易科泰推出轻便型、一体化、多传感器无人机遥感作物表型研究监测技术方案——Ecodrone^® UAS-4 Pro轻便型一体式多光谱-激光雷达遥感系统：

• 基于自主专利UAS-4遥感平台技术，兼具轻便型和多功能特点

• 同时搭载多光谱成像、激光雷达及RGB成像，作业时间大于20分钟

• 一次飞行可同步获取5/10个光谱波段、高密度点云数据及RGB，作业效率事半功倍

• 厘米级多光谱地面分辨率，50m高度地面分辨率达3.4cm，30m高度（用于田间高通量作物表型分析）地面分辨率可达2cm

• LiDAR-RGB：标配精确度2.5cm，回波次数3，FOV 70.4度，可选配其他规格；RGB成像为Sony APS-C Exmor CMOS传感器，20MP像素，FOV 83度

• 应用于精准农业研究、作物表型遥感、病虫害监测、农作物产量评估、森林遥感监测、碳源汇监测评估、生态环境调查监测、生物多样性监测等、生物固碳研究等领域

Ecodrone^® UAS-4 Pro轻便型一体式多光谱-激光雷达遥感系统

主要技术指标：

分析测量参数：

ü  冠层结构参数：NDVI、NDRE、DVI、VOG、NDWI、GCI、LCI等

ü  R/G/B指数，如绿度指数等

ü  可测量光利用效率、浅水环境（气溶胶、浮质等）、叶绿素效率或红边坡度等（10通道）

ü  激光雷达参数：高密度真彩色点云、三维测量数据、分类点云、DOM、DSM、DTM、DHM等

应用案例一：不同胁迫条件下水稻表型分析

易科泰光谱成像与无人机遥感技术研究中心使用Ecodrone^®无人机遥感系统对某水稻田进行表型分析。基于NDVI和NDRE结果可以看出，除水稻田边缘部分外整体指数数值较高，说明作物叶绿素含量和绿色部分生物量较高，几乎使NDVI数值达到了饱和。而从NDRE图可以更为清晰的看出不同处理条件下水稻生理特性的差异，通常NDRE数值越高反应着植株越健康。

图1：依次为飞行作业图；水稻田不同处理方式（品种、种植密度、施肥浓度）标记图；NDVI图；NDRE图

基于无人机多光谱数据进一步研究验证筛选出种植品种、种植密度和施肥用量的最优组合，可以有效减少资源浪费，缓解氮肥流失造成的环境问题，并可结合LiDAR结构信息及实际测量的理化数据建立拟合模型，用以反演作物生化及生物量指标，实现精准农业生产研究。

应用案例二：人工松林生长监测

易科泰光谱成像与无人机遥感研究中心利用自主研发的Ecodrone^®激光雷达无人机遥感系统，对某农田-人工林地带进行了LiDAR遥感作业。

图2-1：基于高度渲染的作业区LiDAR点云

图2-2：基于LiDAR点云的DOM和DHM模型

通过LiDAR点云剖面高度测量并结合DHM模型，随机选取A地块人工松林15个点，提取其高度值，求取平均值为161cm，而地面人工采样实测结果大部分高度落在1.6-1.7m区间，吻合度较高。

图2-3：基于LiDAR点云的人工松林高度剖面及测量值

实验表明，基于Ecodrone^®激光雷达无人机遥感技术，测量获取的LiDAR三维信息，结合地面采样实测结果，对植被精准分类、监测树木/作物不同生长阶段的特点、评估生物量及指导施肥具有重要意义。

应用案例三：不同生长阶段冬小麦冠层结构变化监测

基于反射光谱计算的叶面积指数(LAI)等相关指标监测冠层密度，对于理解和预测土壤-植物-大气系统中的循环过程以及指示作物健康和农场管理中产量估计具有重要作用。德国和比利时学者使用无人机Lidar和多光谱遥感成像系统对德国Selhausen的ICOS冬小麦大田区域进行了7次数据采集，时间跨度由2020年4月1日至7月21日，评估了Lidar-多光谱技术在精准农业冠层结构估计中的应用潜力。

图3-1：利用机载LiDAR测量估算基于冠层密度的植物面积指数(PAI)示意图

图3-2：左：不同时段的RGB图像与分别用Lidar和多光谱方法获得的PAI和GAI

右：ICOS大田冬小麦平均高度的时间和空间的变化

研究结果表明，在冬小麦成熟之前的生长阶段中，基于Lidar数据衍生的植物面积指数（PAI）与通过地面设备采集的绿色面积指数（GAI）值具有高度一致性，与多光谱成像获取的GAI估计值也密切相关，可准确反映冬小麦生长过程中在空间结构上的变化。通过每个采集时段（12/05、26/05、09/06、23/06）点云数据创建的数字地表模型DSM减去数字地形模型DTM(01/04，生长季节开始时)，也能对冬小麦高度进行有效估算。同时，使用多光谱数据补偿Lidar PAI，可以区分绿色植被面积指数与非绿色植被面积指数，在整个作物生长周期互相补充，进行作物建模，以实现精准施肥、作物管理和碳储存估算等。

易科泰生态技术公司致力于生态-农业-健康研究发展与创新应用，为精准农业研究、作物表型遥感、病虫害监测、农作物产量评估、森林遥感监测、碳源汇监测评估、生态环境调查监测、生物多样性监测等、生物固碳研究等领域提供无人机及近地遥感全面技术方案。

参考文献：

[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.