Ecodrone®一體式高光譜-激光雷達無人機遙感系統(tǒng)—林木監(jiān)測和樹種分類應用

易科泰光譜成像與無人機遙感技術研究中心最新推出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，應用于大范圍、多維度的森林遙感研究、林木表型分析、植被資源調查、生態(tài)環(huán)境研究、林業(yè)測繪等領域。

該系統(tǒng)基于高光譜成像及激光雷達傳感器，在獲取葉片或冠層尺度的高分辨率光譜反射數(shù)據的同時，還能夠直接獲取高精度的植被三維結構信息和生境結構信息，對森林冠層及結構層面進行大范圍快速原位監(jiān)測、林木三維表型測量、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)動態(tài)變化研究等具有重要意義。

案例一：森林的多樣性和結構監(jiān)測

巴西和美國研究人員將無人機和激光雷達、高光譜成像相結合組成“UAV-LiDAR-HSI”系統(tǒng)，在森林恢復監(jiān)測中同時評估了兩者衍生變量的一致性和互補性、區(qū)分樹木豐富度以及預測地上生物量(AGB)的能力。

研究人員選取了由20、60或120種本地樹種構成的12個已經修復了13年的巴西大西洋熱帶森林。分析了來自激光雷達數(shù)據的冠層高度（CH）、葉面積指數(shù) (LAI) 和林下LAI的3個結構屬性以及來自高光譜數(shù)據的18個變量，包括15個植被指數(shù)(VIs)、2個MNF分量(與光譜組成有關)和光譜角。

 研究發(fā)現(xiàn)，對于低LAI值區(qū)域，VIs與 LAI呈正相關，但當 LAI 大于 2m²/m² 時趨于穩(wěn)定。LAI和結構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。AGB與激光雷達數(shù)據衍生變量（CH）和三個HSI衍生的VIs（RVSI、EVI、CARI）顯著相關，但在消除異常值后，最佳AGB預測變量為CH（R²=0.82，RMSE=7.62）。

結果表明，基于高光譜和激光雷達技術的數(shù)據融合及信息互補手段，提高了評估物種生物多樣性、豐富度、結構屬性等信息的能力，并能夠減少野外采樣工作，顯著提高監(jiān)測效率，在森林植被恢復監(jiān)測及評估方面具有良好的研究價值和應用前景。

案例二：高度多樣化的樹種分類

無人機遙感技術是一種在清查森林資源和繪制樹種圖等應用領域十分有效的方法，該方法建立的可靠的樹種測繪系統(tǒng)對資源管理、生物多樣性評估、生態(tài)系統(tǒng)服務功能評估和生態(tài)保護具有重要意義。

巴西和意大利研究人員使用無人機遙感技術對位于巴西南部圣卡塔琳娜州庫里蒂巴諾斯市約25公頃林區(qū)內的12種主要樹種進行分類識別，獲取了目標的VNIR波段光譜數(shù)據、三維點云（PPC）、冠層高度模型（CHM）以及由高光譜數(shù)據提取的其它特征（植被指數(shù)VI、MNF等）信息，并用SVM進行分類。

結果顯示，單獨使用 VNIR 高光譜波段的總體準確度(OA)達到了57%（Kappa系數(shù)為0.53）。PPC特征有助于區(qū)分某些特定的樹種類別，將PPC添加到VNIR高光譜波段后，OA 增加了11%。而結合了VNIR波段、PPC特征、CHM和 VI的數(shù)據集則獲得了好的結果，OA高達72.4%，Kappa系數(shù)為0.70。

另外，VNIR_CHM_PPC_VIs數(shù)據集的最終分類圖，也顯示出了該地區(qū)的演替階段梯度，例如，在西側，植被較低，由Mimosa scabrella等先鋒樹種組成。在東側，植被變得更高更密，由后期次生和受氣候影響的樹種組成，如Ocotea屬和Campomanesia xanthocarpa。而Araucaria angustifolia樹種在整個研究區(qū)普遍存在，因為它具有先鋒和晚期演替特征。

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

易科泰生態(tài)技術公司致力于生態(tài)-農業(yè)-健康研究發(fā)展與創(chuàng)新應用，為森林遙感研究、林木表型分析、植被資源調查、生態(tài)環(huán)境研究、林業(yè)測繪等領域提供無人機及近地遙感全面技術方案。

參考文獻：

[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.