无人机技术在草原生态遥感监测中的应用与探讨

李风贤

(兰州资源环境职业技术学院，甘肃 兰州 730021)



无人机技术在草原生态遥感监测中的应用与探讨

李风贤

(兰州资源环境职业技术学院，甘肃 兰州 730021)

无人机(UAV)配合遥感系统联合作业，建立低空遥感—地面监测—卫星遥感一体化的“天、地、空”草原监测和信息管理模型，弥补了卫星遥感、传统人工监测时效性、准确性及精细度方面的缺陷，为草原信息化道路开辟了一个实际、准确的方向，且在草原生物灾害监测、模型精细化等应用中具有很大的发展空间。本文概括了无人机遥感系统的关键技术和作用流程，并结合草原监测现状，对该技术在草原监测与信息管理中的应用前景进行了展望。

无人机技术；遥感；草原；生物灾害；生物量

近年来，随着航空遥感技术的不断成熟和在民用领域的需求，无人机遥感技术因其多平台、多用途、多功能影像系统、高效机动、高时效性、高分辨率、客观准确、“3S”集成、智能化等突出特点，已经逐渐渗透到各个行业，成为未来遥感发展主要趋势和热点之一[1-2]。

无人机遥感系统是综合无人机(UAV)、数字遥感设备为载荷，以遥感数据计算机快速处理为技术支撑的遥感系统。广泛普及于资源调查[3-4]、精细农业[5-6]、地图测绘[7]、自然灾害监测与评估[8]、森林病虫害防护与监测[9]、公共安全[10]等领域，为各应用需求提供了一种新的、有效的、现代化的技术途径，弥补了卫星遥感及其他传统监测方法的缺陷。草原是我国主要的陆地生态系统[11]，又是农民赖以生存发展的基本生产资料。但无人机遥感技术在草原资源信息化管理、生态监测方面，目前国内还处于起步阶段。开展无人机遥感在草原应用方面的技术试验示范，建立航测遥感与地面监测、卫星遥感影像的“天、空、地”数据逻辑关联及解译模型，形成航空器低空航测遥感技术在草原资源调查、动态监测、灾害防治、资源管理等方面的技术规范和标准，以及数据实时传输技术规范，对今后全国草地资源调查和信息管理有非常重要的意义。

本文针对无人机遥感的关键技术，阐述其基本作业流程，归纳总结现有的常用无人机传感器载荷系统，并对该技术在草原监测和信息管理中的应用前景进行展望和探讨。

1 无人机系统

1.1 关键技术及处理流程

航测工作主要分为外业数据采集和内业数据处理两部分。外业数据采集流程主要有：确定航测任务、野外勘查、一体化摄影规划与参数设计、飞行作业和航摄影像检查及提交[12]。外业获取的高空间分辨率无人机像片、GPS+POS数据及实地调查数据检查合格后，移交到内业进行预处理，预处理的主要步骤为：①分析影像数据和利用GPS、IMU获得的外方位元素，将影像数据、外方位元素、地面控制点等信息输入无人机数据处理软件(如Inpho、PIE、photoscan等)，生成金字塔，建立测区航带关系；②同名点自动匹配；③影像质量及预处理结果精度检测。生成所需的航拍数据产品(DEM、DOM、DLG、DLG)后，进行后期的影像解译、后处理及应用研究。

1.2 无人机传感器

传感器从最初的胶片相机向宽视场大面阵CCD相机[13]，从黑白相机向多光谱、高光谱、超高光谱及激光雷达等高分辨率数码相机发展[14-15]。各类传感器在草原生态监测中的优势及其功能主要有：

(1) 可见光相机：可计算可见光植被指数(CIVE、ExG、ExGR、NGRDI、VEG等)，进行植被覆盖度变化监测和植被类型分类[16]，如Phase one IXA系列相机。

(2) 近红外相机：植被在近红外影像上亮度更亮。

(3) 多光谱相机：如ADC相机，可拍摄红、绿和近红外(TM2、TM3和TM4波段)3波段影像，可获得NDVI(归一化植被指数)、SAVI(土壤纠正植被指数)IPV和NIR/G等指数，方便对地面植被进行分析[17]。

