青海湖裸鲤自然产卵场的生境特征及无人机遥测判别——以泉吉河为例

自然产卵场是维持物种延续最关键的栖息地,青海湖裸鲤（Gymnocypris przewalskii）的自然繁殖栖息地状况和生境特征尚缺乏详细的定量研究。以青海湖入湖河流泉吉河为例,在平水期采用现场调查和无人机遥测的方法对青海湖裸鲤的自然产卵场分布及生境状况进行调查,确定其产卵场生境特征参数,建立基于无人机遥测识别产卵场的方法并进行复核验证。结果表明：泉吉河河道形态可分为弯曲型、分汊型和顺直型等三种典型河型,青海湖裸鲤自然产卵场主要分布在弯曲型和分汊型河道中,分汊型河道几乎100%都有产卵场分布,弯曲型河道有70%为产卵场;产卵场河道平均长度（135.13±61.13） m,平均宽度（30.01±17.51） m,平均曲折度1.09±0.07;平均面积（4586.6±4201.61） m²;产卵场常位于缓水浅滩处,平均水深（0.19±0.10） m （范围：0.03-0.44m）,平均流速（0.24±0.20） m/s （范围：0.01-0.81m/s）,河床质为含有沙粒的卵石（粒径：163-256mm）底质。河道形态、沙洲分布、水深特征等特征参数可作为无人机遥测识别产卵场的判断条件,并实现验证成功。研究结果可为开展整个流域的青海湖裸鲤自然产卵场现状评估及保护对策制定提供技术支撑。     

基于无人机的冬小麦拔节期表层土壤有机质含量遥感反演

快速监测大面积分布的盐渍化麦田土壤有机质含量,可为推进盐渍土改良和促进碳循环研究提供数据支撑。通过野外采样与获取无人机遥感影像,分别基于裸土和植被情况,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和支持向量机回归(SVR)3种方法,建立区域有机质含量遥感模型,并进行检验和对比,确定最优的土壤有机质含量反演模型;最后基于最优模型进行研究区表层土壤有机质的反演,并与插值结果进行比较。结果表明: 经5×5的中值滤波处理后的光谱与土壤表层有机质对应最优;3种模型中,SVR模型的预测精度最高,PLSR次之,MLR效果最差。对比两种变量的建模效果,基于植被的SVR建模效果最好,其建模决定系数(R²)、均方根误差(RMSE)分别为0.89、0.20,验证R²、RMSE分别为0.82、0.24;基于裸土的建模效果不理想,最优的也是SVR模型,其建模R²、RMSE分别为0.63、0.26,验证R²、RMSE分别为0.61、0.25。根据最优模型反演得到该区域有机质含量为17.51～22.53 g·kg^-1,平均值为19.51 g·kg^-1,与实地调查结果较为一致;插值结果与反演结果相比,精度受到限制。综上,基于无人机多光谱可以对盐渍土冬小麦拔节期土壤有机质含量进行快速、大范围精准估测。     

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。     

小型植保无人机超低量喷雾防治稻水象甲

【目的】通过建立适宜新疆荒漠绿洲特殊生态环境的稻水象甲超低量喷雾技术,为稻水象甲的大面积统防统治提供新型施药技术。【方法】以小型遥控多旋翼植保无人机(UAV)为施药机械,以稻水象甲常规喷雾防效大于90%的药剂为首选药剂,开展了药剂、施药量、助剂以及施药机型的筛选试验。【结果】施药后3、7、14和21 d虫口密度高于防治指标的样地所占比例依次为35.71%、21.43%、35.71%和78.57%。30%氯虫·噻虫嗪187.5 mL·hm~(-2)防效最佳,14 d药效高达93.43%;药后21 d,球孢白僵菌3000 mL·hm~(-2)的防效最高,达84.65%。各药剂施药量与防效呈正相关。此外,UAV喷雾防治稻水象甲时,添加助剂的平均防效可提高22.29%~28.49%。【结论】在农业精准施药、绿色生产中,综合考虑供试药剂的施药量、持效期、防效和药后存活虫量,建议以30%氯虫·噻虫嗪SC和14%氯虫·高氯氟CS作为全程以UAV为施药机械防治稻水象甲的首选药剂,在稻水象甲种群发展前中期优先考虑低浓度施药量;同时,为避免UAV在实际作业中药液雾滴发生飘失和流失问题,可以考虑添加飞防助剂提升防效。     

