易科泰光譜成像與無人機遙感技術(shù)研究中心最新推出Ecodrone^®一體式高光譜-激光雷達無人機遙感系統(tǒng)。該系統(tǒng)包括VNIR/NIR波段高光譜成像儀和激光雷達掃描儀，一次飛行可同時獲取目標圖譜信息及三維點云數(shù)據(jù)，應用于大范圍、多維度的精準農(nóng)業(yè)研究、大田高通量表型分析、森林植被資源調(diào)查、生態(tài)環(huán)境研究、地質(zhì)礦產(chǎn)勘查、考古研究、電力巡線、航空測繪等領(lǐng)域。

基于Ecodrone^®無人機平臺搭載的一體式高光譜-激光雷達傳感器，在獲取葉片或冠層水平光譜反射的高分辨率成像的同時，激光雷達傳感器通過主動發(fā)射高頻脈沖能夠直接穿透植被冠層、獲取高精度的植被三維結(jié)構(gòu)信息和生境結(jié)構(gòu)信息，對冠層及結(jié)構(gòu)層面進行快速無損高通量原位監(jiān)測、森林物種多樣性研究、植物生物及非生物脅迫分析、環(huán)境及生態(tài)系統(tǒng)動態(tài)變化研究等具有重要意義。

性能特點：

1.8旋翼專業(yè)無人機遙感平臺，搭載AFX高光譜成像、機載PC及激光雷達可飛行作業(yè)20分鐘以上，有效覆蓋面積超10公頃

2.厘米級地面分辨率，50m高度高光譜成像地面分辨率達3.5cm，30m高度（用于田間高通量作物表型分析）地面分辨率可達2cm

3.50m高單樣線飛行作業(yè)可自動采集形成寬度36m的樣帶高光譜成像大數(shù)據(jù)、

4.高密度三維點云，精確度2.5cm，最高可達3次回波，50m

5.飛行高度點云密度700pts/平方米專業(yè)無人機遙感技術(shù)方案，同步獲取高光譜與激光雷達數(shù)據(jù)，應用軟件可直接得出近百種植物光譜反射指數(shù)、高密度三維點云、三維測量數(shù)據(jù)、分類點云、DTM等

7.應用于精準農(nóng)業(yè)研究、大田高通量表型分析、森林植被資源調(diào)查、生態(tài)環(huán)境研究、水資源監(jiān)測、地質(zhì)礦產(chǎn)勘查、考古研究、電力巡線、航空測繪等

主要技術(shù)指標：

應用案例一：旱地植被分類調(diào)查

半干旱生態(tài)系統(tǒng)（即旱地）中的植被在調(diào)節(jié)全球碳平衡方面發(fā)揮著重要作用。然而，復雜環(huán)境下不同生物群落相互交錯，對旱地區(qū)域繪制、量化植被物種和結(jié)構(gòu)造成很大的困難。要解決旱地植物的分類問題，需要綜合考慮冠層生物化學、結(jié)構(gòu)和環(huán)境變量。高光譜遙感已被用于對不同生物群落內(nèi)的植被物種分類，但大面積旱地植被的光學分類仍面對著光譜混合像元及光譜異質(zhì)性的挑戰(zhàn)。激光雷達指標（如冠層高度）表征三維冠層結(jié)構(gòu)的能力為光學分類提供了補充信息，此外，激光雷達數(shù)據(jù)可導出高分辨率數(shù)據(jù)高程模型DEM，為植被分類提供坡度、坡向和高程等地形信息，可提高植被分類覆蓋的精度。

美國的研究學者將植被光學（高光譜）和結(jié)構(gòu)（激光雷達）信息結(jié)合，對位于美國愛達荷州奧懷希山脈的雷諾茲溪實驗流域的干旱地區(qū)（xeric）及半干旱地區(qū)（mesic）進行了植被分類研究。這項研究整合了高光譜光譜分類技術(shù)與激光雷達衍生數(shù)據(jù)，利用植被光譜信息、冠層高度及地形信息，提高了半干旱生態(tài)系統(tǒng)的分類精度，成功繪制包含土壤、草和灌木的干旱區(qū)域豐度圖及包含白楊、花旗松、杜松和其他河岸植被的分類地圖。經(jīng)驗證，將激光雷達信息納入高光譜分類方案后，整體分類準確率從 60% 提高到 89%。

應用案例二：小面積水體識別與提取

水除了是自然資源外，也是生物多樣性的重要環(huán)境基礎(chǔ)。露天采礦是對環(huán)境有強烈影響的人類活動之一，對淡水生物群產(chǎn)生很大負面影響，但采礦活動產(chǎn)生的棄土棄渣堆經(jīng)技術(shù)開墾或自然演替形成了許多充滿水的洼地，這些小面積水體對無尾目和蜻蜓等水生物種尤其有價值。為了更好地管理水資源，保護這些受威脅的生態(tài)系統(tǒng)和防止生物多樣性喪失，需要對開放的地表水體進行精確提取和重復監(jiān)測。

遙感已被廣泛用于識別水體，然而光學圖像難以將水體特征與具有低反射率的其他物體（例如樹影）區(qū)分開來。為了解決這些問題，捷克生命科學大學的研究學者對高光譜與LiDAR數(shù)據(jù)融合方法用于小面積水體精準識別的能力進行了評估。

研究區(qū)域位于捷克波西米亞北部的褐煤盆地，主要由四個棄土棄渣堆組成，其中包含了形狀、高度、大小各異的水體區(qū)塊。在這項研究中，使用基于對象的分類方法在集成的高光譜數(shù)據(jù)和激光雷達數(shù)據(jù)中以非常高的準確度（漏分誤差2%，錯分*.4%）提取了棄土棄渣堆上的開放地表水體，與單獨使用高光譜或LiDAR數(shù)據(jù)相比，準確度最高。

研究結(jié)果表明，高光譜和 LiDAR 數(shù)據(jù)的整合可以成功消除了陰影等影響，大大提高小面積水體的識別能力，這對于棲息地的水體動態(tài)監(jiān)測及生態(tài)恢復與保護至關(guān)重要。

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)新應用，為精準農(nóng)業(yè)研究、森林植被資源調(diào)查、生態(tài)環(huán)境監(jiān)測、地質(zhì)礦產(chǎn)勘查、環(huán)境研究、航空測繪等應用領(lǐng)域提供無人機及近地遙感全面技術(shù)方案。

參考文獻：

[1] Hamid Dashti,Andrew Poley,Nancy F. Glenn,Nayani Ilangakoon,Lucas Spaete,Dar Roberts,Josh Enterkine,Alejandro N. Flores,Susan L. Ustin,Jessica J. Mitchell. Regional Scale Dryland Vegetation Classification with an Integrated Lidar-Hyperspectral Approach[J]. Remote Sensing,2019,11(18):

[2] Science - Applied Geoscience; Findings on Applied Geoscience Discussed by Investigators at Czech University of Life Sciences Prague (Integration of Hyperspectral and Lidar Data for Mapping Small Water Bodies)[J]. Science Letter,2020: