Beijing 010-82611269,13671083121
Shandong 0532-82861228,15563963062
Xian 029-81124223
HaiNan 13911203439
/ En

Ecodrone®一体式高光谱-激光雷达无人机遥感系统 ——林木监测和树种分类应用

Ecodrone®一体式高光谱-激光雷达无人机遥感系统 ——林木监测和树种分类应用

易科泰光谱成像与无人机遥感技术研究中心最新推出Ecodrone®一体式高光谱-激光雷达无人机遥感系统。该系统包括VNIR/NIR波段高光谱成像仪和激光雷达扫描仪,一次飞行可同时获取目标图谱信息及三维点云数据,应用于大范围、多维度的森林遥感研究、林木表型分析、植被资源调查、生态环境研究、林业测绘等领域。

微信截图_20220104155117.png

该系统基于高光谱成像及激光雷达传感器,在获取叶片或冠层尺度的高分辨率光谱反射数据的同时,还能够直接获取高精度的植被三维结构信息和生境结构信息,对森林冠层及结构层面进行大范围快速原位监测、林木三维表型测量、森林物种多样性研究、植被生物及非生物胁迫分析、环境及生态系统动态变化研究等具有重要意义。

性能特点:

l  微信截图_20220104155135.png8旋翼专业无人机遥感平台,搭载VNIR/NIR高光谱成像、机载PC及激光雷达可飞行作业20分钟以上,有效覆盖面积超10公顷

l  厘米级地面分辨率,50m高度高光谱成像地面分辨率达3.5cm30m高度(用于高分辨率林木表型分析)地面分辨率可达2cm

l  50m高单样线飞行作业可自动采集形成宽度36m的样带高光谱成像大数据

l  高密度三维点云,精确度2.5cm,最高可达3次回波,50m飞行高度点云密度700pts/平方米

l  专业无人机遥感技术方案,同步获取高光谱与激光雷达数据,应用软件可直接得出近百种植被光谱反射指数、高密度三维点云、三维测量数据、分类点云、DTM

主要技术指标:


高光谱成像

激光雷达

波段范围/波长

400-1000nm

900-1700nm

905nm

光谱通道数

224

224

-

空间像素数

1024像素

640像素

-

地面分辨率

3.5cm@50m AGL

5.5cm@50m AGL

-

探测器

CMOS

InGaAs

-

FWHM

5.5nm

8.0nm

-

光谱采样率

2.68nm

3.5nm

-

帧频

330FPS

670FPS

-

信噪比(峰值)

400:1

1200:1

-

光圈值

F/1.7

-

视场角

38°

70.4°

激光扫描仪

-

Livox AVIA

精确度

-

2.5cm

准确度

-

3cm

扫描频率

-

240k

回波次数

-

Up to 3

点云密度@50m AGL 5m/s

-

700pts/平方米

 

案例一:森林的多样性和结构监测

巴西和美国研究人员将无人机和激光雷达、高光谱成像相结合组成“UAV-LiDAR-HSI系统,在森林恢复监测中同时评估了两者衍生变量的一致性和互补性、区分树木丰富度以及预测地上生物量(AGB)的能力。

研究人员选取了由2060120种本地树种构成的12个已经修复了13年的巴西大西洋热带森林。分析了来自激光雷达数据的冠层高度(CH)、叶面积指数 (LAI) 和林下LAI3个结构属性以及来自高光谱数据的18个变量,包括15个植被指数(VIs)2MNF分量(与光谱组成有关)和光谱角。

微信截图_20220104155320.png

图1-1:站点位置(左);地块的样本设计和激光雷达点云示例(右上); 对高光谱图像进行着色的MNF1(右下)

研究发现,对于低LAI值区域,VIs LAI呈正相关,但当 LAI 大于 2m2/m2时趋于稳定。LAI和结构VIs随着物种丰富度的增加而增大,光谱差异性与物种丰富度显著相关。AGB与激光雷达数据衍生变量(CH)和三个HSI衍生的VIsRVSIEVICARI)显著相关,但在消除异常值后,最佳AGB预测变量为CHR2=0.82RMSE=7.62)。

微信截图_20220104155341.png

图1-2:不同丰富度树种的Field、Lidar、HSI变量统计分析,激光雷达和高光谱变量由像素的平均值(0.20 m分辨率)汇总,显著变量为绿色,范围从最低(浅绿色)到最高(深绿色)值(左);

A:激光雷达衍生的冠层高度与地块生物量的关系,C:高光谱衍生的 RVSI,B和D分别为CH和RVSI函数的地上生物量的留一交叉验证(LOOCV)(右)

结果表明,基于高光谱和激光雷达技术的数据融合及信息互补手段,极大提高了评估物种生物多样性、丰富度、结构属性等信息的能力,并能够极大减少野外采样工作,显著提高监测效率,在森林植被恢复监测及评估方面具有良好的研究价值和应用前景。

案例二:高度多样化的树种分类

无人机遥感技术是一种在清查森林资源和绘制树种图等应用领域十分有效的方法,该方法建立的可靠的树种测绘系统对资源管理、生物多样性评估、生态系统服务功能评估和生态保护具有重要意义。

巴西和意大利研究人员使用无人机遥感技术对位于巴西南部圣卡塔琳娜州库里蒂巴诺斯市约25公顷林区内的12种主要树种进行分类识别,获取了目标的VNIR波段光谱数据、三维点云(PPC)、冠层高度模型(CHM)以及由高光谱数据提取的其它特征(植被指数VIMNF等)信息,并用SVM进行分类。

微信截图_20220104155712.png

图2-1:(A)(B):研究区域;(C):高光谱图像R (535 nm) G (769 nm) B (679 nm);(D)数字地形型(左);

不同树种的高光谱图像(右)

结果显示,单独使用 VNIR 高光谱波段的总体准确度(OA)达到了57%Kappa系数为0.53)。PPC特征有助于区分某些特定的树种类别,将PPC添加到VNIR高光谱波段后,OA 增加了11%。而结合了VNIR波段、PPC特征、CHM VI的数据集则获得了最好的结果,OA高达72.4%Kappa系数为0.70

 微信截图_20220104155725.png

图2-2:不同数据集的总体准确率和 Kappa系数

另外,VNIR_CHM_PPC_VIs数据集的最终分类图,也显示出了该地区的演替阶段梯度,例如,在西侧,植被较低,由Mimosa scabrella等先锋树种组成。在东侧,植被变得更高更密,由后期次生和受气候影响的树种组成,如Ocotea属和Campomanesia xanthocarpa。而Araucaria angustifolia树种在整个研究区普遍存在,因为它具有先锋和晚期演替特征。

微信截图_20220104155737.png

图2-3:(A)VNIR_CHM_PPC_VI数据集的分类;(B)概率图;(a,b)显示归类为Ocotea sp的高不确定性区域

研究表明,基于VNIR波段高光谱数据和PPC特征建立的分析模型,在热带森林树种分类中具有良好的应用潜力。

 

易科泰生态技术公司致力于生态-农业-健康研究发展与创新应用,为森林遥感研究、林木表型分析、植被资源调查、生态环境研究、林业测绘等领域提供无人机及近地遥感全面技术方案。

微信截图_20220104155750.png

 

参考文献:

[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.


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。