Ecodrone®壹(yi)體式高光譜(pu)-激(ji)光(guang)雷達無(wu)人(ren)機(ji)遙(yao)感系統應用(yong)案例(li)

易科泰(tai)光譜成像(xiang)與無(wu)人(ren)機(ji)遙(yao)感技(ji)術(shu)研(yan)究中(zhong)心最新推出Ecodrone^®壹(yi)體式高光譜(pu)-激(ji)光(guang)雷達無(wu)人(ren)機(ji)遙(yao)感系統。該系統包括(kuo)VNIR/NIR波段(duan)高(gao)光譜成像(xiang)儀(yi)和激(ji)光(guang)雷達掃(sao)描(miao)儀(yi)，壹(yi)次(ci)飛(fei)行可(ke)同(tong)時獲(huo)取(qu)目(mu)標圖譜(pu)信息(xi)及(ji)三(san)維(wei)點雲(yun)數據，應(ying)用於(yu)大(da)範(fan)圍(wei)、多維(wei)度的(de)精準農(nong)業研(yan)究、大田高(gao)通(tong)量(liang)表型(xing)分(fen)析、森(sen)林植被(bei)資源(yuan)調(tiao)查(zha)、生(sheng)態(tai)環(huan)境研究(jiu)、地(di)質(zhi)礦產勘查(zha)、考古(gu)研究、電(dian)力巡(xun)線(xian)、航空測繪等領域。

基於Ecodrone^®無(wu)人(ren)機(ji)平臺(tai)搭載(zai)的(de)壹(yi)體式高光譜(pu)-激(ji)光(guang)雷達傳感器，在(zai)獲(huo)取(qu)葉(ye)片或(huo)冠層(ceng)水(shui)平光譜反(fan)射(she)的高分(fen)辨率成像(xiang)的同(tong)時，激(ji)光(guang)雷達傳感器通(tong)過(guo)主動(dong)發射(she)高頻(pin)脈沖能夠直接穿(chuan)透(tou)植被(bei)冠(guan)層(ceng)、獲(huo)取(qu)高(gao)精度的(de)植被(bei)三(san)維(wei)結(jie)構(gou)信息和生(sheng)境結構(gou)信息，對(dui)冠層(ceng)及(ji)結構(gou)層(ceng)面(mian)進行快(kuai)速(su)無(wu)損(sun)高(gao)通(tong)量(liang)原位監測、森(sen)林物(wu)種(zhong)多樣性(xing)研(yan)究、植物生(sheng)物及非生(sheng)物脅迫分(fen)析、環(huan)境及生(sheng)態(tai)系統動態(tai)變(bian)化(hua)研究(jiu)等具有重要意義(yi)。

性能特點：

1.8旋翼專業無(wu)人(ren)機(ji)遙(yao)感平臺(tai)，搭載(zai)AFX高(gao)光譜(pu)成(cheng)像(xiang)、機(ji)載(zai)PC及(ji)激(ji)光(guang)雷達可(ke)飛(fei)行作業20分(fen)鐘以(yi)上，有(you)效覆(fu)蓋(gai)面積超10公頃

2.厘米(mi)級(ji)地(di)面分(fen)辨率，50m高度高(gao)光譜(pu)成像(xiang)地面分(fen)辨率達3.5cm，30m高(gao)度（用(yong)於田間(jian)高(gao)通(tong)量(liang)作物表(biao)型(xing)分(fen)析）地(di)面分(fen)辨率可(ke)達2cm

3.50m高單樣線(xian)飛(fei)行作業可(ke)自動采(cai)集(ji)形(xing)成(cheng)寬度36m的(de)樣帶高光譜成(cheng)像(xiang)大數據、

4.高密度三(san)維點(dian)雲，精確(que)度2.5cm，最(zui)高可(ke)達3次回(hui)波，50m

5.飛(fei)行高(gao)度點(dian)雲密度700pts/平(ping)方米(mi)專業無(wu)人(ren)機(ji)遙(yao)感技(ji)術(shu)方(fang)案，同(tong)步獲(huo)取(qu)高(gao)光譜與激(ji)光(guang)雷達數據，應(ying)用軟件(jian)可(ke)直接得(de)出近(jin)百(bai)種(zhong)植物光(guang)譜反(fan)射(she)指數、高密度三(san)維點(dian)雲、三維測量數據、分(fen)類(lei)點雲、DTM等

