易科泰推出無人機遙感作物表型研究監測技術方案——Ecodrone^® UAS-8高分辨率高光譜-紅外熱成像無人機遙感平臺：

 1.旋翼專業無人機遙感平臺，搭載AFX高光譜成像、機載PC及紅外熱成像可飛行作業30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.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.科研級Thermo-RGB成像：640×512像素，多點黑體校準，靈敏度50或30mK，測溫范圍-25℃-150℃/-40℃-550℃，在線實時溫度測量分析，10倍光學變焦RGB鏡頭，全高清畫質，磁編碼自穩云臺，實時姿態調整，可選配CWSI成像，實時測量作物水分脅迫指數

 5.專業無人機遙感技術方案，同步獲取高光譜與紅外熱成像數據，應用軟件可直接得出90多個VI（植物光譜反射指數）、F（葉綠素熒光）、標準化冠層溫度、CWSI（水分脅迫指數）等

 6.榮獲2020年檢驗檢測認證認可行業年度風云榜“儀器設備新銳產品"

 7.應用于精準農業研究、作物表型遙感、病蟲害監測、農作物產量評估、生物多樣性監測等

主要功能參數：可分析近百個高光譜-紅外熱成像參數

1.熱成像參數：CWSI、Tc-Ta等

2.冠層結構參數：NDVI、RDVI、OSAVI、MCARI、MSAVI等

3.葉綠素熒光參數：CUR、DPi、葉綠素熒光指數等

4.葉綠素等植物色素指數：TCARI、TVI、SIPI、VOG、CI、NPQI、CAR、PSRI等

5.葉黃素指數：PRI、PRIn、PRIm等

6.指數，如綠度指數等

7.植物健康指數HI等

研究案例1：大田高通量小麥生理性狀表型分析

 小麥為全球人口提供了20%的卡路里和每日蛋白質攝入量，全球小麥平均增產率為0.9%，而需求增長預測為2.4%，這意味著在不久的將來通過基因改良提高小麥產量的需求日益迫切。高通量的田間表型（Field-based phenotyping, FBP）研究對開發遺傳基因改良的新途徑至關重要，被認為是能夠在現實種植系統中提供所需產量和準確描述性狀表現的方法。

 西班牙高等學術研究委員會現代農業研究所GD Victoria等使用機載高光譜成像和紅外熱成像系統，分別在拔節早期和灌漿期，同時對包括兩個物種(普通小麥和硬粒小麥)、50個品種在內的共150個小麥試驗樣地，采集了兩組航空遙感數據集：

 熱成像和高光譜數據能夠對每個地塊提取熱輻射信息、光譜信息、輻射亮度和反射率，用于計算與可見光和紅邊區域光合色素吸收相關的指數，葉綠素熒光發射的量化，以及與冠層結構相關的結構指標。與飛行作業同步獲取的地面生理指標數據表明，第二次遙感監測時，小麥在生長晚期受到脅迫，而這種情況將極大程度的影響雨養條件下小麥的最終產量。

 在本研究設置下，水分脅迫指數CWSI、葉綠素熒光指數（FLD法算得）以及類胡蘿卜素相關指數（PRI和CAR）均與產量表現出了較好的相關關系?；谝陨先齻€指標建立的多元回歸模型解釋了總產量變異的77%，具有顯著的統計學意義(p < 0.001)，被證明更適合于反演作物產量等復雜性狀。而被廣泛使用的歸一化指數NDVI在預測產量方面表現不佳，這可能是由于作物生長晚期受到脅迫的現象通常出現在特定的半干旱地區，這些地區的作物在營養生長期累積了充足的生物量表現出較高的NDVI，但在生殖生長期受脅迫影響使產量降低，NDVI無法有效地反應這個時期植被的變化。

該研究表明，在實際田間育種試驗條件下，使用高分辨率熱成像和高光譜遙感圖像數據，能夠在更復雜的環境變化條件下評估作物生長、監測作物性狀，為農作物產量預測和表型分析提供了可靠的數據依據。

研究案例2：冬小麥氮素和水分狀況評估

 根據國際糧農組織的數據，2018年，小麥占世界主要作物總收獲面積的15%，占世界氮肥總消耗量的17% (FAOstat, 2020年)。根據實際需求量調整施肥和灌溉是提高冬小麥氮素利用效率(NUE)和水分利用效率(WUE)，同時降低水和土壤污染，減少溫室氣體排放的重要策略。遙感作為一種有效工具，常用于通過監測作物氮(N)和水分狀況來進行定點施氮和灌溉，以減少農業實踐對環境的影響。但作物的生長受氮素和水分情況共同作業會產生混雜效應，使得從光譜數據區分不同缺素癥狀成為應用上的難題。

 西班牙馬德里政治大學J.L.Pancorbo等人使用機載可見光-近紅外高光譜和熱成像遙感監測氮素和水分狀況，評估該方法用于降低混雜效應的潛力。研究人員在西班牙中部進行了為期兩年的冬小麥(Triticum aestivum L.) 大田實驗，并設置了在4種施氮梯度和2種灌溉水平。分別在開花期采用葉片氣孔計測定作物水分狀況，在拔節中期、后期以及開花期測定植株氮素營養指數(NNI)。同時使用無人機搭載覆蓋可見光-近紅外區域(400-850nm)和部分短波紅外(950-1750nm)的高光譜成像和熱成像相機，在300m高度獲取實驗樣地的光譜圖像。

 在該實驗中，研究人員選取了冠層葉綠素含量指數CCCI來評估氮素水平，該指數可以減少土壤背景噪聲的影響，并與所有梯度下的NNI表現出了相關性(R2 > 0.44; P < 0.001)；同時使用地表溫度數據和植被指數梯形空間關系計算得到水分虧損指數WDI，能夠可靠的反應植被水分狀態。實驗結果表明，使用CCCI能夠有效區分因缺氮帶來的植物水分狀態的改變，而WDI更大程度上受水分狀態直接影響，結合CCCI和WDI評估作物NNI，相關系數提高到0.65，均方根誤差降低至0.109，表明高光譜和熱成像數據的結合可以有效反映植被氮素和水分水平，降低混雜效應的影響，可用于指導施肥和灌溉并做出及時、準確的調整，以滿足作物對氮素和水分的需求。

參考文獻：

[1] Victoria G D , Pilar H , Ignacio S , et al. Using High-Resolution Hyperspectral and Thermal Airborne Imagery to Assess Physiological Condition in the Context of Wheat Phenotyping[J]. Remote Sensing, 2015, 7(10):13586-13605.

[2] Pancorbo J L , Camino C , Alonso-Ayuso M , et al. Simultaneous assessment of nitrogen and water status in winter wheat using hyperspectral and thermal sensors[J]. European Journal of Agronomy, 2021, 127(3):126287.