基于无人机和决策树算法的榆树疏林草原植被类型划分和覆盖度生长季动态估计

植被覆盖度是评估生态环境质量与植被生长的重要指标,也是全球众多陆面过程模型和生态系统模型中表达植被动态的重要参数。卫星遥感和地面测量是估算植被覆盖度的常见方法。然而,如何精确估计榆树疏林草原上木本、草本不同类型植被的覆盖度仍然具有挑战性。无人机飞行系统有效的补充了区域尺度低空间分辨率的卫星遥感影像与样地尺度实地调查之间的缺口,为精确的监测、评估疏林草原的植被动态提供了新途径。利用无人机监测平台和决策树算法构建了一套快速、准确、自动获取景观尺度植被类型和估算植被覆盖度的自动化工具,以浑善达克沙地榆树疏林草原为对象,应用无人机监测平台对榆树疏林草原长期定位监测大样地2017年生长季植被状况进行7次监测。结果表明:1)无人机植被监测平台数据飞行高度100 m,获取的样地数字正射影像空间分辨率为2.67 cm/像元,远高于高分卫星影像,利用决策树算法基于数字正射影像可以实现自动划分榆树疏林草原木本和草本植被类型和估算植被覆盖度; 2)生长季内榆树疏林草原木本植被覆盖度为(19±2)%,草本植被覆盖度为(50±8)%,植被总覆盖度为(69±9)%,相对于木本植被,草本植被生长季内盖度变幅较大; 3)在整个生长季中,木本植被和草本植被对植被总覆盖度的平均贡献率分别为27%和73%,草本植被对植被总盖度的贡献远大于木本植被,榆树疏林草原植被的盖度主要受草本植被的影响。本研究证明无人机监测平台是一种高效、准确的植被监测工具,结合机器学习算法,实现了景观尺度植被类型的自动划分和不同类型植被覆盖度快速获取;在浑善达克沙地榆树疏林草原地区首次获取了木本植被和草本植被覆盖度的生长季动态。该平台未来可应用于各种类型生态系统植被类型划分、监测和评估。     

基于可见光植被指数的面向对象湿地水生植被提取方法

利用ESP分割工具确定最佳分割尺度,通过多尺度分割算法创建最优分割影像,基于微型无人机影像数据生成可见光植被指数,从一系列可见光植被指数中选取一组最优植被指数,建立决策树规则,利用隶属度函数对研究区自动分类,生成水生植被分布图.结果表明: 监督分类法的总体精度为53.7%,面向对象分类法总体精度为91.7%,与基于像元的监督分类法相比,面向对象分类法显著改善了影像分类结果,并大大提高了水生植被提取精度,监督分类法的Kappa系数为0.4,而面向对象分类法的Kappa系数为0.9.这表明利用微型无人机数据生成的可见光植被指数结合面向对象分类方法提取水生植被在该研究区是可行的,并能够应用到其他类似区域.     

基于遥感影像的丹霞山国家级自然保护区森林景观格局分析

森林景观格局分析是景观格局优化、森林资源的可持续性经营与保护的重要基础。以无人机遥感影像和DEM为基础数据,利用ArcGIS和Fragstats软件对所选取的不同景观指数进行计算,分析了丹霞山森林景观的类型、格局特征及其地形分异规律。结果表明:1)从类型水平指数来看,丹霞山森林景观类型以天然林为主,占总面积的78.42%,表现出较高的集中连片性;2)从景观水平指数来看,丹霞山景观多样性和均匀度指数均较低,而蔓延度指数和连通度指数则较高,分别为77.85和99.97,表明景观以少数大面积的斑块为主,斑块间连接密切,自然连通度高; 3)从功能分区景观格局和地形分异规律来看,与人类活动密切相关的农田、人工林、裸地、居民地、人工水体和自然水体六类森林景观主要集中分布于海拔较低(60—150 m)、坡度平缓(0—5°)、无坡向的实验区内;灌木、草地、天然林和裸岩四类森林景观则较均衡的分布于海拔60—350m的各级坡度和坡向的核心区和缓冲区内。综上所述,丹霞山森林景观保持完好,破碎化程度较低,人为活动干扰较少,斑块之间物质、能量和物种交换的潜力较大。应建立无人机遥感监测系统,长期、准确的跟踪森林景...     

