時(shí)間:2022-07-08
作者:易科泰
點(diǎn)擊量:
簡(jiǎn)介:
易科泰推出輕便型、一體化、多傳感器無人機(jī)遙感作物表型研究監(jiān)測(cè)技術(shù)方案——Ecodrone? UAS-4 Pro輕便型一體式多光譜-激光雷達(dá)遙感系統(tǒng):
Ecodrone? UAS-4 Pro輕便型一體式多光譜-激光雷達(dá)遙感系統(tǒng)
主要技術(shù)指標(biāo):
多光譜 |
LiDAR-RGB |
|||
型號(hào)
|
5+1 or 10通道 |
Mapper |
Mapper+ |
Surveyor Ultra |
空間像素
|
1280×960像素 (單波段) |
3632×5456像素(RGB) |
3632×5456像素(RGB) |
3632×5456像素(RGB) |
地面分辨率
|
3.4cm@50m AGL |
2cm(點(diǎn)云精度) |
2.5cm(點(diǎn)云精度) |
3cm(點(diǎn)云精度) |
探測(cè)器
|
CCD |
Livox Horizon固態(tài) |
Livox AVIA固態(tài) |
Hesai XT32M2X |
測(cè)程
|
不限 |
90m |
120m |
140m |
拍攝速率/幀頻
|
1秒/次 全波段 |
240kHz 2次回波 |
240kHz 3次回波 |
640kHz 3次回波 |
視場(chǎng)角
|
42.7° |
81.7° |
70.4° |
360° |
數(shù)據(jù)接口
|
SD卡 |
USB3 |
USB3 |
USB3 |
分析測(cè)量參數(shù):
應(yīng)用案例一:不同脅迫條件下水稻表型分析
易科泰光譜成像與無人機(jī)遙感技術(shù)研究中心使用Ecodrone?無人機(jī)遙感系統(tǒng)對(duì)某水稻田進(jìn)行表型分析,。基于NDVI和NDRE結(jié)果可以看出,,除水稻田邊緣部分外整體指數(shù)數(shù)值較高,,說明作物葉綠素含量和綠色部分生物量較高,幾乎使NDVI數(shù)值達(dá)到了飽和,。而從NDRE圖可以更為清晰的看出不同處理?xiàng)l件下水稻生理特性的差異,,通常NDRE數(shù)值越高反應(yīng)著植株越健康。
圖1:依次為飛行作業(yè)圖,;水稻田不同處理方式(品種,、種植密度、施肥濃度)標(biāo)記圖,;NDVI圖,;NDRE圖
基于無人機(jī)多光譜數(shù)據(jù)進(jìn)一步研究驗(yàn)證篩選出種植品種、種植密度和施肥用量的最優(yōu)組合,,可以有效減少資源浪費(fèi),,緩解氮肥流失造成的環(huán)境問題,并可結(jié)合LiDAR結(jié)構(gòu)信息及實(shí)際測(cè)量的理化數(shù)據(jù)建立擬合模型,,用以反演作物生化及生物量指標(biāo),,實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)生產(chǎn)研究。
應(yīng)用案例二:人工松林生長(zhǎng)監(jiān)測(cè)
易科泰光譜成像與無人機(jī)遙感研究中心利用自主研發(fā)的Ecodrone?激光雷達(dá)無人機(jī)遙感系統(tǒng),,對(duì)某農(nóng)田-人工林地帶進(jìn)行了LiDAR遙感作業(yè),。
圖2-1:基于高度渲染的作業(yè)區(qū)LiDAR點(diǎn)云
圖2-2:基于LiDAR點(diǎn)云的DOM和DHM模型
通過LiDAR點(diǎn)云剖面高度測(cè)量并結(jié)合DHM模型,隨機(jī)選取A地塊人工松林15個(gè)點(diǎn),,提取其高度值,求取平均值為161cm,,而地面人工采樣實(shí)測(cè)結(jié)果大部分高度落在1.6-1.7m區(qū)間,,吻合度較高。