(4) 高光谱相机：在紫外、可见光、近红外和中红外区，有数十至数百个窄波段(<10 nm)及完整而连续的光谱曲线，可监测植被长势、病虫害、LAI、生物量估算等[18]。

2 应用现状与展望

2.1 草地动态监测与生态安全评估

利用卫星遥感，结合地面调查，基本满足大尺度下的资源大类识别、面积汇总、生态安全评估等需求[19-22]，但也存在卫星遥感影像获取周期长、受气候影响、空间分辨率不足等问题，难以满足典型、局部区域的分析判断。对无人机遥感系统获取的高空间、高光谱、高时间分辨率的影像进行快速拼接处理后，采用数字图像处理方法分类识别，建立不同草地类型解译标志库和光谱库，初步形成影像解译规范和大数据处理流程，航测遥感与地面监测、卫星遥感影像的“天、空、地”数据逻辑关联，低空航测遥感数据与草原信息管理平台的数据对接规范，以及实时传输技术的应用，实现草地草场生长变化、植被盖度变化、草地生物量估测、草地健康状况、草蓄平衡评估以及元素含量等的监测研究。通过无人机进行草地监测和生态评估可以拓宽无人机的应用范围，弥补传统植被识别手段的局限性，可以获得更高精度的结果，且省时省力。

2.2 草地生物量估算

由于草原生态系统的异质性和空间变异性，可控条件下的样地数据采集对草地影像光谱信息解译至关重要，能有效弥补卫星遥感技术易受辐射和光照影响等缺陷。利用低空遥感平台获取感兴趣区长时间序列的高分辨率影像数据，采用相应的指数和模型，提取草地生物量、质量及草地类型的空间分布格局[23]。农业研究发现，多时相CSM(crop surface models)模型在无人机RGB影像监测作物高度及生物量中有很好的效果[24-25]。将该模型运用到草地生态系统草地生物量监测中，并结合样地调查数据及植被指数进行对比分析，结果表明非定标的RGB影像结合CSMs模型对草地植被高度和生物量估算有很好的适用性[26]，与传统草地生物量估算模型互补应用，可有效提高估算精度。集成不同草地类型的草原生物量的季节动态、生物量与水热条件的关系，以及地下生物量(牧草营养成分和土壤养分)的变化进行综合分析是今后研究的重点。

2.3 牧草产量评估

利用草地牧草光谱观测资料、牧草产量资料、气象资料和卫星影像数据，建立草地牧草产量光谱植被指数和卫星遥感监测模型、气象监测模型，为及时准确地掌握牧草产量变化提供了科学有效的手段。但由于卫星影像分辨率等因素限制，评估精度不高[27]。通过可见光和多光谱结合的航拍图，建立草原各类植物生长产量的数字模型，提高草原产量评估准确率。主要包括饲草料地面积核查、饲草料长势评估、结合光谱信息建立估产模型、测算饲草料产量。

2.4 草势生长预测及NPP反演

通过无人机携带光谱成像仪，建立精准的草原光谱分布图，提高草势生长预测准确率。对草地植被的分析判断：结合地面调查，确定草地类型、植被盖度等；月度间、年度间的植被长势分析评估；选择典型区域作为样本源，进行光谱航测，结合卫星遥感、地面实测，建立估产和评估模型，对草地生产力和生态状况进行评估。

传统的植被净初级生产力(NPP)反演采用CASE等传统模型，适用于对大尺度范围、低分辨率的卫星影像(如MODIS、Landsat等)进行粗估算，但对小范围、复杂地形条件下草地NPP反演精度并不理想[28]。采用多光谱传感器获取不同区域、地形条件、时相下的草地无人机影像，修正CASE等传统模型参数，达到反演的最佳精度，进而推广应用具有重要意义。

