服務(wù)熱線
-
Ecodrone®高光譜-紅外熱成像無人機遙感技術(shù)—森林病蟲害監(jiān)測
發(fā)布時間: 2021-09-01 點擊次數(shù): 2228次易科泰推出無人機遙感森林生態(tài)監(jiān)測技術(shù)方案—Ecodrone®高分辨率高光譜-紅外熱成像無人機遙感平臺:
1.高負(fù)載、長續(xù)航UAS-8 pro無人機遙感平臺,專門設(shè)計用于芬蘭Specim公司AisaKestrel高光譜成像系列與紅外熱成像遙感
2.高分辨率:400-1000nm波段空間分辨率可達2040像素、600-1640nm波段達640像素
3.400-1000nm波段100m飛行高度地面分辨率可達3.5cm、覆蓋面積22公頃
4.專業(yè)無人機遙感技術(shù)方案,同步獲取高光譜與紅外熱成像數(shù)據(jù),應(yīng)用軟件可直接得出90多個VI(植物光譜反射指數(shù))、F(葉綠素?zé)晒猓?、?biāo)準(zhǔn)化冠層溫度、CWSI(水分脅迫指數(shù))等
5.Ecodrone ®UAS-8高光譜無人機遙感平臺榮獲2020年檢驗檢測認(rèn)證認(rèn)可行業(yè)年度風(fēng)云榜“儀器設(shè)備新銳產(chǎn)品"
6.應(yīng)用于森林生態(tài)健康狀態(tài)監(jiān)測、病蟲害監(jiān)測、生物多樣性監(jiān)測等
主要參數(shù)指標(biāo):
高光譜成像
紅外熱成像
AisaKESTREL10
AisaKESTREL16
Thermo-RGB
波段范圍
400-1000nm
600-1640nm
7.5-14μm
光譜通道數(shù)
356(binning×2)
390(binning×1)
1熱成像+1 RGB
空間像素數(shù)
2048像素
640像素
640×512像素
地面分辨率
3.5cm@100m AGL
11.4cm@100m AGL
13.1cm@100m AGL
探測器
CMOS
InGaAs
非制冷VOx微幅射探測器
FWHM
2.63nm
5.27nm
-
光譜采樣率
1.75/3.5/7nm
2.75/5.5nm
-
幀頻
170或100Hz
100Hz
30Hz/9Hz
信噪比(峰值)
400-800
800
-
光圈值
F/2.4
-
視場角
40°
45°或其他
數(shù)據(jù)接口
CameraLink 12-bit
CameraLink 14-bit
USB或SSD或 SD卡
研究案例1:疫霉菌感染橡樹林退化的早期監(jiān)測與危害程度評估
位于西班牙安達盧西亞地區(qū)的橡樹林由于疫霉菌感染而長期處于退化風(fēng)險中,為了能夠?qū)σ呙咕腥镜南饦淞诌M行早期監(jiān)測,英國斯旺西大學(xué)和西班牙可持續(xù)農(nóng)業(yè)研究所的科學(xué)家,基于可見光到短波紅外的高光譜成像以及紅外熱成像遙感數(shù)據(jù)建立了預(yù)測模型,結(jié)合超過1100棵樹的地面驗證數(shù)據(jù)顯示,該模型對退化樹種的識別精確率達到了82%。其中有34%的受感染樹木尚處于早期,未表現(xiàn)出可視癥狀,這一預(yù)測結(jié)果在兩年后的二次評估中得到了驗證。
據(jù)模型變量分析,標(biāo)準(zhǔn)化冠層溫度Tc-Ta和葉綠素?zé)晒釬s是評估是否染病的最重要指標(biāo),染病樹木溫度顯著升高,水分、類胡蘿卜素、葉綠素含量及葉面積指數(shù)等顯著降低,VI指數(shù)CI2、LIC3、MND等在早期檢測和危害評估中比色素指數(shù)更為重要,該結(jié)果有力的證明了高光譜-紅外熱成像結(jié)合技術(shù)檢測早期病害侵染的能力,對于森林管理人員及時響應(yīng)、盡早治理、保護森林生態(tài)具有重要意義。
研究案例2:區(qū)分受不同病原體(霉菌和微生物)侵染的橄欖樹
橄欖的產(chǎn)量主要受兩種微生物侵染的影響:苛養(yǎng)木桿菌(Xf)和黃萎病菌(Vd),由于兩種病原體都能夠限制植物對水分和營養(yǎng)元素的吸收,所以往往會表現(xiàn)出極為類似的缺水癥狀。為了能夠從遙感數(shù)據(jù)中區(qū)分受不同病原體侵染的橄欖樹以相應(yīng)的治理政策,墨爾本大學(xué)和歐洲委員會聯(lián)合研究中心的科學(xué)家對西班牙和意大利的27處混合染病的橄欖園進行了分類研究。
基于高光譜成像數(shù)據(jù)中的特定指數(shù)如光化學(xué)植被指數(shù)PRIn、藍波段指數(shù)BI、葉綠素?zé)晒夥瓷淝手笖?shù)CUR、SIF等,以及基于紅外熱成像的水分脅迫指數(shù)CWSI等,研究人員使用深度學(xué)習(xí)的方法成功實現(xiàn)了混合數(shù)據(jù)中兩種病原體的分類。最終結(jié)果顯示,區(qū)分黃萎病菌(Vd)的整體準(zhǔn)確率達到了98%,區(qū)分苛養(yǎng)木桿菌(Xf)的整體準(zhǔn)確率達到了92%,證明了當(dāng)面對侵染后表現(xiàn)出相似病狀的不同病原體時,高光譜-紅外熱成像結(jié)合技術(shù)依然具有強大的分辨能力,可以實現(xiàn)大面積作物的高效區(qū)分以進行針對性治理。
參考文獻:
1. Hornero, Alberto & Zarco-Tejada etc.(2021). Modelling hyperspectral- and thermal-based plant traits for the early detection of Phytophthora-induced symptoms in oak decline. Remote Sensing of Environment. 263. 112570. 10.1016/j.rse.2021.112570.
2. T. Poblete, J.A. Navas-Cortes etc. Discriminating Xylella fastidiosa from Verticillium dahliae infections in olive trees using thermal- and hyperspectral-based plant traits. ISPRS Journal of Photogrammetry and Remote Sensing,Volume 179,2021,Pages 133-144,ISSN 0924-2716.