Ecodrone® 多(duo)傳感器無人(ren)機遙(yao)感技(ji)術應(ying)用於(yu)果樹表型研(yan)究(jiu)

易(yi)科(ke)泰(tai)光(guang)譜(pu)成(cheng)像(xiang)與無人(ren)機遙(yao)感技(ji)術研(yan)究(jiu)中心基於(yu)自主設計生(sheng)產(chan)的(de)專業(ye)多(duo)旋(xuan)翼(yi)無人(ren)機遙(yao)感平(ping)臺(tai)，引(yin)進國際光(guang)譜(pu)成(cheng)像(xiang)傳感器技(ji)術，包括(kuo)芬(fen)蘭(lan)Specim高光(guang)譜(pu)成(cheng)像(xiang)、法國YellowScan激光(guang)雷(lei)達、多(duo)光(guang)譜(pu)成(cheng)像(xiang)、紅外熱成(cheng)像(xiang)、RGB成(cheng)像(xiang)、激光(guang)測(ce)距等(deng)多(duo)種傳感器技(ji)術，推出系列(lie)多(duo)傳感器無人(ren)機遙(yao)感系統，為(wei)農(nong)業(ye)、林業(ye)、生(sheng)態(tai)觀測(ce)提供(gong)無人(ren)機遙(yao)感與(yu)近(jin)地(di)遙(yao)感全(quan)面(mian)解(jie)決方(fang)案。

方(fang)案壹：Ecodrone^® UAS-4/4Pro輕便型無人(ren)機遙(yao)感平(ping)臺(tai)

▪ 可(ke)同時(shi)搭載多(duo)光(guang)譜(pu)成(cheng)像(xiang)、Thermo-RGB成(cheng)像(xiang)，或(huo)多(duo)光(guang)譜(pu)成(cheng)像(xiang)與激光(guang)雷(lei)達

▪  多(duo)光(guang)譜(pu)成(cheng)像(xiang)地(di)面(mian)分(fen)辨(bian)3.4cm@50mAGL

▪  科(ke)研(yan)級(ji)Thermo-RGB成(cheng)像(xiang)：640512像素(su)

▪  可(ke)直(zhi)接得(de)出數十種VI（植物(wu)光(guang)譜(pu)反射指(zhi)數）、標(biao)準化(hua)冠層溫度(du)、CWSI（水(shui)分(fen)脅(xie)迫(po)指(zhi)數）等

▪ 自主UAS-4平臺(tai)，榮獲第24屆中國楊淩(ling)農(nong)業(ye)高新(xin)科(ke)技(ji)成(cheng)果(guo)博(bo)覽(lan)會(hui)“後稷獎"

方(fang)案二：Ecodrone^® UAS-8高分(fen)辨(bian)率高光(guang)譜(pu)-紅外熱成(cheng)像(xiang)無人(ren)機遙(yao)感平(ping)臺(tai)

▪  搭載AFX高光(guang)譜(pu)成(cheng)像(xiang)及(ji)紅外熱成(cheng)像(xiang)

▪  厘(li)米級(ji)地(di)面(mian)分(fen)辨(bian)率

▪  單航(hang)帶(dai)寬(kuan)36m @50m AGL；

▪  科(ke)研(yan)級(ji)Thermo-RGB成(cheng)像(xiang)：640×512像素(su)

▪  可(ke)直(zhi)接得(de)出90多(duo)個VI（植物(wu)光(guang)譜(pu)反射指(zhi)數）、F（葉(ye)綠(lv)素(su)熒光(guang)）、標(biao)準化(hua)冠層溫度(du)、CWSI等

▪  榮獲2020年(nian)檢(jian)驗檢(jian)測(ce)認證(zheng)認可(ke)行業(ye)年(nian)度(du)風雲(yun)榜“儀器(qi)設備新(xin)銳產(chan)品"

方(fang)案三(san)：Ecodrone^® UAS-8 Pro壹體(ti)式高(gao)光(guang)譜(pu)-紅外熱成(cheng)像(xiang)-激光(guang)雷(lei)達無人(ren)機遙(yao)感平(ping)臺(tai)

▪  Ecodrone^®-LiHT ( LiDAR，Hyperspectral and Thermal remote sensing)，集(ji)高光(guang)譜(pu)-紅外熱成(cheng)像(xiang)-激光(guang)雷(lei)達於(yu)壹體(ti)，或(huo)高光(guang)譜(pu)-激光(guang)雷(lei)達

▪ AFX高光(guang)譜(pu)成(cheng)像(xiang)傳感器，高分辨(bian)率、高信(xin)噪比(bi)、高幀(zhen)頻(pin)、高分(fen)辨(bian)率、高靈敏度(du)

