无人机遥感监测下荒漠草原植被覆盖度动态评估

一、引言

荒漠草原处于荒漠和草原之间，植被比较稀少，群落结构较为简单，生态系统脆弱性明显，植被覆盖度是评判荒漠草原生态健康状况的关键指标，它的变动情况直接体现出气候变化和人类活动的叠加效应，传统的植被覆盖度监测大多依靠地面样方调查和卫星遥感技术，地面调查存在空间覆盖范围小，人力耗费大的问题，卫星遥感受限于空间分辨率，像MODIS空间分辨率为 250-1000 米，无法察觉荒漠草原斑块化植被的细微改变，无人机遥感技术凭借低空飞行，高分辨率成像（厘米级到分米级），操作灵活且成本适中的优点，给荒漠草原植被覆盖度的细致监测赋予了新途径。

当下，无人机遥感在植被生态监测上的应用已经延伸到植被类型识别，生物量估计，覆盖度反演等范畴，不过，针对荒漠草原植被覆盖度动态评价的研究依然缺少系统的架构，特别在多源数据融合，时空尺度转换以及驱动因素剖析方面尚需加强，本项研究目的在于塑造起依靠无人机遥感的荒漠草原植被覆盖度动态评价方法体系，探寻它的时空演变规则，从而给荒漠生态系统保护和改良赋予科学的依照。

二、无人机遥感技术方法与数据采集

2.1 无人机平台与传感器配置

研究选取多旋翼无人机平台，例如大疆 Matrice300RTK，配备可见光相机（分辨率 ≥2000 万像素）和多光谱传感器（涵盖红、绿、蓝、近红外波段），传感器参数须达光谱分辨率 ≤10nm ，辐射定标精度 295% ，以保证影像数据的光谱准确性，执行飞行任务时，依据研究区地形起伏确定飞行高度（一般为50 - 150 米），利用航线规划软件（Pix4Dmapper 等）设计“ 田” 字形飞行路线，保证影像重叠率 ≥80% （航向重叠率）且 ≥60% （旁向重叠率），符合后期影像拼接及三维建模需求。

2.2 数据采集时间节点设计

考虑到荒漠草原植被物候特性，数据采集期定为植被生长季（5-9 月），每月中下旬执行一次无人机航测，还要顾及极端气候事件（干旱、暴雨）之后的应急监测，多期影像形成时间序列，可以追踪植被覆盖度的季节变动，跨年数据积累则为年际变化分析给予根基。

三、植被覆盖度反演与精度验证

3.1 影像预处理流程

无人机原始影像要经过预处理才能去除几何畸变和辐射误差，处理步骤如下：（1）凭借同名点匹配执行影像拼接，从而得到研究区无缝正射影像DOM；（2）用GCP 做几何校正，保证平面精度小于等于0.1 米；（3）执行辐射定标并做大气校正，把像素 DN 值按照标准灰板反射率数据转变成地表反射率，减轻大气散射和吸收影响。

3.2 植被指数计算与覆盖度反演方法研究

植被指数是对遥感影像中植被敏感波段的组合运算，用来定量反映植被生长状况和覆盖情况的重要参数。在荒漠草原植被覆盖度反演中，最常用的是归一化植被指数（NDVI），其对植被光谱响应敏感、计算简便，通过提高植被与土壤背景的光谱差异，建立近红外波段与红光波段的非线性关系，植被叶片对近红外波段反射率高，对红光波段吸收率高，故 NDVI值与植被覆盖度呈正相关，数值越大植被越茂密，反之为裸土或低覆盖度。

植被覆盖度反演采用像元二分法模型，其基础假设是遥感影像中的每一个像元可以看作是植被和裸土这两种基本组分的混合物，该方法通过找到纯植被像元和纯裸土像元的植被指数阈值，从而将像元的光谱信息分解成植被组分和非植被组分所占的比例，实施过程中首先凭借研究区影像特性，通过统计分析或者阈值分割法找出植被覆盖度理论上最大的值（对应于纯植被地区）以及最小的值（对应于纯裸土地区），再按照像元实际植被指数值在这个区间内的相对位置来算出该像元的植被覆盖比例，此方法不用繁琐的地面参数输入，而且能很好地体现荒漠草原植被斑块化的分布情形，为覆盖度的定量反演给予了简单又可靠的途径。

