農業行業
紅樹林是海岸帶重要生態屏障，其樹種分布與葉面積指數（LAI）是反映生態系統健康的核心指標，對保護與修復工作至關重要。在漳江口紅樹林國家級自然保護區的研究中，采用杭州彩譜FS-60C無人機高光譜測量系統，高效實現了紅樹林樹種精細識別與葉面積指數精準反演。
該保護區內秋茄、桐花樹、白骨壤等優勢樹種交錯分布，傳統地面調查受潮汐、地形限制，效率低且難獲大范圍連續數據，葉面積指數傳統測量方法也耗時費力，無法滿足大尺度生態監測需求。彩譜FS-60C高光譜相機，光譜范圍400nm~1000 nm，分辨率2.5 nm，能捕捉樹種細微光譜差異；100 m飛行高度下地面分辨率達0.05 m，可清晰呈現冠層結構。其高信噪比超高速光譜掃描成像器件，保障了數據采集的穩定性與可靠性，為后續分析提供了高質量基礎數據。
研究團隊于2024年12月低潮時段開展航攝，以減少潮汐對成像的影響。采用大疆M300RTK作為無人機平臺，將研究區劃分為6塊進行分區采集，飛行高度100 m，正射地面分辨率4.71 cm，航線拍攝速度5 m/s，主航線角度87°。
原始高光譜數據經ENVI 5.3軟件進行輻射校正，消除大氣、太陽高度角等因素干擾，再通過彩譜軟件完成幾何配準與條帶拼接，形成完整的高光譜影像。同時，結合歸一化植被指數閾值法（0.53~1）對非紅樹林區域（潮間鹽水沼澤、水體、人工表面等）進行掩膜處理，并經人工判讀修訂，精準鎖定研究區域。
基于處理后的高光譜影像，研究采用面向對象多尺度分割方法，確定最優分割尺度25、合并尺度80，有效避免 “過分割” 或 “欠分割” 問題。從高光譜數據中提取原始波段、植被指數、紋理特征、形狀特征等信息，結合無人機 LiDAR 數據提取的高度特征與強度特征，構建323維超維特征集。
通過相關性分析剔除273維高冗余特征后，利用RF-RFE、XGBoost、LightGBM 三種算法篩選樹種識別敏感特征，取其交集得到包含波段特征、植被指數、紋理特征、形狀特征、高度特征的14維最優特征集。將該特征集輸入 Swin-UperNet 深度學習算法進行樹種識別，最終實現秋茄、桐花樹、白骨壤三種優勢樹種的精準區分。
在樹種識別基礎上，針對不同樹種分別篩選葉面積指數敏感特征，將其引入SVR、PLSR、BPNN三種估算算法，構建9種混合交叉模型。通過對比模型精度，確定各樹種最優反演模型：RF-RFE特征篩選與SVR算法結合適用于秋茄與白骨壤，XGBoost特征篩選與BPNN算法結合適用于桐花樹，實現了不同樹種葉面積指數的精準反演。
基于彩譜FS-60C高光譜相機獲取的數據，紅樹林樹種識別總體精度達91.18%，Kappa系數0.85，表明分類結果與實際情況吻合度較高。其中，桐花樹生產者精度92.08%，白骨壤生產者精度91.38%，秋茄生產者精度90.66%，漏分現象較少，為后續針對性的葉面積指數反演奠定了堅實基礎。
反演結果顯示，秋茄葉面積指數范圍為0.897~3.001，均值1.416；桐花樹葉面積指數范圍為 0.934~1.919，均值1.355；白骨壤葉面積指數范圍為0.913~2.221，均值1.443，均與實測數據高度接近。其中，白骨壤葉面積指數反演模型的R2達0.87，MAE 為0.02，RMSE為0.04，秋茄葉面積指數反演模型R2達0.81，MAE為0.09，RMSE為0.05，充分驗證了數據的可靠性。
通過該研究，清晰揭示了研究區紅樹林葉面積指數由北到南先減后增再減的空間分布趨勢，為分析紅樹林生長狀況與生態功能提供了精準數據支撐。同時，研究明確了高度特征與強度特征的協同作用對葉面積指數的重要影響，為紅樹林生態系統保護策略制定提供了科學依據。
彩譜FS-60C無人機高光譜測量系統憑借其高光譜分辨率、高空間分辨率及穩定的性能，在紅樹林生態監測中展現出強大的應用潛力。其采集的高質量數據，能夠有效支撐樹種精細識別與葉面積指數精準反演，大幅提升生態監測的效率與精度，為紅樹林保護、修復與管理提供了高效、可靠的技術手段。未來，該系統還可廣泛應用于森林資源調查、濕地生態監測、農作物長勢評估等多個領域，為生態環境保護與可持續發展提供有力支撐。
產品推薦
l 光譜范圍：400-1000nm
l 光譜分辨率：2.5nm
l 光譜波段：1200
l 空間像素數：1920
