无人机遥感技术在景观生态学中的应用

野外数据的获取是生态学研究的挑战之一,而通过遥感技术能够实现对地球表面的多面立体观测,获取丰富多样的空间信息数据,开展从微观到宏观不同尺度上的景观单元(包括物种、种群、群落、生态系统等)的空间关系研究。传统卫星遥感影像受空间和时间分辨率的限制,难以满足局域尺度或者时间序列上的景观空间生态学研究需求。无人机遥感技术为生态学研究的野外数据获取提供了一种新方法,以其灵活、高效、简便等特点弥补了传统卫星遥感的空间分辨率低、重访周期长、云雾影响等方面的不足,在景观空间生态学研究中受到越来越多的关注。简要介绍无人机类型及其搭载常见的传感器类型,分别从不同尺度的景观单元,即物种、种群、群落以及生态系统水平上探讨其应用进展,并指出当前无人机技术在景观生态学研究中存在的挑战与困难,同时展望了未来可能的研究热点,以期对今后无人机遥感技术在景观生态学领域的应用研究有所启发。     

遥感在生态系统生态学上应用的机遇与挑战

生态学正朝着区域和宏观尺度及定量化方向发展,社会经济发展对生态学研究也提出了新的要求。遥感作为有效技术手段在生态学研究的应用上得到了越来越多的重视。研究遥感的功能与生态学研究中存在的问题,寻求遥感技术与生态学结合切入点,不仅是遥感应用发展的需要,更是解决生态学问题的有益途径。对于非遥感专业的生态学研究人员及从事专业遥感的科研人员来说,生态学和遥感的结合还缺少相关的背景知识介绍。本文从生态学研究的发展趋势、遥感技术的特点,综合论述遥感在生态学研究中的特点、历史发展及未来趋势。本综述主要针对于生态系统尺度以上生态学的研究,具体包括遥感在生态系统环境、生态系统生物组成、生态系统结构、生态系统物质循环和流动及生态系统功能等方面的应用。结合遥感技术的发展,论述了遥感与生态学研究有效结合的组分,同时论述了各套遥感数据在不同方面应用的优缺点,提出了遥感在生态学研究上应用的相关建议。     

航空航天遥感在物种多样性研究与保护中的应用

人类活动导致全球范围内生物多样性丧失日趋严重。物种多样性是研究最为深入以及最贴近生物多样性管理的层次。物种多样性的研究往往受到多时空尺度生态过程的影响, 传统物种多样性调查方法受到人力物力影响, 局限性大, 物种多样性的研究与管理亟需整合不同来源的数据。遥感技术从传统的光学遥感阶段发展到不同平台、不同维度相结合的多源遥感阶段, 并逐渐进入以高空间分辨率和高光谱为特征、以激光雷达为前沿发展方向的综合遥感阶段。遥感技术因为其监测范围广、能监测人迹罕至地区以及长期可重复等特性, 为研究不同时空尺度的生态学科学问题提供了更新更优的研究手段。本文围绕种群动态、种间关系与群落多样性、功能属性及功能多样性以及生物多样性保护管理等生物多样性研究热点问题, 系统地论述了航空航天遥感技术在物种多样性研究与保护领域的应用, 总结了航空航天遥感技术在研究与物种多样性有关的主要生态学问题中的机遇与挑战。我们认为航空航天遥感技术利用多光谱甚至高光谱与激光技术从空中监测物种多样性, 从不同视角、基于不同光源提供了物种多样性不同侧面的信息, 能够减小地面调查强度, 在大范围和边远地区的物种多样性调查研究中有着至关重要的作用。依据光谱特性的物种判别以及依据激光雷达的三维结构量测将促进生物多样性的研究与管理, 加强遥感学家和生物多样性研究者的沟通交流将有助于促进不同时空尺度的生物多样性与遥感技术的结合。     

