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

 1.旋翼專業(yè)無人機(jī)遙感平臺，搭載AFX高光譜成像、機(jī)載PC及紅外熱成像可飛行作業(yè)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(dá)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(dá)2cm

 3.高單樣線飛行作業(yè)可自動(dòng)采集形成寬度36m的樣帶高光譜成像大數(shù)據(jù)

 4.科研級Thermo-RGB成像：640×512像素，多點(diǎn)黑體校準(zhǔn)，靈敏度50或30mK，測溫范圍-25℃-150℃/-40℃-550℃，在線實(shí)時(shí)溫度測量分析，10倍光學(xué)變焦RGB鏡頭，全高清畫質(zhì)，磁編碼自穩(wěn)云臺，實(shí)時(shí)姿態(tài)調(diào)整，可選配CWSI成像，實(shí)時(shí)測量作物水分脅迫指數(shù)

 5.專業(yè)無人機(jī)遙感技術(shù)方案，同步獲取高光譜與紅外熱成像數(shù)據(jù)，應(yīng)用軟件可直接得出90多個(gè)VI（植物光譜反射指數(shù)）、F（葉綠素?zé)晒猓?、?biāo)準(zhǔn)化冠層溫度、CWSI（水分脅迫指數(shù)）等

 6.榮獲2020年檢驗(yàn)檢測認(rèn)證認(rèn)可行業(yè)年度風(fēng)云榜“儀器設(shè)備新銳產(chǎn)品"

 7.應(yīng)用于精準(zhǔn)農(nóng)業(yè)研究、作物表型遙感、病蟲害監(jiān)測、農(nóng)作物產(chǎn)量評估、生物多樣性監(jiān)測等

主要功能參數(shù)：可分析近百個(gè)高光譜-紅外熱成像參數(shù)

1.熱成像參數(shù)：CWSI、Tc-Ta等

2.冠層結(jié)構(gòu)參數(shù)：NDVI、RDVI、OSAVI、MCARI、MSAVI等

3.葉綠素?zé)晒鈪?shù)：CUR、DPi、葉綠素?zé)晒庵笖?shù)等

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

5.葉黃素指數(shù)：PRI、PRIn、PRIm等

6.指數(shù)，如綠度指數(shù)等

7.植物健康指數(shù)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(zhì)攝入量，全球小麥平均增產(chǎn)率為0.9%，而需求增長預(yù)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(chǎn)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(fā)遺傳基因改良的新途徑至關(guān)重要，被認(rèn)為是能夠在現(xiàn)實(shí)種植系統(tǒng)中提供所需產(chǎn)量和準(zhǔn)確描述性狀表現(xiàn)的方法。

 西班牙高等學(xué)術(shù)研究委員會(huì)現(xiàn)代農(nóng)業(yè)研究所GD Victoria等使用機(jī)載高光譜成像和紅外熱成像系統(tǒng)，分別在拔節(jié)早期和灌漿期，同時(shí)對包括兩個(gè)物種(普通小麥和硬粒小麥)、50個(gè)品種在內(nèi)的共150個(gè)小麥試驗(yàn)樣地，采集了兩組航空遙感數(shù)據(jù)集：

 熱成像和高光譜數(shù)據(jù)能夠?qū)γ總€(gè)地塊提取熱輻射信息、光譜信息、輻射亮度和反射率，用于計(jì)算與可見光和紅邊區(qū)域光合色素吸收相關(guān)的指數(shù)，葉綠素?zé)晒獍l(fā)射的量化，以及與冠層結(jié)構(gòu)相關(guān)的結(jié)構(gòu)指標(biāo)。與飛行作業(yè)同步獲取的地面生理指標(biāo)數(shù)據(jù)表明，第二次遙感監(jiān)測時(shí)，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(yǎng)條件下小麥的最終產(chǎn)量。

