饲草质量监测(FFM)分析传统上使用生物量取样来计算每公顷(t ha-1)的生物量产量。目前的研究项目是使用基于无人机(uav)的遥感系统的反射光谱学方法。近年来的良好结果证明，该系统主要适用于中小型农田的空气监测在农业应用中的精准农业，如作物和草地的生物量。以多光谱多相机系统形式的成像系统经常被用来有效地推导确定的植被指数(VIs)。然而，由于采用硅基传感器，这种多相机系统的光谱应用范围仅限于可见(VIS)和近红外(NIR)波长范围(400-1000nm)。因此，在短波红外中与生物量有关的更可靠的指标(如纤维素或水分含量)不能被认为是估计值。
在一个联合研究项目中，来自科布伦茨应用科学大学的一个小组和科隆大学的遥感和地理信息系统小组开发了一种基于无人机的多相机系统来收集近红外欧洲杯线上买球/SWIR数据，以证明生物量监测的更可靠和更好的估计器。图1中显示的系统显示了光谱摄像机单元(SCU)和传感器管理单元(SMU)，两者都安装在无人机解决方案上。SCU部署了两台猛禽猫头鹰640 M Vis-SWIR摄像机，能够覆盖600到1700 nm的电磁波谱。这些相机模块之所以被选中，是因为它们优化了“尺寸、重量和功率”参数。由于体积小、节能的非制冷(无tec)设计和高灵敏度，这些模块非常适合将多个摄像头模块集成到一个轻量级的、基于无人机的日间操作遥感系统中。另一个优点是可互换的镜头支架用于定制的滤光法兰解决方案，以适应特定应用的窄带通滤波器的光路。
本研究旨在验证一种新开发的用于牧草质量监测的VNIR/SWIR多相机原型机的光谱性能并研究其光谱图像数据。为此，该系统于2019年7月在德国科隆(棋盘试验)附近的一个永久性试验性草地上，在晴朗的天空条件下获得了航空图像数据。采用ASD Fieldspec3 (FS3)光谱辐射计采集12个选定地块的地面真实光谱数据。在飞行后14天，对所有156个试验区进行破坏性生物量取样，获得了牧草干物质产量(DMY)表达量。
为了评价VNIR/SWIR相机系统的光谱特性，直接将单个光谱波段的反射率值以及两个导出的VIs、NRI (Koppe et al. 2010)3和GnyLi (Gnyp et al. 2014)4与相应的FS3值进行比较。此外，在简单线性回归模型中进一步分析了基于相机和fs3的VIs作为DMY的估计器。基于相机的单反的R2为0.71到0.75。这对于单个飞行日期数据集来说是很有希望的结果。然而，为了证实这些结果，还需要进一步的多时相研究和先进的评价方法。此外，氮浓度和粗蛋白质含量的估算模型还有待进一步研究。目前正在调查对谷类作物的评估。最终，这些首次有前景的评估结果表明，这些新型InGaAs传感器适合用于基于无人机的植被监测的多摄像机系统。它们提供了易于使用的数据，在600 - 1700nm的整个光谱范围内，在选定的波段内具有出色的空间分辨率。
阅读完整的应用程序的注意．
为什么不和我们讨论一下你潜在的猛禽相机应用。联系(电子邮件保护)获取更多关于如何设置团队呼叫的信息!