新一代遥感技术助力生态系统生态学研究

随着气候变化和人类活动的加剧, 生态系统正处于剧烈变化中, 生态学家需要从更大的时空尺度去理解生态系统过程和变化规律, 应对全球变化带来的威胁和挑战。传统地面调查方法主要获取的是样方尺度、离散的数据, 难以满足大尺度生态系统研究对数据时空连续性的要求。相比于传统地面调查方法, 遥感技术具有实时获取、重复监测以及多时空尺度的特点, 弥补了传统地面调查方法空间观测尺度有限的缺点。遥感通过分析电磁波信息从而识别地物属性和特征, 反演生态系统组成、能量流动和物质循环过程中的关键要素, 已逐渐成为生态学研究中必不可少的数据来源。近年来, 随着激光雷达、日光诱导叶绿素荧光等新型遥感技术以及无人机、背包等近地面遥感平台的发展, 个人化、定制化的近地面遥感观测逐渐成熟, 新一代遥感技术正在推动遥感信息“二维向三维”的转变, 为传统样地观测与卫星遥感之间搭建了尺度推绎桥梁, 这也给生态系统生态学带来了新的机遇, 推动生态系统生态学向多尺度、多过程、多学科、多途径发展。因此, 该文从生态系统生态学角度出发, 重点关注陆地生态系统中生物组分, 并分别从生态系统类型、结构、功能和生物多样性等方面, 结合作者在实际研究工作中的主要成果和该领域国际前沿动态, 阐述遥感技术在生态系统生态学中的研究现状并指出我国生态系统遥感监测领域发展方向及亟待解决的问题。     

红树林生态系统遥感监测研究进展

随着现代遥感技术的迅速发展,遥感监测已经成为红树林生态系统变化监测的重要手段和方法。从遥感技术在生态系统变化监测应用领域入手,综述了国内外红树林遥感监测的发展历程,系统总结了遥感技术在红树林湿地动态、种间分类、群落结构(叶面积指数、冠幅、树高等)、生物量、灾害灾情(病虫害、风暴潮等)、景观格局动态、驱动力、红树林湿地保护与管理等领域应用现状,归纳了不同应用领域遥感监测的理论、方法及研究现状。指出我国在红树林遥感监测中存在的不足。提出红树林遥感监测应在分类标准体系规范化、分类精度提升、红树林生态学特征参数(物种多样性、优势度等)、生态系统环境空间演变过程及遥感监测的尺度效应方面加大研究力度。充分发挥区域综合监测模型在红树林生态系统变化遥感监测中的作用。     

城市景观格局的空间尺度分析

景观生态学研究的核心内容是景观格局与生态过程。因为景观格局与生态过程中都存在的尺度多样性问题,导致尺度成为理解景观格局和生态过程相互作用的关键,但是由于理论和方法的限制,目前对景观生态学的尺度研究还不够深入,特别是景观格局对尺度变化的响应特征。目前GIS与RS技术的发展为不同尺度下的空间格局特征和空间异质性研究提供了有效的工具。论文以上海市为背景,用景观生态学方法研究了不同粒度下景观格局特征,同时用半变异函数分析了不同幅度下景观多样性的格局特征。结果显示:(1)不同的指数对粒度的响应不同;(2)空间多样性在小幅度内变化较复杂;(3)不论粒度还是幅度都揭示出景观格局具有尺度依赖性规律。     

轻小型无人机低空遥感及其在生态学中的应用进展

无人机低空遥感系统弥补了航天和航空遥感在影像分辨率、重访周期、云层影响以及高成本等方面的不足,为中观尺度的生态学研究提供了新方法.本文介绍了轻小型无人机低空遥感系统的组成,从物种、种群、群落和生态系统尺度综述了其在生态学中的应用现状,并指出目前存在的不足和未来的发展方向,以期为无人机生态学的后续研究提供参考.无人机生态学当前面临的挑战和未来发展的方向主要有物种形态和光谱特征库的建立、物种自动识别、光谱数据与植物生理生态过程之间关系的进一步挖掘、生态系统三维立体监测、多来源多尺度遥感数据融合等.随着无人机平台技术、传感器技术以及数据传输处理技术的成熟,以无人机低空遥感技术为基础的无人机生态学将迎来发展的机遇和曙光.     

