在陸地生態系統中，森林是最大的有機碳庫，是陸地中重要的碳匯和碳源，因此了解森林生態系統在碳循環中的作用，對于研究陸氣系統的碳循環乃至全球碳循環都是一個基礎，具有重要的意義。易科泰光譜成像與無人機遙感技術研究中心最新推出Ecodrone?一體式高光譜-激光雷達無人機遙感系統，助力森林碳循環研究及應用。

性能特點：

50. 8旋翼專業無人機遙感平臺，搭載VNIR/NIR高光譜成像、機載PC及激光雷達可飛行作業20分鐘以上，有效覆蓋面積超10ha
50. 厘米級地面分辨率，50m高度高光譜成像地面分辨率達3.5cm，30m高度（用于高分辨率林木表型分析）地面分辨率可達2cm
50. 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
50. 高密度三維點云，精確度2.5cm，最高可達3次回波，50m飛行高度點云密度700pts/m2
50. 專業無人機遙感技術方案，同步獲取高光譜與激光雷達數據，應用軟件可直接得出近百種植被光譜反射指數、高密度三維點云、三維測量數據、分類點云、DTM等
50. 應用于大范圍、多維度的森林遙感研究、碳循環研究、林木三維表型測量、植被資源調查、森林物種多樣性研究、植被生物及非生物脅迫分析、環境及生態系統動態變化研究等

案例一：森林碳庫分布研究

森林地上生物量（AGB）的估算對于碳循環建模和氣候變化緩解方案的制定至關重要。來自意大利、美國和英國的研究人員將主動和被動傳感器結合，其中被動型高光譜數據記錄了潛在與森林生物量相關的冠層光譜信息，并將這些信息與主動型小型激光雷達獲取的參數相結合，實現了在不同尺度上對森林生態系統的有機碳分布進行遙感計算。

       研究區域位于塞拉利昂的戈拉雨林國家公園 (GRNP) 內，處于西非潮濕的上幾內亞森林帶的最西端，該地區的森林主要為濕潤低地常綠林，部分地區主要為干燥低地常綠和半落葉林類型。

圖1.1 位于塞拉利昂和利比里亞之間的研究區域

研究人員采用偏最小二乘回歸（PLSR）處理多輸入和多重共線性問題，計算投影中的重要性變量（VIP），以評價各預測因子對生物量的重要性。結果表明，當單獨使用高光譜波段時，其預測能力有限(R2 =0.36)，用植被指數替代高光譜波段的改善較小(R2 =0.67)，僅基于激光雷達指標，PLS預測AGB的決定系數（R2）為0.64，當再將高光譜波段添加到激光雷達度量中，精度得到了適度的提高（R2 =0.70）。

圖1.2 （左）不同輸入的預測與現場觀測AGB的散點圖：(A)激光雷達指標，(B)高光譜波段，(C)激光雷達指標和 VI，(D)激光雷達指標和高光譜波段；（右）7個高度等級，每個等級間隔10m的70個樣地(總面積= 87500m2)范圍的AGB和樹木數量

森林是碳的主要吸收者，它所固定的碳相當于其他植被類型的2倍，本研究中提出的高光譜和激光雷達數據融合相關的發現非常具有意義，有助于擴大該系統數據融合適用性的研究，進而對全球氣候變化研究做出更重要的貢獻。

案例二：森林碳匯定量評估比較

森林地上生物量生物量是影響氣候變化和森林生產力的重要因素，因此評估森林對碳匯和碳循環的貢獻程度具有重要的意義。韓國科研人員借助高精度激光雷達數據、數字航空攝影測量圖像、高光譜圖像等空間信息，對森林碳匯信息進行定量評估。

研究區位于韓國慶尚南道巨濟市，該區域森林密度相對較低，樹種多樣，森林資源豐富，選取研究區內2km*2km的區域進行數據采集。基于高光譜數據中每個樹種的光譜信息，使用馬氏距離法對樹種進行精確分類，基于高密度的LiDAR數據提取森林資源。

圖2.1 從左至右依次為：研究區；激光雷達數據；高光譜圖像

圖2.2 （左）樹種分類結果；（右）利用高密度激光雷達數據提取地理和森林資源的結果

將激光雷達與數字航拍圖像、高光譜圖像相結合計算了混交林、針葉林和闊葉林的碳匯，同時通過對森林資源的樹種和年齡信息進行量化，借助激光雷達和數字圖像信息對樹種、年份、區域的碳匯進行計算。利用激光雷達信息和圖像分析的基礎數據庫，對選定的區域、行政區、年份進行森林信息和碳匯評估分析，實現了精確地碳匯信息提取，結果如2.3/2.4所示。

圖2.3 多傳感器結合的混交林、針葉林和闊葉林的碳匯估算結果

圖2.4 基于激光雷達和圖像信息的森林信息和碳匯評估，從左至右：第一行（激光雷達數據；DSM；DEM；樹高信息）；第二行（樹種信息圖；增長量分析圖；碳吸收分布圖；土地覆蓋圖）

易科泰生態技術公司致力于生態-農業-健康研究發展與創新應用，為碳源碳匯定量評估、植被資源調查、生態環境監測、森林遙感研究、林木表型分析、林業測繪等領域提供一體化多傳感器立體遙感技術方案。

參考文獻：

[1] Laurin G V, Chen Q, Lindsell J A, et al. Above ground biomass estimation in an African tropical forest with lidar and hyperspectral data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 89: 49-58.

[2] Choi B G, Na Y W, Shin Y S. A Comparative Study of Carbon Absorption Measurement Using Hyperspectral Image and High Density LiDAR Data in Geojedo[J]. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography, 2017, 35(4): 231-240.