易科泰推出輕便型、一體化、多傳感器無人機遙感作物表型研究監測技術方案——Ecodrone® UAS-4 Pro輕便型一體式多光譜-激光雷達遙感系統：
基于自主UAS-4遙感平臺技術，兼具輕便型和多功能特點
同時搭載多光譜成像、激光雷達及RGB成像，作業時間大于20分鐘
一次飛行可同步獲取5/10個光譜波段、高密度點云數據及RGB，作業效率事半功倍
厘米級多光譜地面分辨率，50m高度地面分辨率達3.4cm，30m高度（用于田間高通量作物表型分析）地面分辨率可達2cm
LiDAR-RGB：標配精確度2.5cm，回波次數3，FOV 70.4度，可選配其他規格；RGB成像為Sony APS-C Exmor CMOS傳感器，20MP像素，FOV 83度
應用于精準農業研究、作物表型遙感、病蟲害監測、農作物產量評估、森林遙感監測、碳源匯監測評估、生態環境調查監測、生物多樣性監測等、生物固碳研究等領域
Ecodrone® UAS-4 Pro輕便型一體式多光譜-激光雷達遙感系統
主要技術指標：
多光譜 | LiDAR-RGB | |||
型號 | 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（點云精度） | 2.5cm（點云精度） | 3cm（點云精度） |
探測器 | CCD | Livox Horizon固態 | Livox AVIA固態 | Hesai XT32M2X |
測程 | 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 |
視場角 | 42.7° | 81.7° | 70.4° | 360° |
數據接口 | SD卡 | USB3 | USB3 | USB3 |
分析測量參數：
ü 冠層結構參數：NDVI、NDRE、DVI、VOG、NDWI、GCI、LCI等
ü R/G/B指數，如綠度指數等
ü 可測量光利用效率、淺水環境（氣溶膠、浮質等）、葉綠素效率或紅邊坡度等（10通道）
ü 激光雷達參數：高密度真彩色點云、三維測量數據、分類點云、DOM、DSM、DTM、DHM等
應用案例一：不同脅迫條件下水稻表型分析
易科泰光譜成像與無人機遙感技術研究中心使用Ecodrone®無人機遙感系統對某水稻田進行表型分析。基于NDVI和NDRE結果可以看出，除水稻田邊緣部分外整體指數數值較高，說明作物葉綠素含量和綠色部分生物量較高，幾乎使NDVI數值達到了飽和。而從NDRE圖可以更為清晰的看出不同處理條件下水稻生理特性的差異，通常NDRE數值越高反應著植株越健康。
圖1：依次為飛行作業圖；水稻田不同處理方式（品種、種植密度、施肥濃度）標記圖；NDVI圖；NDRE圖
基于無人機多光譜數據進一步研究驗證篩選出種植品種、種植密度和施肥用量的組合，可以有效減少資源浪費，緩解氮肥流失造成的環境問題，并可結合LiDAR結構信息及實際測量的理化數據建立擬合模型，用以反演作物生化及生物量指標，實現精準農業生產研究。
應用案例二：人工松林生長監測
易科泰光譜成像與無人機遙感研究中心利用自主研發的Ecodrone®激光雷達無人機遙感系統，對某農田-人工林地帶進行了LiDAR遙感作業。
圖2-1：基于高度渲染的作業區LiDAR點云
圖2-2：基于LiDAR點云的DOM和DHM模型
通過LiDAR點云剖面高度測量并結合DHM模型，隨機選取A地塊人工松林15個點，提取其高度值，求取平均值為161cm，而地面人工采樣實測結果大部分高度落在1.6-1.7m區間，吻合度較高。
圖2-3：基于LiDAR點云的人工松林高度剖面及測量值
實驗表明，基于Ecodrone®激光雷達無人機遙感技術，測量獲取的LiDAR三維信息，結合地面采樣實測結果，對植被精準分類、監測樹木/作物不同生長階段的特點、評估生物量及指導施肥具有重要意義。
應用案例三：不同生長階段冬小麥冠層結構變化監測
基于反射光譜計算的葉面積指數(LAI)等相關指標監測冠層密度，對于理解和預測土壤-植物-大氣系統中的循環過程以及指示作物健康和農場管理中產量估計具有重要作用。德國和比利時學者使用無人機Lidar和多光譜遙感成像系統對德國Selhausen的ICOS冬小麥大田區域進行了7次數據采集，時間跨度由2020年4月1日至7月21日，評估了Lidar-多光譜技術在精準農業冠層結構估計中的應用潛力。
圖3-1：利用機載LiDAR測量估算基于冠層密度的植物面積指數(PAI)示意圖
圖3-2：左：不同時段的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間和空間的變化
研究結果表明，在冬小麥成熟之前的生長階段中，基于Lidar數據衍生的植物面積指數（PAI）與通過地面設備采集的綠色面積指數（GAI）值具有高度一致性，與多光譜成像獲取的GAI估計值也密切相關，可準確反映冬小麥生長過程中在空間結構上的變化。通過每個采集時段（12/05、26/05、09/06、23/06）點云數據創建的數字地表模型DSM減去數字地形模型DTM(01/04，生長季節開始時)，也能對冬小麥高度進行有效估算。同時，使用多光譜數據補償Lidar PAI，可以區分綠色植被面積指數與非綠色植被面積指數，在整個作物生長周期互相補充，進行作物建模，以實現精準施肥、作物管理和碳儲存估算等。
易科泰生態技術公司致力于生態-農業-健康研究發展與創新應用，為精準農業研究、作物表型遙感、病蟲害監測、農作物產量評估、森林遙感監測、碳源匯監測評估、生態環境調查監測、生物多樣性監測等、生物固碳研究等領域提供無人機及近地遙感全面技術方案。
參考文獻：
[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.
