基于衛星影像的牧草長勢遙感監測研究進展

徐婧，劉青松，閻旭東，石秘秘

（1.滄州市農林科學院，河北 滄州 061001；2.河北恒華信息技術有限公司，河北 石家莊 050000）

牧草資源為可更新資源，要實現其科學管理和可持續利用，離不開對其長勢和產量的快速監測。開展牧草資源長勢快速、準確監測方法的研究和應用，對于人工牧草地和天然草地資源的管理與保護，以及生態環境改善具有重要的科學意義。

牧草長勢是預測產草量的一個重要依據。傳統的牧草長勢監測多采用地面人工調查，主要測量牧草的植被覆蓋度、高度、發育期和產草量等植被長勢信息[1]。該方法耗時費力，覆蓋范圍有限，且受人為因素影響較大，無法快速、全面地反映大面積牧草種植區的時空變異性，從而影響牧草資源管理措施制定的時效性[2～4]。牧草長勢遙感監測是利用遙感方法結合地面觀測以及氣候實況對大范圍牧草生長狀態、過程和產草量等進行宏觀動態監測[5]，具有時效性高、覆蓋面廣、探測周期短、人為干擾因素少、成本低等特點，為快速、準確監測大范圍的牧草長勢提供了新方法[6，7]。

1 牧草長勢遙感監測簡述

1.1 長勢監測指數

植物生長都需要葉片的光合作用，葉面積指數（LAI）是一個與作物長勢特征密切相關的綜合指標。由于遙感影像近紅外和紅光波段對植被特征反映敏感，因此將這2 個波段組合形成的植被指數進行計算可實現對植被LAI的反算[8]，進而估算作物的長勢。反演過程中常用的植被指數包括歸一化植被指數（NDVI）、增強型植被指數（EVI）、土壤調整植被指數（SAVI）、垂直植被指數（PVI） 和比值植被指數（RVI） 等，其中NDVI最為常用，效果也較好[9，10]。NDVI可以部分消除太陽高度角、傳感器觀測角和大氣等的影響，結果較為準確，但其劣勢在于對植被覆蓋度變化敏感，不宜應用于植被覆蓋度較低和過飽和的區域[11]。由于自然條件存在差異，不同的植被指數可能適用的牧草地種植類型不同[12]。Li 等[13]比較了不同的天然牧草地后發現，對于山地荒漠草原、低地和山地草甸，RVI與鮮草產量的相關性較NDVI更好，但對于平原荒漠草原則正好相反。Yu 等[14]和傅新宇等[15]研究表明，利用NDVI和EVI在估算草地產草量時，NDVI對于大部分高寒草地的估算精度更高。與其他植被指數相比，NDVI和SAVI更適合用于監測北方農牧交錯帶的草原生長狀況[16]。

1.2 遙感監測原理

作為遙感數據分析解譯的基礎，研究地物的光譜特征，也是設計傳感器波段選擇的依據。從健康綠色植被的光譜曲線可看出明顯的“峰—谷”：近紅外波段存在高反射區，葉綠素對可見光存在強烈吸收，可見光波段450 nm 和680 nm 附近處存在光譜曲線的波谷，在550 nm 左右呈現波峰。每個葉片發育程度、含水量、葉綠素含量等不同，使其對入射光線的吸收和反射有所差別，因此，光譜信息與植被生物量緊密相關[17]。遙感估產就是根據光譜曲線分析植物葉片光學特性并測量其不同波段的反射率，通過建模分析出與產量的關系，從而進行產量估測[18]。牧草的生長發育階段、病蟲害情況、營養組分含量以及水肥虧缺狀況等，均可以通過遙感影像的光譜特征較好地反映出來。利用遙感成像無接觸式獲取密集且信息豐富的數據集，結合光譜數據分析處理方法，可進行牧草各種物理生化參數的反演（圖1）[19]。

圖1 利用衛星影像監測牧草長勢狀況流程Fig.1 Process of monitoring forage grass growth by satellite images

1.3 遙感監測方法

目前，牧草長勢遙感監測方法多借鑒于農作物長勢的遙感監測。長勢遙感監測方法主要包括直接監測法、植被生長過程曲線法、同期對比法和基于NDVI的百分位數法[20]。

1.3.1 直接監測法 直接監測法是指直接使用遙感反演的植被指數與牧草植被長勢進行相關分析，并找出二者之間的關系[21]進行植被長勢判定，劃分植被長勢等級。該方法主要是通過建立遙感反演植被指數與植被生態學參數（密度、高度等）或作物農學參數之間的相關性進行長勢分析。但由于不同的植被指數對植被覆蓋度的敏感度不同，在植被不同時期使用相應的植被指數會得到更好的監測結果。

1.3.2 植被生長過程曲線法 牧草生長是一個隨著時間漸變的過程，按時間序列統計監測區域內牧草遙感監測植被指數的平均值，即構建監測地區牧草遙感監測植被指數隨時間變化的過程曲線，通過當年牧草生長過程與參考年份生長曲線的比較，來評價當年牧草長勢好于、持平于或差于參考年份。