利用大面积无人机航拍影像研究松材线虫病病死树林间分布规律

本研究使用固定翼无人机拍摄4 200 ha林地,从中选取了广东省河源市和平县阳明镇、紫金县紫城镇、东源县义合镇共3个样地的3 500 ha林地的航拍影像进行分析,用以探究松材线虫Bursaphelenchus xylophilus病死树的空间分布情况,及不同立地因子对疫情的影响,为松材线虫病监测预报提供解决途径。通过Pix4Dmapper软件对航拍的图像进行拼接生成正射影像图（DOM）等成果,然后使用eCognition（易康）软件对影像成果进行分割、分类和信息提取,最后借助ArcGIS平台进行病死树数量统计并获取方位、坡向、坡度、海拔等立地因子信息。结果表明,松材线虫病死树分布均呈聚集分布。使用双对角线法、平行线法、“Z”字法、五点法等不同抽样方法调查发现,仅五点法所得平均数与总体平均数无明显差异（P＜0.05）。松材线虫病死树在不同立地因子下均有差异：主要分布在西坡、南坡和东南坡,西坡最多为25.94%,其次是南坡23.57%;主要分布在半阳坡和阳坡,半阳坡占36.54%,阳坡占34.09%;主要分布在凸坡,但随着疫情的发展,凹坡病死树数量逐渐超过凸坡;主要分布海拔区间在300～350 m和250～300 m之间,其中300～350 m的病死树占30.43%,250～300 m的病死树占21.83%。固定翼无人机作业效率高,可在较短的时间内拍摄大面积的林地,获取足够的样本用于研究分析,其成本明显低于人工调查。分析结果表明,研究区域内松材线虫病死树分布具有空间差异和地形差异。在今后的松材线虫病防治中,可以考虑结合地形因素,提高对疫情的防治效率,为防治工作提供了新的思路与方法。     

基于多尺度标记优化分水岭方法的油茶冠幅提取

针对尺度对地物空间结构的限制以及传统分水岭分割易产生树冠过分割等问题,选择长沙县明月村油茶基地为研究区,提出一种基于多尺度标记优化分水岭分割油茶树冠的方法。首先使用高分辨率无人机影像采集图像,分析影像特征,构建油茶分类体系,提取油茶林分布区域。其次,运用多尺度区域迭代增长方法提取树冠标记,将标记应用于多阈值尺度的分水岭变换,并结合Johnson指数选取树冠标记增长和分水岭阈值的最优尺度,实现油茶单木的准确识别。结果表明:多尺度标记优化分水岭方法在分离油茶单木时,树冠面积提取值与目视解译参考值的相对误差为9.4%;单木总体识别精度为89.4%,相对于传统的分水岭分割方法精度提高了34.8%;通过Johnson指数确定的最优迭代增长尺度为20,分水岭分割阈值尺度为85,对比不同尺度组合下的油茶冠幅提取结果,最优尺度下的油茶冠幅提取精度最高(R²=0.75)。多尺度标记优化分水岭方法能较准确地分离油茶树冠,将该方法应用于无人机影像树冠分割,可有效提高经济林调查的效率。     

江苏海门蛎岈山牡蛎礁生态现状评价

基于2013—2014年间的生态调查结果,评价了江苏海门蛎岈山牡蛎礁的生态现状。无人机航拍结果显示,江苏海门蛎岈山分布有750个潮间带区牡蛎礁斑块,总面积约为201519.37 m2;与2003年相比,海门蛎岈山牡蛎礁面积约下降了38.8%。活体牡蛎的平均盖度约为66%,2013年5和9月熊本牡蛎Crassostrea sikamea的平均密度分别为(2199±363)个/m2和(2894±330)个/m2。2013年5月海门蛎岈山熊本牡蛎种群的平均肥满度(CI)和性腺指数(GI)分别为(9.76±0.95)%和(1013±82)mg/g,均显著低于浙江象山港养殖的熊本牡蛎种群(P0.05)。海门蛎岈山熊本牡蛎的单倍体多样性和核苷酸多样性指数分别为0.119和0.00028,均高于长江口野生种群和浙江象山港养殖种群。海门蛎岈山熊本牡蛎种群受到尼氏单孢子虫(Haplosporidium nelson)的轻度浸染,其感染率(17.2%)低于浙江象山港养殖群体(47.3%)。泥沙沉积和人类捕捞是江苏海门蛎岈山牡蛎礁面临的主要胁迫因子,今后牡蛎礁恢复的重点是增加附着底物的数量。