Ecodrone® UAS-4輕便(bian)型(xing)壹體式多光譜-紅外熱(re)成像(xiang)遙感系統簡(jian)介

易科泰(tai)推出(chu)輕便(bian)型(xing)、壹體化(hua)、多傳(chuan)感(gan)器(qi)無(wu)人(ren)機(ji)遙感作物(wu)表(biao)型(xing)研(yan)究(jiu)監測(ce)技術(shu)方案(an)——Ecodrone^® UAS-4輕便(bian)型(xing)壹體式多光譜-紅外熱(re)成像(xiang)遙感系統：

1.自(zi)主UAS-4平(ping)臺(tai)，榮獲(huo)第(di)24屆(jie)中國楊(yang)淩農(nong)業高(gao)新(xin)科技成(cheng)果博覽(lan)會(hui)“後(hou)稷獎(jiang)”

2.同時(shi)搭載(zai)多光譜成(cheng)像(xiang)、紅外熱(re)成像(xiang)及RGB成(cheng)像(xiang)，作業時間(jian)大(da)於20分鐘

3.壹次飛行可同步獲(huo)取(qu)5/10個光譜波段(duan)、熱(re)成像(xiang)數(shu)據(ju)及RGB，作業效(xiao)率(lv)事半功倍

4.厘米(mi)級(ji)地面分辨(bian)率(lv)，50m高(gao)度(du)地面分辨(bian)率(lv)達(da)3.4cm ，30m高(gao)度(du)（用(yong)於田(tian)間(jian)高(gao)通(tong)量(liang)作物(wu)表(biao)型(xing)分析(xi)）地面分辨(bian)率(lv)可(ke)達2cm

5.科研(yan)級(ji)Thermo-RGB成(cheng)像(xiang)：640×512像(xiang)素，多(duo)點黑(hei)體校(xiao)準(zhun)，靈敏度(du)50或(huo)30mK，測溫(wen)範圍(wei)-25℃-150℃/-40℃-550℃，在(zai)線(xian)實(shi)時溫(wen)度測(ce)量分析(xi)，10倍光學變(bian)焦(jiao)RGB鏡(jing)頭，全(quan)高(gao)清(qing)畫(hua)質，磁(ci)編(bian)碼自穩(wen)雲臺，實(shi)時姿態調整，可選(xuan)配(pei)CWSI成(cheng)像(xiang)，實時(shi)測量作物(wu)水分脅(xie)迫指數(shu)

6.專業無人機(ji)遙感技術(shu)方案(an)，同步獲(huo)取(qu)5/10通(tong)道(dao)多光譜與(yu)紅外熱(re)成像(xiang)數(shu)據(ju)，應(ying)用(yong)軟(ruan)件(jian)可直接(jie)得(de)出(chu)多(duo)個VI（植(zhi)物(wu)光譜反(fan)射(she)指數(shu)）、標(biao)準(zhun)化冠(guan)層溫(wen)度、CWSI（水分脅(xie)迫指數(shu)）等(deng)

7.應(ying)用(yong)於精準(zhun)農(nong)業研(yan)究(jiu)、作物(wu)表(biao)型(xing)遙感、病蟲(chong)害監測(ce)、農(nong)作物(wu)產(chan)量評估、生(sheng)物(wu)多(duo)樣性監測(ce)、生(sheng)態環(huan)境調查監測(ce)等(deng)

主要功能參(can)數(shu)：可(ke)分析(xi)多個光譜-紅外熱(re)成像(xiang)參(can)數(shu)

1.熱(re)成像(xiang)參(can)數(shu)：冠(guan)層溫(wen)度、CWSI、Tc-Ta等(deng)

2.冠(guan)層結(jie)構參(can)數(shu)：NDVI、NDRE、DVI、VOG、NDWI、GCI、LCI等(deng)

3.R/G/B指數(shu)，如綠度指數(shu)等(deng)

4.可測量(liang)光利用(yong)效(xiao)率(lv)、淺(qian)水環(huan)境（氣(qi)溶(rong)膠(jiao)、浮(fu)質等(deng)）、葉(ye)綠素效(xiao)率(lv)或(huo)紅邊坡(po)度(du)等

主要技術(shu)指標(biao)：

案(an)例壹：油茶(cha)生(sheng)長(chang)狀況(kuang)監測(ce)

