无人机提供了一种高通量、成本效益高的数据收集方式，为森林监测和管理提供了前所未有的机会。尽管有了这些进步，林业领域在从基于无人机的遥感数据中提取单个树木光谱方面仍面临重大挑战。传统的光谱提取方法通常涉及手动标注，这是一种劳动密集型和耗时的过程。这种手动方法不仅容易出错，而且限制了森林监测工作的可扩展性。虽然已经开发了几种软件解决方案来自动化此过程，但它们通常需要专门的专业知识，并且尚未得到广泛采用。此外，这些现有的解决方案没有提供交互式、用户友好的界面，使得具有有限计算技能的研究人员和从业人员难以有效地利用它们。在林业研究中树木表型组学的重要性日益增长，进一步强调了需要一种高效、准确和用户友好的单树光谱提取工具。高通量表型分型平台越来越多地被用于研究各种树木特性，包括生长速度、木材质量和对疾病的抗性。准确的光谱数据对这些研究至关重要，因为它提供了有关树木生理状态的宝贵见解，这反过来又可以为育种计划和森林管理策略提供信息。

此外，应对气候变化的紧迫性已经导致全球范围内的重新造林和植树造林项目激增。有效地监测这些新种植的森林对其长期成功至关重要。传统的基于地面的监测方法通常不适用于这种大规模的项目，使基于无人机的遥感成为一个有吸引力的替代方案。然而，缺乏有效的数据分析工具仍然是一个重大的瓶颈。

2023年9月，Plant Phenomics 在线发表了中国林业科学研究院亚热带林业研究所李彦杰等人题为ExtSpecR: a R package and tool for extracting trees spectra from UAV-based remote sensing的研究论文。

本研究推出了ExtSpecR，这是一个旨在填补林业领域这一关键空白的开源R包。ExtSpecR旨在简化从基于无人机的遥感数据中提取单个树木光谱的过程。它具有一个交互式的网络应用程序，简化了整个工作流程，从数据输入到光谱和空间特征提取。该工具集成了用户友好的交互式网络应用程序，借助先进的图像处理和机器学习算法实现高效的单树检测和标注。这一自动化流程不仅大大减少了手动标注的需求，从而节省了大量时间和劳动力，还能从遥感图像中提取多维度的空间特征，如树冠直径和树高。更进一步，ExtSpecR提供了一个功能丰富的交互式仪表板，包括多种数据可视化工具，使用户能够深入了解提取数据的质量和特性。作为一个开源项目，该工具具有很高的可扩展性，不仅适用于基础科学研究，还可广泛应用于实际的林业管理活动，如森林健康监测、疾病诊断和高通量表型分型。综合考虑，ExtSpecR有望填补林业领域在高通量、精准的树木光谱提取方面的重要空白，并成为未来林业遥感和表型组学研究的重要工具。

Fig.2. The workflow for the data process and dowload submenu in tree phenotyping.

中国林业科学研究院亚热带林业研究所李彦杰副研究员为通讯作者，该成果得到中国林科院“青年英才工程”优秀青年创新人才培育计划（CAFYBB2022QA001）和浙江省农业（林木）新品种选育重大科技专项（2021C02070-7）资助。

https://spj.science.org/doi/10.34133/plantphenomics.0103

资源获取：

https://github.com/Yanjie-Li/ExtSpecR

——推荐阅读——

Estimation of Rice Aboveground Biomass by UAV Imagery with Photosynthetic Accumulation Models

‍https://spj.science.org/doi/10.34133/plantphenomics.0056

Plant Phenomics | 使用无人机图像和光合积累模型估算水稻地上生物量

Estimating Photosynthetic Attributes from High-Throughput Canopy Hyperspectral Sensing in Sorghum 

https://spj.science.org/doi/10.34133/2022/9768502

Plant Phenomics 精选2022 | 利用高通量冠层高光谱遥感预测高粱的光合参数

加入作者交流群