Ecodrone®高(gao)光(guang)譜(pu)-紅外(wai)熱(re)成像無人(ren)機遙(yao)感技(ji)術—作(zuo)物(wu)表(biao)型研(yan)究(jiu)

 易科(ke)泰(tai)推(tui)出無人(ren)機遙(yao)感作物(wu)表(biao)型研(yan)究(jiu)監測(ce)技(ji)術方(fang)案——Ecodrone^® UAS-8高(gao)分(fen)辨率高(gao)光(guang)譜(pu)-紅外(wai)熱(re)成像無人(ren)機遙(yao)感平臺(tai)：

 1.旋翼專(zhuan)業(ye)無人(ren)機遙(yao)感平臺(tai)，搭(da)載AFX高(gao)光(guang)譜(pu)成像、機載PC及(ji)紅外(wai)熱(re)成像可飛(fei)行作業(ye)30分(fen)鐘(zhong)以(yi)上(shang)，有效(xiao)覆蓋(gai)面積(ji)超(chao)10公頃(qing)

 2.厘(li)米(mi)級(ji)地(di)面分(fen)辨率，50m高(gao)度(du)地(di)面分(fen)辨率達(da)3.5cm，30m高(gao)度(du)（用於(yu)田間(jian)高(gao)通(tong)量作(zuo)物(wu)表(biao)型分(fen)析）地面分(fen)辨率可(ke)達(da)2cm

 3.高(gao)單(dan)樣(yang)線(xian)飛(fei)行作業(ye)可自動采集形成寬度36m的樣(yang)帶高(gao)光(guang)譜(pu)成像大數據(ju)

 4.科研(yan)級(ji)Thermo-RGB成像：640×512像素，多(duo)點(dian)黑(hei)體(ti)校準(zhun)，靈(ling)敏(min)度(du)50或(huo)30mK，測(ce)溫(wen)範(fan)圍-25℃-150℃/-40℃-550℃，在(zai)線(xian)實(shi)時(shi)溫(wen)度測(ce)量(liang)分(fen)析，10倍光(guang)學變(bian)焦(jiao)RGB鏡(jing)頭，全高(gao)清(qing)畫(hua)質，磁(ci)編(bian)碼(ma)自穩雲臺(tai)，實(shi)時(shi)姿態(tai)調(tiao)整，可(ke)選配(pei)CWSI成像，實時(shi)測(ce)量(liang)作物(wu)水分(fen)脅迫(po)指(zhi)數

 5.專業(ye)無人(ren)機遙(yao)感技(ji)術方(fang)案，同(tong)步獲取(qu)高(gao)光(guang)譜(pu)與紅外(wai)熱(re)成像數據(ju)，應用軟件可(ke)直接得(de)出90多(duo)個VI（植物光(guang)譜(pu)反射指(zhi)數）、F（葉綠素熒光(guang)）、標(biao)準(zhun)化(hua)冠(guan)層溫(wen)度、CWSI（水分(fen)脅迫(po)指(zhi)數）等(deng)

 6.榮(rong)獲(huo)2020年(nian)檢驗(yan)檢測(ce)認(ren)證認(ren)可行(xing)業(ye)年(nian)度(du)風雲榜(bang)“儀(yi)器設備(bei)新銳產品(pin)"

 7.應用於(yu)精準(zhun)農(nong)業(ye)研(yan)究(jiu)、作物表(biao)型遙(yao)感、病蟲(chong)害監(jian)測(ce)、農(nong)作(zuo)物(wu)產(chan)量(liang)評估、生物(wu)多樣(yang)性(xing)監測(ce)等(deng)

主(zhu)要功(gong)能(neng)參數：可(ke)分(fen)析近(jin)百(bai)個高(gao)光(guang)譜(pu)-紅外(wai)熱(re)成像參數

1.熱成像參數：CWSI、Tc-Ta等(deng)

2.冠(guan)層結(jie)構(gou)參數：NDVI、RDVI、OSAVI、MCARI、MSAVI等(deng)

3.葉綠素熒光(guang)參數：CUR、DPi、葉綠素熒光(guang)指(zhi)數等(deng)

