植物红外热成像仪(高光谱红外热成像无人机遥感技术--林木病虫害早期诊断量化)

Posted 2023-05-30

篇首语：青春不以山海为远，志愿只向家国未来。本文由小常识网(cha138.com)小编为大家整理，主要介绍了植物红外热成像仪(高光谱红外热成像无人机遥感技术--林木病虫害早期诊断量化)相关的知识，希望对你有一定的参考价值。

植物红外热成像仪(高光谱红外热成像无人机遥感技术--林木病虫害早期诊断量化)

易科泰推出无人机遥感森林病虫害研究监测技术方案——Ecodrone® UAS-8高分辨率高光谱-红外热成像无人机遥感平台：

8旋翼专业无人机遥感平台，搭载AFX高光谱成像、机载PC及红外热成像可飞行作业30分钟以上，有效覆盖面积超10公顷
厘米级地面分辨率，50m高度地面分辨率达3.5cm，30m高度（用于田间高通量作物表型分析）地面分辨率可达2cm
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
科研级Thermo-RGB成像：640×512像素，多点黑体校准，灵敏度50或30mK，测温范围-25℃-150℃/-40℃-550℃，在线实时温度测量分析，10倍光学变焦RGB镜头，全高清画质，磁编码自稳云台，实时姿态调整，可选配CWSI成像，实时测量作物水分胁迫指数
专业无人机遥感技术方案，同步获取高光谱与红外热成像数据，应用软件可直接得出90多个VI（植物光谱反射指数）、F（叶绿素荧光）、标准化冠层温度、CWSI（水分胁迫指数）等
荣获2020年检验检测认证认可行业年度风云榜“仪器设备十大新锐产品”
应用于精准农业研究、林木表型遥感、病虫害监测、森林资源调查评估、生物多样性监测等

主要技术指标：

	高光谱成像		红外热成像
	AFX10	AFX17	Thermo-RGB
波段范围	400-1000nm	900-1700nm	7.5-14μm
光谱通道数	224	224	1热成像+1 RGB
空间像素数	1024像素	640像素	640×512像素
地面分辨率	3.5cm@50m AGL	5.5cm@50m AGL	6.5cm@50m AGL
探测器	CMOS	InGaAs	非制冷VOx微幅射探测器
FWHM	5.5nm	8.0nm	-
光谱采样率	2.68nm	3.5nm	-
帧频	330FPS	670FPS	30Hz/9Hz
信噪比（峰值）	400:1	1200:1	-
光圈值	F/1.7		-
视场角	38°		45°或其他
数据接口	GigE		USB或SSD或 SD卡

研究案例1：大面积橄榄树黄萎病的早期检测和定量研究

橄榄树黄萎病（VW）是一种由大丽轮枝菌引起的主要通过土壤进行迅速传播的疾病，这种真菌通过感染植物根部，阻塞水流并关闭气孔降低蒸腾速率，从而造成水分蒸发减少，使树冠温度升高，最终导致叶片褪绿和落叶。因此，尽早发现感染有助于避免病原体向新的区域传播，尤其是对于尚未感染病原体的区域，有助于进行提前预防和实施优化改良措施。

西班牙研究人员利用无人机遥感平台搭载高光谱相机和红外热成像相机，对西班牙南部塞维利亚省Ecija地区的3000公顷包含不同土壤和作物管理特点的商业化橄榄树地块进行遥感成像，获得了该区域每棵树的标准冠层温度(Tc-Ta) 和260个通道的光谱数据，基于该数据并通过降维处理，使用线性判别分析（LDA）和支持向量机（SVM）两种方法对黄萎病的侵染程度进行了大规模遥感评估分类。

图1-1：不同VW感染程度的橄榄树，a-e依次递增（左图）；中心图中黄色区域代表不同程度黄萎病的橄榄树地块，a-i图显示在不同土壤和作物管理差异下各地块高分辨率细节（右图）

结果显示，对于整个数据集，LDA的总精度为59.0%，SVM的总精度为79.2%，SVM 得到了更高的总体准确率。而LDA对初始感染VW和严重程度较低级别的树木进行了更好的分类，准确率分别达到71.4%和75.0%。研究还发现归一化冠层温度、叶绿素荧光、结构指数、叶黄素、叶绿素、类胡萝卜素和疾病指标是判断黄萎病感染早期和晚期的最佳指标。结果表明，这种在大范围果园尺度研究重开发的方法适用于对包含不同土壤类型和作物管理特征的橄榄树园的大面积监测。

图1-2：左：a）红外热成像DOM图，b）a中红框区域的橄榄树冠层识别，c）不同感染程度的 Tc-Ta

右：a）高光谱成像DOM图，b）a中红框区域的橄榄树冠层识别，c）不同感染程度的橄榄树冠层反射率

研究案例2：杏树红叶斑病早期检测和量化

杏树是一种重要的经济作物，其果仁具有良好的药用价值，广泛应用于食品、化妆品及医药等领域。而红叶斑病是影响杏树的主要真菌性叶面病害之一，通过无人机遥感技术建立杏树染病的田间地图，可准确并尽早地发现疾病，评估其染病严重程度，从而进行合理喷药，实现精准农业管理。

图2-1：杏仁叶感染红叶斑病（a-c：染病情况逐渐严重）；(d)：严重感染的杏树

西班牙国家研究委员会农业研究所研究人员基于无人机遥感技术，通过高分辨率红外热成像和高光成像获取冠层温度和植被指数，在叶片和冠层水平上评估了杏树红叶斑病的影响，采用LDA、SVM等不同方法组合对红叶斑严重程度进行量化和判别。研究发现，叶绿素、类胡萝卜素指数和叶绿素荧光对红叶斑点病的早期诊断效果较好。线性模型在区分无症状植株和红叶斑病感染晚期植株方面表现出更好的效果，而非线性SVM方法在区分无症状植株和红叶斑病感染早期植株方面表现较好。另外，叶片尺度上的气孔导度、叶绿素含量、叶绿素荧光、光化学反射指数和光谱反射率的测量结果表明，健康叶片与有症状叶片的绿色区域之间无显著差异。本研究表明，使用高分辨率高光谱影像和红外热成像数据对红叶斑病进行早期检测和量化具有可行性。

图2-2：左：a）高光谱成像DOM图，b）a中红框区域的橄榄树冠层识别，c）不同感染程度的橄榄树冠层反射率

右：a）红外热成像DOM图，b）a中红框区域的橄榄树冠层识别

参考文献：

1. Calderón R, Navas-Cortés J A, Zarco-Tejada P J. Early detection and quantification of Verticillium wilt in olive using hyperspectral and thermal imagery over large areas[J]. Remote Sensing, 2015, 7(5): 5584-5610.

2. López-López Manuel, Calderón Rocío, González-Dugo Victoria, et al. Early Detection and Quantification of Almond Red Leaf Blotch Using High-Resolution Hyperspectral and Thermal Imagery[J]. Remote Sensing, 2016, 8(4):276.