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。

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。

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20、60或120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LAI的3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)、2个MNF分量(与光谱组成有关)和光谱角。

  研究发现，对于低LAI值区域，VIs与 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VIs（RVSI、EVI、CARI）显著相关，但在消除异常值后，最佳AGB预测变量为CH（R²=0.82，RMSE=7.62）。

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VI、MNF等）信息，并用SVM进行分类。

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和 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。

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。

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。

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.