基于無人機高光譜遙感的典型草原打草對植被表型差異分析

特日格勒，包玉龍，2，陶賽喜雅拉圖，圖布新巴雅爾，4，包玉海，4，郭恩亮，2，陳曉慧

（1.內蒙古師范大學 地理科學學院，內蒙古 呼和浩特 010022；2.內蒙古自治區蒙古高原災害與生態安全重點實驗室，內蒙古 呼和浩特 010022；3.內蒙古自治區環境監測總站，內蒙古 呼和浩特 010011；4.內蒙古自治區遙感與地理信息系統重點實驗室，內蒙古呼和浩特 010022；5.內蒙古民族大學 學報編輯部，內蒙古 通遼 028043）

隨著無人機和機載傳感器的飛速發展，無人機遙感技術被廣泛應用在各個行業中，與傳統的遙感數據相比，無人機具有高時效、高分辨率和高機動性等優勢，是傳統衛星無法比擬的。無人機遙感現已成為世界各國爭相研究的熱點課題之一，并已逐步從研究研發發展到實際試驗和應用階段［1］。其中，無人機高光譜遙感的研究和應用領域更廣，目前主要應用在植被葉綠素含量估算、農作物病蟲害監測、產量估算、牧草產量反演等領域。例如，陳鵬飛等［2］利用S185無人機載高光譜成像儀采集了東北玉米的高光譜數據，探討了反演玉米葉面積指數的新方法。ZARCO-TEJADA等［3］利用無人機高光譜對窄波段綠色植被冠層反射率進行提取，進而評估了葉綠素熒光含量，解決了無法獲取遙感生理指數的情況下，也能夠監測植被GPP的方法。陳寅等［4］總結了高光譜成像技術在作物病害識別與檢測方面的研究進展。陶惠林等［5］利用無人機高光譜遙感技術采集了冬小麥各個生長期數據，計算了9種植被指數和5種紅邊參數，進行了產量估算研究。

草地生物量估算是較成熟的研究內容，國內外許多研究團隊采用樣方統計、回歸模型、物理模型等多種手段和方法開展了相關研究，其中，采用衛星遙感數據開展草地生物量估算的研究比較多。例如，NAIDOO等［6］利用Sentinel-2A/B多光譜影像估算了南非東開普敦省阿馬索爾山脈草地地上生物量，達到了與WorldView-3影像相當的預測精度。楊秀春等［7］利用MODIS數據和同步的野外實測數據分析了5種植被指數和草地生物量之間的相關性，指出NDVI和SAVI與草地生物量之間的擬合度最高。李素英等［8］用內蒙古典型草原區TM影像數據的不同植被指數差異性與同期的地面實測數據進行相關分析，得出了生物量估算最優模型。除多等［9］利用藏北地區8—9月的地上生物量實測數據結合同期的MODIS數據，建立了藏北地區地上生物量估算模型。

隨著無人機技術的飛速發展，采用無人機RGB正射影像、多光譜和高光譜成像儀來估算草地生物量的研究逐漸增多。但受作物生理特征的差異影響，將導致作物的光譜特征，如光的吸收、反射、投射等產生差異，因此，在一定程度上作物的圖像和光譜信息可以反映作物養分缺失、長勢差異和病蟲害程度等表型信息［10］。GRüNER等［11］利用基于無人機的RGB成像儀在作物整個生長季獲取了冠層高度數據，建立了溫帶草原干物質產量預測模型。孫世澤［12］利用無人機正射影像，結合地面實測數據，建立了新疆天山北坡中段的陰坡與陽坡不同草地類型的生物量估算模型。康孝巖等［13］提出了一種兼顧數據簡化和光譜保真的光譜重建優化方法，實現了降低高光譜數據冗余量的同時，保證牧草地上生物量估算的預測精度。

植物表型是指基因和環境因素決定或影響的作物物理、生理、生化特征和性狀［14］。已有一些研究利用地物光譜儀開展關于牧草地、草地特征的反演研究，主要集中在估算生物物理參數（生物量和葉面積指數（LAI））、生物化學參數（色素，養分，水分）、覆蓋度和牧草地退化監測等［15-20］。成像光譜儀能夠在區域景觀尺度上進行生物物理參數和生物化學參數的測量，與牧草地田間試驗相比，利用成像光譜儀對牧草地特征進行的研究仍然很少。當前，已有一些具有不同的光譜分辨率和空間分辨率的機載（例如，AVIRIS、Hydice、HyMap和CASI）和星載（例如，Hyperion）成像高光譜傳感器數據可以被用來研究牧草地的特性，在景觀尺度上了解牧草地特征，可以為土地管理者提供重要的管理決策信息［21］。植被光譜反射率和窄波段植被指數作為植被表型的主要參數，廣泛應用在草地生物量估算研究中，但上述研究中主要分析了植被表型參數和生物量之間的關系，未考慮植被表型參數對地上植被變化的敏感性，也混淆了地上生物量和實際產草量。對打草場來講，因打草機刀片高度的差異，打草后的地上現存生物量和實際產草量均不同，這對精確估算產草量有一定的影響。

因此，筆者將利用無人機高光譜遙感數據結合實測數據，分析植被光譜反射率和窄波段植被指數等表型參數對打草行為的敏感性，通過獲取特征波段和植被指數，揭示打草前后牧草表型變化特征，為精確估算牧區產草量提供技術支撐。

1 數據與方法

1.1 試驗區概況 以內蒙古自治區東烏珠穆沁旗薩麥蘇木境內的典型草原打草場為試驗區，地理坐標為116°41′E，45°58′N，1月平均氣溫為-18～-22℃，7月平均氣溫為19～22℃，年平均降水量為200～300 mm。全年季相更替明顯，冬季受蒙古高壓控制，氣溫嚴寒、大風日居多，夏季雨熱同期。該地區屬于典型草原區，主要優勢種為克氏針茅（Stipa krylovii Roshev）、糙隱子草（Cleistogenes squarrosa（Trin.）Keng）等。

1.2 試驗設計與數據采集 本次試驗包括野外數據采集、室內樣品整理和數據分析等內容。野外工作主要包括無人機高光譜、地面光譜和地上生物量等數據的采集。在典型草原打草場內選擇已打草和未打草對稱分布的200×200 m2的區域，均勻鋪設42個1×1 m2的樣方框（圖1），依次開展無人機數據采集和地面實測工作。

圖1 試驗區位置圖Fig.1 Location map of the study area

采用Cubert S185機載高光譜成像儀采集高光譜影像數據。該設備是一種全畫幅快照式高光譜成像儀，主要參數見表1。無人機平臺為大疆經緯M600 Pro六旋翼無人機。數據采集于2019年9月20日10：00—14：00期間，天氣情況晴朗無風，視野良好。無人機飛行高度設置為100 m、航速為6 m·s-1，航向和旁向重疊率均為70%，傳感器視角為90°。數據采集后，利用Cubert-Pilot軟件對影像進行校正并提取有效波段，用Metashape軟件進行拼接，獲得高光譜正射影像。

表1 Cubert S185機載高光譜成像儀主要參數Tab.1 Main parameters of Cubert S185 airborne hyperspectral imager

采用ASD Hand Held2光譜儀采集地面樣方的光譜反射率數據，該設備波長范圍是350～1 075 nm，能夠與無人機高光譜成像儀的波長范圍匹配。無人機數據采集結束后立刻開展地面光譜數據采集工作。采集視角選擇垂直地面90°，同時離地高度保持1 m，并對同一樣方采集5次之后取平均值。

地上生物量的采集使用了收割法，將樣方框內的植被齊地裁剪后放入密封保鮮袋內排凈空氣保存，帶回試驗室稱鮮重后在75℃恒溫烘干箱內烘干36 h至恒定質量后測量干重。

1.3 分析方法 本研究主要采用光譜反射率比較、窄波段植被指數計算和生物量擬合等分析方法。采用地面樣方的ASD光譜反射率和無人機高光譜影像的光譜反射率數據對已打草和未打草區域光譜反射率變化特征進行分析，且無人機高光譜的空間分辨率能達到2.5 cm的高空間分辨率，因此混合像元較少，背景土壤的影響比較少。根據打草對植被冠層的形態參數的影響特征，選擇ARI等8種窄波段植被指數（表2）作為特征參數，選擇并分析打草行為最敏感的特征參數。在此基礎上，與打草前后的生物量進行擬合，構建估算產草量的最佳統計模型。

表2 采用的窄波段植被指數Tab.2 Narrow band vegetation index used

2 結果與分析

2.1 打草前后牧草光譜反射率變化特征 植物光譜特征除了受自身結構的影響外也受外界條件的影響。外界影響主要包括季節的變化、植被的健康狀況、植物含水量的變化和植株營養物質的變化等。但外界的影響總是通過植物本身生長發育的特點在有機體的結構特征中反映出來。對打草前后牧草光譜反射率變化特征進行分析時首先對ASD地物光譜儀和S185成像儀的波段進行了重采樣，調為一致后對比分析了每個樣方的平均反射率（圖2）。圖2（A）和圖2（B）分別是ASD地物光譜儀和S185成像儀光譜曲線，從圖2能看出2個數據的反射率曲線比較一致，未打草區域的反射率均高于已打草區域。而不同的是，圖2（A）的反射率曲線更具有綠色植物的特征，即具備了“綠峰”和“紅谷”特征，而圖2（B）的反射率曲線比較平滑，“綠峰”和“紅谷”特征不明顯。ASD地物光譜曲線離散程度較高，而S185的較低。另外，已打草和未打草區域的光譜反射率在ASD光譜曲線的450～750 nm間有明顯的光譜重疊現象，而750～950 nm間不重疊。但在S185光譜曲線中450～950 nm間都重疊。總體上，未打草區域的光譜反射率值均高于已打草區域的值，并且有明顯的差距。

圖2 打草前后ASD地面光譜儀（A）與S185高光譜成像儀（B）反射率Fig.2 Comparison of ASD ground spectrometer（A）and S185 hyperspectral imager（B）reflectance before and after cutting grass

2.2 打草前后牧草植被指數差異分析

利用S185無人機高光譜影像數據計算了歸一化植被指數（NDVI）、紅綠比值植被指數（RGI）、紅邊指數（VOGI）、光化學植被指數（PRI）、類胡蘿卜素反射指數（CRI）、花青素反射指數（ARI）、比值植被指數（SRI）和紅邊位置指數（REPI）等8種窄波段植被指數（圖3）。其中，PRI、RGI、CRI、ARI等指數出現了大量的無效值，而且多數出現在未打草區域，因此，對比分析時未采用。

圖3 試驗區不同植被指數影像對比Fig.3 Comparison of different vegetation index images in the study area

圖3中的NDVI、SRI、VOGI和REPI等4項植被指數的值在正常范圍內，從中直觀地看出已打草區的值均高于未打草區，其中，VOGI指數最明顯。為了量化已打草和未打草區域的植被指數上的差異，提取了地面樣方范圍內的指數，并制作了箱形統計圖（圖4）。從圖4能看出NDVI、SRI和VOGI指數的已打草區域的均值均高于未打草區域，而且離散程度較低；REPI指數上2個區域的離散程度均較低，而未打草區域的值高于已打草區域。

圖4 未打草區域和已打草區域牧草不同植被指數差異Fig.4 Differences of different vegetation index of grass between uncut and cut grass area

2.3 打草前后牧草生物量差異分析 為了分析已打草區域和未打草區域牧草生物量的差異，對比分析了已采集的地面樣方生物量差異。打草區域采集了牧草地上生物量較多部分，但因打草機的不同或打草方式的不同，地上會殘留一定的生物量。并且打草時采集的是牧草的冠層部分，包括了頂部的葉子、花朵和果實等，留下的是貼地面的少量的葉子和根莖部分。把已采集的42個樣方的生物量進行統計后制作成圖5。圖5中，A是未打草區域的生物量，B是已打草區域的生物量。從圖5能看出未打草區域的鮮重是最重，均值約180 g·m-2，并且每個樣方之間的離散程度較大，而打草后留下的生物量比較少，鮮重均值約100 g·m-2。因牧草冠層部分的水分含量較高，烘干后的干重大大減少，均值約125 g·m-2，約蒸發了55 g·m-2水分，而貼地面的根莖部分的含水量較少，烘干后的干重約70 g·m-2，僅損耗了約30 g·m-2水分。

圖5 牧草場地上生物量對比Fig.5 Comparison of biomass on pasture field

已打草和未打草區樣方內的牧草狀態見圖6，其中，8號樣方是未打草之前的牧草，能看出針茅冠層已經枯黃，而打草后剩下的是比較綠的部分。從生物量的對比分析中看出，已打草區域剩余的生物量遠低于未打草區域。

圖6 未打草（8號）和已打草（23號）樣方照片Fig.6 Sample photos before（No.8）and after（No.23）cutting grass

3 討論

從上述分析中能得出打草前后牧草光譜反射率、植被指數和生物量上的差異，而導致此結果的原因主要是試驗區氣候環境和植被生理特征。試驗區位于內蒙古自治區東烏珠穆沁旗，屬于大陸性氣候，從試驗區水熱條件和植被生長情況來看，試驗區年最高氣溫與降水量都分布于7月份，此時牧草長勢最好，而打草時間集中在8月末到10月初之間，打草時牧草已經開花結果，并且冠層部分已經發黃，但貼近地面的植被根部仍然較綠，打草后這部分能夠顯現出來。因此，導致了已打草區域和未打草區域光譜反射率在可見光范圍（450～750 nm）內出現重疊，已打草區域的NDVI、SRI和VOGI這3個植被指數值高于未打草區域，未打草區域的生物量遠高于已打草區域。

4 結論

通過對比典型草原區牧草打草前后光譜反射率變化特征、植被指數差異、牧草地上生物量等表型差異得出如下結論：

（1）在典型草原打草期打草前后地面光譜反射率和高光譜反射率在450～730 nm區域表現出較高的一致性，在750～950 nm區域打草前的ASD光譜曲線高于打草后，且兩者沒有重疊部分，已打草區的無人機高光譜曲線大約有1/3與打草前的光譜曲線重疊，其主要原因是地面光譜儀（ASD）探頭視場角小于S185，所以受到樣方內背景值（土壤）的光譜反射率影響導致出現了打草后750～950 nm區域反射率均小于打草前的現象。

（2）未打草區域的NDVI、SRI和VOGI指數值均低于已打草區域的值，其中，VOGI值差異比較明顯。可以用于打草場的識別等工作中。

（3）打草前后的生物量的差異很明顯，從試驗區的實測值來講，未打草區域和已打草區域的生物量均值大約相差80 g·m-2，說明打草時采集的是這個相差的部分，還有一部分留在原地。這個結果能很好地糾正混淆產草量和生物量的現象。采集生物量時經常采用刈割法，就是齊地面裁剪采集所有地上生物量，而打草是采用打草機，打草后在地表上留下較多的生物量，這個部分無法統計到產草量中。