油棕榈树真菌疾病检测
项目单位:马来西亚沙捞越林业部门 项目简介:飞行采集速度为50m/s,数据地面分辨率0.5m,数据波段范围为VNIR(400-1000nm) | 
|
罂粟的检测
项目单位:美国SpecTIR 项目简介:阿富汗的罂粟植被检测 | 
|
高光谱数据和雷达数据的融合
项目单位:加拿大维多利亚大学 项目简介:利用两种数据的融合,可以得到树木的高度和体积,种类识别和分布以及生物量和树木健康情况 | 
|
水质检测
项目单位:国家海洋局 项目简介:Aisa机载高光谱航空遥感系统,检测水中有机物的含量 | 

|
漏油监测
项目单位:美国SpecTIR 项目简介:墨西哥湾漏油事件,SpecTIR公司利用Aisa采集漏油水面数据,用于监测敏感的海岸湿地的状态,并进行灾害影响预估 | 
|
矿物酸性废水监测
项目单位:美国SpecTIR 项目简介:采集400-2500nm的高光谱数据,地面分辨率为1m,检测酸性矿物对水质的影响 | 
|
矿物勘查
项目单位:美国SpecTIR 项目简介:Aisa采集400-2500nm矿物高光谱数据,进行矿物含量的分析 | 
|
矿物勘查
项目简介:AisaOWL在夜间采集7.6-12um高光谱数据,含有丰富的地形特征,并且整套设备没有移动的部件,不受不稳定的气流和类似傅里叶红外光谱仪移动装置的影响 | 
|
伪装探测
项目单位:美国SpecTIR 项目简介:覆盖伪装网的目标,在正常视觉条件下,无法识别,根据高光谱数据中的光谱信息,探测其与周围环境的不同,进行伪装识别 | 
|
■ 芬兰SPECIM AisaFENIX(400-2500nm)和AisaOWL(7.7-12um) 机载高光谱系统在矿物勘查中的应用
高光谱遥感技术凭借其“图谱合一”的特点(图像和光谱结合)成为近些年遥感领域研究的热点。由于在短波和长波红外光谱中包含许多矿物的光谱特征,短波和长波红外高光谱遥感技术为矿物勘查提供了一种独特和高效的的识别手段。本案例是以色列特拉维夫大学利用芬兰SPECIM AisaFENIX(400-2500nm)和AisaOWL(7.7-12um) 机载高光谱系统,在拉蒙峡谷地区同时采集短波和长波红外机载高光谱数据,通过计算短波红外和长波红外区域图像中各像素点的反射率和发射率光谱,提取矿物识别指标,分析识别出该区域的主要矿物—高岭石、方解石、白云石、石英、长石和石膏,并绘制了其在地表的矿物分布图。

图1 两条航带矿物识别图,a 为基于SWIR数据,b为基于LWIR数据
研究对AisaFENIX和AisaOWL传感器在以色列拉蒙峡谷上空采集的两组机载数据进行了分析,成功识别了高岭石、方解石、白云石、石英、长石、粘土矿物,石膏和碳酸盐矿物等,最终生成的矿物勘查图也与该地区的地理地图匹配一致。这一研究结果表明了短波红外和长波红外与高光谱技术相结合对更好地识别矿物及绘制地表矿物图具有重要意义。
参考文献:Integration of Hyperspectral Shortwave and Longwave Infrared Remote-Sensing Data for Mineral Mapping of Makhtesh Ramon in Israel. Remote Sens. 2016, 8, 318; doi:10.3390/rs8040318
■ 芬兰SPECIM AisaFENIX1K机载光学全谱段遥感林火监测
本应用案例主要介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy(Chinese Academy of Forestry’s LiDAR,Thermal,CCD and Hyperspectral airborne observation system,即芬兰SPECIM AisaFENIX1K机载光学全谱段遥感系统),利用该系统所采集的多源遥感数据即正射影像、冠层高度模型、高光谱影像、热红外影像,分析其在森林火灾监测评价中的潜力,并以四川省西昌市“3.30 森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例,表明该系统可有效森林火灾的灾情信息、火场及火环境参数,可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。

