Ecodrone®多傳感器無人機遙感技術應用于果樹表型研究
易科泰光譜成像與無人機遙感技術研究中心基于自主設計生產的專業多旋翼無人機遙感平臺，引進國際知名光譜成像傳感器技術，包括芬蘭Specim高光譜成像、法國YellowScan激光雷達、多光譜成像、紅外熱成像、RGB成像、激光測距等多種傳感器技術，推出系列多傳感器無人機遙感系統，為農業、林業、生態觀測提供無人機遙感與近地遙感全面解決方案。
方案一：Ecodrone® UAS-4/4Pro輕便型無人機遙感平臺
▪ 可同時搭載多光譜成像、Thermo-RGB成像，或多光譜成像與激光雷達
▪ 多光譜成像地面分辨3.4cm@50mAGL
▪ 科研級Thermo-RGB成像：640512像素
▪ 可直接得出數十種VI（植物光譜反射指數）、標準化冠層溫度、CWSI（水分脅迫指數）等
▪ 自主專利UAS-4平臺，榮獲第24屆中國楊凌農業高新科技成果博覽會“后稷獎”
方案二：Ecodrone® UAS-8高分辨率高光譜-紅外熱成像無人機遙感平臺
▪ 搭載AFX高光譜成像及紅外熱成像
▪ 厘米級地面分辨率
▪ 單航帶寬36m @50m AGL；
▪ 科研級Thermo-RGB成像：640×512像素
▪ 可直接得出90多個VI（植物光譜反射指數）、F（葉綠素熒光）、標準化冠層溫度、CWSI等
▪ 榮獲2020年檢驗檢測認證認可行業年度風云榜“儀器設備十大新銳產品”
方案三：Ecodrone® UAS-8 Pro一體式高光譜-紅外熱成像-激光雷達無人機遙感平臺
▪ Ecodrone®-LiHT ( LiDAR，Hyperspectral and Thermal remote sensing)，集高光譜-紅外熱成像-激光雷達于一體，或高光譜-激光雷達
▪ AFX高光譜成像傳感器，高分辨率、高信噪比、高幀頻、高分辨率、高靈敏度
▪ Thermo-RGB傳感器，640×512像素，測溫靈敏度可達0.03℃
▪ 高密度三維點云，最高精確度0.5cm，最高回波15次，50m飛行高度點云密度700pts/m2
▪ 大范圍（景觀水平)、高空間分辨率（厘米級)同步觀測植被結構功能
以下為多傳感器無人機遙感技術在果樹表型研究中的應用案例：
應用案例一：基于多光譜-紅外熱成像無人機遙感技術的葡萄園水分狀況評估
許多降雨稀少和蒸發量大的葡萄酒產區，干旱脅迫可能對葡萄的營養、產量、成分以及葡萄酒感官評價產生負面影響，因此，優化灌溉是大多數葡萄酒產地的一項關鍵研究問題。
無人機遙感技術具有時間靈活，作業高效，以及高分辨率的特點，利用無人機遙感技術可開展作物水分和營養脅迫的相關研究工作。研究人員使用機載多光譜和紅外熱成像評估了一個位于西班牙里奧哈省洛格羅尼奧市的5公頃雨養葡萄園的水分狀況。
在地面測得葉片氣孔導度（gs）和莖水勢（Ψstem）數據，研究人員使用分水嶺算法，發現葉片溫度與冠層溫度數據顯著正相關，莖水勢和氣孔導度與紅外熱成像數據呈負相關，如圖1.1所示。由多光譜數據得到的NDVI、MSR和SRI植被指數與gs和Ψstem有明顯相關性，其中Ψstem與這三個指數的最佳決定系數R2分別為0.68，0.66和0.64，同時gs決定系數在0.75-0.84之間。這些結果表明，作物生理數據和由多光譜和熱成像得出的遙感數據之間的線性回歸得到的決定系數，使多光譜和熱紅外方法應用于葡萄生理評估具有可行性。
研究揭示了紅外熱成像和多光譜數據的相關指數與葡萄園水分狀況之間存在高度相關性，表明無人機遙感技術可用于評估葡萄園的水分狀況，并繪制葡萄園內的水分狀況的空間分布及變化圖，這對灌溉工作非常有用，有助于繪制地圖或優化葡萄園灌溉站的數量和位置，并且能夠基于這一數據開發新的水分調度模型。
應用案例二：基于高光譜-紅外熱成像無人機遙感技術的橄欖樹苛養木桿菌監測
苛養木桿菌(Xylella fastidiosa,Xf)是一種有害的植物致病菌，可感染全球500多種植物，已被我國列入檢疫性有害生物名錄之中。因此，沒有表現出明顯癥狀前遏制和根除受感染植物至關重要，為了實現這一目的，航空遙感技術無疑是一種高效的方法。
T.Poblete等研究人員選取意大利南部阿普利亞的Xf感染區，分別在2016和2017年采集了三個面積共1200公頃的區域(圖1.1左)的高光譜和熱成像數據，同步采集了地面葉片數據。將從高光譜和熱成像相機獲取的VI、太陽誘導葉綠素熒光(SIF)和基于溫度數據的作物水分脅迫指數(CWSI)的貢獻進行了評估，在不同的機器學習算法的結果中，使用精細高斯(徑向基)函數的支持向量機能夠最準確地區分感染和未感染樹，并且在所有迭代中具有最小的標準差(s.d.=0.1)，使用最優高斯函數(高斯核為0.56)的支持向量機結果是最精確的(總體精度OA為~ 80%，κ=0.42)
進一步分析發現400-450nm波段的反射數據和CWSI是對橄欖樹Xf癥狀敏感的最關鍵光譜數據，將波段連續的高光譜數據轉化為10nm半波寬的6個光譜帶集模擬多光譜數據進行分析時，當6個多光譜信息與熱成像數據組合時，預測模型的OA高達74% (κ= 0.36)，同時，據研究感染Xf的植物需要10-12個月才能出現明顯癥狀，因此，更加說明光譜成像和熱成像的結合對于苛養木桿菌疫區大規模先期監測的可行性。
參考文獻：
[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.