2.5 草原生物灾害预测预警

草原灾害发生突然、蔓延迅速，且多在人烟稀少、道路难至的区域，人工实地踏勘制约因素较多，但受制于传统遥感平台空间分辨率及重访周期的限制，无法满足草原生物灾害超高分辨率识别的要求，只能间接依靠植被变化，从宏观上反映草原生物灾害的发生、蔓延等特点，不能满足对草原灾害发生程度、趋势变化的及时分析、准确判断要求[29-31]。目前草地灾害监测大多停留在传统的人工阶段，该方法劳动强度大、效率低、易受主观因素影响，导致监测结果存在很大的不确定性。无人机系统因其机动灵活、快速实时采集和传输影像等优势，在迅速了解灾情、科学指挥救灾及灾情评估等工作中发挥了重要的作用，能够宏观、微观地分析草地病虫害及鼠害[32]。无人机搭载多光谱相机，在草原上空精确抽样，拍摄2～3 cm空间分辨率的航测图，获取鼠洞空间分布、密度及危害程度，在为灭鼠提供科学参考数据的基础上，可分析鼠害与地形、水热条件、植被种类及长势等因素的相互关系，并建立模型预测鼠害蔓延趋势，及时采取有效措施进行防控[33-34]。此外，无人机搭载红外设备对病害草场进行扫描后，通过蝗虫红外数字模型，可分析出每平方千米蝗虫数量及蝗虫密度分布图。

国外已有较多采用遥感手段识别毒草及绘制其密度图[35-36]的成功案例。随着无人机遥感技术的快速发展，遥感监测毒草的能力也得到不断增强，但是国内研究并不多。由于无人机遥感可实现高精度识别植被类型及动态监测，将成为今后识别毒草的一个最主要的数据集。建立毒害植被多光谱数字模型，通过草原多光谱分布图与毒害植被分布预警管理平台，能得出毒害植被种类以及密度和分布区域，达到一定密度时自动报警给后台管理人员，及时发现毒害植被生长状况，为除毒害植被提供地理信息依据。

2.6 草畜平衡监管、禁牧管护

人烟稀少、自然条件恶劣的高寒、荒漠区域，以及地形复杂的山区复合草地，缺乏准确及时有效的技术手段。是否放牧一目了然，放牧数量可以通过模型进行准确测算。结合北斗定位系统，明确放牧轨迹，对草畜平衡状况进行准确评估。

2.7 草原保护工程管护及草原征占用

包括对围栏、饲草料基地、牧民定居等工程的定期巡查，测算围栏面积、评估围栏设施的现状。草原征占用方面包括工矿用地、草原开垦等方面的区域变化情况进行及时巡查。图上可以清晰地看到四至界限，计算出面积。为工矿企业征占用地管理、非法开垦草原执法取证提供技术支持。

2.8 航空植保

草原生物灾害防治主要依靠人工手动喷药和机械喷药两种形式，由于多种因素的影响，防治效果并不佳，且成本较大。无人机植保技术是近几年兴起的、广泛应用的一项通过飞机喷施农药实现植保的新型技术，受地理因素的制约较小，空中作业效率高、节药节水、作业安全、作业成效佳、不受草原长势限制且不损坏草地植被，尤其利于草原爆发性病虫害，如蝗虫和鼠害，以及小区域毒害草的防控[37]。

3 讨论与展望

基于高空间、高光谱分辨率的无人机草原生态监测将成为今后发展的热点和新趋势。无人机遥感在小区域和飞行困难地区高分辨率影像快速获取方面具有明显优势，可根据草原特点，结合地面观察数据，迅速准确地进行草情监测。针对性地进行大面积航空监测及小范围定点监测与防治工作，并对问题发生位置进行准确排查并及时有效解决。以已有的天然草原资源与生态监测点、退牧还草工程项目区、饲草料种植基地、科研试验站等为目标源，针对天然草原牧草长势监测与估产、饲草料长势监测与估产、草原保护项目管理、草畜平衡监管、禁牧管护、鼠虫害监测预警、草原征占用等内容，开展无人机遥感在草原应用方面的技术试验示范，建立航测遥感与地面监测、卫星遥感影像的“天、空、地”数据逻辑关联及解译模型，形成航空器低空航测遥感技术在草原资源调查、动态监测、灾害防治、资源管理等方面的技术规范和标准，以及数据实时传输技术规范，具有重要的推广应用意义，将为今后全国草地生态遥感监测提供重要手段和科学研究依据。

[1] 李德仁, 李明. 无人机遥感系统的研究进展与应用前景[J]. 武汉大学学报(信息科学版), 2014, 39(5): 505-513.

