无人机遥感在生态学中的应用进展

无人机与遥感技术的结合,即无人机遥感。与传统的以卫星和有人机遥感相比,无人机遥感具有高时效、高时空分辨率、云下低空飞行、高机动性等优势,是传统卫星和有人机遥感手段所无法比拟的。这些优点使得无人机在生态学和保护生物学等领域获得迅速发展。首先对无人机遥感技术的发展历程、系统组成、分类与选型、应用优势等进行了介绍。在此基础上,对无人机在生态学中的应用案例进行了总结,内容涉及生境监测、植物物候调查、动物监测等方面。最后通过比较国内外相关领域的研究进展对无人机生态学存在的问题(技术门槛较高和法律法规不完善等)和潜在应用前景进行了探讨。     

遥感在生物多样性研究中的应用进展

随着人口的持续增长, 人类经济活动对自然资源的利用强度不断升级以及全球气候变暖, 全球物种正以前所未有的速度丧失, 生物多样性成为了全球关注的热点问题。传统生物多样性研究以地面调查方法为主, 重点关注物种或样地水平, 但无法满足景观尺度、区域尺度以及全球尺度的生物多样性保护和评估需求。遥感作为获取生物多样性信息的另一种手段, 近年来在生物多样性领域发展迅速, 其覆盖广、序列性以及可重复性等特点使之在大尺度生物多样性监测和制图以及评估方面具有极大优势。本文主要通过文献收集整理, 从观测手段、研究尺度、观测对象和生物多样性关注点等方面综述了遥感在生物多样性研究中的应用现状, 重点分析不同遥感平台的技术优势和局限性, 并探讨了未来遥感在生物多样性研究的应用趋势。遥感平台按观测高度可分为近地面遥感、航空遥感和卫星遥感, 能够获取样地-景观-区域-洲际-全球尺度的生物多样性信息。星载平台在生物多样性研究中应用最多, 航空遥感的应用研究偏少主要受飞行成本限制。近地面遥感作为一个新兴平台, 能够直接观测到物种的个体, 获取生物多样性关注的物种和种群信息, 是未来遥感在生物多样性应用中的发展方向。虽然遥感技术在生物多样性研究中的应用存在一定的局限性, 未来随着传感器发展和多源数据融合技术的完善, 遥感能更好地从多个尺度、全方位地服务于生物多样性保护和评估。     

高光谱遥感技术在植物功能性状监测中的应用与展望

植物功能性状作为指示植物对环境适应和进化的可量度特征,其变异格局和驱动机制是植物生态学和地球系统建模的重要研究内容。传统野外测定方法费时费力费钱,且通常关注生长季和优势物种,使得功能性状的尺度延展和时空覆盖存在极大挑战。近些年兴起的多尺度高光谱遥感技术为解决当前植物功能性状数据时空覆盖度差的问题提供了新的思路和方法。该文在概述高光谱遥感技术监测植物功能性状的基本原理和发展简史的基础上,详细介绍了当前光谱-性状关系的主要建模方法,即经验或半经验方法、物理模型反演方法,其中以经验统计模型方法中的偏最小二乘回归使用最为广泛。进一步结合实例,重点讨论了高光谱遥感技术在叶片、群落和景观尺度监测植物功能性状的应用及存在的主要问题。最后,为促进高光谱技术在植物功能性状及其多样性监测方面的研究,提出以下4个未来应该重点关注的方向:1)检验光谱-性状模型的普适性,并解析其背后的调控机理;2)发展光谱-性状关系尺度延展的方法体系;3)解析植物功能性状及其多样性的时空变异和调控机制; 4)探究环境-植物功能多样性-生物多样性-生态系统功能间的关联。     