▪  Thermo-RGB傳感器，640×512像素(su)，測(ce)溫靈敏度(du)可(ke)達(da)0.03℃

▪  高密度三(san)維(wei)點雲(yun)，最高精確(que)度0.5cm，最高回(hui)波(bo)15次，50m飛行高(gao)度(du)點雲(yun)密度700pts/m²

▪  大(da)範(fan)圍(wei)（景(jing)觀水(shui)平(ping))、高空(kong)間分辨(bian)率（厘(li)米級(ji))同步觀測(ce)植(zhi)被結構功(gong)能(neng)

以下為(wei)多(duo)傳感器無人(ren)機遙(yao)感技(ji)術在果樹表型研(yan)究(jiu)中的(de)應(ying)用案例(li)：

應(ying)用案例(li)壹：基於(yu)多(duo)光(guang)譜(pu)-紅外熱成(cheng)像(xiang)無人(ren)機遙(yao)感技(ji)術的(de)葡(pu)萄園水(shui)分(fen)狀況評估

在許(xu)多(duo)降雨(yu)稀(xi)少(shao)和蒸發(fa)量(liang)大(da)的(de)葡(pu)萄酒(jiu)產(chan)區，幹(gan)旱脅(xie)迫(po)可(ke)能(neng)對葡(pu)萄的(de)營(ying)養(yang)、產(chan)量、成(cheng)分(fen)以及(ji)葡(pu)萄酒(jiu)感官(guan)評價產(chan)生(sheng)負(fu)面(mian)影(ying)響，因此，優化(hua)灌溉是大(da)多(duo)數葡(pu)萄酒(jiu)產(chan)地(di)的(de)壹項(xiang)關(guan)鍵研(yan)究(jiu)問(wen)題(ti)。

無人(ren)機遙(yao)感技(ji)術具(ju)有時(shi)間靈活，作業(ye)高效(xiao)，以及(ji)高(gao)分辨(bian)率的(de)特(te)點，利用無人(ren)機遙(yao)感技(ji)術可(ke)開(kai)展(zhan)作物(wu)水(shui)分(fen)和營(ying)養(yang)脅(xie)迫(po)的(de)相關研(yan)究(jiu)工作。研(yan)究(jiu)人(ren)員使(shi)用機載多(duo)光(guang)譜(pu)和紅外熱成(cheng)像(xiang)評估了(le)壹個(ge)位(wei)於(yu)西班牙(ya)裏(li)奧哈省洛格(ge)羅(luo)尼奧市的(de)5公頃(qing)雨(yu)養(yang)葡(pu)萄園的(de)水(shui)分(fen)狀況。

在地(di)面(mian)測(ce)得(de)葉(ye)片氣(qi)孔導(dao)度(du)（gs）和莖(jing)水(shui)勢（Ψstem）數據，研究(jiu)人(ren)員使(shi)用分水(shui)嶺(ling)算(suan)法，發(fa)現葉(ye)片溫度(du)與(yu)冠層溫度(du)數據顯著(zhu)正(zheng)相關，莖(jing)水(shui)勢和氣(qi)孔導(dao)度(du)與(yu)紅外熱成(cheng)像(xiang)數據呈負(fu)相關，如(ru)圖1.1所示(shi)。由(you)多(duo)光(guang)譜(pu)數據得(de)到的(de)NDVI、MSR和SRI植被指(zhi)數與gs和Ψstem有明顯相關性，其(qi)中Ψstem與這三(san)個(ge)指(zhi)數的(de)最佳決(jue)定(ding)系數R²分別(bie)為(wei)0.68，0.66和0.64，同時(shi)gs決定(ding)系數在0.75-0.84之間。這些結果表明，作物(wu)生(sheng)理(li)數據和由(you)多(duo)光(guang)譜(pu)和熱成(cheng)像(xiang)得(de)出的(de)遙(yao)感數據之間的(de)線(xian)性回(hui)歸(gui)得(de)到的(de)決(jue)定(ding)系數，使(shi)多(duo)光(guang)譜(pu)和熱紅外方(fang)法應(ying)用於(yu)葡(pu)萄生(sheng)理(li)評估具有可(ke)行性。

研究(jiu)揭示(shi)了(le)紅外熱成(cheng)像(xiang)和多(duo)光(guang)譜(pu)數據的(de)相關指(zhi)數與葡(pu)萄園水(shui)分(fen)狀況之(zhi)間存在高度相關性，表明無人(ren)機遙(yao)感技(ji)術可(ke)用於(yu)評估葡(pu)萄園的(de)水(shui)分(fen)狀況，並(bing)繪制葡(pu)萄園內的(de)水(shui)分(fen)狀況的(de)空(kong)間分布及(ji)變化(hua)圖，這對灌(guan)溉工(gong)作非常有用，有助(zhu)於(yu)繪制地(di)圖或(huo)優化(hua)葡(pu)萄園灌溉站(zhan)的(de)數量和位置，並(bing)且能(neng)夠(gou)基於(yu)這壹數據開發(fa)新(xin)的(de)水(shui)分(fen)調度模型(xing)。