▪ 可同時搭載多光譜成像、Thermo-RGB成像，或多光譜成像與激光雷達
▪ 多光譜成像地面分辨3.4cm@50mAGL
▪ 科研級Thermo-RGB成像：640512像素
▪ 可直接得出數十種VI（植物光譜反射指數）、標準化冠層溫度、CWSI（水分脅迫指數）等
▪ 自主專利UAS-4平臺，榮獲第24屆中國楊凌農業高新科技成果博覽會“后稷獎”
方案二：Ecodrone® UAS-8高分辨率高光譜-紅外熱成像無人機遙感平臺
▪ 搭載AFX高光譜成像及紅外熱成像
▪ 厘米級地面分辨率
▪ 單航帶寬36m @50m AGL；
▪ 科研級Thermo-RGB成像：640×512像素
▪ 可直接得出90多個VI（植物光譜反射指數）、F（葉綠素熒光）、標準化冠層溫度、CWSI等
▪ 榮獲2020年檢驗檢測認證認可行業年度風云榜“儀器設備十大新銳產品”
方案三：Ecodrone® UAS-8 Pro一體式高光譜-紅外熱成像-激光雷達無人機遙感平臺
▪ Ecodrone®-LiHT ( LiDAR，Hyperspectral and Thermal remote sensing)，集高光譜-紅外熱成像-激光雷達于一體，或高光譜-激光雷達
▪ AFX高光譜成像傳感器，高分辨率、高信噪比、高幀頻、高分辨率、高靈敏度
▪ Thermo-RGB傳感器，640×512像素，測溫靈敏度可達0.03℃
▪ 高密度三維點云，最高精確度0.5cm，最高回波15次，50m飛行高度點云密度700pts/m2
▪ 大范圍（景觀水平)、高空間分辨率（厘米級)同步觀測植被結構功能
以下為多傳感器無人機遙感技術在果樹表型研究中的應用案例：
應用案例一：基于多光譜-紅外熱成像無人機遙感技術的葡萄園水分狀況評估
許多降雨稀少和蒸發量大的葡萄酒產區，干旱脅迫可能對葡萄的營養、產量、成分以及葡萄酒感官評價產生負面影響，因此，優化灌溉是大多數葡萄酒產地的一項關鍵研究問題。
在地面測得葉片氣孔導度（gs）和莖水勢（Ψstem）數據，研究人員使用分水嶺算法，發現葉片溫度與冠層溫度數據顯著正相關，莖水勢和氣孔導度與紅外熱成像數據呈負相關，如圖1.1所示。由多光譜數據得到的NDVI、MSR和SRI植被指數與gs和Ψstem有明顯相關性，其中Ψstem與這三個指數的最佳決定系數R2分別為0.68，0.66和0.64，同時gs決定系數在0.75-0.84之間。這些結果表明，作物生理數據和由多光譜和熱成像得出的遙感數據之間的線性回歸得到的決定系數，使多光譜和熱紅外方法應用于葡萄生理評估具有可行性。
應用案例二：基于高光譜-紅外熱成像無人機遙感技術的橄欖樹苛養木桿菌監測
苛養木桿菌(Xylella fastidiosa,Xf)是一種有害的植物致病菌，可感染全球500多種植物，已被我國列入檢疫性有害生物名錄之中。因此，沒有表現出明顯癥狀前遏制和根除受感染植物至關重要，為了實現這一目的，航空遙感技術無疑是一種高效的方法。
T.Poblete等研究人員選取意大利南部阿普利亞的Xf感染區，分別在2016和2017年采集了三個面積共1200公頃的區域(圖1.1左)的高光譜和熱成像數據，同步采集了地面葉片數據。將從高光譜和熱成像相機獲取的VI、太陽誘導葉綠素熒光(SIF)和基于溫度數據的作物水分脅迫指數(CWSI)的貢獻進行了評估，在不同的機器學習算法的結果中，使用精細高斯(徑向基)函數的支持向量機能夠最準確地區分感染和未感染樹，并且在所有迭代中具有最小的標準差(s.d.=0.1)，使用最優高斯函數(高斯核為0.56)的支持向量機結果是最精確的(總體精度OA為~ 80%，κ=0.42)
參考文獻：
[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.
Copyright(C) 1998-2025 生物器材網 電話：021-64166852;13621656896 E-mail：info@bio-equip.com