图1. AisaFENIX1K机载遥感观测系统
此次研究的数据采集主要是针对2020-03-30发生森林火灾的泸山风景区,在明火全部扑灭后,完成航飞采集任务。该地区的乔林木主要以云南松为 主 , 零 星 分 布 少 量 赤 桉、杨树和栎树,林下有马桑、杜鹃、坡柳等灌木,以及黄茅、草、 莎草、 紫 茎 泽 兰等地被物。在春末干燥高温环境下,易于发生森林火灾。

(a)不同烈火程度的CCD影像

(b)不同林火烈度的高光谱影像(R = 887.07 nm,G = 668.89 nm,B = 580.26 nm)
图2. 不同烈火程度的CCD影像和高光谱影像
中国林业科学研究院机载光学全谱段遥感系统 CAF-LiTCHy 集成了激光雷达扫描仪、热红外相机、CCD 相机、高光谱传感器等 4 种对地观测传感器,可同时获取观测区域内地物的垂直和水平结构、光谱以及温度等信息,其中:CCD 相机和高光谱相机具备对地物类型、植被状态 (树木冠幅、植被长势、水分含量、叶面积指数等)、火灾损失程度等灾情信息观测能力,其影像可用于地物类型识别、植被参数提取、火烧迹地识别、以及灾情评估等,从而为火行为预报模型提供精准的可燃物及环境参数。
参考文献:
庞勇,荚文,覃先林,斯林,梁晓军,林鑫,李增元 .2020. 机载光学全谱段遥感林火监测 . 遥感学报,24(10):1280-1292
Pang Y,Jia W,Qin X L,Si L,Liang X J,Lin X and Li Z Y. 2020. Forest fire monitoring using airborne optical fullspectrum remote sensing data. Journal of Remote Sensing(Chinese),24(10):1280-1292[DOI:10.11834/jrs.20200290]
■ 基于高光谱数据的山地植被分类研究
本文探讨了利用AisaFENIX高光谱航空影像在山地农业植被分类中的应用,高光谱数据提供了对农场景观进行详细分类和量化的可能性,补充了当地专家的知识,增加了决策的可信度。本次实验作为新西兰Ravensdown/MPI PGP项目“Pioneering to Precision”的一部分,使用AisaFENIX高光谱成像仪对八个不同的农场(5个在新西兰北部,3个在新西兰南部)进行数据采集,得到在380-2500 nm范围内有448个光谱波段,空间分辨率为1米的高光谱数据。PGP项目的主要目标是根据光谱信息绘制土壤肥力图,以相同的空间分辨率分别在春秋季节进行高光谱图像采集。利用各种数据预处理和分类技术,对农场的牧草成分进行了分类,以确定哪种组合能提供最佳的精度;用支持向量机(SVM)对草地进行分类,准确率达99.59%。对同一两个农场的额外景观成分进行了分类。分类为非牧场牧草地面覆盖物的成分包括:水、履土壤、麦卢卡、灌木丛、树胶、杨树和其他树种。通过研究分析证明高光谱技术可成功地用于高精度的植被分类,同时也可应用于景观要素分类和量化,比如肥料和农场经营管理、农村估价、农场战略管理和规划等。

参考文献:
Cushnahan, TYule, IJGrafton, MCE, Pullanagari, R, White, M The classification of hill country vegetation from hyperspectral imagery Occasional Report Number 30, 2017, pp. 1 - 9 (9)
高光谱航空遥感成像系统-AISA——油污检测

点击下载-油污检测相关资料.pdf
高光谱航空遥感成像系统-AISA——矿产勘查

点击下载-矿产勘查相关资料.pdf
高光谱航空遥感成像系统-AISA——森林研究

点击下载-森林研究相关资料.pdf
高光谱航空遥感成像系统-AISA——珊瑚礁测绘

点击下载-珊瑚礁测绘相关资料.pdf
高光谱航空遥感成像系统-AISA——水文研究风险评估

点击下载-水文研究风险评估相关资料.pdf
高光谱航空遥感成像系统-AISA——叶绿素与蓝藻蛋白分布

点击下载-叶绿素与蓝藻蛋白分布相关资料.pdf
高光谱航空遥感成像系统-AISA——海洋测深

点击下载-海洋探测相关资料.pdf
高光谱航空遥感成像系统-AISA——精准农业

点击下载-精准农业相关资料.pdf
高光谱航空遥感成像系统-AISA——树木病情监测

点击下载-树木病情监测相关资料.pdf
更多应用案例,请您致电010-85120277/78/79/80 或 写信至 info@qd-china.com 获取。