遥感在森林地上生物量估算中的应用

生物量是地表C循环研究的重要组成部分,生物量研究有助于深入认识区域乃至全球的C平衡。森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。TM、AVHRR、SAR等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。     

定量遥感在生态学研究中的基础应用

生态学问题 ,特别是近来兴起的全球变化问题 ,是存在于不同时空尺度的生物与环境互作的格局和动态变化 ,对它的研究需要较大时空尺度的数据支撑 ,因此不同时空分辩率的遥感影象图就成为了这一重要的数据源。从遥感的功能出发 ,介绍了遥感应用于植被覆盖分类、生态系统参数提取及生态系统模型等方面的基础研究情况 ,试图为生态学研究提供应用遥感的思路 ,为进一步应用遥感解决生态学问题提供基础。     

生物多样性不同层次尺度效应及其耦合关系研究进展

生物多样性包含遗传、物种、生态系统和景观多样性4个层次,虽然各个层次的研究较多,但是各层次间相互关系的研究较少。物种多样性多采用野外样方调查法,景观多样性采用遥感、地理信息系统和野外调查,研究方法较为成熟;生态系统多样性研究因生物地理地域和尺度的不同,常采用不同的分类体系,尚无统一评估标准。物种多样性的尺度效应在α、β、γ指数上均有不同体现,景观多样性的尺度效应非常明显。生境异质性与物种α和β多样性指数密切相关,在一定尺度上,丰富的景观多样性提高了物种多样性。未来研究需要揭示不同生物多样性层次之间的耦合关系,并将研究结果应用到生态系统红色名录制定、区域生物多样性综合监测与评估等实践之中。     

普洱季风常绿阔叶林乔木物种多样性高分辨率遥感估测

季风常绿阔叶林是我国南亚热带典型的地带性植被,也是云南省普洱地区重要森林类型。季风常绿阔叶林乔木物种多样性遥感估测对研究区域尺度生物多样性格局及其规律具有重要作用。根据光谱异质性假说和环境异质性假说,首先使用1m空间分辨率的机载高光谱数据和激光雷达数据提取了光谱多样性特征和垂直结构特征。然后利用基于随机森林算法的递归特征消除方法选择对研究区森林乔木物种多样性指数具有较好解释能力的遥感特征,并对Shannon-Winner物种多样性指数进行建模、制图。研究结果表明：（1）基于机载LiDAR数据提取的垂直结构特征和机载高光谱数据提取的光谱多样性特征均对研究区森林乔木物种多样性具有较好的解释能力,随机森林模型估测结果分别为R²=0.48,RMSE=0.46和R²=0.5,RMSE=0.45;两种数据源融合可以进一步提高遥感数据的森林乔木物种多样性估测精度,随机森林估测模型R²和RMSE分别为0.69和0.37。（2）机载激光雷达数据对研究区针阔混交林乔木物种多样性的估测能力优于机载高光谱数据。（3）机器学习方法有助于从高维遥感数据特征中选择适合于森林乔木物种多样性建模的少量特征。该研究在云南普洱开展对季风常绿阔叶林的遥感估测研究,可为森林生物多样性调查提供补充手段,有助于森林生物多样性大尺度、长期动态监测。     

基于站点的生物多样性星空地一体化遥感监测

科学制定生物多样性保护和恢复政策, 需要空间上连续、时间上高频的物种和生境分布以及物种迁移信息支持, 遥感是目前能满足该要求的有效技术手段。近年来, 遥感平台和载荷技术高速发展, 综合多平台、多尺度、多模式遥感技术, 开展基于站点的星空地一体化遥感观测试验, 可以对地表进行时空多维度、立体连续观测, 为生物多样性遥感监测提供了新的契机。本文总结了使用遥感技术监测生物多样性的主要方法, 回顾了典型的星空地一体化遥感观测试验。综述以往研究发现, 一方面, 现有遥感试验还缺少对生物多样性直接监测指标的观测, 另一方面, 生物多样性遥感监测方法也缺少星空地多维立体观测平台的支撑, 亟需加强两者的融合, 开展基于站点的生物多样性星空地一体化遥感监测研究。以设于我国四川王朗大熊猫国家级自然保护区内的王朗山地生态遥感综合观测试验站为例, 展示了星空地一体化遥感综合观测试验平台在生物多样性监测中的应用潜力。星空地一体化遥感观测可以提供物种和生境的综合定量信息, 与生态模型有机结合, 可以刻画生物多样性的时空格局与动态过程, 有助于挖掘过程机理, 提高生物多样性监测的信息化水平。     

Remote sensing of biodiversity: what to measure and monitor from space to species?