圖2-3:基于LiDAR點(diǎn)云的人工松林高度剖面及測(cè)量值
實(shí)驗(yàn)表明,,基于Ecodrone?激光雷達(dá)無人機(jī)遙感技術(shù),,測(cè)量獲取的LiDAR三維信息,,結(jié)合地面采樣實(shí)測(cè)結(jié)果,對(duì)植被精準(zhǔn)分類,、監(jiān)測(cè)樹木/作物不同生長(zhǎng)階段的特點(diǎn),、評(píng)估生物量及指導(dǎo)施肥具有重要意義。
應(yīng)用案例三:不同生長(zhǎng)階段冬小麥冠層結(jié)構(gòu)變化監(jiān)測(cè)
基于反射光譜計(jì)算的葉面積指數(shù)(LAI)等相關(guān)指標(biāo)監(jiān)測(cè)冠層密度,,對(duì)于理解和預(yù)測(cè)土壤-植物-大氣系統(tǒng)中的循環(huán)過程以及指示作物健康和農(nóng)場(chǎng)管理中產(chǎn)量估計(jì)具有重要作用,。德國(guó)和比利時(shí)學(xué)者使用無人機(jī)Lidar和多光譜遙感成像系統(tǒng)對(duì)德國(guó)Selhausen的ICOS冬小麥大田區(qū)域進(jìn)行了7次數(shù)據(jù)采集,時(shí)間跨度由2020年4月1日至7月21日,,評(píng)估了Lidar-多光譜技術(shù)在精準(zhǔn)農(nóng)業(yè)冠層結(jié)構(gòu)估計(jì)中的應(yīng)用潛力,。
圖3-1:利用機(jī)載LiDAR測(cè)量估算基于冠層密度的植物面積指數(shù)(PAI)示意圖
圖3-2:左:不同時(shí)段的RGB圖像與分別用Lidar和多光譜方法獲得的PAI和GAI
右:ICOS大田冬小麥平均高度的時(shí)間和空間的變化
研究結(jié)果表明,在冬小麥成熟之前的生長(zhǎng)階段中,,基于Lidar數(shù)據(jù)衍生的植物面積指數(shù)(PAI)與通過地面設(shè)備采集的綠色面積指數(shù)(GAI)值具有高度一致性,,與多光譜成像獲取的GAI估計(jì)值也密切相關(guān),可準(zhǔn)確反映冬小麥生長(zhǎng)過程中在空間結(jié)構(gòu)上的變化,。通過每個(gè)采集時(shí)段(12/05,、26/05、09/06,、23/06)點(diǎn)云數(shù)據(jù)創(chuàng)建的數(shù)字地表模型DSM減去數(shù)字地形模型DTM(01/04,,生長(zhǎng)季節(jié)開始時(shí)),也能對(duì)冬小麥高度進(jìn)行有效估算,。同時(shí),,使用多光譜數(shù)據(jù)補(bǔ)償Lidar PAI,可以區(qū)分綠色植被面積指數(shù)與非綠色植被面積指數(shù),,在整個(gè)作物生長(zhǎng)周期互相補(bǔ)充,,進(jìn)行作物建模,以實(shí)現(xiàn)精準(zhǔn)施肥,、作物管理和碳儲(chǔ)存估算等,。
易科泰生態(tài)技術(shù)公司致力于生態(tài)-農(nóng)業(yè)-健康研究發(fā)展與創(chuàng)新應(yīng)用,為精準(zhǔn)農(nóng)業(yè)研究,、作物表型遙感,、病蟲害監(jiān)測(cè)、農(nóng)作物產(chǎn)量評(píng)估,、森林遙感監(jiān)測(cè),、碳源匯監(jiān)測(cè)評(píng)估、生態(tài)環(huán)境調(diào)查監(jiān)測(cè),、生物多樣性監(jiān)測(cè)等,、生物固碳研究等領(lǐng)域提供無人機(jī)及近地遙感全面技術(shù)方案。
參考文獻(xiàn):
[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.