冠層密度，對(duì)于理解和預(yù)測(cè)土壤-植物-大氣系統(tǒng)中的循環(huán)過(guò)程以及指示作物健康和農(nóng)場(chǎng)管理中產(chǎn)量估計(jì)具有重要作用。德國(guó)和比利時(shí)學(xué)者使用無(wú)人機(jī)Lidar和多光譜遙感成像系統(tǒng)對(duì)德國(guó)Selhausen的ICOS冬小麥大田區(qū)域進(jìn)行了7次數(shù)據(jù)采集，時(shí)間跨度由2020年4月1日至7月21日，評(píng)估了Lidar-多光譜技術(shù)在精準(zhǔn)農(nóng)業(yè)冠層結(jié)構(gòu)估計(jì)中的應(yīng)用潛力。
圖3-1：利用機(jī)載LiDAR測(cè)量估算基于冠層密度的植物面積指數(shù)(PAI)示意圖
圖3-2：左：不同時(shí)段的RGB圖像與分別用Lidar和多光譜方法獲得的PAI和GAI
右：ICOS大田冬小麥平均高度的時(shí)間和空間的變化
研究結(jié)果表明，在冬小麥成熟之前的生長(zhǎng)階段中，基于Lidar數(shù)據(jù)衍生的植物面積指數(shù)（PAI）與通過(guò)地面設(shè)備采集的綠色面積指數(shù)（GAI）值具有高度一致性，與多光譜成像獲取的GAI估計(jì)值也密切相關(guān)，可準(zhǔn)確反映冬小麥生長(zhǎng)過(guò)程中在空間結(jié)構(gòu)上的變化。通過(guò)每個(gè)采集時(shí)段（12/05、26/05、09/06、23/06）點(diǎn)云數(shù)據(jù)創(chuàng)建的數(shù)字地表模型DSM減去數(shù)字地形模型DTM(01/04，生長(zhǎng)季節(jié)開(kāi)始時(shí))，也能對(duì)冬小麥高度進(jìn)行有效估算。同時(shí)，使用多光譜數(shù)據(jù)補(bǔ)償Lidar PAI，可以區(qū)分綠色植被面積指數(shù)與非綠色植被面積指數(shù)，在整個(gè)作物生長(zhǎng)周期互相補(bǔ)充，進(jìn)行作物建模，以實(shí)現(xiàn)精準(zhǔn)施肥、作物管理和碳儲(chǔ)存估算等。
易科泰生態(tài)技術(shù)公司致力于生態(tài)-農(nóng)業(yè)-健康研究發(fā)展與創(chuàng)新應(yīng)用，為精準(zhǔn)農(nóng)業(yè)研究、作物表型遙感、病蟲(chóng)害監(jiān)測(cè)、農(nóng)作物產(chǎn)量評(píng)估、森林遙感監(jiān)測(cè)、碳源匯監(jiān)測(cè)評(píng)估、生態(tài)環(huán)境調(diào)查監(jiān)測(cè)、生物多樣性監(jiān)測(cè)等、生物固碳研究等領(lǐng)域提供無(wú)人機(jī)及近地遙感全面技術(shù)方案。
參考文獻(xiàn)：
[1] Bates J S , Montzka C , Schmidt M , et al. Estimating Canopy Density Parameters Time-Series for Winter Wheat Using UAS Mounted LiDAR[J]. Remote Sensing, 2021, 13(4):710.
