产品中心-北京安洲智航科技有限公司

融合物理约束网络和三维异速生长算子的无人机多时相苜蓿营养品质协同估测方法

由四个波段构成的双差分结构对纤维组分（酸性洗涤纤维 ADF 和中性洗涤纤维 NDF）具有极高的敏感性，其相关系数绝对值达到|r| = 0.896；而基于对数解耦的光谱算子则能够准确分离粗蛋白（CP）和氮（N）的光谱信号，其相关系数绝对值达到|r| = 0.868。随后，设计了一种物理信息稀疏浅层网络（Physics-Informed Sparse Shallow Network，PI-SSN）。该网络利用时间注意力解耦机制，自适应地为不同生长阶段分配各营养组分的权重，并引入碳—氮代谢约束，在多任务反演过程中保证预测结果符合生物学规律。相比仅利用单时期光谱数据，多生长阶段时序数据显著提高了模型预测精度。

넶6 2026-07-13
基于无人机高光谱影像结合色素与水分含量指标的松材线虫病早期检测

近年来，无人机高光谱遥感技术的快速发展为松材线虫病早期检测提供了新途径。本研究选取经典的冠层色素指数和水分含量指数构建识别指标体系，通过显著性检验与导数分析筛选出最优冠层色素指数（CI）和冠层水分指数（WASCOSBNDI），基于病害发展过程中冠层水分与色素含量的异步变化特征，采用多阈值分割方法分别建立CI、WASCOSBNDI和CI-WASCOSBNDI模型，实现对不同染病阶段树木的识别。结果表明：CI-WASCOSBNDI模型对染病阶段的检测精度最高，总体分类精度达92.78%，而CI模型和WASCOSBNDI模型的分类精度分别为81.34%和89.84%。

넶21 2026-06-29
基于 Hapke 模型的双时相无人机高光谱指数：降低单木生物量估算中的时序光谱变化影响

单木地上生物量（AGB）的精确估算是生态信息学中的一项基础性挑战，该指标对森林碳汇核算与生态系统监测至关重要。尽管基于无人机（UAV）的高光谱成像具有较高的空间分辨率和光谱分辨率，但成像结果易受光照条件与观测几何构型干扰，容易导致不同时间获取的数据出现光谱不一致问题，从而影响生物量反演精度及模型的迁移能力。为解决这一问题，本文提出了一种融合物理机理与信息学方法的框架——基于 Hapke 模型的双时相无人机高光谱指数（HBUHI）。

넶24 2026-06-10
基于无人机多源遥感的落叶松毛虫胁迫下林木失叶率的多维估算研究

本研究基于无人机高光谱与激光雷达数据及地面调查数据，计算高光谱指数（HSI）、多光谱指数（MSI）和激光雷达指数（LI），采用不同窗口大小（W）和多项式阶数（P）的Savitzky-Golay（S–G）平滑滤波结合递归特征消除（RFE）算法筛选敏感特征，结合随机森林回归（RFR）和卷积神经网络回归（CNNR）构建LLR的多维（水平与垂直）估算模型。

넶63 2026-02-02
结合无人机高光谱图像量化的空间-光谱特征和植物性状监测橡胶树白粉病

本研究采用搭载ULTRIS X20P高光谱传感器（350–1000 nm）的无人机（UAV），在两个橡胶种植园获取高光谱影像。基于辐射传输模型，从无人机高光谱影像中反演了植物性状（Plant Traits，PTs），包括叶绿素含量（Cab）、类胡萝卜素含量（Car）、花青素含量（Anth）、叶片含水量（Cw）和干物质含量（Cm）。

넶62 2026-01-30
基于无人机高光谱数据的冠层尺度叶片光合作用能力制图

准确了解不同景观中叶片生理性状的变化对于改进陆地生物圈模型 (TBM) 的参数化和评估至关重要，这些模型旨在代表陆地生态系统对气候变化的响应。许多研究表明，成像光谱可以在冠层尺度上表征叶片的生化和形态学性状，但只有有限的证据可以检索冠层光合能力

넶96 2025-06-19