易科泰(tai)光譜成(cheng)像(xiang)與(yu)無人(ren)機遙感技術(shu)研(yan)究(jiu)中心使(shi)用(yong)Ecodrone^® UAS-4輕便(bian)型(xing)壹體式多光譜-紅外熱(re)成像(xiang)遙感系統，對(dui)某油茶(cha)研(yan)究(jiu)中心的油茶(cha)種(zhong)植(zhi)區(qu)進行了(le)多(duo)光譜、紅外熱(re)成像(xiang)監測(ce)分析(xi)。對某油茶(cha)研(yan)究(jiu)中心的油茶(cha)種(zhong)植(zhi)區(qu)進行了(le)多(duo)光譜、紅外熱(re)成像(xiang)監測(ce)分析(xi)。基(ji)於多(duo)光譜信(xin)息(xi)提(ti)取GNDVI、NDRE及RVI等(deng)多種(zhong)VI專題數(shu)據(ju)，基(ji)於紅外熱(re)成像(xiang)數(shu)據(ju)查(zha)看(kan)冠(guan)層溫(wen)度分布、作物(wu)水分脅(xie)迫程度等(deng)，從(cong)下圖結(jie)果可(ke)以直(zhi)接(jie)看(kan)出(chu)不同地面處理（除(chu)草區(qu)及未除(chu)草區(qu)）的油茶(cha)種(zhong)植(zhi)區(qu)的植(zhi)被指數(shu)和(he)溫(wen)度差(cha)異明顯，除(chu)草區(qu)因為部(bu)分地面裸露，其各(ge)種(zhong)植(zhi)被指數(shu)數(shu)值(zhi)相(xiang)對(dui)較(jiao)低(di)、溫(wen)度偏(pian)高(gao)，可(ke)以(yi)此(ci)為依(yi)據(ju)進行油茶(cha)種(zhong)植(zhi)區(qu)的精細化管(guan)理。另(ling)外，結(jie)合植(zhi)被指數(shu)及冠(guan)層溫(wen)度同時(shi)相(xiang)差(cha)異和(he)多(duo)時(shi)相(xiang)的動(dong)態變(bian)化(hua)可(ke)深(shen)入研(yan)究(jiu)，建立(li)合(he)理的相(xiang)關(guan)性(xing)反(fan)演模(mo)型(xing)，從(cong)而實(shi)現(xian)作物(wu)表(biao)型(xing)監測(ce)分析(xi)、病害監測(ce)、產(chan)量估計等(deng)。

案(an)例二(er)：森林(lin)遺傳表(biao)型(xing)分析(xi)

功(gong)能性(xing)狀的遺(yi)傳(chuan)變(bian)異分析(xi)對於了(le)解林木(mu)的適(shi)應(ying)性(xing)特性(xing)和(he)預(yu)測(ce)對持續(xu)環境(jing)變(bian)化(hua)的反(fan)應(ying)至(zhi)關(guan)重(zhong)要。阿(e)勒頗松(song)是(shi)壹種(zhong)避(bi)旱(han)樹種(zhong)，普(pu)遍(bian)分布於地中海地區(qu)的中西部(bu)，被廣(guang)泛應(ying)用(yong)於重(zhong)新(xin)造林(lin)。由(you)於其環繞地中海分布，不同區(qu)域(yu)生(sheng)長(chang)條件差(cha)異明顯，再加(jia)上人口(kou)收縮和(he)擴張的復雜(za)歷(li)史環境(jing)，在地上生長(chang)部(bu)分、吸水模(mo)式、水力(li)傳導率(lv)、繁(fan)殖能力(li)等關鍵(jian)特征(zheng)上產(chan)生了(le)種(zhong)群(qun)分化(hua)，形(xing)成(cheng)了(le)當(dang)前(qian)的種(zhong)內(nei)遺(yi)傳(chuan)變(bian)異現象(xiang)。無(wu)人機(ji)遙感系統可(ke)以對(dui)大(da)規(gui)模(mo)的森(sen)林(lin)面積進(jin)行有效(xiao)的形(xing)態生(sheng)理學(xue)表(biao)征(zheng)，是(shi)實(shi)現快(kuai)速(su)、高(gao)通(tong)量(liang)、大(da)規(gui)模(mo)森(sen)林(lin)遺(yi)傳(chuan)變(bian)異表(biao)型(xing)分析(xi)的壹大(da)利(li)器(qi)。

西(xi)班牙(ya)的研(yan)究(jiu)學者(zhe)使(shi)用(yong)無(wu)人(ren)機搭載(zai)多光譜成(cheng)像(xiang)、RGB成像(xiang)和(he)紅外熱(re)成像(xiang)傳感(gan)器(qi)，對(dui)56個自然種群(qun)中的共計896棵阿(e)勒頗松(song)進(jin)行了(le)生(sheng)理形(xing)態研(yan)究(jiu)，使用(yong)高(gao)分辨(bian)率(lv)遙感數(shu)據(ju)、植(zhi)被指數(shu)（VI）及冠(guan)層溫(wen)度等(deng)信息來表(biao)征(zheng)與(yu)冠(guan)層結(jie)構和(he)樹木(mu)生理學(xue)相(xiang)關(guan)的功(gong)能(neng)特征(zheng)在(zai)種群(qun)間(jian)的差(cha)異，分析(xi)遙感數(shu)據(ju)與(yu)樹幹(gan)材(cai)積（Vob）之(zhi)間(jian)的關(guan)系(xi)。