應(ying)用案例(li)二(er)：基於(yu)高光(guang)譜(pu)-紅外熱成(cheng)像(xiang)無人(ren)機遙(yao)感技(ji)術的(de)橄(gan)欖(lan)樹苛(ke)養(yang)木桿菌(jun)監測

苛養(yang)木桿菌(jun)(Xylella fastidiosa,Xf)是壹種(zhong)有害(hai)的(de)植(zhi)物(wu)致(zhi)病菌(jun)，可(ke)感(gan)染全球500多(duo)種植(zhi)物(wu)，已(yi)被(bei)我國列(lie)入(ru)檢(jian)疫(yi)性有害(hai)生(sheng)物(wu)名錄(lu)之中。因此，沒有表現出明顯癥(zheng)狀(zhuang)前(qian)遏制和受感染植(zhi)物(wu)至(zhi)關(guan)重要，為(wei)了(le)實現這壹目(mu)的(de)，航(hang)空(kong)遙(yao)感技(ji)術無疑是壹種(zhong)高(gao)效(xiao)的(de)方(fang)法。

T.Poblete等研(yan)究(jiu)人(ren)員選(xuan)取(qu)意大(da)利南部阿(e)普(pu)利亞的(de)Xf感染(ran)區(qu)，分(fen)別(bie)在2016和2017年(nian)采(cai)集(ji)了(le)三(san)個(ge)面(mian)積(ji)共1200公頃(qing)的(de)區(qu)域(圖1.1左)的(de)高(gao)光(guang)譜(pu)和熱成(cheng)像(xiang)數據，同步采集(ji)了(le)地(di)面(mian)葉(ye)片數據。將從(cong)高光(guang)譜(pu)和熱成(cheng)像(xiang)相機獲取(qu)的(de)VI、太陽(yang)誘導(dao)葉(ye)綠(lv)素(su)熒光(guang)(SIF)和基於(yu)溫度數據的(de)作物(wu)水(shui)分(fen)脅(xie)迫(po)指(zhi)數(CWSI)的(de)貢(gong)獻進行了(le)評估，在不(bu)同的(de)機器學習(xi)算(suan)法的(de)結果中，使(shi)用精細(xi)高斯(si)(徑(jing)向(xiang)基)函數的(de)支持向(xiang)量(liang)機能夠最準確(que)地(di)區分(fen)感染和未(wei)感染(ran)樹，並(bing)且在所有叠(die)代(dai)中具有最小的(de)標(biao)準差(cha)(s.d.=0.1)，使(shi)用高斯(si)函(han)數(高斯(si)核(he)為(wei)0.56)的(de)支持向(xiang)量(liang)機結果(總體(ti)精度OA為(wei)~ 80%，κ=0.42)

進壹步分析發(fa)現400-450nm波段(duan)的(de)反射數據和CWSI是對橄(gan)欖(lan)樹Xf癥狀(zhuang)敏感(gan)的(de)最關鍵(jian)光(guang)譜(pu)數據，將波(bo)段連(lian)續的(de)高(gao)光(guang)譜(pu)數據轉化(hua)為(wei)10nm半(ban)波寬(kuan)的(de)6個光(guang)譜(pu)帶集(ji)模擬多(duo)光(guang)譜(pu)數據進行分(fen)析時(shi)，當(dang)6個多(duo)光(guang)譜(pu)信(xin)息(xi)與熱(re)成(cheng)像(xiang)數據組合(he)時(shi)，預測(ce)模型(xing)的(de)OA高達(da)74% (κ= 0.36)，同時(shi)，據研究(jiu)感染Xf的(de)植(zhi)物(wu)需要10-12個月(yue)才能(neng)出現明顯癥(zheng)狀(zhuang)，因此，更加(jia)說(shuo)明光(guang)譜(pu)成(cheng)像(xiang)和熱成(cheng)像(xiang)的(de)結合對於(yu)苛養木桿菌(jun)疫區(qu)大(da)規(gui)模先(xian)期監測的(de)可(ke)行性。

參考(kao)文(wen)獻：

[1] Baluja J , Diago M P , Balda P , et al. Assessment of vineyard water status variability by thermal and multispectral imagery using an unmanned aerial vehicle (UAV)[J]. Irrigation Science, 2012(6).

[2] Poblete T ,  Camino C ,  Beck P , et al. Detection of Xylella fastidiosa infection symptoms with airborne multispectral and thermal imagery: Assessing bandset reduction performance from hyperspectral analysis[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 162:27-40.