Ecodrone®一體式高光譜-激光雷達(dá)無(wú)人機(jī)遙感系統(tǒng)—林木監(jiān)測(cè)和樹(shù)種分類(lèi)應(yīng)用

易科泰光譜成像與無(wú)人機(jī)遙感技術(shù)研究中心最新推出Ecodrone^®一體式高光譜-激光雷達(dá)無(wú)人機(jī)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(dá)掃描儀，一次飛行可同時(shí)獲取目標(biāo)圖譜信息及三維點(diǎn)云數(shù)據(jù)，應(yīng)用于大范圍、多維度的森林遙感研究、林木表型分析、植被資源調(diào)查、生態(tài)環(huán)境研究、林業(yè)測(cè)繪等領(lǐng)域。

該系統(tǒng)基于高光譜成像及激光雷達(dá)傳感器，在獲取葉片或冠層尺度的高分辨率光譜反射數(shù)據(jù)的同時(shí)，還能夠直接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(duì)森林冠層及結(jié)構(gòu)層面進(jìn)行大范圍快速原位監(jiān)測(cè)、林木三維表型測(cè)量、森林物種多樣性研究、植被生物及非生物脅迫分析、環(huán)境及生態(tài)系統(tǒng)動(dòng)態(tài)變化研究等具有重要意義。

案例一：森林的多樣性和結(jié)構(gòu)監(jiān)測(cè)

巴西和美國(guó)研究人員將無(wú)人機(jī)和激光雷達(dá)、高光譜成像相結(jié)合組成“UAV-LiDAR-HSI”系統(tǒng)，在森林恢復(fù)監(jiān)測(cè)中同時(shí)評(píng)估了兩者衍生變量的一致性和互補(bǔ)性、區(qū)分樹(shù)木豐富度以及預(yù)測(cè)地上生物量(AGB)的能力。

研究人員選取了由20、60或120種本地樹(shù)種構(gòu)成的12個(gè)已經(jīng)修復(fù)了13年的巴西大西洋熱帶森林。分析了來(lái)自激光雷達(dá)數(shù)據(jù)的冠層高度（CH）、葉面積指數(shù) (LAI) 和林下LAI的3個(gè)結(jié)構(gòu)屬性以及來(lái)自高光譜數(shù)據(jù)的18個(gè)變量，包括15個(gè)植被指數(shù)(VIs)、2個(gè)MNF分量(與光譜組成有關(guān))和光譜角。

 研究發(fā)現(xiàn)，對(duì)于低LAI值區(qū)域，VIs與 LAI呈正相關(guān)，但當(dāng) LAI 大于 2m²/m² 時(shí)趨于穩(wěn)定。LAI和結(jié)構(gòu)VIs隨著物種豐富度的增加而增大，光譜差異性與物種豐富度顯著相關(guān)。AGB與激光雷達(dá)數(shù)據(jù)衍生變量（CH）和三個(gè)HSI衍生的VIs（RVSI、EVI、CARI）顯著相關(guān)，但在消除異常值后，最佳AGB預(yù)測(cè)變量為CH（R²=0.82，RMSE=7.62）。

結(jié)果表明，基于高光譜和激光雷達(dá)技術(shù)的數(shù)據(jù)融合及信息互補(bǔ)手段，提高了評(píng)估物種生物多樣性、豐富度、結(jié)構(gòu)屬性等信息的能力，并能夠減少野外采樣工作，顯著提高監(jiān)測(cè)效率，在森林植被恢復(fù)監(jiān)測(cè)及評(píng)估方面具有良好的研究?jī)r(jià)值和應(yīng)用前景。

案例二：高度多樣化的樹(shù)種分類(lèi)

無(wú)人機(jī)遙感技術(shù)是一種在清查森林資源和繪制樹(shù)種圖等應(yīng)用領(lǐng)域十分有效的方法，該方法建立的可靠的樹(shù)種測(cè)繪系統(tǒng)對(duì)資源管理、生物多樣性評(píng)估、生態(tài)系統(tǒng)服務(wù)功能評(píng)估和生態(tài)保護(hù)具有重要意義。

巴西和意大利研究人員使用無(wú)人機(jī)遙感技術(shù)對(duì)位于巴西南部圣卡塔琳娜州庫(kù)里蒂巴諾斯市約25公頃林區(qū)內(nèi)的12種主要樹(shù)種進(jìn)行分類(lèi)識(shí)別，獲取了目標(biāo)的VNIR波段光譜數(shù)據(jù)、三維點(diǎn)云（PPC）、冠層高度模型（CHM）以及由高光譜數(shù)據(jù)提取的其它特征（植被指數(shù)VI、MNF等）信息，并用SVM進(jìn)行分類(lèi)。

結(jié)果顯示，單獨(dú)使用 VNIR 高光譜波段的總體準(zhǔn)確度(OA)達(dá)到了57%（Kappa系數(shù)為0.53）。PPC特征有助于區(qū)分某些特定的樹(shù)種類(lèi)別，將PPC添加到VNIR高光譜波段后，OA 增加了11%。而結(jié)合了VNIR波段、PPC特征、CHM和 VI的數(shù)據(jù)集則獲得了好的結(jié)果，OA高達(dá)72.4%，Kappa系數(shù)為0.70。

另外，VNIR_CHM_PPC_VIs數(shù)據(jù)集的最終分類(lèi)圖，也顯示出了該地區(qū)的演替階段梯度，例如，在西側(cè)，植被較低，由Mimosa scabrella等先鋒樹(shù)種組成。在東側(cè)，植被變得更高更密，由后期次生和受氣候影響的樹(shù)種組成，如Ocotea屬和Campomanesia xanthocarpa。而Araucaria angustifolia樹(shù)種在整個(gè)研究區(qū)普遍存在，因?yàn)樗哂?/span>先鋒和晚期演替特征。

研究表明，基于VNIR波段高光譜數(shù)據(jù)和PPC特征建立的分析模型，在熱帶森林樹(shù)種分類(lèi)中具有良好的應(yīng)用潛力。

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(yīng)用，為森林遙感研究、林木表型分析、植被資源調(diào)查、生態(tài)環(huán)境研究、林業(yè)測(cè)繪等領(lǐng)域提供無(wú)人機(jī)及近地遙感全面技術(shù)方案。

參考文獻(xiàn)：

[1] Sothe C, Dalponte M, Almeida C M, et al. Tree species classification in a highly diverse subtropical forest integrating UAV-based photogrammetric point cloud and hyperspectral data[J]. Remote Sensing, 2019, 11(11): 1338.

[2] De Almeida D R A, Broadbent E N, Ferreira M P, et al. Monitoring restored tropical forest diversity and structure through UAV-borne hyperspectral and lidar fusion[J]. Remote Sensing of Environment, 2021, 264: 112582.