易科泰推出無人機遙感森林病蟲害研究監測技術方案——Ecodrone^® UAS-8高分辨率高光譜-紅外熱成像無人機遙感平臺：
      1.8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
      3.50m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.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“儀器設備十大新銳產品”
      7.應用于精準農業研究、林木表型遙感、病蟲害監測、森林資源調查評估、生物多樣性監測等



主要技術指標：
研究案例1：大面積橄欖樹黃萎病的早期檢測和定量研究

      橄欖樹黃萎病（VW）是一種由大麗輪枝菌引起的主要通過土壤進行迅速傳播的疾病，這種真菌通過感染植物根部，阻塞水流并關閉氣孔降低蒸騰速率，從而造成水分蒸發減少，使樹冠溫度升高，最終導致葉片褪綠和落葉。因此，盡早發現感染有助于避免病原體向新的區域傳播，尤其是對于尚未感染病原體的區域，有助于進行提前預防和實施優化改良措施。

      西班牙研究人員利用無人機遙感平臺搭載高光譜相機和紅外熱成像相機，對西班牙南部塞維利亞省Ecija地區的3000公頃包含不同土壤和作物管理特點的商業化橄欖樹地塊進行遙感成像，獲得了該區域每棵樹的標準冠層溫度(Tc-Ta) 和260個通道的光譜數據，基于該數據并通過降維處理，使用線性判別分析（LDA）和支持向量機（SVM）兩種方法對黃萎病的侵染程度進行了大規模遙感評估分類。       結果顯示，對于整個數據集，LDA的總精度為59.0%，SVM的總精度為79.2%，SVM 得到了更高的總體準確率。而LDA對初始感染VW和嚴重程度較低級別的樹木進行了更好的分類，準確率分別達到71.4%和75.0%。研究還發現歸一化冠層溫度、葉綠素熒光、結構指數、葉黃素、葉綠素、類胡蘿卜素和疾病指標是判斷黃萎病感染早期和晚期的最佳指標。結果表明，這種在大范圍果園尺度研究重開發的方法適用于對包含不同土壤類型和作物管理特征的橄欖樹園的大面積監測。
研究案例2：杏樹紅葉斑病早期檢測和量化

      杏樹是一種重要的經濟作物，其果仁具有良好的藥用價值，廣泛應用于食品、化妝品及醫藥等領域。而紅葉斑病是影響杏樹的主要真菌性葉面病害之一，通過無人機遙感技術建立杏樹染病的田間地圖，可準確并盡早地發現疾病，評估其染病嚴重程度，從而進行合理噴藥，實現精準農業管理。       西班牙國家研究委員會農業研究所研究人員基于無人機遙感技術，通過高分辨率紅外熱成像和高光成像獲取冠層溫度和植被指數，在葉片和冠層水平上評估了杏樹紅葉斑病的影響，采用LDA、SVM等不同方法組合對紅葉斑嚴重程度進行量化和判別。研究發現，葉綠素、類胡蘿卜素指數和葉綠素熒光對紅葉斑點病的早期診斷效果較好。線性模型在區分無癥狀植株和紅葉斑病感染晚期植株方面表現出更好的效果，而非線性SVM方法在區分無癥狀植株和紅葉斑病感染早期植株方面表現較好。另外，葉片尺度上的氣孔導度、葉綠素含量、葉綠素熒光、光化學反射指數和光譜反射率的測量結果表明，健康葉片與有癥狀葉片的綠色區域之間無顯著差異。本研究表明，使用高分辨率高光譜影像和紅外熱成像數據對紅葉斑病進行早期檢測和量化具有可行性。
參考文獻：
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.