4.葉綠素等(deng)植物色(se)素指(zhi)數：TCARI、TVI、SIPI、VOG、CI、NPQI、CAR、PSRI等(deng)

5.葉黃(huang)素指(zhi)數：PRI、PRIn、PRIm等(deng)

6.指數，如(ru)綠度(du)指數等(deng)

7.植物健(jian)康指數HI等(deng)

研(yan)究(jiu)案例1：大田高(gao)通(tong)量小(xiao)麥(mai)生理(li)性(xing)狀表(biao)型分(fen)析

 小麥(mai)為(wei)全球(qiu)人(ren)口(kou)提(ti)供了(le)20%的卡路(lu)裏(li)和(he)每(mei)日蛋(dan)白質(zhi)攝(she)入(ru)量，全球(qiu)小麥(mai)平均增產率(lv)為(wei)0.9%，而需求增長預測(ce)為(wei)2.4%，這意味(wei)著在(zai)不(bu)久的將(jiang)來通(tong)過基(ji)因(yin)改(gai)良(liang)提(ti)高(gao)小(xiao)麥(mai)產(chan)量的需求日益(yi)迫切(qie)。高(gao)通(tong)量的田(tian)間(jian)表(biao)型（Field-based phenotyping, FBP）研(yan)究(jiu)對開(kai)發(fa)遺(yi)傳基因(yin)改(gai)良(liang)的新途徑至(zhi)關(guan)重(zhong)要，被(bei)認(ren)為(wei)是能(neng)夠在(zai)現(xian)實種(zhong)植系統(tong)中(zhong)提(ti)供所(suo)需產量(liang)和準(zhun)確(que)描(miao)述性(xing)狀表(biao)現(xian)的方(fang)法。

 西班(ban)牙高(gao)等(deng)學術(shu)研(yan)究(jiu)委員(yuan)會現(xian)代農(nong)業(ye)研(yan)究(jiu)所GD Victoria等使(shi)用機載高(gao)光(guang)譜(pu)成像和紅外(wai)熱(re)成像系統(tong)，分(fen)別在拔節(jie)早(zao)期和灌漿期，同(tong)時對包(bao)括(kuo)兩(liang)個物種(zhong)(普(pu)通(tong)小麥(mai)和(he)硬粒(li)小麥(mai))、50個品(pin)種(zhong)在內(nei)的共(gong)150個小麥(mai)試(shi)驗樣(yang)地，采集了(le)兩(liang)組(zu)航空遙(yao)感數據(ju)集(ji)：

 熱成像和高(gao)光(guang)譜(pu)數據(ju)能(neng)夠對(dui)每(mei)個地塊提(ti)取(qu)熱輻(fu)射信息(xi)、光(guang)譜信息(xi)、輻(fu)射亮(liang)度和(he)反射率(lv)，用於(yu)計算與(yu)可(ke)見光和紅邊(bian)區域光合(he)色素吸(xi)收(shou)相(xiang)關(guan)的指(zhi)數，葉綠素熒光(guang)發(fa)射(she)的量(liang)化(hua)，以及(ji)與冠(guan)層結(jie)構(gou)相關(guan)的結(jie)構(gou)指標(biao)。與(yu)飛(fei)行作業(ye)同(tong)步獲取(qu)的地(di)面生理(li)指標(biao)數據(ju)表(biao)明，第二(er)次遙(yao)感監測(ce)時(shi)，小麥(mai)在(zai)生長(chang)晚期受到(dao)脅迫(po)，而這種(zhong)情況將(jiang)極大程度(du)的影(ying)響雨(yu)養(yang)條(tiao)件下小麥(mai)的最(zui)終(zhong)產(chan)量(liang)。