 在本研究設(shè)置下，水分脅迫指數(shù)CWSI、葉綠素?zé)晒庵笖?shù)（FLD法算得）以及類胡蘿卜素相關(guān)指數(shù)（PRI和CAR）均與產(chǎn)量表現(xiàn)出了較好的相關(guān)關(guān)系?；谝陨先齻€(gè)指標(biāo)建立的多元回歸模型解釋了總產(chǎn)量變異的77%，具有顯著的統(tǒng)計(jì)學(xué)意義(p < 0.001)，被證明更適合于反演作物產(chǎn)量等復(fù)雜性狀。而被廣泛使用的歸一化指數(shù)NDVI在預(yù)測產(chǎn)量方面表現(xiàn)不佳，這可能是由于作物生長晚期受到脅迫的現(xiàn)象通常出現(xiàn)在特定的半干旱地區(qū)，這些地區(qū)的作物在營養(yǎng)生長期累積了充足的生物量表現(xiàn)出較高的NDVI，但在生殖生長期受脅迫影響使產(chǎn)量降低，NDVI無法有效地反應(yīng)這個(gè)時(shí)期植被的變化。

該研究表明，在實(shí)際田間育種試驗(yàn)條件下，使用高分辨率熱成像和高光譜遙感圖像數(shù)據(jù)，能夠在更復(fù)雜的環(huán)境變化條件下評估作物生長、監(jiān)測作物性狀，為農(nóng)作物產(chǎn)量預(yù)測和表型分析提供了可靠的數(shù)據(jù)依據(jù)。

研究案例2：冬小麥氮素和水分狀況評估

 根據(jù)國際糧農(nóng)組織的數(shù)據(jù)，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(jù)實(shí)際需求量調(diào)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(shí)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(jiān)測作物氮(N)和水分狀況來進(jìn)行定點(diǎn)施氮和灌溉，以減少農(nóng)業(yè)實(shí)踐對環(huán)境的影響。但作物的生長受氮素和水分情況共同作業(yè)會(huì)產(chǎn)生混雜效應(yīng)，使得從光譜數(shù)據(jù)區(qū)分不同缺素癥狀成為應(yīng)用上的難題。

 西班牙馬德里政治大學(xué)J.L.Pancorbo等人使用機(jī)載可見光-近紅外高光譜和熱成像遙感監(jiān)測氮素和水分狀況，評估該方法用于降低混雜效應(yīng)的潛力。研究人員在西班牙中部進(jìn)行了為期兩年的冬小麥(Triticum aestivum L.) 大田實(shí)驗(yàn)，并設(shè)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(jì)測定作物水分狀況，在拔節(jié)中期、后期以及開花期測定植株氮素營養(yǎng)指數(shù)(NNI)。同時(shí)使用無人機(jī)搭載覆蓋可見光-近紅外區(qū)域(400-850nm)和部分短波紅外(950-1750nm)的高光譜成像和熱成像相機(jī)，在300m高度獲取實(shí)驗(yàn)樣地的光譜圖像。

 在該實(shí)驗(yàn)中，研究人員選取了冠層葉綠素含量指數(shù)CCCI來評估氮素水平，該指數(shù)可以減少土壤背景噪聲的影響，并與所有梯度下的NNI表現(xiàn)出了相關(guān)性(R2 > 0.44; P < 0.001)；同時(shí)使用地表溫度數(shù)據(jù)和植被指數(shù)梯形空間關(guān)系計(jì)算得到水分虧損指數(shù)WDI，能夠可靠的反應(yīng)植被水分狀態(tài)。實(shí)驗(yàn)結(jié)果表明，使用CCCI能夠有效區(qū)分因缺氮帶來的植物水分狀態(tài)的改變，而WDI更大程度上受水分狀態(tài)直接影響，結(jié)合CCCI和WDI評估作物NNI，相關(guān)系數(shù)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(shù)據(jù)的結(jié)合可以有效反映植被氮素和水分水平，降低混雜效應(yīng)的影響，可用于指導(dǎo)施肥和灌溉并做出及時(shí)、準(zhǔn)確的調(diào)整，以滿足作物對氮素和水分的需求。

參考文獻(xiàn)：

[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.