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。該系統包括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據，應用于大范圍、多維度的精準農業研究、大田高通量表型分析、森林植被資源調查、生態環境研究、地質礦產勘查、考古研究、電力巡線、航空測繪等領域。

基于Ecodrone^®無人機平臺搭載的一體式高光譜-激光雷達傳感器，在獲取葉片或冠層水平光譜反射的高分辨率成像的同時，激光雷達傳感器通過主動發射高頻脈沖能夠直接穿透植被冠層、獲取高精度的植被三維結構信息和生境結構信息，對冠層及結構層面進行快速無損高通量原位監測、森林物種多樣性研究、植物生物及非生物脅迫分析、環境及生態系統動態變化研究等具有重要意義。

性能特點：

1.8旋翼專業無人機遙感平臺，搭載AFX高光譜成像、機載PC及激光雷達可飛行作業20分鐘以上，有效覆蓋面積超10公頃

2.厘米級地面分辨率，50m高度高光譜成像地面分辨率達3.5cm，30m高度（用于田間高通量作物表型分析）地面分辨率可達2cm

3.50m高單樣線飛行作業可自動采集形成寬度36m的樣帶高光譜成像大數據、

4.高密度三維點云，精確度2.5cm，最高可達3次回波，50m

5.飛行高度點云密度700pts/平方米專業無人機遙感技術方案，同步獲取高光譜與激光雷達數據，應用軟件可直接得出近百種植物光譜反射指數、高密度三維點云、三維測量數據、分類點云、DTM等

7.應用于精準農業研究、大田高通量表型分析、森林植被資源調查、生態環境研究、水資源監測、地質礦產勘查、考古研究、電力巡線、航空測繪等

主要技術指標：

應用案例一：旱地植被分類調查

半干旱生態系統（即旱地）中的植被在調節全球碳平衡方面發揮著重要作用。然而，復雜環境下不同生物群落相互交錯，對旱地區域繪制、量化植被物種和結構造成很大的困難。要解決旱地植物的分類問題，需要綜合考慮冠層生物化學、結構和環境變量。高光譜遙感已被用于對不同生物群落內的植被物種分類，但大面積旱地植被的光學分類仍面對著光譜混合像元及光譜異質性的挑戰。激光雷達指標（如冠層高度）表征三維冠層結構的能力為光學分類提供了補充信息，此外，激光雷達數據可導出高分辨率數據高程模型DEM，為植被分類提供坡度、坡向和高程等地形信息，可提高植被分類覆蓋的精度。

美國的研究學者將植被光學（高光譜）和結構（激光雷達）信息結合，對位于美國愛達荷州奧懷希山脈的雷諾茲溪實驗流域的干旱地區（xeric）及半干旱地區（mesic）進行了植被分類研究。這項研究整合了高光譜光譜分類技術與激光雷達衍生數據，利用植被光譜信息、冠層高度及地形信息，提高了半干旱生態系統的分類精度，成功繪制包含土壤、草和灌木的干旱區域豐度圖及包含白楊、花旗松、杜松和其他河岸植被的分類地圖。經驗證，將激光雷達信息納入高光譜分類方案后，整體分類準確率從 60% 提高到 89%。

應用案例二：小面積水體識別與提取

水除了是自然資源外，也是生物多樣性的重要環境基礎。露天采礦是對環境有強烈影響的人類活動之一，對淡水生物群產生很大負面影響，但采礦活動產生的棄土棄渣堆經技術開墾或自然演替形成了許多充滿水的洼地，這些小面積水體對無尾目和蜻蜓等水生物種尤其有價值。為了更好地管理水資源，保護這些受威脅的生態系統和防止生物多樣性喪失，需要對開放的地表水體進行精確提取和重復監測。

遙感已被廣泛用于識別水體，然而光學圖像難以將水體特征與具有低反射率的其他物體（例如樹影）區分開來。為了解決這些問題，捷克生命科學大學的研究學者對高光譜與LiDAR數據融合方法用于小面積水體精準識別的能力進行了評估。

研究區域位于捷克波西米亞北部的褐煤盆地，主要由四個棄土棄渣堆組成，其中包含了形狀、高度、大小各異的水體區塊。在這項研究中，使用基于對象的分類方法在集成的高光譜數據和激光雷達數據中以非常高的準確度（漏分誤差2%，錯分*.4%）提取了棄土棄渣堆上的開放地表水體，與單獨使用高光譜或LiDAR數據相比，準確度最高。

研究結果表明，高光譜和 LiDAR 數據的整合可以成功消除了陰影等影響，大大提高小面積水體的識別能力，這對于棲息地的水體動態監測及生態恢復與保護至關重要。

易科泰生態技術公司致力于生態-農業-健康研究發展與創新應用，為精準農業研究、森林植被資源調查、生態環境監測、地質礦產勘查、環境研究、航空測繪等應用領域提供無人機及近地遙感全面技術方案。

參考文獻：

[1] Hamid Dashti,Andrew Poley,Nancy F. Glenn,Nayani Ilangakoon,Lucas Spaete,Dar Roberts,Josh Enterkine,Alejandro N. Flores,Susan L. Ustin,Jessica J. Mitchell. Regional Scale Dryland Vegetation Classification with an Integrated Lidar-Hyperspectral Approach[J]. Remote Sensing,2019,11(18):

[2] Science - Applied Geoscience; Findings on Applied Geoscience Discussed by Investigators at Czech University of Life Sciences Prague (Integration of Hyperspectral and Lidar Data for Mapping Small Water Bodies)[J]. Science Letter,2020: