Ecodrone® 一体式高光谱-红外热成像无人机遥感系统

Ecodrone^® 一体式高光谱-红外热成像无人机遥感系统，是由易科泰生态技术公司与西安易科泰光谱成像与无人机遥感技术研究中心推出的一款高分辨率无人机遥感平台，采用自主设计生产的UAS-8专业无人机遥感平台（曾荣获《质量与认证》杂志主办的“2020 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”），搭载国际先进的高光谱成像与Thermo-RGB传感器，可应用于JZ农业、森林资源调查监测管理、大田高通量作物表型分析、草原及湿地调查监测管理、生态环境监测、生态修复监测评估、自然保护区管理等领域。

左：Ecodrone^® UAS-8 右：Ecodrone^® UAS-8 Pro

主要技术特点：

1)基于Ecodrone^® UAS-8 Pro无人机平台搭载的一体式高光谱-红外热成像遥感系统，高负载、长续航

2)国际知名Specim AFX高光谱成像传感器，高分辨率、高信噪比、高速推扫成像（高帧频）

3)高分辨率Thermo-RGB传感器，空间分辨率640x512像素，IR高分辨率模式可达1266x1010像素，测温灵敏度可达0.03°C

4)同步获取冠层及景观水平地物植被、土壤等反射光谱及温度等高分辨率成像，结合匹配的叶片水平测量监测（包括叶绿素荧光、光合作用、叶片水平高光谱等），可多尺度、多维度全面反应土壤植被等信息

5)广泛用于快速无损高通量作物表型分析、生态遥感监测、植物生物及非生物胁迫监测、植物蒸腾及气孔导度研究、生产力监测评估、生物多样性监测等，可实现对植被叶片、冠层及景观尺度全面观测研究。

6)可选配LIDAR系统，组成功能强大的高光谱-红外热成像-激光雷达无人机遥感平台（EcoDrone-LiHT，LiDAR, Hyperspectral and Thermal remote sensing），大范围（景观水平）、高空间分辨率（厘米级）同步观测生态系统结构功能，包括结构信息、光谱信息、表面温度信息等

上图引自Bruce D. Cook等，NASA Goddard’s LiDAR, Hyperspectral and Thermal (G-LiHT) Airborne Imager, Remote Sensing 2013

主要技术功能指标：

1)EcoDrone UAS-8 或UAS-8 Pro专业无人机遥感平台，高负载、长续航

2)Specim AFX10（400-1000nm）或AFX17（900-1700nm）高光谱成像传感器

3)WIRIS Thermo-RGB红外热成像传感器，可选配YellowScan Mapper+激光雷达组成EcoDrone-LiHT无人机遥感平台（需选配UAS-8 Pro）

4)建议选配易科泰匹配提供的手持式叶绿素荧光仪、手持叶夹式高光谱仪、便携式LCpro T光合仪（附参考文献），以测量稳态叶绿素荧光Ft、植物光谱反射指数VIs、光合作用及气孔导度等参数

5)可选配OTC-Auto自动开启式光合呼吸监测系统，测量监测CO2通量及H2O通量，并测量分析GEP（Gross Ecosystem Productivity）

6)可基于弗朗霍夫谱线FLD模型提取SIF（太阳光诱导叶绿素荧光，Solar-Induced-Fluorescence）（易科泰提供技术方法、参考文献等），无人机遥感Mapping Photosynthesis

7) 可测量分析如下参数（易科泰提供技术方法和相关培训），全面分析植物结构功能、生理状态、胁迫与抗性、生产力状态等：

a)基于热成像技术的CWSI（水分胁迫指数）、Ts-Ta（冠层温度与空气温度差值）

b)植物水分指数WI、LWI、NDWI、水分胁迫指数MSI等，其中LWI、NDWI和MSI需选配900-1700nm波段高光谱

c)Vcmax（ZD羧化速率）测量分析（需选配LCpro T便携式光合仪）

d)除基于FLD模型提取的SIF外，基于植物反射光谱的叶绿素荧光指数（4个）

e)PRI等光化学反射指数与胡萝卜素指数（7个）

f)反应叶绿素含量、N素含量的NDVI、TCARI（修正的叶绿素吸收反射指数）、CCCI（冠层叶绿素含量指数）、DCNI（N指数）等（8个）

g)植物窄带结构指数（structural indices）（13个）、色素指数（27个）

h)叶黄素（Xanthophyll）色素指数（8个）

i)绿度等RGB指数（13个）

j) 植物健康指数等

不同时间草地冠层温度Ts和CWSI，及SIF、PRI、NDVI、LWI（引自Max Gerhards等，Analysis of Airborne Optical and Thermal Imagery for Detection of Water Stress Symptoms. Remote Sensing, 2018）

n 案例一：海南某水稻田幼苗表型成像分析

，上图依次为RGB通道合成、NDVI、热成像图，可以看出试验区刚插秧的水稻田整体NDVI远远低于周边农田，而热成像图也反映了水稻田水分含量比较充足，整体温度偏低 (由易科泰光谱成像与无人机遥感研究中心提供)

n 案例二：冬小麦氮素和水分胁迫监测

左：基于高光谱数据计算的样地CCCI（冠层叶绿素含量指数）和基于红外热成计算的WDI（水分亏缺指数）示意图

右：红外热成像计算得出的WDI可以帮助CCCI提高氮素营养指数（NNI）的拟合优度

（Pancorbo J L , Camino C , Alonso-Ayuso M , et al. Simultaneous assessment of nitrogen and water status in winter wheat using hyperspectral and thermal sensors[J]. European Journal of Agronomy, 2021, 127(3):126287.