研(yan)究(jiu)表(biao)明，使用(yong)植(zhi)被指數(shu)VI、植(zhi)被覆(fu)蓋(gai)度（VC）及冠(guan)層溫(wen)度表(biao)征(zheng)種(zhong)群(qun)的冠(guan)層結(jie)構、葉(ye)面積、光合色(se)素(su)和(he)氣(qi)孔(kong)調節的生(sheng)理特性(xing)，可(ke)以壹定(ding)程度上反映(ying)種(zhong)群(qun)間(jian)存(cun)在的差(cha)異。基(ji)於無(wu)人機(ji)的植(zhi)被特征(zheng)及溫(wen)度信(xin)息與(yu)實地勘(kan)測(ce)種群(qun)的樹幹(gan)材(cai)積之(zhi)間(jian)有(you)著顯(xian)著(zhu)相(xiang)關(guan)性(xing)，其中多光譜和(he)RGB組(zu)合改(gai)進(jin)後(hou)的植(zhi)被指數(shu)（VI）與(yu)Log(Vob)呈正(zheng)相(xiang)關(guan)，冠(guan)層溫(wen)度與(yu)Log(Vob)呈現顯(xian)著(zhu)負相(xiang)關(guan)。使(shi)用(yong)改(gai)進(jin)型(xing)植(zhi)被指數(shu)和(he)冠(guan)層溫(wen)度信(xin)息，可實現快捷(jie)的種(zhong)群(qun)差(cha)異調查、反應(ying)植(zhi)物(wu)生(sheng)理狀態，實(shi)現森林(lin)資源遺(yi)傳(chuan)研(yan)究(jiu)的高(gao)通(tong)量(liang)表(biao)型(xing)分析(xi)。

案(an)例三(san)：葡萄栽(zai)培(pei)的精準(zhun)管(guan)理

通(tong)常(chang)，葡萄種(zhong)植(zhi)者(zhe)會(hui)借(jie)助(zhu)品質、產(chan)量等參(can)數(shu)評估整(zheng)體地塊(kuai)的生(sheng)產(chan)力(li)，但這種方法(fa)成(cheng)本(ben)高(gao)且(qie)耗(hao)時(shi)。隨著高(gao)品質、高(gao)產(chan)量葡萄酒(jiu)的需(xu)求(qiu)日益增長(chang)，為了(le)更(geng)高(gao)效(xiao)率(lv)的提(ti)高(gao)葡萄產(chan)量和(he)質量(liang)，對(dui)精準(zhun)的葡萄栽(zai)培(pei)技術(shu)和(he)生(sheng)長(chang)監測(ce)方法(fa)的研(yan)究(jiu)探索顯得(de)尤(you)為重(zhong)要。

意大(da)利(li)和(he)奧(ao)地利(li)的研(yan)究(jiu)人員將光學測(ce)量(liang)、地理定(ding)位(wei)和(he)遙感監測(ce)系(xi)統相(xiang)結(jie)合，對(dui)奧(ao)地利(li)布爾根(gen)蘭的葡萄園進行了(le)研(yan)究(jiu)，他們使用(yong)多(duo)光譜成(cheng)像(xiang)和(he)紅外熱(re)成像(xiang)傳感(gan)器(qi)獲(huo)取(qu)的數(shu)據(ju)，計算植(zhi)物(wu)活(huo)力(li)指標(biao)（歸壹化(hua)植(zhi)被指數(shu)NDVI）和(he)作物(wu)水分脅(xie)迫指數(shu)（CWSI）。

在(zai)活(huo)力(li)水平(ping)NDVI圖中，活(huo)力(li)越(yue)低(di)的區(qu)域(yu)葡萄成(cheng)熟(shu)度越(yue)高(gao)，品質和(he)質量(liang)更(geng)好，依(yi)據(ju)NDVI與(yu)葡萄產(chan)量和(he)品質的關(guan)系(xi)，有(you)選(xuan)擇(ze)性(xing)地采(cai)摘成(cheng)熟(shu)果實，可(ke)能(neng)會(hui)產(chan)出(chu)更(geng)高(gao)質量(liang)的葡萄酒(jiu)；葡萄成(cheng)熟(shu)階(jie)段(duan)水分含量的多(duo)少是(shi)影(ying)響(xiang)葡萄酒(jiu)品質和(he)數(shu)量(liang)的壹個重要因素，維持輕度(du)或(huo)中度的缺(que)水從(cong)而誘(you)導壹定(ding)程度的脅(xie)迫可(ke)以(yi)刺(ci)激品質參(can)數(shu)（如糖含量、色(se)素、酸(suan)度(du)等(deng)）的增(zeng)加(jia)，而作物(wu)水分脅(xie)迫指數(shu)（CWSI）可(ke)以(yi)有(you)效(xiao)的評估葡萄的水分脅(xie)迫狀態，進(jin)而為葡萄園提供(gong)科學的栽(zai)培(pei)維護(hu)指導。

參(can)考文(wen)獻(xian)：

[1] Filippo Santini,Shawn C. Kefauver,Victor Resco de Dios,José L. Araus,Jordi Voltas. Using unmanned aerial vehicle‐based multispectral, RGB and thermal imagery for phenotyping of forest genetic trials: A case study in Pinus halepensis[J]. Annals of Applied Biology,2019,174(2):

[2] G Tanda,V. Chiarabini. Use of multispectral and thermal imagery in precision viticulture[J]. Journal of Physics: Conference Series,2019,1224(1):