• <cite id="6z6ez"><noscript id="6z6ez"><delect id="6z6ez"></delect></noscript></cite>
    <xmp id="6z6ez"></xmp>

  • <tt id="6z6ez"></tt>
    1. <font id="6z6ez"></font>
      1. 北京总公司 010-82611269,13671083121
        青岛分公司 0532-82861228,15563963062
        西安易科泰光谱成像与无人机遥感技术研究中心 029-81124223
        海南办事处(华南区) 13911203439
        / En

        Ecodrone?高光谱-红外热成像无人机遥感技术——森林病虫害监测

        Ecodrone?高光谱-红外热成像无人机遥感技术——森林病虫害监测

        易科泰推出无人机遥感森林生态监测技术方案——Ecodrone?高分辨率高光谱-红外热成像无人机遥感平台:

        l?高负载、长续航UAS-8?pro无人机遥感平台,专门设计用于芬兰Specim公司AisaKestrel高光谱成像系列与红外热成像遥感

        l?高分辨率:400-1000nm波段空间分辨率可达2040像素、600-1640nm波段达640像素

        l?400-1000nm波段100m飞行高度地面分辨率可达3.5cm、覆盖面积22公顷

        l?专业无人机遥感技术方案,同步获取高光谱与红外热成像数据,应用软件可直接得出90多个VI(植物光谱反射指数)、F(叶绿素荧光)、标准化冠层温度、CWSI(水分胁迫指数)等

        l?Ecodrone??UAS-8高光谱无人机遥感平台荣获2020年检验检测认证认可行业年度风云榜“仪器设备十大新锐产品”

        l?应用于森林生态健康状态监测、病虫害监测、生物多样性监测等

        微信截图_20210901151046.png

        主要参数指标:


        高光谱成像

        红外热成像

        AisaKESTREL10

        AisaKESTREL16

        Thermo-RGB

        波段范围

        400-1000nm

        600-1640nm

        7.5-14μm

        光谱通道数

        356(binning×2)

        390(binning×1)

        1热成像+1 RGB

        空间像素数

        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

        探测器

        CMOS

        InGaAs

        非制冷VOx微幅射探测器

        FWHM

        2.63nm

        5.27nm

        -

        光谱采样率

        1.75/3.5/7nm

        2.75/5.5nm

        -

        帧频

        170或100Hz

        100Hz

        30Hz/9Hz

        信噪比(峰值)

        400-800

        800

        -

        光圈值

        F/2.4

        -

        视场角

        40°

        45°或其他

        数据接口

        CameraLink?12-bit

        CameraLink?14-bit

        USB或SSD或 SD卡


        ?微信截图_20210901151117.png?

        人工松树林生长监测(西安易科泰光谱成像与无人机遥感技术研究中心供图)

        研究案例1:疫霉菌感染橡树林退化的早期监测与危害程度评估

        位于西班牙安达卢西亚地区的橡树林由于疫霉菌感染而长期处于退化风险中,为了能够对疫霉菌感染的橡树林进行早期监测,英国斯旺西大学和西班牙可持续农业研究所的科学家,基于可见光到短波红外的高光谱成像以及红外热成像遥感数据建立了预测模型,结合超过1100棵树的地面验证数据显示,该模型对退化树种的识别精确率达到了82%。其中有34%的受感染树木尚处于早期,未表现出可视症状,这一预测结果在两年后的二次评估中得到了验证。

        据模型变量分析,标准化冠层温度Tc-Ta和叶绿素荧光Fs是评估是否染病的最重要指标,染病树木温度显著升高,水分、类胡萝卜素、叶绿素含量及叶面积指数等显著降低,VI指数CI2、LIC3、MND等在早期检测和危害评估中比色素指数更为重要,该结果有力的证明了高光谱-红外热成像结合技术检测早期病害侵染的能力,对于森林管理人员及时响应、尽早治理、?;ど稚哂兄匾庖?。

        微信截图_20210901151135.png

        左:森林病害严重度等级示意图(DS0-DS3:染病情况逐渐严重)

        右:VIS-NIR, NIR-SWIR和红外热成像遥感图像示意图(下图即为上图中的绿色区域)

        微信截图_20210901151217.png?

        基于高光谱成像与红外热成像的模型预测染病结果与地面验证结果示意图

        研究案例2:区分受不同病原体(霉菌和微生物)侵染的橄榄树

        橄榄的产量主要受两种微生物侵染的影响:苛养木杆菌(Xf)和黄萎病菌(Vd),由于两种病原体都能够限制植物对水分和营养元素的吸收,所以往往会表现出极为类似的缺水症状。为了能够从遥感数据中区分受不同病原体侵染的橄榄树以指定相应的治理政策,墨尔本大学和欧洲委员会联合研究中心的科学家对西班牙和意大利的27处混合染病的橄榄园进行了分类研究。

        基于高光谱成像数据中的特定指数如光化学植被指数PRIn、蓝波段指数BI、叶绿素荧光反射曲率指数CUR、SIF等,以及基于红外热成像的水分胁迫指数CWSI等,研究人员使用深度学习的方法成功实现了混合数据中两种病原体的分类。最终结果显示,区分黄萎病菌(Vd)的整体准确率达到了98%,区分苛养木杆菌(Xf)的整体准确率达到了92%,证明了当面对侵染后表现出相似病状的不同病原体时,高光谱-红外热成像结合技术依然具有强大的分辨能力,可以实现大面积作物的高效区分以进行针对性治理。

        微信截图_20210901151238.png?

        苛养木杆菌(Xf)和黄萎病菌(Vd)侵染树木病害严重度示意图(DS0-DS3:染病情况逐渐严重)

        微信截图_20210901151302.png?

        苛养木杆菌(Xf)和黄萎病菌(Vd)侵染树木冠层高光谱反射率

        参考文献:

        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.


        注:本文转载自易科泰,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如有侵权行为,请联系我们,我们会及时删除。
        在线购彩