非人灵长类种群数量调查方法综述

监测估算野生动物的种群数量是保护的核心工作。由于气候变化和人类活动的影响,野生动物种群常处于不稳定的状态。非人灵长类是动物界的高等类群,具有复杂的社会行为、丰富的物种多样性,全球有701种 (含亚种),生活在多种类型的栖息地中,包括热带雨林、沼泽森林、红树林、次生林、落叶林、季雨林、山地森林,和包含孤存林、长廊森林、热带旱生林、山地草甸、地中海灌木林的稀树草原和干草原,以及荒漠、干旱的山地,甚至是雪地。绝大多数非人灵长类处于濒危的状态,长期有效的监测对于灵长类的保护十分重要。物种多样性和栖息地类型的多样性使得灵长类种群数量的调查方法多种多样。本文归纳总结了目前常用的非人灵长类种群数量调查方法的类型、基本原理、适用场景和局限性,并以研究实例加以分析;介绍了无人机、热成像、计算机学习系统等新技术应用在调查方法中的进展,希望为今后的非人灵长类野外数量调查、种群监测提供参考和启发。     

基于无人机遥感的“莫兰蒂”台风前后植被变化分析——以鼓浪屿为例

台风是沿海地区危害最为严重的自然灾害之一,高效、准确的灾害监测与评估为灾情的管理和决策提供了必不可少的条件。以“莫兰蒂”台风为例,利用无人机遥感影像提取台风前后的植被覆盖信息,通过计算、对比各自景观格局指数分析植被分布格局的变化,进一步通过对比图斑差异和计算受灾图斑的景观格局指数,分析鼓浪屿受灾图斑的分布情况与受灾细节。研究结果表明,鼓浪屿景观虽然存在较多小面积斑块,但整体格局呈集聚分布。台风未影响岛上景观的整体分布特征,台风前植被景观与非植被景观比例大致相等,分布均衡,台风后植被减少使非植被景观成为鼓浪屿的优势景观。受台风影响景观格局发生了较大改变,由台风前非植被斑块的景观破碎化程度高转变为台风后植被斑块景观破碎程度高,且台风后植被聚集程度有所减小。受灾区域呈现规律性分布,位于山体之上及周边无遮挡的开敞地区受灾更为严重,建筑密集区和受山体遮挡的区域受灾相对较轻。     

无人机高光谱影像与冠层树种多样性监测

冠层树种多样性是自然森林生态系统功能和服务的重要基础。及时掌握冠层多样性的现状及变化趋势, 是探讨诸多重要生态学问题的前提, 更是制定合理生物多样性保护策略的基础。但受制于传统的多样性信息采集方法, 区域尺度的高精度冠层多样性监测发展较为缓慢; 许多在气候变化和人类干扰下的生物多样性分布信息得不到及时更新。近年来基于无人机的冠层高光谱影像收集与分析技术的发展, 使得冠层多样性监测迎来了新的发展契机。本文从森林冠层高光谱影像出发, 介绍了与多样性监测相关的无人机航拍和基于深度学习的图像处理技术, 并结合已有文献, 探讨了无人机高光谱应用于森林冠层树种多样性监测的研究现状、可行性、优势及缺陷等。我们认为冠层高光谱影像为多样性监测提供了不可或缺且丰富的原始信息; 而无人机与高光谱相机的结合, 使得区域化高频率(如每周)、高精度(如分米乃至厘米级)的冠层多样性信息自动化收集成为可能。然而高光谱影像数据量大、数据维度高与数据结构非线性的特点为影像处理带来了挑战, 而深度学习技术的飞跃, 使得从冠层高光谱影像中提取个体及物种信息达到了极高精度。恰当地使用这些技术将大大提升冠层树种多样性的自动化监测水平, 由此也将帮助我们在当前剧变环境下及时掌握森林冠层多样性的现状与变化, 为生物多样性研究与保护提供可靠的数据支撑。     

