联系电话:17795608720

固定电话:029-81124223

回顶

AisaIBIS空陆双基SIF叶绿素荧光高光谱成像系统

2021-07-02 14:26:30.0 / 2158人浏览 / 0人评论

左图、中图引自ESA Bulletin 116;右图由易科泰EcoTech®实验室提供

      Kautsky  Hirsch 于1931年首次发表论文“CO2同化新实验”,报道了用肉眼发现叶绿素荧光现象,荧光强度的变化与CO2同化速率呈负相关。Ladislav Nedbal教授与Martin Trtilek博士等基于脉冲调制技术(PAM,Pulse Amplitude Modulated technique)与CCD技术,于1996年研制成功FluorCam叶绿素荧光成像技术(Nedbal etc, 2000),使叶绿素荧光得以在二维和显微(细胞与亚细胞水平)水平上进行成像分析。PAM技术基于人工激发光(脉冲调制测量光、光化学光、饱和光脉冲)Protocols诱导成像,如何在自然光(太阳光)条件下对叶绿素荧光进行成像测量,从而实现对植物光合作用成像作图(mapping),成为科学家特别是生态观测、农业遥感等领域科学家的梦想。

      AisaIBIS叶绿素荧光高光谱成像仪由芬兰Specim公司与德国Juelich研究中心为欧洲太空局(ESA)地球探测项目(SIFLEX)研制的Hyplant传感器,是世界上第一款商业化高光谱叶绿素荧光成像仪,采用夫琅和费线深度法,可以检测太阳辐射诱导叶绿素荧光(Sun-induced Fluorescence),用于陆空双基植物叶绿素荧光高光谱成像测量分析,可得到NDVI、EVI、F760(植物叶绿素荧光)等参数。

      作为一款功能强大的超高光谱分辨率空陆双基成像系统,适用于地面及航空遥感SIF叶绿素荧光高光谱成像测量,AisaIBIS采用“夫琅和费线深度法”该方法在670 - 780nm的特定光谱区域内,可对两条吸氧谱线底部的微弱荧光信号进行检测和定量。结合高光通量成像光谱仪和先进的sCMOS成像技术,可在飞行条件下以较高的成像速率和优异的光谱采样间隔(0.11nm)采集高质量、低噪声、高动态范围和信噪比的叶绿素荧光高光谱数据,可以安装在易科泰光谱成像与无人机遥感研究中心提供的近地面遥感平台、通量塔或者航空遥感平台,得到不同尺度的NDVIEVIF760(植物叶绿素荧光)等参数。适用于农业、林业、草原、湿地生态系统观测,如光合作用与植被胁迫(如病虫害、干旱等)研究、大田作物表型与种质资源检测、生态系统生产力与作物产量评估等。

功能特点

  • 推扫式高光谱成像技术,采用“夫琅和费线深度法获取SIF叶绿素荧光成像数据,使太阳光诱导叶绿素荧光测量提高到高空间分辨率水平
  • 科研级超高性能,光谱采样率达到0.11/0.22nm,高透光率F/1.7,高信噪比680:1
  • 陆空双基,既可用于航空遥感,也可以安装于近地面遥感平台、通量塔,以获取不同尺度日光诱导叶绿素荧光高光谱成像数据
  • 结合易科泰生态技术公司提供的便携式叶片水平叶绿素荧光测量设备,可以满足不同尺度水平的观测研究
  • 可配置易科泰生态技术公司提供的全波段高光谱成像技术、Thermo-RGB红外热成像与RGB融合成像分析技术等

技术指标:

1. SIF叶绿素荧光高光谱成像传感器

    1. CMOS科研级检测器,快照模式,珀尔贴制冷
    2. 波段范围:670-780nm
    3. 光谱采样:0.11/0.22nm
    4. 空间分辨率:384/768像素
    5. 透光率F/1.7、信噪比680:1、帧频65fps
    6. 视野:32.3度,0.5m至无穷远
    7. 积分时间:在帧像周期内可调
    8. 数据接口:CameraLink 16-bit
    9. 功耗:一般135W,最大200W
    10. 成像系统重量(含DPU):<25kg
    11. 支持电机械快门,光温稳定功能

2. Thermo-RGB红外热成像与RGB真彩成像融合分析技术,可区分阳光照射叶片或冠层、阴影叶片或冠层以及土壤的温度和覆盖度等,以精确反映作物/植物气孔导度动态,使作物冠层温度测量精准区分阳光照射叶片、阴影叶片及土壤背景,并可进行ROI选区分析、频率直方图分析显示及颜色分析等,适宜于高空间解析度冠层温度检测、物候观测、气孔导度观测、高通量作物表型分析等

