無人機遙感技術，以其快速響應和高效覆蓋，為湖泊及水域水華分布提供了實時監(jiān)測能力。通過分析特定波長的光譜反射率信號來識別水體中藻類的種類和豐度等信息，從而對水華現(xiàn)象進行有效監(jiān)測和預警，還能夠同步監(jiān)測水體透明度、懸浮物、總氮、總磷等多個水生態(tài)環(huán)境參數(shù)。無人機遙感技術不僅能夠提供藻類水華的空間分布特征，還能對研究區(qū)大型藻類高度和生物量進行評估，有助于精確藻類識別、大型藻類生長狀況監(jiān)測、藻華監(jiān)測、高度及生物量評估，為水環(huán)境管理和保護提供更加有效的工具。

易科泰公司設立有光譜成像與無人機遙感技術研究中心，基于自主研發(fā)設計Ecodrone®品牌4旋翼輕便型無人機和8旋翼無人機專業(yè)遙感平臺及云臺，搭載高光譜、多光譜、Thermo-RGB以及高精度測深LiDAR等，組成完整的Ready-to-fly一體式無人機系統(tǒng)，具備系統(tǒng)高精度、高分辨率成像、三維點云高密度以及一機多能等特點，為藻類研究與監(jiān)測提供全面的低空遙感技術解決方案。

ü Ecodrone®輕便型一體式多光譜-紅外熱成像無人機遙感系統(tǒng)

ü Ecodrone®一體式高光譜-激光雷達無人機遙感系統(tǒng)

ü Ecodrone®一體式高光譜-紅外熱成像無人機遙感系統(tǒng)

ü Ecodrone®一體式高光譜-紅外熱成像-激光雷達無人機遙感系統(tǒng)

ü Ecodrone®水深與地形測量LiDAR無人機遙感系統(tǒng)

應用案例1：藍藻水華豐度及風險評估

藍藻是廣泛分布的光合微生物群體，通常在溫暖、營養(yǎng)豐富的淡水和咸水湖泊中占主導地位。藍藻已知能產(chǎn)生多種毒素，是全球飲用水和灌溉水源以及漁業(yè)的主要威脅因素。因此，藍藻的相對豐度參數(shù)被認為是內(nèi)陸和沿海水域質(zhì)量的重要指標。因此，量化藍藻的相對豐度有助于環(huán)境機構(gòu)、水務部門、公共衛(wèi)生組織等機構(gòu)及時發(fā)出藍藻水華預警。國內(nèi)研究學者基于高光譜成像技術開發(fā)了一個經(jīng)驗模型，可以估算藍藻藻藍素（PC）和葉綠素a（Chl-a）的濃度比，進而檢測藍藻在內(nèi)陸水域中的相對豐度?；?/span>遙感反演的PC:Chl-a成果可以快速推進內(nèi)陸水域中藍藻風險的初步評估，極大地提高管理內(nèi)陸水域質(zhì)量的能力。

應用案例2：藻類生長狀態(tài)監(jiān)測

海水養(yǎng)殖研究中，由于海水受洋流、潮汐等影響處于不斷變化中，這對藻類的生長及代謝行為影響巨大。為精細化檢測藻類生長情況，結(jié)合高分辨率多光譜數(shù)據(jù)，通過對比正射影像和NDVI，可非常清晰地看到不同養(yǎng)殖網(wǎng)或同一養(yǎng)殖網(wǎng)不同區(qū)域其植被生長狀況均有明顯差別。如下兩圖，NDVI發(fā)藍對應正射影像中紫菜附著茂密區(qū)域，說明此處紫菜生長狀況良好。而NDVI發(fā)黃對應正射影像中紫菜附著稀疏區(qū)域，則說明該區(qū)域紫菜生長緩慢，半浮于水面，或由于受到某種脅迫致使生長緩慢。

研究表明，無人機多光譜成像技術在大型藻類養(yǎng)殖監(jiān)測中可精確、可視化反應藻類的生長現(xiàn)狀，是否遭受脅迫等，為養(yǎng)殖及研究人員提供科學依據(jù)，指導精細化應對，提高養(yǎng)殖藻類的產(chǎn)量及質(zhì)量水平。

應用案例3：潮間帶大型藻類的無人機高光譜測繪

潮間帶的大型藻類群落標志著海洋領域的邊界，對這些資源的有效和可持續(xù)管理必須建立在準確、高效的環(huán)境數(shù)據(jù)收集基礎上。無人機高光譜遙感技術的快速發(fā)展，使得快速大面積區(qū)域調(diào)查成為現(xiàn)實。

愛爾蘭相關研究人員提出了一種詳細的評估方法，基于多旋翼無人機和推掃式高光譜傳感器來研究重要的經(jīng)濟和生態(tài)上都極為重要的潮間帶棕色大型藻類——Ascophyllum nodosum（褐藻）。經(jīng)分析驗證，無人機高光譜成像技術可以準確地識別A. nodosum和其他常見的潮間帶物種和基質(zhì)，并可視化顯示其空間分布，總體準確率為94.7%。