轻小型无人机航摄技术辅助的热带森林样地测量精度问题探讨

准确的样地坐标位置是无人机航摄数据与地面调查数据融合使用的必要前提, 但是在森林样地的具体实践中, 会有许多因素制约着样地位置的测量精度, 这有可能影响后期的数据融合过程甚至得出错误的结论, 研究者们需要对此予以足够的重视。本文通过对比西双版纳地区10个热带森林样地及周围区域无人机航摄过程中的地面控制点测量精度、Photoscan摄影测量软件所得点云解算精度和照片曝光点重投影精度, 发现: (1)即使使用性能相对较好的实时差分(real time kinematic, RTK)式GNSS系统进行定位, 在林内也很难获得很好的定位精度, 林窗处的地面控制点均方根误差(root mean square error, RMSE)在水平和垂直方向分别为0.167 ± 0.158 m和0.297 ± 0.170 m, 林下样地顶点桩处分别为0.392 ± 0.368 m和0.657 ± 0.412 m; (2)软件的全局解算精度主要受控制点地面测量精度和控制点数量的影响; (3)若仅依托普通的单站式GPS对无人机位置进行定位, 则照片曝光点的重投影坐标位置可能存在较大误差(RMSE在水平和垂直方向上分别为18.434 ± 5.252 m和34.042 ± 6.920 m); (4)估测地形与实测地形间的高差标准差与林冠平均高度正相关(r = 0.713, P < 0.05), 估测地形模型在20 ha样地尺度下的验证结果优于1 ha样地。基于以上结果, 我们建议: (1)在对热带森林进行无人机航摄的过程中, 必须有足够数量和质量的分布相对均匀的地面控制点对测量误差进行控制; (2)摄影测量法的优势在于能够以相对简单的前端设备建立数字表面模型, 但该方法可能很难在森林样地中建立准确的数字地形模型。在使用无人机获取数据之前, 研究者应预先考虑到适合自己的恰当方法以应对以上的精度控制问题。     

无人机在生物多样性遥感监测中的应用现状与展望

近十年, 无人机平台由于其灵活机动、成本低等优势在植被生态调查、资源环境监测、生物多样性保护等领域逐渐兴起。本文从生物多样性遥感监测应用角度首先介绍了无人机分类系统, 为具体工作开展过程中如何选择合适的载体和传感器提供了参考; 继而总结了不同类型无人机的适用性及其可搭载传感器的用途与区别。在此基础上, 针对无人机平台的高精度遥感信息具体应用案例, 就反映生物多样性变化并揭示其驱动机制方面的无人机遥感直接和间接指标的相关研究进展展开阐述。最后, 就目前无人机遥感技术在生物多样性监测领域的应用中存在的限制, 如软硬件结合匹配程度不够、部分设备过于昂贵、法律法规不完善、与传统生物多样性监测手段结合较弱等问题进行探讨。我们认为: 无人机遥感技术可以很好地弥补地面监测与航天、卫星遥感之间的尺度空缺, 更好地将监测点上的结果以准确、可靠的推绎方法扩展到区域尺度供决策分析使用。今后迫切需要进一步加大生物多样性近地面遥感监测项目建设的实施力度, 从整体上提高生物多样性热点区域应对变化的分析预警能力。     

西双版纳保护植物特征研究

经过重新统计和分析,确定了西双版纳地区一共分布有国家级(60种)和省级(41种)保护植物101种,对它们的一些特征进行了初步研究.主要研究了种类及数量特征、分布特征,包括其分布的海拔、植被、区域特征和保护价值等,并且就西双版纳地区保护植物的保护措施提出了建议.     