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。     

基于实地调查和高光谱数据的浑善达克沙地中部植物alpha多样性遥感估测

植物群落物种多样性的快速无损估测一直是近几十年生态学领域的热点研究问题。相对于大尺度的卫星遥感数据,高光谱遥感数据具有光谱和空间分辨率高的优势。采用ASD HH2便携式高光谱仪,收集浑善达克沙地中部120个样方的高光谱数据,并对样方的alpha多样性指数进行同步测定。对高光谱遥感数据进行预处理,采用相关性分析、主成分分析和经验波段筛选法,从数百个波段中选择敏感波段。采用90个样方的高光谱数据作为训练样本,对筛选的敏感波段进行多元线性逐步回归分析,获得12个回归模型。采用另外30个样方的高光谱数据作为验证样本,对回归模型的拟合效果进行检验。结果发现,采用主成分分析法提取敏感波段的回归模型拟合效果最好,Pielou指数、Shannon-Wiener指数和Simpson指数拟合均达到显著水平。对我国植物物种多样性微尺度的快速评估和高光谱遥感具有一定参考意义,并对未来植物多样性高光谱遥感研究提出了建议。     

西双版纳热带雨林林窗空间分布格局及其特征数与林窗下植物多样性的相关性

林窗作为森林群落中一种重要的干扰方式, 对林下物种构成有着重要的影响。开展林窗空间格局及其特征指数与林下植物多样性关系研究对于探讨林窗对林下生物多样性的影响有重要意义, 有助于进一步了解群落动态, 在物种多样性保护方面也具有指导作用。本研究在西双版纳热带雨林地区随机选取3块大小为1 ha的热带雨林为研究样地, 采用轻小型六旋翼无人机搭载Sony ILCE-A7r可见光传感器, 分别获取各个样地的高清数字影像, 结合数字表面高程模型以及各个样地的地形数据用以确定各样区的林窗分布格局, 并进一步提取出各林窗的景观格局指数。结合地面样方基础调查数据, 对各样地各林窗下植物多样性情况进行统计, 旨在分析热带雨林林窗空间分布格局以及林窗下植物多样性对各林窗空间格局特征的响应情况。研究表明, 西双版纳州热带雨林林窗呈大而分散的空间分布, 林窗空间格局特征指数如林窗形状复杂性指数、林窗面积都与林下植物多样性呈显著正相关关系。在面积小的林窗下, 较之林窗形状复杂性因子, 林窗面积大小对林下植物多样性影响更显著; 在面积达到一定程度后, 相对于面积因子, 林窗形状复杂性指数对林下植物多样性影响更显著, 各样地林窗皆趋于向各自所处样地顶极群落发展。     

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。     

基于高光谱遥感的排土场植被覆盖与植物多样性分析

排土场作为矿区的典型扰动斑块,属于矿区生态修复的重点对象.研究人为重建的排土场生态系统物种多样性情况,分析不同坡度下植被覆盖度和植物配置,可为排土场的植被重建工程提供植物物种筛选依据和配置方案.本文以宝日希勒煤矿外排土场北坡为研究区,运用无人机高光谱遥感技术获取研究区影像,结合野外实测手段建立矿区典型植物光谱库,采用光...     

平稳小波变换在冬小麦SPAD高光谱监测中的应用

在2010与2011年度冬小麦生长季通过大田小区试验,利用ASD便携式野外光谱仪和SPAD 502叶绿素计实测冬小麦冠层的高光谱反射率与SPAD值.分析不同SPAD值下的冬小麦冠层光谱特征,建立了基于归一化植被指数（NDVI）与比值植被指数（RVI）、小波能量系数的不同生育期冬小麦SPAD估算模型.结果表明： 随着SPAD值的增大,“绿峰”与“红谷”特征愈加明显.在冬小麦返青期、拔节期、抽穗期、灌浆期NDVI估算SPAD的效果较好,估算模型的R²分别为0.7957、0.8096、0.7557、0.5033.小波能量系数回归模型可以提高冬小麦SPAD的估算精度,在返青期、拔节期、抽穗期、灌浆期以高频、低频小波能量系数为自变量的冬小麦SPAD估算模型的R²分别达到0.9168、0.9154、0.8802、0.9087.     

