易科(ke)泰推(tui)出輕(qing)便(bian)型(xing)、壹(yi)體化(hua)、多(duo)傳感(gan)器無人(ren)機遙(yao)感(gan)作(zuo)物表型(xing)研究(jiu)監測技(ji)術方案(an)——Ecodrone^® UAS-4 Pro輕(qing)便(bian)型(xing)壹(yi)體式(shi)多(duo)光(guang)譜(pu)-激(ji)光(guang)雷(lei)達(da)遙(yao)感(gan)系(xi)統(tong)：

1.基(ji)於自(zi)主(zhu)UAS-4遙(yao)感(gan)平臺技(ji)術，兼(jian)具(ju)輕(qing)便(bian)型(xing)和多(duo)功(gong)能特(te)點(dian)

2.同(tong)時搭(da)載多(duo)光(guang)譜(pu)成(cheng)像(xiang)、激(ji)光(guang)雷達及(ji)RGB成像(xiang)，作(zuo)業(ye)時間(jian)大(da)於20分(fen)鐘

3.壹(yi)次飛(fei)行可同(tong)步(bu)獲(huo)取5/10個(ge)光(guang)譜(pu)波段、高(gao)密(mi)度點(dian)雲數據(ju)及(ji)RGB，作(zuo)業(ye)效(xiao)率事(shi)半功(gong)倍

4.厘米級(ji)多(duo)光(guang)譜(pu)地(di)面(mian)分(fen)辨(bian)率，50m高度地(di)面分辨(bian)率達(da)3.4cm，30m高(gao)度（用(yong)於田(tian)間(jian)高通量作(zuo)物表型(xing)分析(xi)）地(di)面(mian)分辨率可達2cm

5.LiDAR-RGB：標配(pei)精(jing)確度2.5cm，回(hui)波次數3，FOV 70.4度，可選配(pei)其(qi)他規格；RGB成(cheng)像(xiang)為Sony APS-C Exmor CMOS傳感(gan)器，20MP像素(su)，FOV 83度

6.應用(yong)於精(jing)準(zhun)農(nong)業(ye)研究(jiu)、作(zuo)物表型(xing)遙(yao)感(gan)、病蟲害監測、農(nong)作(zuo)物產(chan)量評估(gu)、森(sen)林遙(yao)感(gan)監測、碳(tan)源(yuan)匯(hui)監測評估(gu)、生態(tai)環境(jing)調查(zha)監測、生物(wu)多(duo)樣(yang)性監測等(deng)、生物(wu)固(gu)碳(tan)研(yan)究等(deng)領域(yu)

主(zhu)要技(ji)術指(zhi)標：

分(fen)析(xi)測(ce)量參(can)數：

1.冠(guan)層(ceng)結(jie)構(gou)參(can)數：NDVI、NDRE、DVI、VOG、NDWI、GCI、LCI等(deng)

2.R/G/B指(zhi)數，如綠(lv)度指(zhi)數等(deng)

3.可測量光利(li)用(yong)效(xiao)率、淺水環境(jing)（氣溶(rong)膠、浮質等）、葉綠(lv)素(su)效(xiao)率或(huo)紅(hong)邊坡度等(deng)（10通道）

4.激光(guang)雷(lei)達參(can)數：高(gao)密(mi)度真(zhen)彩(cai)色點(dian)雲、三維(wei)測量數據(ju)、分(fen)類(lei)點(dian)雲、DOM、DSM、DTM、DHM等

應(ying)用(yong)案(an)例壹(yi)：不(bu)同(tong)脅迫(po)條(tiao)件(jian)下(xia)水(shui)稻(dao)表型(xing)分析(xi)