1.3.3 同期對比法 即利用當年牧草遙感監測植被指數與去年或某一參考年份同期的牧草遙感監測植被指數相減，得到相比參考年份牧草植被長勢的變化情況，按照差值結果設定相應的閾值，將牧草長勢分為好于參考年、與參考年持平、差于參考年。計算公式為：

式中，ΔNDVI為當年與參考年牧草植被指數的差值，NIVIm為當年牧草的植被指數，NIVIn為參考年份牧草的植被指數。

1.3.4 基于NDVI的百分位數法 考慮到同期對比法中不同時期土地利用變化以及參照年份作物長勢不確定性對監測評價的影響，Li 等[22]提出了利用作物多年同期NDVI大數據的百分位數評估法，從而實現了作物長勢的定量遙感監測評價。該方法是利用多年同期同類地物NDVI的大數據，分析獲得任一NDVI數值在這一大數據中對應的百分位數，進而實現對其長勢的定量評價。建立起近年同期的NDVI百分位查詢表。計算公式為：

與農作物長勢遙感監測相比，牧草植被遙感監測研究相對較弱。對于這些方法在牧草長勢監測中適宜性及其評估結果對牧草長勢反映的差異等問題進行研究，將有助于遙感技術在天然牧草及人工牧草植被長勢監測中應用和發展。

2 遙感技術在牧草長勢監測方面的應用

國外遙感觀測應用于農作物監測和估產開始于20世紀70 年代，但真正實現作物模型與遙感觀測進行耦合是自20 世紀80 年代末期才開始。加拿大自1996 年開始，通過對比NDVI的變化過程曲線和每周長勢變化情況，對作物長勢進行了監測[23]。1998 年以來，歐盟以CORINE 1 ∶10 萬土地利用數據庫為基礎，創立了根據NDVI變化過程的長勢監測方法[24，25]。而我國在20 世紀90 年代初黃敬峰等[26～28]就開始研究天然草地產量與衛星數據之間的關系，并建模；2008 年毛留喜等[29]通過研究牧草產量與NDVI的關系，建立了擬合結果良好的線性模型與指數模型，并對青海省牧草產量進行了估算；錢育蓉等[30]以遙感分類和估產模型為基礎，分析了新疆阜康市時間跨度20 a（1990年、1999 年和2008 年） 的草地面積和產量變化趨勢；2020 年于璐等[31]結合地面監測數據和高分辨率影像，建立反演模型，依此分析天然牧草地各營養含量的變化規律。依據衛星遙感監測以往數據，在點和面上研究、建立植被指數與牧草產量的關系模式[32]，在大的空間尺度上，遙感技術是估算牧草地產草量的有效手段。

3 存在問題與技術瓶頸

盡管高光譜等最新遙感技術具有快速、無損、準確的監測優勢，但目前在牧草長勢監測方面仍存在一定的技術瓶頸，限制了其廣泛應用。

第一，遙感衛星重訪周期較長、分辨率較低，易受天氣、地形等影響，特別是光學遙感難以應用于多云雨的區域，并且少部分地區有同物異譜和同譜異物的現象[33]，這是光學遙感解譯難以避免的。

第二，所用遙感數據分辨率一般在幾十米、百米及以下，精度和準確性還未完全滿足需要，牧草長勢遙感監測地面驗證工作還有一定的困難。提高監測的精度和可靠性，還需在遙感影像時間和空間分辨率、遙感定量化處理以及牧草生長機理方面進行深入研究[11]。

第三，從事牧草長勢遙感監測的研究人員多為從事作物遙感監測或者從事牧草科學的科研人員，前者缺乏牧草生長機理方面的深入研究，后者缺乏遙感光譜專業技術人員在遙感應用方面的廣度和深度，如何促進遙感技術與牧草科學間學科的深度融合來提高監測精度以及交叉學科專業人才的培養，在未來還有很長的路要走。

4 未來展望

雖然應用遙感技術對監測牧草植被生理指標、環境脅迫等的研究不多，缺乏牧草作物的光譜數據庫，但是可以借鑒遙感技術在其他作物生產中取得的經驗，結合牧草長勢特性，彌補傳統監測技術手段的不足，初步實現快捷、無損的牧草長勢監測。促進遙感技術與牧草科學間學科的深度融合來提高監測的精度以及交叉學科專業人才的培養，將為實現數字化牧草監測奠定基礎。在今后10 a，伴隨著越來越多高分國產衛星的發射，高分專項的深入實施，國家空間基礎設施建設將進一步推進。隨著大數據、人工智能、物聯網、互聯網+等技術的發展，遙感技術在牧草長勢監測領域將在多源遙感數據融合、利用交叉學科提高監測精度、人工智能與大數據應用等方面得到快速發展。