 在本(ben)研(yan)究(jiu)設置下，水分(fen)脅迫(po)指(zhi)數CWSI、葉綠素熒光(guang)指(zhi)數（FLD法算得(de)）以及(ji)類胡蘿蔔素相(xiang)關(guan)指(zhi)數（PRI和(he)CAR）均(jun)與產量(liang)表(biao)現(xian)出了(le)較(jiao)好(hao)的相(xiang)關(guan)關(guan)系。基於(yu)以上(shang)三(san)個指標(biao)建立的多(duo)元回歸(gui)模型解釋(shi)了(le)總(zong)產(chan)量(liang)變(bian)異(yi)的77%，具(ju)有顯(xian)著的統(tong)計學意(yi)義(p < 0.001)，被(bei)證明(ming)更適合(he)於(yu)反演(yan)作(zuo)物產量等(deng)復(fu)雜(za)性(xing)狀。而被(bei)廣(guang)泛(fan)使(shi)用的歸(gui)壹化(hua)指(zhi)數NDVI在(zai)預測(ce)產(chan)量方(fang)面表(biao)現(xian)不(bu)佳(jia)，這可能(neng)是由於(yu)作物(wu)生長(chang)晚期受到(dao)脅迫(po)的現(xian)象(xiang)通(tong)常出(chu)現(xian)在特(te)定(ding)的半(ban)幹旱地區，這些(xie)地區的作(zuo)物(wu)在營養(yang)生長(chang)期累積(ji)了(le)充(chong)足(zu)的生物(wu)量表(biao)現(xian)出較(jiao)高(gao)的NDVI，但(dan)在(zai)生殖(zhi)生長(chang)期受脅迫(po)影(ying)響使(shi)產量降(jiang)低，NDVI無法有效(xiao)地反(fan)應這個時期植被(bei)的變(bian)化(hua)。

該研(yan)究(jiu)表(biao)明，在實(shi)際(ji)田(tian)間(jian)育(yu)種(zhong)試驗(yan)條件下，使(shi)用高(gao)分(fen)辨率熱(re)成像和高(gao)光(guang)譜(pu)遙(yao)感圖(tu)像數據(ju)，能(neng)夠在(zai)更(geng)復(fu)雜(za)的環(huan)境(jing)變(bian)化(hua)條(tiao)件(jian)下評估作物(wu)生長(chang)、監測(ce)作(zuo)物性(xing)狀，為(wei)農(nong)作(zuo)物(wu)產(chan)量(liang)預測(ce)和(he)表(biao)型分(fen)析提(ti)供了(le)可(ke)靠(kao)的數據(ju)依(yi)據(ju)。

研(yan)究(jiu)案例2：冬(dong)小(xiao)麥(mai)氮(dan)素和(he)水分(fen)狀況評估

 根據(ju)國(guo)際(ji)糧(liang)農(nong)組(zu)織的數據(ju)，2018年(nian)，小(xiao)麥(mai)占(zhan)世(shi)界(jie)主(zhu)要作物(wu)總(zong)收(shou)獲(huo)面積(ji)的15%，占(zhan)世(shi)界(jie)氮(dan)肥總消(xiao)耗量的17% (FAOstat, 2020年(nian))。根據(ju)實(shi)際(ji)需求量調(tiao)整施肥(fei)和(he)灌溉(gai)是(shi)提(ti)高(gao)冬(dong)小(xiao)麥(mai)氮(dan)素利用效(xiao)率(NUE)和(he)水分(fen)利用效(xiao)率(WUE)，同(tong)時降低水和(he)土壤(rang)汙染(ran)，減少(shao)溫(wen)室(shi)氣體(ti)排(pai)放的重(zhong)要策略(lve)。遙(yao)感作為(wei)壹種(zhong)有效(xiao)工具(ju)，常(chang)用於(yu)通(tong)過監(jian)測(ce)作(zuo)物氮(dan)(N)和(he)水分(fen)狀況來進(jin)行定(ding)點(dian)施氮(dan)和(he)灌溉(gai)，以(yi)減少(shao)農(nong)業(ye)實踐(jian)對(dui)環(huan)境(jing)的影(ying)響。但(dan)作(zuo)物(wu)的生長(chang)受氮(dan)素和(he)水分(fen)情況共(gong)同(tong)作業(ye)會產生混(hun)雜(za)效(xiao)應，使(shi)得(de)從光(guang)譜數據(ju)區分(fen)不(bu)同(tong)缺素癥(zheng)狀(zhuang)成為(wei)應用上的難(nan)題。