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。     

Satellite imagery as a tool for monitoring species diversity: an assessment

1. A landscape of 5 × 5·5 km in the Karnataka region of the Western Ghats of India was mapped into seven landscape element types, using field identification of types as well as supervised and unsupervised classification of satellite imagery.
2. Plant communities distributed in these landscape element types were surveyed in the field using 246 quadrats of 10 × 10 m, in order to assess whether these types could be distinguished in terms of species composition. All angiosperms excluding grasses, which could not be identified accurately in the field, were recorded for this purpose.
3. Landscape element types identified in the field harboured significantly distinctive sets of species of flowering plants, and were also by and large distinctive in terms of their species richness.
4. Landscape element types could be identified accurately on the basis of supervised classification: the types thus demarcated harboured distinctive sets of flowering plants.
5. Landscape element types coupled to satellite imagery could then be used to organize a programme of monitoring biodiversity.
6. Unsupervised classification of satellite imagery did not permit classification of landscape element types with a high enough level of accuracy. In consequence, the demarcated landscape element types did not harbour significantly distinctive sets of species of flowering plants. Unsupervised classification is therefore not appropriate in a programme of monitoring biodiversity.     

Comparison of leaf area index inversion for grassland vegetation through remotely sensed spectra by unmanned aerial vehicle and field-based spectroradiometer

Aims Remote sensing technology has been proved useful in mapping grassland vegetation properties. Spectral features of vegetation cover can be recorded by optical sensors on board of different platforms. With increasing popularity of applying unmanned aerial vehicle (UAV) to mapping plant cover, the study aims to investigate the possible applications and potential issues related to mapping leaf area index (LAI) through integration of remote sensing imagery collected by multiple sensors.     

Partitioning plant spectral diversity into alpha and beta components

Plant spectral diversity – how plants differentially interact with solar radiation – is an integrator of plant chemical, structural, and taxonomic diversity that can be remotely sensed. We propose to measure spectral diversity as spectral variance, which allows the partitioning of the spectral diversity of a region, called spectral gamma (γ) diversity, into additive alpha (α; within communities) and beta (β; among communities) components. Our method calculates the contributions of individual bands or spectral features to spectral γ‐, β‐, and α‐diversity, as well as the contributions of individual plant communities to spectral diversity. We present two case studies illustrating how our approach can identify 'hotspots’ of spectral α‐diversity within a region, and discover spectrally unique areas that contribute strongly to β‐diversity. Partitioning spectral diversity and mapping its spatial components has many applications for conservation since high local diversity and distinctiveness in composition are two key criteria used to determine the ecological value of ecosystems.     

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。     

Fast R-CNN深度学习和无人机遥感相结合在松材线虫病监测中的初步应用研究

松材线虫病因其破坏性强、传播速度快和防治难度大等特点,严重威胁着我国的松林资源.及时发现、定位和清理病死松树是控制松材线虫病蔓延的有效手段.本研究利用小型无人机获得松材线虫病疫点的可见光和多光谱的航摄影像.根据松树针叶颜色变化,将松材线虫Bursaphelenchus xylophilus侵染的松树分为病树和枯死树两种...     

Vegetation condition assessment and monitoring from sequences of satellite imagery

Summary   Vegetation changes over time are important indicators of condition, and are particularly important as targets or triggers for management. Satellite image data have unique capacities to provide information on changes in vegetation. In particular, Landsat imagery has the spatial resolution and a historical archive that make it relevant to providing information for understanding and management of native vegetation at a range of scales from small remnant to region. Regional and national vegetation monitoring programs based on time series Landsat imagery are now operational in Australia. These programs and their data have huge potential to provide information for conservation and natural resource management questions. They have already found multiple applications, including applications to biodiversity assessment and planning. This paper presents some examples of the delivery and application of satellite image monitoring information in the context of vegetation management.     

基于光谱信息的作物氮素营养无损监测技术

氮素是作物生长发育和产量品质形成所必需的营养元素。快速、无损、准确地监测作物氮素状况,对于诊断作物生长特征、提高氮肥运筹水平和利用效率、降低过量施氮带来的农田环境污染,深入开展精确农业和数字农业的研究与应用具有重要意义。本文围绕作物氮素特征光谱产生的机制、反射光谱对氮素营养的响应及光谱指数的生理意义等解析了作物氮素营养光谱无损监测的技术机理,阐明了作物氮素监测的光谱学和生理生态学基础,进而概述了国内外有关作物反射光谱获取及叶片、冠层和空间水平上氮素营养光谱监测的研究进展。针对作物氮素营养监测亟待解决的问题和作物生产需求,提出今后进一步研究的领域应重点围绕氮素生化组分的监测方法、氮素监测模型的普适性、氮素监测仪的开发、地空遥感信息的融合、遥感与其他技术的集成等方面。