基于无人机遥感的三江源国家公园藏野驴种群数量及生境时空变化研究

藏野驴（Asinus kiang）是青藏高原特有物种，我国一级野生保护动物。三江源国家公园黄河源园区是藏野驴的主要栖息地之一，而生物多样性保护也是国家公园的重要职能，准确了解藏野驴的种群数量及栖息地变化无论是从野生动物保护还是从国家公园建设指导来看均具有重要意义。以三江源国家公园黄河源园区为研究区，利用无人机遥感技术开展藏野驴种群数量调查工作，在此基础上利用选择指数与因子分析揭示藏野驴的生境选择偏好，识别其适宜栖息地范围。并深入探讨近20年藏野驴适宜栖息地的时空变化特征，探讨驱动因素。结果表明：（1）无人机可以有效识别藏野驴个体，在调查样带内共发现藏野驴252头，经过推算2017年春季三江源国家公园黄河源园区内共有藏野驴20989头。（2）藏野驴倾向于选择距居民点1 km以外，距道路1-3 km范围内，距水源1 km以内，且植被覆盖度介于0.4-0.8之间的坡度小于5°的平坦区域做为栖息地。（3）2000-2018年间，三江源国家公园黄河源园区内的藏野驴适宜生境面积增加了330.76 km²，达到4747.10 km²，面积占比增加1.73%，达到了24.85%。这主要是气候变化与人类活动协同作用下导致的水体扩张与植被覆盖度增加驱动的。此外，虽然道路的扩张仅限制了小面积的适宜栖息地增加，但可能造成栖息地连通性下降等更为严重的后果。本研究证明了无人机遥感技术在青藏高原等开阔区域进行野生动物调查及栖息地研究的可行性与优势，相关技术方法与研究成果可为三江源国家公园生物多样性保护工作提供参考与支撑。     

基于无人机影像与面向对象-深度学习的滨海湿地植物物种分类

明确滨海湿地植物物种类型及其分布状况是实现滨海湿地精细化生物多样性监测的基础,对于滨海湿地的保护管理与生态可持续发展均具有重要意义。本研究以无人机可见光遥感影像为基础数据源,在定量分析最优分割尺度与最优分类特征组合的基础上,应用面向对象-U-net深度学习方法对闽江河口湿地植物物种类型进行分类,并与K最近邻、决策树、随机森林和贝叶斯分类方法进行精度对比分析,以期为滨海湿地植物物种遥感精细分类与生物多样性保护管理提供方法借鉴与科学参考。研究结果表明,利用面向对象-U-net深度学习方法提取不同滨海湿地植物物种类型的分类精度可达95.67%,总体精度较其他分类方法提高6.67%–13.67%, Kappa系数提高0.12–0.31,且分类整体性好。此外,实现植物物种光谱特征、形状特征、纹理特征与高度特征的最优特征选择对于有效提高湿地植物物种信息分类精度具有重要作用,应用最优分割尺度实现影像分割可提高整体分类效率。     

新时代植保植检工作新探索

植保植检工作如何适应社会发展的需要,不断更新工作思路,不断提高植保植检工作水平与效率,是现代植保人必须面对与解决的现实而迫切的课题.本文以重庆市秀山县为例,分析了植保植检技术人员年龄老化、队伍能力整体弱化以及经费保障问题、体制问题、管理问题等植保植检工作面临的困局和问题;提出了植保植检法制化、队伍稳定化、职能专业化、技术研究前沿化、技术应用推广适用化与集成化、农作物病虫害防治协作化、装备现代化、投入多元化、宣传培训常态化等植保植检工作新思路.     

联合U-Net和分水岭算法的高郁闭度杉木纯林树冠信息提取

作为我国重要的用材树种，杉木广泛分布于我国南方地区，其株数和树冠信息对于森林资源的精准监测有重要作用，为此准确掌握杉木林分株数及单木树冠信息尤为重要。对于高郁闭度林分，株数和单木树冠信息正确提取的关键是能够准确分割相互遮挡和粘连的树冠。本研究以福建将乐国有林场为研究区，将无人机影像作为数据源，提出一种基于深度学习方法和分水岭算法的树冠信息提取方法：首先采用深度学习神经网络模型U-Net对杉木树冠覆盖区域进行分割，然后利用传统图像分割算法标记控制分水岭算法进行单木分割得到单木树冠；在保持相同训练集、验证集和测试集的情况下，首先对比U-Net模型与传统机器学习方法[随机森林模型(RF)和支持向量机模型(SVM)]在分割树冠覆盖区域上的表现，接着对比了U-Net模型结合标记控制分水岭算法和只使用标记控制分水岭算法进行单木分割的精度。结果表明：U-Net模型在分割精度、精确率、交互比、精确率与召回率的调和均值4个指标上均高于RF和SVM,与RF相比，4项指标分别提升4.6%、14.9%、7.6%、0.05,与SVM相比，4项指标分别提升3.3%、8.5%、8.1%、0.05。在提取单木株数方面...