[2] PAJARES G. Overview and Current Status of Remote Sensing Applications Based on Unmanned Aerial Vehicles (UAVs) [J]. Photogrammetric Engineering & Remote Sensing, 2015, 81(4): 281-330.

[3] SAARI H, PELLIKKA I, PESONEN L, et al. Unmanned Aerial Vehicle (UAV) Operated Spectral Camera System for Forest and Agriculture Applications[J]. Proceedings of SPIE-The International Society for Optical Engineering, 2011, 8174(1): 466-471.

[4] 许辉熙, 敬小东. 基于无人机遥感和 GIS 技术的土地利用快速详查方法研究[J]. 测绘与空间地理信息, 2013, 36(9): 11-14.

[5] 高林, 杨贵军, 于海洋,等. 基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 农业工程学报, 2016, 32(22): 113-120.

[6] TOKEKAR P, HOOK J V, MULLA D, et al. Sensor Planning for a Symbiotic UAV and UGV System for Precision Agriculture[C]∥IEEE/RSJ International Conference on Intelligent Robots & Systems.[S.l.]:IEEE,2016.

[7] 戴中东, 羊远新, 孟良. 低空无人机在高原大比例尺地形图测绘中的应用[J]. 工程勘察, 2016(11): 50-55.

[8] 雷添杰, 李长春, 何孝莹. 无人机航空遥感系统在灾害应急救援中的应用[J]. 自然灾害学报, 2011,20(1): 178-183.

[9] 张园, 陶萍, 梁世祥,等. 无人机遥感在森林资源调查中的应用[J]. 西南林业大学学报, 2011, 31(3): 49-53.

[10] 黄涛. 小型无人机在公共安全领域的应用前景展望[R].[S.l.]：今日财富论坛，2016.

[11] 赵军, 张俊, 田凤宾,等. 基于.NET平台的草原灾害预警信息系统设计[J]. 甘肃科技, 2008, 24(21): 37-38.

[12] 曹明兰, 薄志毅, 李亚东. 无控制点数据的无人机影像DOM快速制作[J]. 测绘通报, 2016(8): 35-38.

[13] 王妍, 朱岩隆, 高伟,等. 无人机载双拼相机低空航测系统技术研究[J]. 测绘与空间地理信息, 2014，37(8): 214-216.

[14] 陈云波, 刘义志, 蒋小蕾,等. 无人飞行器低空遥感系统机载传感器搭配方案研究[J]. 测绘通报, 2012(8): 33-35.

[15] 杨贵军, 李长春, 于海洋,等. 农用无人机多传感器遥感辅助小麦育种信息获取[J]. 农业工程学报, 2015, 31(21): 184-190.

[17] 李冰, 刘镕源, 刘素红,等. 基于低空无人机遥感的冬小麦覆盖度变化监测[J]. 农业工程学报, 2012, 28(13): 160-165.

[18] MIAO X,PATIL R,HEATON J S,et al. Detection and Classification of Invasive Saltcedar through High Spatial Resolution Airborne Hyperspectral Imagery[J].International Journal of Remote Sensing，2011,32(8)：2131-2150.

[19] VON BUEREN S K, BURKART A, HUENI A, et al. Deploying Four Optical UAV -based Sensors over Grassland: Challenges and Limitations[J]. Biogeosciences, 2015, 12(1): 163-175.

[20] 杨婷婷, 刘朋涛, 刘同海,等. 正蓝旗沙漠化草地分布格局及2002—2011年动态变化的遥感监测[J]. 干旱区资源与环境, 2013, 27(10): 181-185.

[21] 刘纪远, 徐新良, 邵全琴. 近30年来青海三江源地区草地退化的时空特征[J]. 地理学报, 2008,63(4): 364-376.

[22] 周伟, 刚成诚, 李建龙,等. 1982—2010年中国草地覆盖度的时空动态及其对气候变化的响应[J]. 地理学报, 2014, 69(1): 15-30.

[23] HEJCMAN M, SZKOVJ, SCHELLBERG J, et al. The Rengen Grassland Experiment: Bryophytes Biomass and Element Concentrations after 65 Years of Fertilizer Application[J]. Environmental Monitoring & Assessment, 2010, 166(1-4): 653.