 西班(ban)牙馬(ma)德(de)裏政(zheng)治(zhi)大學J.L.Pancorbo等(deng)人(ren)使(shi)用機載可(ke)見光-近(jin)紅外(wai)高(gao)光(guang)譜(pu)和熱(re)成像遙(yao)感監測(ce)氮(dan)素和(he)水分(fen)狀況，評估該方(fang)法用於(yu)降低混(hun)雜(za)效(xiao)應的潛(qian)力(li)。研(yan)究(jiu)人(ren)員(yuan)在(zai)西(xi)班(ban)牙(ya)中(zhong)部進(jin)行了(le)為(wei)期兩年(nian)的冬(dong)小(xiao)麥(mai)(Triticum aestivum L.) 大田實(shi)驗，並(bing)設置了(le)在(zai)4種(zhong)施氮(dan)梯(ti)度(du)和(he)2種(zhong)灌溉(gai)水平。分(fen)別在開(kai)花期采用葉片氣孔計測(ce)定(ding)作物(wu)水分(fen)狀況，在(zai)拔(ba)節(jie)中(zhong)期、後期以及(ji)開(kai)花期測(ce)定(ding)植株(zhu)氮(dan)素營(ying)養(yang)指(zhi)數(NNI)。同(tong)時使(shi)用無人(ren)機搭(da)載覆(fu)蓋(gai)可見光-近(jin)紅外(wai)區域(400-850nm)和部(bu)分(fen)短(duan)波(bo)紅外(wai)(950-1750nm)的高(gao)光(guang)譜(pu)成像和熱成像相機，在300m高(gao)度(du)獲(huo)取(qu)實驗(yan)樣(yang)地的光(guang)譜(pu)圖(tu)像。

 在該(gai)實驗(yan)中(zhong)，研(yan)究(jiu)人(ren)員(yuan)選(xuan)取(qu)了(le)冠(guan)層葉綠素含(han)量(liang)指(zhi)數CCCI來評估氮素水平，該指數可(ke)以(yi)減少(shao)土壤(rang)背景噪(zao)聲的影(ying)響，並(bing)與所有梯度下的NNI表(biao)現(xian)出了(le)相(xiang)關(guan)性(xing)(R2 > 0.44; P < 0.001)；同(tong)時使(shi)用地表(biao)溫(wen)度數據(ju)和(he)植被(bei)指數梯(ti)形空間關(guan)系計算得(de)到(dao)水分(fen)虧損(sun)指數WDI，能(neng)夠可(ke)靠(kao)的反(fan)應植被(bei)水分(fen)狀態(tai)。實驗(yan)結(jie)果(guo)表(biao)明，使(shi)用CCCI能夠有效(xiao)區分(fen)因缺(que)氮帶來的植物水分(fen)狀態(tai)的改(gai)變(bian)，而WDI更大程度(du)上(shang)受水分(fen)狀態(tai)直接影(ying)響，結(jie)合(he)CCCI和WDI評估作物(wu)NNI，相關(guan)系數提(ti)高(gao)到(dao)0.65，均方(fang)根誤差降(jiang)低至0.109，表(biao)明高(gao)光(guang)譜(pu)和熱(re)成像數據(ju)的結(jie)合(he)可以(yi)有效(xiao)反映(ying)植被(bei)氮素和(he)水分(fen)水平，降低混(hun)雜(za)效(xiao)應的影(ying)響，可(ke)用於(yu)指導(dao)施肥(fei)和(he)灌溉(gai)並(bing)做出(chu)及(ji)時、準(zhun)確(que)的調(tiao)整，以(yi)滿足(zu)作物對(dui)氮(dan)素和(he)水分(fen)的需求。

參考文(wen)獻(xian)：

[1] Victoria G D , Pilar H , Ignacio S , et al. Using High-Resolution Hyperspectral and Thermal Airborne Imagery to Assess Physiological Condition in the Context of Wheat Phenotyping[J]. Remote Sensing, 2015, 7(10):13586-13605.

[2] Pancorbo J L , Camino C , Alonso-Ayuso M , et al. Simultaneous assessment of nitrogen and water status in winter wheat using hyperspectral and thermal sensors[J]. European Journal of Agronomy, 2021, 127(3):126287.