研究結(jié)果表明，無人機搭載的高光譜遙感技術能夠有效地對潮間帶大型藻類進行分類和可視化呈現(xiàn)，清楚地展示了無人機高光譜成像技術在大型藻類棲息地研究、資源管理和保護等方面有著巨大的潛力。

應用案例4：利用測深Lidar評估大型藻類生物量

藻類在沿海區(qū)域提供許多生態(tài)功能，繪制和監(jiān)測沿海大型藻類資源的能力對行業(yè)和監(jiān)管機構(gòu)都很重要，對這些資源的有效和可持續(xù)管理必須建立在準確、高效的數(shù)據(jù)收集基礎上。Ascophyllum nodosum（褐藻）主要生長潮間帶到淺水亞潮帶，是加拿大重要的商業(yè)藻類。了解褐藻分布及生物量，對于研究藻類資源及種群動態(tài)是至關重要的。

通過衛(wèi)星圖像分類可以實現(xiàn)低潮時暴露的巖藻的面積分布圖，并進行生物量計算，但是并非所有的沿海區(qū)域都能在低潮時進行及時調(diào)查。這種單一的方式使得調(diào)查褐藻分布變的挑戰(zhàn)性。測深激光雷達可以在漲潮時輕松獲取浮游褐藻冠層頂部附近的回波及海床的地形地貌。相關人員使用測深lidar對海洋潮間帶的大型藻類進行了研究，并與衛(wèi)星多光譜數(shù)據(jù)進行了對比。

研究發(fā)現(xiàn)，激光雷達憑借其多次回波和足夠的冠層穿透能力，可以繪制漲潮時的褐藻冠層和海床點云圖，從而計算褐藻的高度、估算生物量。結(jié)果表明，通過衛(wèi)星圖像分類可以實現(xiàn)低潮時暴露的褐藻的面積分布圖繪制，使用測深激光雷達技術可以在漲潮期估算密集大型藻類的高度和生物量。

應用案例5：生物土壤結(jié)皮與沙丘石英的高光譜繪制

生物土壤結(jié)皮（BSCs），由藍藻、藻類、苔蘚、地衣和真菌組成，是重要的生態(tài)系統(tǒng)組成部分，在穩(wěn)固土壤/沙丘、水土保持以及、固氮固碳、促進生態(tài)平衡方面發(fā)揮著至關重要的作用。隨著生物土壤結(jié)皮的發(fā)展與成熟，地表的土壤顆粒也逐漸被整合到它們的組織中。當其在富含石英的環(huán)境（如沙丘）中生長時，地表石英含量及BSC的發(fā)展是相輔相成的。通過機載高光譜成像技術不僅能夠精確評估BSCs的成熟度，還能為富含石英環(huán)境中的生態(tài)研究提供堅實的科學基礎。

生物土壤結(jié)皮對位于以色列-埃及邊境附近的Nitzana研究區(qū)富含石英的沙丘局域具有很大的穩(wěn)固作用，研究人員利用長波紅外高光譜LWIR技術評估了被BSC覆蓋的沙丘場表面的石英含量，并將其與BSCs的發(fā)展成熟度進行相關性分析。結(jié)果表明，朝北、發(fā)育良好、成熟的BSC表現(xiàn)出較弱的石英光譜特征；朝南的BSC發(fā)育程度較低，對石英光譜特征的掩蓋程度較小；裸砂則表現(xiàn)出石英光譜特征。將機載高光譜結(jié)果與10個地面驗證點的數(shù)據(jù)對比，相關系數(shù)達到0.88。研究結(jié)果證明，利用機載高光譜成像技術可以有效的評估石英分布及含量，進而推進對于富含石英環(huán)境中BSCs的發(fā)展研究提供可靠的科學依據(jù)。

參考文獻：[1] Rossiter T, Furey T, McCarthy T, et al. UAV-mounted hyperspectral mapping of intertidal macroalgae[J]. Estuarine, Coastal and Shelf Science, 2020, 242: 106789.

[2] Webster T, MacDonald C, McGuigan K, et al. Calculating macroalgal height and biomass using bathymetric LiDAR and a comparison with surface area derived from satellite data in Nova Scotia, Canada[J]. Botanica marina, 2020, 63(1): 43-59.

[3] Shi K, Zhang Y, Li Y, et al. Remote estimation of cyanobacteria-dominance in inland waters[J]. Water research, 2015, 68: 217-226.

[4] Che S, Du G, Wang N, et al. Biomass estimation of red algae Pyropia using unmanned aerial platform based multispectral imaging[J]. Plant Methods, 2021, 17: 1-13.

[5] Weksler S, Rozenstein O, Ben-Dor E. Mapping surface quartz content in sand dunes covered by biological soil crusts using airborne hyperspectral images in the longwave infrared region[J]. Minerals, 2018, 8(8): 318.