易科(ke)泰光(guang)譜(pu)成(cheng)像(xiang)與(yu)無人(ren)機遙(yao)感(gan)技(ji)術研(yan)究(jiu)中心使(shi)用(yong)Ecodrone^®無人(ren)機遙(yao)感(gan)系(xi)統(tong)對(dui)某(mou)水稻(dao)田(tian)進行表型(xing)分析(xi)。基(ji)於NDVI和(he)NDRE結(jie)果可以看出，除(chu)水(shui)稻(dao)田(tian)邊(bian)緣(yuan)部(bu)分(fen)外(wai)整體指(zhi)數數值(zhi)較(jiao)高(gao)，說明(ming)作(zuo)物葉(ye)綠(lv)素(su)含(han)量和綠(lv)色部(bu)分(fen)生物(wu)量較(jiao)高(gao)，幾乎使NDVI數值(zhi)達(da)到了(le)飽(bao)和。而(er)從(cong)NDRE圖可以更為清晰的(de)看出不(bu)同(tong)處理(li)條(tiao)件(jian)下水稻(dao)生理(li)特(te)性的(de)差(cha)異，通常(chang)NDRE數值(zhi)越(yue)高(gao)反應(ying)著(zhe)植(zhi)株(zhu)越(yue)健康(kang)。

基(ji)於無人(ren)機多(duo)光(guang)譜(pu)數據(ju)進壹(yi)步(bu)研究驗(yan)證篩(shai)選出種(zhong)植(zhi)品(pin)種(zhong)、種植(zhi)密(mi)度和(he)施肥用(yong)量的(de)*組(zu)合(he)，可以有(you)效(xiao)減少資(zi)源(yuan)浪費，緩(huan)解氮(dan)肥流(liu)失(shi)造(zao)成(cheng)的(de)環境(jing)問題(ti)，並(bing)可結合(he)LiDAR結構(gou)信息(xi)及(ji)實際測(ce)量的(de)理化數據(ju)建(jian)立擬合(he)模型(xing)，用(yong)以(yi)反演(yan)作(zuo)物生化(hua)及(ji)生物(wu)量指(zhi)標，實(shi)現(xian)精準農(nong)業(ye)生產(chan)研(yan)究(jiu)。

應用(yong)案(an)例二：人(ren)工松(song)林生長監測

易科(ke)泰光(guang)譜(pu)成(cheng)像(xiang)與(yu)無人(ren)機遙(yao)感(gan)研(yan)究(jiu)中心利(li)用(yong)自(zi)主(zhu)研發(fa)的(de)Ecodrone^®激光(guang)雷(lei)達無人(ren)機遙(yao)感(gan)系(xi)統(tong)，對(dui)某(mou)農(nong)田-人(ren)工林(lin)地帶(dai)進行了(le)LiDAR遙(yao)感(gan)作(zuo)業(ye)。

通過(guo)LiDAR點(dian)雲剖(pou)面(mian)高(gao)度測(ce)量並(bing)結合(he)DHM模型(xing)，隨機選取A地(di)塊(kuai)人(ren)工松(song)林15個(ge)點(dian)，提取其(qi)高度值(zhi)，求取平均(jun)值(zhi)為161cm，而(er)地(di)面人(ren)工采樣(yang)實(shi)測(ce)結(jie)果大(da)部(bu)分(fen)高(gao)度落(luo)在(zai)1.6-1.7m區間(jian)，吻合(he)度較(jiao)高(gao)。

實驗(yan)表明(ming)，基(ji)於Ecodrone^®激(ji)光雷達無人(ren)機遙(yao)感(gan)技(ji)術，測(ce)量獲(huo)取的(de)LiDAR三維(wei)信息(xi)，結(jie)合(he)地面采樣(yang)實(shi)測(ce)結(jie)果，對(dui)植(zhi)被(bei)精(jing)準(zhun)分(fen)類、監測樹(shu)木/作(zuo)物不(bu)同(tong)生長階(jie)段的(de)特點(dian)、評估(gu)生物(wu)量及(ji)指(zhi)導施肥具(ju)有(you)重(zhong)要(yao)意(yi)義(yi)。

應(ying)用(yong)案(an)例三：不(bu)同(tong)生長階(jie)段冬小(xiao)麥(mai)冠(guan)層(ceng)結(jie)構(gou)變化監測