Global biodiversity monitoring systems through remote sensing can support consistent assessment, monitoring, modelling and reporting on biodiversity which are key activities intended for sustainable management. This work presents an overview of biodiversity monitoring components, i.e. biodiversity levels, essential biodiversity variables, biodiversity indicators, scale, biodiversity inventory, biodiversity models, habitat, ecosystem services, vegetation health and biogeochemical heterogeneity and discusses what remote sensing through Earth Observations has contributed to the study of biodiversity. The technological advancements in remote sensing have enabled information-rich data on biodiversity. Remote sensing data are making a strong contribution in providing unique information relevant to various biodiversity research and conservation applications. The extensive use of Earth observation data are not yet realized in biodiversity assessment, monitoring and conservation. The development of direct remote sensing approaches and the techniques for quantifying biodiversity at the community to species level is likely to be a great challenge for comprehensive earth observation-based monitoring strategy.

     

生物多样性遥感研究方法浅议

概括了遥感在生物多样性研究方面的的优势及在各种尺度为生物多样性评价提供信息的能力;讨论了生物多样性信息系统应具备的功能和应包含的内容;分析了生物多样性遥感研究中数学模型与地理信息系统的耦合问题。     

遥感用于森林生物多样性监测的进展

随着物种和栖息地的丧失,全球范围的生物多样性保护已经成为迫切的需要。航空航天技术的迅猛发展使遥感成为能提供跨越不同时空尺度监测陆地生态系统生物多样性的重要工具,这方面的研究在欧美等国已经有了小范围的开展,在国内刚刚起步。国外关于生物多样性遥感探测的方法基本有3种:1.利用遥感数据直接对物种或生境制图,进而估算生物多样性;2 .建立遥感数据的光谱反射率与地面观测物种多样性的关系模型;3.与野外调查数据结合直接在遥感数据上进行生物多样性指数制图。研究表明,物种直接制图法只能应用于较小的范围;生境制图的方法,应用广泛,技术相对成熟,研究范围局限于几百公里的范畴,但不能获取生境内部的多样性信息。光谱模型技术目前正处于探索阶段,对于植被复杂、生物多样性高的地域,具有较大的应用潜力。在遥感数据上直接进行生物多样性制图在加拿大已经得到了应用。     

Mapping tree species diversity of a tropical montane forest by unsupervised clustering of airborne imaging spectroscopy data

With the ongoing global biodiversity loss, approaches to measuring and monitoring biodiversity are necessary for effective conservation planning, especially in tropical forests. Remote sensing has much potential for biodiversity mapping, and high spatial resolution imaging spectroscopy (IS) allows for direct prediction of tree species diversity based on spectral reflectance. The objective of this study was to test an approach for mapping tree species alpha diversity that takes advantage of an unsupervised object-based clustering. Tree species diversity of a tropical montane forest in the Taita Hills, Kenya, was mapped based on spectral variation of high spatial resolution IS data.Airborne IS data and species data from 31 field plots were collected in the study area. Species diversity measures were obtained from the IS data by clustering spectrally similar image segments representing tree crowns. In order to do this, the image was segmented to objects that represented tree crowns. Three measures of species diversity were calculated based on the field data and on the clustering results, and the relationships were statistically analyzed.According to the results, the approach succeeded well in revealing tree species diversity patterns. Especially, tree species richness was well predicted (RMSE = 3 species; r² = 0.50) directly based on the clustering results. The optimal number of clusters was found to be close to the estimated number of tree species in the forest. Minimum tree size was an important determinant of the relationships, because only part of the trees are visible to the airborne sensor in the multi-layered closed canopy forest.In general, the object-based approach proved to be a viable alternative to a pixel-based clustering. The approach takes advantage of the capability of IS to detect spectral differences among tree crowns, but without the need for spectral training data, which is expensive to collect. With further development, the approach could be applied also for estimating beta diversity.     