3.3 精度验证方法

为了检验反演结果是否可靠，采用地面实测数据来验证精度，研究区范围内均匀分布30 - 50 个地面样方，样方大小根据植被斑块大小确定，一般为 1×1 米到 5×5 米，用GPS 定位样方中心位置，通过目视解译或者植被冠层分析仪获得样方的实测覆盖度，以实测值和反演值建立混淆矩阵，得到决定系数R2 和均方根误差RMSE，通常情况下R2 在0.85 以上，RMSE小于等于 5% ，无人机遥感反演结果精度较高。

四、植被覆盖度动态评估模型构建

4.1 时空格局分析

借助多期植被覆盖度反演结果，形成时间序列数据集，比如2020 - 2023年生长季月尺度数据，然后用GIS 空间分析工具，像ArcGIS，做趋势面分析和空间自相关分析，得出荒漠草原植被覆盖度存在明显空间异质性，高覆盖度地区 FVC≥40% ，大多处在河流沿线，地下水埋藏较浅之处，低覆盖度地区 FVC≤10% ，主要分布在沙丘顶部和风蚀强度大的地方，从时间上看，植被覆盖度峰值出现在 8 月，这时降水和温度共同起作用，月际变化幅度达 15%-20% ，年际波动同厄尔尼诺/拉尼娜现象造成的降水异常有关。

4.2 驱动因素解析

植被覆盖度动态变化受气候因子及人类活动双重影响，气候因子分析时，借助Spearman 相关系数显示，降水特别是生长季降水与植被覆盖度呈正相关（相关系数 ≥0.6 ），极端高温事件（日最高温 ≥35^∘C 持续天数）通过加强土壤水分蒸发致使覆盖度降低，人类活动影响评价方面，依照土地利用变化数据，剖析过度放牧，开垦等干扰对植被覆盖度的胁迫状况，得出禁牧区植被覆盖度年际增长率高于放牧区 8%-12% 的结论，这证实了生态保护政策的有效性。

五、结论与展望

本研究创建了无人机遥感监测荒漠草原植被覆盖度的动态评价体系，证实了无人机遥感技术在高精度反演和时空动态追踪上的明显优势，通过研究发现，无人机影像的厘米级分辨率能够有效地识别出传统卫星遥感所不能识别的植被微斑块的变化，而且无人机影像的时间序列分析结果给荒漠草原生态系统的精确化管理给予了重要的数据支撑。

未来研究还可以进一步扩大（1）结合无人机 LiDAR 数据，形成植物三维结构参数与植被覆盖度的耦合模型。（2）研制基于深度学习的自动化解译算法，提高海量影像数据的处理能力。（3）无人机遥感与卫星遥感的尺度对接，创建“ 空-天-地” 的一体化监测网络，以完成对荒漠草原生态系统多方位、长时间的动态评定。

参考文献

[1]韩东. 基于无人机和机器学习算法的榆树疏林草原植被动态研究[D]. 北京:中国林业科学研究院,2019.

[2]王浩然. 基于无人机遥感的草原退化区域监测研究[D]. 内蒙古:内蒙古大学,2023.

[3]杨星晨. 草原植物多样性高光谱遥感监测方法研究[D]. 中国矿业大学,中国矿业大学(江苏),2021.

[4]李晓雅,田昕,段涛,等. 融合无人机和卫星影像的温带疏林草原木本和 草 本 植 物 覆 盖 度 遥 感 估 算 [J]. 遥 感 学 报 ,2023,27(9):2139-2152.DOI:10.11834/jrs.20210605.

[5]马涛. 新疆草原黄兔尾鼠鼠洞的低空遥感快速解译及空间分布特征研究[D]. 新疆:新疆大学,2018.