基(ji)於反射(she)光譜(pu)計(ji)算(suan)的(de)葉面積(ji)指(zhi)數(LAI)等(deng)相關(guan)指(zhi)標監測冠(guan)層(ceng)密(mi)度，對(dui)於理(li)解(jie)和預(yu)測(ce)土(tu)壤-植(zhi)物(wu)-大(da)氣系(xi)統(tong)中的(de)循(xun)環過(guo)程(cheng)以(yi)及(ji)指(zhi)示作(zuo)物健康(kang)和(he)農(nong)場管(guan)理(li)中產量估(gu)計(ji)具(ju)有(you)重(zhong)要(yao)作(zuo)用(yong)。德(de)國(guo)和比(bi)利(li)時(shi)學者(zhe)使(shi)用(yong)無人(ren)機Lidar和(he)多(duo)光(guang)譜(pu)遙(yao)感(gan)成(cheng)像(xiang)系(xi)統(tong)對(dui)德(de)國(guo)Selhausen的(de)ICOS冬小(xiao)麥(mai)大(da)田區域(yu)進行了(le)7次數據(ju)采集(ji)，時(shi)間(jian)跨(kua)度由(you)2020年4月1日(ri)至(zhi)7月(yue)21日(ri)，評估(gu)了(le)Lidar-多(duo)光(guang)譜(pu)技(ji)術在(zai)精準(zhun)農(nong)業(ye)冠(guan)層(ceng)結(jie)構(gou)估(gu)計(ji)中的(de)應用(yong)潛(qian)力。

研(yan)究(jiu)結果表明(ming)，在(zai)冬小(xiao)麥(mai)成(cheng)熟之(zhi)前的(de)生長階(jie)段中，基於Lidar數據(ju)衍(yan)生的(de)植(zhi)物(wu)面(mian)積(ji)指(zhi)數（PAI）與(yu)通過(guo)地(di)面(mian)設(she)備(bei)采集(ji)的(de)綠(lv)色面(mian)積(ji)指(zhi)數（GAI）值(zhi)具(ju)有(you)高(gao)度壹(yi)致性，與(yu)多(duo)光(guang)譜(pu)成(cheng)像(xiang)獲(huo)取的(de)GAI估(gu)計(ji)值(zhi)也(ye)密(mi)切(qie)相關(guan)，可準確反映(ying)冬小(xiao)麥(mai)生長過(guo)程(cheng)中在(zai)空間(jian)結構(gou)上(shang)的(de)變化。通過(guo)每(mei)個(ge)采集(ji)時(shi)段（12/05、26/05、09/06、23/06）點(dian)雲數據(ju)創建的(de)數字(zi)地(di)表模型(xing)DSM減去(qu)數字(zi)地(di)形(xing)模型(xing)DTM(01/04，生長季節(jie)開始(shi)時(shi))，也(ye)能對(dui)冬小(xiao)麥(mai)高(gao)度進行有(you)效(xiao)估(gu)算(suan)。同(tong)時，使(shi)用(yong)多(duo)光(guang)譜(pu)數據(ju)補(bu)償Lidar PAI，可以區分(fen)綠(lv)色植(zhi)被(bei)面(mian)積(ji)指(zhi)數與(yu)非綠(lv)色植(zhi)被(bei)面(mian)積(ji)指(zhi)數，在(zai)整個(ge)作(zuo)物生長周期(qi)互(hu)相補(bu)充(chong)，進行作(zuo)物建(jian)模，以實(shi)現(xian)精準施肥、作(zuo)物管(guan)理和碳(tan)儲存(cun)估(gu)算(suan)等。

易科(ke)泰生態(tai)技(ji)術公(gong)司(si)致(zhi)力於生態(tai)-農(nong)業(ye)-健康(kang)研(yan)究發(fa)展與(yu)創新(xin)應(ying)用(yong)，為精準(zhun)農(nong)業(ye)研究(jiu)、作(zuo)物表型(xing)遙(yao)感(gan)、病蟲害監測、農(nong)作(zuo)物產(chan)量評估(gu)、森(sen)林遙(yao)感(gan)監測、碳(tan)源(yuan)匯(hui)監測評估(gu)、生態(tai)環境(jing)調查(zha)監測、生物(wu)多(duo)樣(yang)性監測等(deng)、生物(wu)固(gu)碳(tan)研(yan)究等(deng)領域(yu)提(ti)供無人(ren)機及(ji)近(jin)地遙(yao)感(gan)全(quan)面技(ji)術方案(an)。

參(can)考(kao)文(wen)獻(xian)：

[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.