7.應用於精(jing)準農(nong)業研(yan)究、大田高(gao)通(tong)量(liang)表型(xing)分(fen)析、森(sen)林植被(bei)資源(yuan)調(tiao)查(zha)、生(sheng)態(tai)環(huan)境研究(jiu)、水(shui)資源(yuan)監測、地質礦產勘查(zha)、考古(gu)研究、電(dian)力巡(xun)線(xian)、航空測繪等

主要(yao)技(ji)術(shu)指(zhi)標：

應用案例(li)壹(yi)：旱(han)地(di)植被(bei)分(fen)類(lei)調查(zha)

半幹旱生(sheng)態(tai)系統（即旱(han)地）中(zhong)的植被(bei)在(zai)調(tiao)節全球碳(tan)平(ping)衡(heng)方(fang)面發揮著重要作用。然(ran)而(er)，復雜(za)環境下(xia)不(bu)同(tong)生(sheng)物群落(luo)相(xiang)互交(jiao)錯(cuo)，對旱(han)地區(qu)域繪制(zhi)、量化(hua)植被(bei)物(wu)種(zhong)和結構(gou)造成很(hen)大的(de)困(kun)難。要(yao)解(jie)決(jue)旱地(di)植物的(de)分(fen)類(lei)問(wen)題，需(xu)要(yao)綜合考慮(lv)冠(guan)層(ceng)生(sheng)物化(hua)學、結(jie)構(gou)和環境變(bian)量(liang)。高(gao)光譜遙(yao)感已被(bei)用(yong)於(yu)對(dui)不(bu)同(tong)生(sheng)物群落(luo)內(nei)的(de)植被(bei)物(wu)種(zhong)分(fen)類(lei)，但(dan)大面(mian)積旱(han)地植被(bei)的(de)光(guang)學(xue)分(fen)類(lei)仍面對(dui)著光(guang)譜(pu)混合(he)像(xiang)元及光譜異質(zhi)性(xing)的挑戰(zhan)。激(ji)光(guang)雷達指標（如冠(guan)層(ceng)高(gao)度）表(biao)征三(san)維冠層(ceng)結(jie)構(gou)的能力為(wei)光學(xue)分(fen)類(lei)提供了補充信息，此(ci)外(wai)，激(ji)光(guang)雷達數據可(ke)導出高(gao)分(fen)辨率數據高(gao)程模型(xing)DEM，為(wei)植被(bei)分(fen)類(lei)提供坡(po)度、坡(po)向和高程等地形(xing)信(xin)息，可(ke)提高(gao)植被(bei)分(fen)類(lei)覆蓋(gai)的精度。

美國的研(yan)究(jiu)學(xue)者將(jiang)植被(bei)光(guang)學(xue)（高(gao)光(guang)譜）和結構(gou)（激(ji)光(guang)雷達）信息結(jie)合(he)，對(dui)位於(yu)美國(guo)愛(ai)達荷(he)州奧(ao)懷(huai)希山脈(mai)的(de)雷諾(nuo)茲(zi)溪實(shi)驗(yan)流域的幹(gan)旱(han)地(di)區(qu)（xeric）及半幹旱(han)地區(qu)（mesic）進行了(le)植被(bei)分(fen)類(lei)研究。這(zhe)項(xiang)研(yan)究(jiu)整(zheng)合(he)了高光(guang)譜光(guang)譜分(fen)類(lei)技(ji)術(shu)與(yu)激(ji)光(guang)雷達衍(yan)生(sheng)數據，利(li)用植被(bei)光(guang)譜(pu)信(xin)息(xi)、冠層(ceng)高(gao)度及(ji)地形(xing)信(xin)息，提高(gao)了半(ban)幹旱(han)生(sheng)態(tai)系統的分(fen)類(lei)精度，成(cheng)功(gong)繪制(zhi)包含(han)土(tu)壤(rang)、草和灌木(mu)的(de)幹(gan)旱(han)區(qu)域豐度圖(tu)及包含(han)白(bai)楊(yang)、花旗松、杜松和其他(ta)河岸植被(bei)的(de)分(fen)類(lei)地圖。經(jing)驗(yan)證(zheng)，將(jiang)激(ji)光(guang)雷達信息納入高光譜(pu)分(fen)類(lei)方案後(hou)，整(zheng)體分(fen)類(lei)準確(que)率從 60% 提高(gao)到 89%。

應用案例(li)二：小面積(ji)水體識別(bie)與提取(qu)