[24] BARETH G,BENDIG J, TILLY N, et al. A Comparison of UAV and TLS-derived Plant Height for Crop Monitoring: Using Polygon Grids for the Analysis of Crop Surface Models (CSMs) [J]. Photogrammetrie-Fernerkundung-Geoinformation, 2016, 2016(2): 85-94.

[25] TILLY A N,HOFFMEISTER D,CAO Q,et al. Multitemporal Crop Surface Models: Accurate Plant Height Measurement and Biomass Estimation with Terrestrial Laser Scanning in Paddy Rice [J]. Journal of Applied Remote Sensing, 2014, 8(1): 083671-083671.

[26] BARETH G, BOLTEN A, HOLLBERG J, et al. Feasibility Study of Using Non-calibrated UAV-based RGB Imagery for Grassland Monitoring: Case study at the Rengen Long-term Grassland Experiment (RGE), Germany[J]. DGPF Tagungsband, 2015(24): 55-62.

[27] 李云鹏, 格根图, 娜日苏,等. MERSI资料在内蒙古草原牧草产量估测中的应用研究[J]. 干旱区资源与环境, 2012, 26(9): 154-159.

[28] 郭灵辉, 郝成元, 吴绍洪,等. 内蒙古草地NPP变化特征及其对气候变化敏感性的CENTURY模拟研究[J]. 地理研究, 2016, 35(2): 271-284.

[29] 涂雄兵, 杜桂林, 李春杰,等. 草地有害生物生物防治研究进展[J]. 中国生物防治学报, 2015, 31(5): 780-788.

[30] 吴秀兰, 郑江华, 倪亦非,等. 国产ZY1-02C卫星数据在新疆典型毒草白喉乌头遥感监测中的适用性分析[J]. 中国植保导刊, 2014, 34(7): 9-14.

[31] 徐正刚, 赵运林, 李波,等. 基于MODIS植被指数评估洞庭湖区东方田鼠大暴发的危害[J]. 生态学报, 2014, 34(23): 7101-7109.

[32] LI Z, ZHU Y, YANG F, et al. Study on the Evaluation of UAV Disaster Monitoring System Architecture Based on the RSBFNN Algorithmic Method[J]. Applied Mathematics & Information Science, 2015, 9(3): 1455-1465.

[33] 轩俊伟, 郑江华, 倪亦非,等. 基于动力三角翼平台的草原鼠害遥感监测研究[J]. 中国植保导刊, 2015, 35(2): 52-55.

[34] 宜树华, 陈建军, 秦彧,等. 无人机航拍在青藏高原高寒草地生态系统研究中的初步应用[J]. 西南民族大学学报(自然科学版), 2016, 42(1): 1-7.

[35] 屈冉, 李双, 徐新良,等. 草地退化杂类草入侵遥感监测方法研究进展[J]. 地球信息科学学报, 2013, 15(5): 761-767.

[37] 薛平. 小型无人机在农业植保应用中的探讨[J]. 农业技术与装备, 2016(8): 18-20.

Application and Discussion of UAV Technology in Ecological Remote Sensing Monitoring of Grassland

LI Fengxian

(Lanzhou Resources & Environment Voc-Tech College, Lanzhou 730021， China)

This paper combined UAV with remote sensing system, and established the integration models of low-altitude remote sensing, ground monitoring, satellite, namely “Space-Ground-Aero”, for grassland monitoring and information management, which could fill the gap of using current satellite sensors and traditional manual monitoring methods with time and accuracy limition. It opened up a practical and accurate direction for grassland informatization, and great development space in the application of grassland biological disaster monitoring and model refinement. This paper summarized the key technologies and processes of the UAV remote sensing system. According to the grassland monitoring status, application prospect of the technology in grassland monitoring and information management were discussed.

UAV; remote sensing; grassland; biological disaster; biomass

李风贤.无人机技术在草原生态遥感监测中的应用与探讨[J].测绘通报，2017(7)：99-102.

10.13474/j.cnki.11-2246.2017.0232.

2017-03-08

甘肃省教育厅支持项目(2014B-137)；兰州资源环境职业技术学院支持项目(Z2016-14)

李风贤(1967—)，男，高级工程师，主要从事地理信息技术应用研究。E-mail：lxy20020703@163.com

P237

A

0494-0911(2017)07-0099-04