3. AisaFENIX双镜头全波段高光谱成像:包括VNIR(380-970nm)和SWIR(970-2500nm)双镜头高光谱成像,高信噪比(1000:1)、分辨率,空间分辨率可达1024x像素

AisaFENIX应用于土壤重金属检测(引自:SeongJoo Kang etc. Evaluating laboratory-based classification potentials of heavy metal contaminated soils using spectro-radiometer and hyperspectral imagery. Spet. Inf. Res. 2019)

4. 遥感平台:可选配航空遥感平台、通量塔、或易科泰生态技术公司提供的近地遥感平台

5. 光谱成像近地遥感:可选配扫描式或机器人近地遥感光谱成像,包括叶绿素荧光成像(基于PAM技术)、高光谱成像、红外热成像等

 

应用案例1:ESA(欧洲航天局)与NASA(美国国家航空航天局)合作开展生态健康与碳循环动态研究

ESA与NASA合作,采用基于AisaIBIS的HyPlant SIF航空遥感系统、美国NASA研发的基于LiDAR-高光谱-红外热成像航空遥感系统,同步获取森林的太阳光诱导叶绿素荧光成像、冠层结构信息、可见光至短波红外(400-2500nm)光谱反射成像信息、及冠层温度信息,以观测研究生态系统健康与碳循环动态(Middleton etc. The 2013 FLEX-US airborne campaign at the parker tract loblolly pine plantation in North Carolina, USA. Remote Sensing, 2013

应用案例2:AisaIBIS用于监测农作物长势-德国波恩大学农业试验站

德国Julich研究所、西班牙Valencia大学、意大利Milano-Bicocca大学、芬兰Specim公司等科学家,对基予AisaIBIS的HyPlant航空遥感系统(包括AisaIBIS和AisaFENIX)观测冠层(Top-of-Canopy, TOC)光谱反射与SIF叶绿素荧光技术,进行了全面解读,并采用该系统对农田作物进行了遥感作图分析(参见下图),该系统采用AisaIBIS、AisaFENIX全波段空陆双基高光谱成像(400-2500nm)等(Basbian Siegmann etc. The high-performance airborne imaging spectrometer HyPlant-from raw images to Top-of-Canopy reflectance and fluorescence products: Introduction of an Automatized Processing China. Remote Sensing, 2019

应用案例3:AisaIBIS用于估算不同时间作物初级生产力-德国科隆大学

德国科隆大学等科学家采用HyPlant航空遥感系统(基于AisaIBIS SIF叶绿素荧光高光谱成像和AisaFENIX高光谱成像技术),结合地面光合作用(采用Li6400或LCPro T光合仪)和土壤呼吸测量(采用Li8100或SRS2000土壤呼吸测量系统),对植被初级生产力及胁迫进行了观测研究(参见下图),结果表明,F760对现有GPP评估方法可以起到很好的改善和补充,SIF红色叶绿素荧光与远红波段叶绿素荧光比率可以灵敏地反映环境胁迫(S. Wieneke etc. Airborne based spectroscopy of red and far-red sun-induced chlorophyll fluorescence: Implications for improved estimates of gross primary productivity. Remote Sensing of Environment, 2016

其它参考文献:

  1. Rascher, U., et al.(2015), Sun-induced fluorescenc – a new probe of photosynthesis: First maps from the imaging spectrometer HyPlant. Global Change Biology.
  2. Rossini, M., et al.(2015), Red and far red Sun-induced chlorophyll fluorescence as a measure of plant photosynthesis, Geophys. Res. Lett.
  3. Wieneke, S., et al.(2016), Airborne based spectroscopy of red and far-red sun-induced chlorophyll fluorescence: Implications for improved estimates of gross primary productivity. Remote Sensing of Environment.
  4. Colombo, R., et al.(2018), Variability of sun-induced chlorophyll fluorescence according to stand age-related processes in a managed loblolly pine forest. Global Change Biology.
  5. Gerhards, M., et al.(2018), Analysis of airborne optical and thermal imagery for detection of water stress symptoms. Remote Sensing.
  6. Max Gerhards, et al.(2018), Analysis of airborne optical and thermal imagery for detection of water stress symptom. Remote Sensing.
  7. Bandopadhyay, S., et al. (2018), Examination of Sun-induced Fluorescence (SIF) Signal on Heterogeneous Ecosystem Platforms using ‘HyPlant’. Geophysical Research Abstracts.
  8. Giulia Tagliabue, et al. (2019), Exploring the spatial relationship between airborne-derived red and far-red sun-induced fluorescence and process-based GPP estimates in a forest ecosystem. Remote Sensing of Environment.

全部评论