水除(chu)了(le)是(shi)自然資源(yuan)外(wai)，也(ye)是生(sheng)物多樣性(xing)的(de)重要環境基礎(chu)。露天采(cai)礦(kuang)是(shi)對(dui)環(huan)境有強(qiang)烈(lie)影響的(de)人類(lei)活(huo)動(dong)之(zhi)壹(yi)，對(dui)淡(dan)水(shui)生(sheng)物群產生(sheng)很大負面影響，但(dan)采礦(kuang)活(huo)動(dong)產生(sheng)的棄土棄渣堆(dui)經技(ji)術(shu)開(kai)墾或(huo)自然(ran)演(yan)替形(xing)成(cheng)了許(xu)多充(chong)滿水(shui)的窪(wa)地(di)，這(zhe)些(xie)小面積(ji)水體對無(wu)尾(wei)目(mu)和蜻蜓(ting)等水生(sheng)物種(zhong)尤(you)其有價值(zhi)。為(wei)了更(geng)好地(di)管理水資源(yuan)，保(bao)護這些(xie)受(shou)威(wei)脅的生(sheng)態(tai)系統和防止(zhi)生(sheng)物多樣性(xing)喪(sang)失(shi)，需(xu)要(yao)對開放的(de)地(di)表水(shui)體進行精(jing)確(que)提取(qu)和重復監測。

遙(yao)感已被(bei)廣(guang)泛(fan)用於識別(bie)水體，然而光學(xue)圖(tu)像(xiang)難以將(jiang)水體特征與具(ju)有(you)低(di)反(fan)射(she)率的其他(ta)物體（例(li)如樹(shu)影）區(qu)分(fen)開來(lai)。為(wei)了解(jie)決(jue)這(zhe)些(xie)問(wen)題，捷克(ke)生(sheng)命科學(xue)大(da)學的研究學(xue)者(zhe)對(dui)高(gao)光(guang)譜(pu)與(yu)LiDAR數據融(rong)合方(fang)法(fa)用(yong)於小面積(ji)水體精準識別(bie)的能力進行了(le)評估。

研究區(qu)域位於(yu)捷(jie)克(ke)波西米(mi)亞(ya)北部(bu)的(de)褐煤(mei)盆地，主要(yao)由四(si)個(ge)棄土棄渣堆(dui)組成，其中(zhong)包含(han)了(le)形(xing)狀(zhuang)、高度、大(da)小各異的(de)水(shui)體區(qu)塊。在這(zhe)項(xiang)研(yan)究(jiu)中(zhong)，使用基於(yu)對象的分(fen)類(lei)方法(fa)在(zai)集成的高(gao)光(guang)譜(pu)數據和激(ji)光(guang)雷達數據中(zhong)以非常高(gao)的準確(que)度（漏(lou)分(fen)誤差(cha)2%，錯(cuo)分(fen)*.4%）提取(qu)了(le)棄土棄渣堆(dui)上的(de)開(kai)放地(di)表(biao)水體，與單獨使(shi)用(yong)高光譜或(huo)LiDAR數據相(xiang)比，準確(que)度最(zui)高。

研究結果(guo)表明(ming)，高光譜和 LiDAR 數據的(de)整(zheng)合(he)可(ke)以成功(gong)消(xiao)除(chu)了(le)陰(yin)影等影響，大(da)大提高(gao)小面積(ji)水體的識別(bie)能力，這對於(yu)棲(qi)息地(di)的水(shui)體動態(tai)監測及生(sheng)態(tai)恢(hui)復與保(bao)護(hu)至(zhi)關(guan)重要。

易科泰(tai)生(sheng)態(tai)技(ji)術(shu)公司(si)致力於生(sheng)態(tai)-農(nong)業-健(jian)康研(yan)究發(fa)展與創(chuang)新(xin)應(ying)用，為(wei)精準農(nong)業研(yan)究、森(sen)林植被(bei)資源(yuan)調(tiao)查(zha)、生(sheng)態(tai)環(huan)境監測、地質礦產勘查(zha)、環境研究(jiu)、航空測繪等應用領域提供無(wu)人(ren)機(ji)及近(jin)地遙(yao)感全面(mian)技(ji)術(shu)方(fang)案。

參(can)考(kao)文(wen)獻(xian)：

[1] Hamid Dashti,Andrew Poley,Nancy F. Glenn,Nayani Ilangakoon,Lucas Spaete,Dar Roberts,Josh Enterkine,Alejandro N. Flores,Susan L. Ustin,Jessica J. Mitchell. Regional Scale Dryland Vegetation Classification with an Integrated Lidar-Hyperspectral Approach[J]. Remote Sensing,2019,11(18):

[2] Science - Applied Geoscience; Findings on Applied Geoscience Discussed by Investigators at Czech University of Life Sciences Prague (Integration of Hyperspectral and Lidar Data for Mapping Small Water Bodies)[J]. Science Letter,2020: