鼠害型秃斑是反映草地鼠害的重要表征.利用无人机遥感技术识别高原鼠兔危害型秃斑对于评价其危害情况具有重要意义.本研究基于无人机可见光影像,使用最小距离(MinD)、最大似然(ML)、支持向量机(SVM)、马氏距离(MD)和神经网络(NN)5种监督分类算法对高原鼠兔危害地特征进行分类识别,并采用混淆矩阵对5种分类方法精度进行评价.结果表明:相较于其他3种方法,NN和SVM对高原鼠兔危害地特征进行识别分类的效果更好.其中,NN对草地与秃斑2种目标地物的制图精度分别为98.1％和98.5％,用户精度分别为98.8％和97.7％,模型总体精度为98.3％,Kappa系数为0.97,像元错分、漏分现象较低.经实践验证,NN表现出较好的稳定性.综上,神经网络方法是高寒草甸鼠害型秃斑识别的优选方法.

应用无人机近地面遥感技术估算草地生物量是目前较热门的方法,但构建的反演模型类型、变量、算法差异较大.通过在内蒙古锡林郭勒获取的无人机多光谱影像提取出波段反射率、植被指数等变量,与实际获取的地面样方调查数据结合,构建并对比了 8种最常用的参数与非参数方法构建的草地地上生物量预测模型,评估不同模型的精度和建模变量,以期能够优化得到最佳预测模型.研究结果表明8种模型中参数模型精度相对较低,非参数模型具有更高精度;参数模型中多变量的广义线性模型优于线性、对数和指数这3个参数模型;非参数模型中K近邻、支持向量机、极端梯度提升和随机森林4种模型的决定系数R2都大于0.7,但随机森林模型相对更稳健,且模型变量数最少.建模变量中归一化植被指数和红波段反射率变量对生物量估算作用较大.综上,随机森林模型是较适用于内蒙古锡林郭勒地区草原无人机近地面遥感技术估算草地生物量的模型,然而在超参数调整、算法优化,以及植被多源变量筛选等方面还需要更深入的研究.

草地生物多样性对于维持其生态系统服务功能至关重要,无人机遥感凭借机动灵活、高分辨率、高效率和低成本的优势,近年来在草地物种调查与研究中受到关注.然而,目前关于草地植物多样性无人机调查的研究仍然不够深入.本研究通过无人机航拍和人工地面调查对呼伦贝尔草甸草原区的植物多样性进行调查,通过比较不同样方布设方式、不同拍摄方式下观测到的物种数量和调查所用时间,探讨扩大调查面积对调查结果的影响以及利用无人机开展草地植物多样性调查的最佳拍摄参数和时间效率,分析草地植物多样性无人机调查的应用潜力.结果表明:(1)开展草地植物多样性调查时,物种数量随调查面积在一定范围内的增加而增多,与人工调查有限个样方相比,利用无人机进行大面积调查能够观测到更多的物种.(2)在半干旱地区草甸草原植物多样性调查中,用于物种识别的无人机RGB影像空间分辨率应优于0.45 mm,分辨率为0.45 mm时能识别67.16％的物种;在观测角度方面,采用两种方式进行拍摄为佳,可在90°垂直拍摄基础上增加45°或60°倾斜拍摄.(3)采用无人机调查可大幅缩短物种调查所用时间,但应配合高精度的物种智能识别模型以提高调查效率.本研究通过对比无人机与传统的人工地面调查观测到的物种数量,进一步验证了无人机遥感用于草地植物多样性调查的可行性,首次探讨了利用无人机获取可见光影像用于草地物种调查时的关键参数,研究结果可推动无人机在草地监测、调查和保护工作中的应用.

农业景观非农生境的精准识别对于打造高异质性农业景观,促进农作物增产与维持农田生物多样性具有重要意义.本研究基于无人机可见光影像构建了改进型绿蓝植被指数(MGBVI),并运用MGBVI和常见的7种可见光植被指数开展农业景观非农生境信息提取试验,对精度较高的前3种植被指数在非农生境组成有差异的2处农业景观区进行适用性验证.结果表明,MGBVI、归一化绿蓝差异指数(NGBDI)和绿蓝比指数(GBRI)提取非农生境的效果优于其他5种指数,其总体精度分别为95.08％、94.50％和94.46％,在区分非农生境和萌芽出苗期农田方面更有优势,尤其MGBVI能够精准识别非农生境中植被覆盖相对稀疏的田块边界.这3种指数在验证区的分类总体精度均高于94％,其提取结果受非农生境组成差异影响的波动较小,验证了 MGBVI等绿蓝通道指数在无人机影像提取农业景观非农生境中具有较好的可用性和稳定性.本研究可为复杂小地理区域农业景观非农生境的遥感识别与动态监测提供技术参考.

[目的]针对在松枯死树监测实践中,从无人机航拍RGB影像中自动识别松枯死树漏检率高的问题,提出了一种生产应用场景下基于多色彩空间的YOLOv5 松枯死树高精度自动识别新方法.[方法]利用无人机采集大面积松材线虫病发生林分的RGB图像,用Pix4Dmapper软件拼接,用LabelImg开源软件建立VOC格式的松枯死树数据集,分别用Faster R-CNN、YOLOv3、YOLOv4、YOLOv5、SSD和EfficientDet等 6 种基于深度学习的目标检测算法对数据集进行训练和测试,以精确率、召回率、平均准确率以及F1分数作为评价指标筛选出最优目标检测算法;然后将采集的RGB图像转换成LAB和HSV色彩空间图像,再将这 3 个色彩空间的图像分别用最优目标检测算法进行训练,得到目标在每个色彩空间的边界框,使用非极大值抑制算法对这些边界框进行处理,得到最优边界框实现松枯死树自动识别.[结果]6 种算法均取得良好效果,其中YOLOv5模型为最优算法,其精准率、平均查准率和F1 分数在 6 种算法中均最高,分别达到 97.58%、82.40%和 0.85.通过 3 个色彩空间融合后,反映漏检情况的召回率由 74.54%提高到 98.99%,平均准确率提升至 98.39%.[结论]基于多色彩空间的YOLOv5 模型能够显著提高从无人机航拍RGB影像中检测松枯死树的精度,为松枯死树监测提供了有力工具,也有助于松材线虫病的防治.

生物量是衡量挺水植物生长状况的重要参数,对湿地生态系统健康评价具有重要意义.利用无人机影像生成运动重建结构SfM(Structure from Motion,SfM)数据,结合野外实测生物量构建定量反演模型,并根据反演模型对生物量进行空间制图,最后分析了挺水植物类型对生物量空间分布的影响.结果表明,文中基于SfM数据建立的逐步线性回归模型(Stepwise Linear (SWL) regression model)具有较好的反演精度及估测能力.其模型显著性为显著(P＜0.01),决定系数为0.86,相对均方根误差为6.1％.挺水植物类型对生物量空间分布影响显著(P＜0.05).通过对研究区挺水植物的生物量进行估算,为利用无人机遥感监测挺水植物生物量提供了新思路.

氮平衡指数(NBI)是反映作物长势的重要指标之一.通过测量NBI可以快速监测作物氮肥盈亏状况,为农业生产和管理提供精准信息.本文以无人机高清数码影像和高光谱遥感数据,以及地面实测大豆NBI数据为基础,分析大豆从开花期到成熟期,原始光谱和红外、近红外波段的导数光谱与NBI的相关性,筛选敏感波段并计算植被指数.采用经验模型法构建NBI反演模型,通过分析验证模型的决定系数(R2)和均方根误差(RMSE),得出最佳反演模型.结果表明:大豆NBI与导数光谱反射率的相关性好于与原始光谱反射率的相关性;本文筛选的14个植被指数中,除了导数光谱光化学植被指数与大豆NBI呈不显著相关外,其余13个植被指数与大豆NBI呈极显著相关;利用13个植被指数构建NBI反演模型,并分析模型反演精度,结果显示,利用导数光谱差值植被指数构建NBI反演模型的精度最高,R2和RMSE分别为0.771和3.077,利用该模型生成大豆典型生育期NBI分布图,能够反映大豆的长势状况.通过多载荷无人机获取的高清数码影像和高光谱遥感数据进行NBI估算,能够实时、动态、非破坏性、快速有效地监测大豆氮素营养状况,可为大豆氮肥精确管理提供简便实用的方法.

无人机航摄监测森林病虫害是一个新的研究热点.为探究无人机航摄在松材线虫病监测中的应用,本研究于2017年11月利用小型固定翼无人机采集了广东省河源市新丰江库区松材线虫病疫点的航摄影像,总面积1425.9 hm2.固定翼无人机搭载了1台可见光数码相机和1台多光谱数码相机,能同时采集枯死松树的可见光和近红外的航摄影像.利用LAMapper软件对航摄图像进行空中三角测量和像素匹配,获得可见光正射影像和多光谱正射影像.使用ERDAS软件生成影像的归一化植被指数 (NDVI).然后将带有地理信息的完整影像自动导入GIS系统进行异常点识别和几何矫正,导出最终的影像数据.最后,对影像进行分析,并根据植被指数 (NDVI)对图像进行分类.分析结果显示,航摄的疫点中共自动识别1486株枯死松树,并获得了其分布地图及坐标点位置.验证结果表明监测的准确率达到80%以上,坐标点精度达到2-3 m.本研究结果具有低成本、自动化、可靠、客观、高效和及时等优点,可为大面积监测松材线虫病的发生现状和流行动态、评估防控效果和灾害损失提供技术支撑.

植物群落高度是反映植物群落特征的重要指标,植物群落高度的测定能给植物群落多样性分析、生物量估算、功能形状研究提供重要的数据基础.传统的森林调查主要由生态调查工作者通过目测或者利用激光测高仪对每个个体进行逐一测定,因此劳动强度大,耗时费力,并且难以进行大面积的植物群落高度调查.近年来,随着无人机(Unmanned Aerial Vehicle,UAV)技术的飞速发展,催生了无人机低空摄影测量和遥感技术,该技术已被应用于农作物植株高度测定和生物量估测等.然而针对植被类型多样、树木种类繁多且地形复杂的山区如何精确的获取植物群落高度仍然是一个较大挑战.以缓坡地形的云南大学呈贡校区为研究区,选取校区内人工种植的雪松(Cedrus deodara(Roxb.)G.Don)林为研究对象,利用无人机搭载可见光相机平台获取研究区近地面航空影像,利用高分辨的影像匹配加密获得的点云数据生成数字表面模型(Digital Surface Model,DSM).依据点云分类提取非植物类点,消除少数因植被与非植被相接的边缘模糊而错分类的部分,内插后生成数字地面模型(Digital Terrain Model,DTM).将DSM和DTM叠加相减得到树木高度变化模型(Canopy Height Model,CHM),即获得研究区各个雪松的高度.然后利用激光测距仪测定研究样地内100棵雪松的高度,将此测定的树高与无人机航测技术生成的CHM模型测定的树高值进行精度检验.结果表明无人机测定的树高值与激光测距仪测定的树高值线性拟合度较高,r2值在0.904以上.此方法基于无人机影像生成空间模型,提取树高,受外界环境因素影响较小,且成本较传统测树方法低廉,可广泛运用于各种植物群落的调查研究当中,有极好的应用前景.

景观格局的尺度效应一直是景观生态学研究的核心内容,对于揭示景观空间格局变化规律及其生态过程具有重要意义.以漯河市中心城区为研究对象,基于景观生态学原理,采用无人机航测技术获取空间分辨率为0.09 m的无人机影像,结合GIS空间分析法,量化分析了漯河市土地利用景观格局的尺度效应.结果表明:(1)漯河市中心城区土地利用景观格局具有明显的粒度和幅度效应.(2)粒度越小,景观格局指数随空间粒度的变化趋势越稳定,其表达的生态过程越真实;景观水平上景观格局的粒度效应是由建筑、道路和绿地景观在景观优势度、破碎度和聚集度等方面的变化导致的;35 m和3 m分别为研究粒度效应的临界阈值和最佳粒度.(3)景观优势度、破碎度和蔓延度随空间幅度的增加而降低,景观复杂程度和聚集度随空间幅度的增加而增加;景观格局具有明显的空间梯度分布特征——从市中心往外由不透水地面向透水地面过渡;建筑和道路在城市中心区聚集度较高,而绿地景观在城市内部破碎度较高,进而主导了整体景观格局的梯度变化;景观组分的稳定与城市规模有关.(4)无人机航测技术可以更快速、准确地获取城市尺度上的景观生态信息,揭示景观格局对尺度效应的响应特征,可为景观格局优化和城乡景观规划提供科学依据.