Imaging spectroscopy links aspen genotype with below-ground processes at landscape scales

Fine-scale biodiversity is increasingly recognized as important to ecosystem-level processes. Remote sensing technologies have great potential to estimate both biodiversity and ecosystem function over large spatial scales. Here, we demonstrate the capacity of imaging spectroscopy to discriminate among genotypes of Populus tremuloides (trembling aspen), one of the most genetically diverse and widespread forest species in North America. We combine imaging spectroscopy (AVIRIS) data with genetic, phytochemical, microbial and biogeochemical data to determine how intraspecific plant genetic variation influences below-ground processes at landscape scales. We demonstrate that both canopy chemistry and below-ground processes vary over large spatial scales (continental) according to aspen genotype. Imaging spectrometer data distinguish aspen genotypes through variation in canopy spectral signature. In addition, foliar spectral variation correlates well with variation in canopy chemistry, especially condensed tannins. Variation in aspen canopy chemistry, in turn, is correlated with variation in below-ground processes. Variation in spectra also correlates well with variation in soil traits. These findings indicate that forest tree species can create spatial mosaics of ecosystem functioning across large spatial scales and that these patterns can be quantified via remote sensing techniques. Moreover, they demonstrate the utility of using optical properties as proxies for fine-scale measurements of biodiversity over large spatial scales.     

遥感植被指数与植物多样性的相关性及空间分布特征研究——以海口市主城区为例

植物多样性监测是开展物种保护与植被景观规划的重要基础,对实施生物多样性的优先区域保护具有重要意义。该文以海口市主城区为例,利用Landsat 8遥感数据与样方实测数据分析了植被指数与植物多样性指数之间的相关性,根据相关性分析结果构建植物多样性遥感监测数学模型,并筛选出最优模型用于监测研究区植物多样性的空间分布状况。结果表明:Shannon-Wiener多样性指数、Simpson多样性指数和Pielou均匀度指数与MSAVI植被指数相关系数最高,呈显著相关性(P<0.01)。通过一元线性数学回归模型得到的海口市植物多样性空间分布特征与实际情况相符,植物多样性水平较高的区域主要分布在火山口、东寨港和羊山湿地一带,且具有明显的空间自相关性。根据研究结果建议继续实施严格的保护措施,加强生态修复与保护工程,提高植被覆盖率和生物多样性水平。     

Using unclassified continuous remote sensing data to improve distribution models of red-listed plant species

Remote sensing (RS) data may play an important role in the development of cost-effective means for modelling, mapping, planning and conserving biodiversity. Specifically, at the landscape scale, spatial models for the occurrences of species of conservation concern may be improved by the inclusion of RS-based predictors, to help managers to better meet different conservation challenges. In this study, we examine whether predicted distributions of 28 red-listed plant species in north-eastern Finland at the resolution of 25 ha are improved when advanced RS-variables are included as unclassified continuous predictor variables, in addition to more commonly used climate and topography variables. Using generalized additive models (GAMs), we studied whether the spatial predictions of the distribution of red-listed plant species in boreal landscapes are improved by incorporating advanced RS (normalized difference vegetation index, normalized difference soil index and Tasseled Cap transformations) information into species-environment models. Models were fitted using three different sets of explanatory variables: (1) climate-topography only; (2) remote sensing only; and (3) combined climate-topography and remote sensing variables, and evaluated by four-fold cross-validation with the area under the curve (AUC) statistics. The inclusion of RS variables improved both the explanatory power (on average 8.1 % improvement) and cross-validation performance (2.5 %) of the models. Hybrid models produced ecologically more reliable distribution maps than models using only climate-topography variables, especially for mire and shore species. In conclusion, Landsat ETM+ data integrated with climate and topographical information has the potential to improve biodiversity and rarity assessments in northern landscapes, especially in predictive studies covering extensive and remote areas.