基于无人机遥感数据的非生长季草地生物量反演方法与尺度扩展研究

Non-growing season grassland vegetation is the main feed source of livestock and an important ecological barrier to spring dust disasters. However, the vegetation is typically dry and covered with thick snow during the long winter, thus couldn’t be monitored using the traditional optical-remote-sensing-based grassland monitoring methods used for growing season. Field data is also much more difficult to collect during non-growing season. To this end, this study tries to develop biomass inversion methods for non-growing season grassland using both UAV photogrammetry and spaceborne radar data. This study will be carried out in Hulunber meadow steppe during non-growing season. First, the grassland canopy height and vegetation fraction are extracted based UAV photogrammetry data, and then be used to model and inverse the grassland biomass of several sample plots; Second, spaceborne radar data is used to extrapolate the inverse results of the sample plots to construct a regional-scale biomass inversion model for the entire study area. Finally, the proposed models are validated and their adaptabilities are evaluated. The achievements will enable us to better understand the mechanism of detecting non-growing season grassland using both small-scale UAV photogrammetry and large-scale spaceborne radar technologies. The achievements will also be very significant for the reasonable exploitation and utilization the non-growing season grassland resources to prevent and control the spring dust and the other disasters.

非生长季的草原植被是家畜的主要饲料来源，也是春季沙尘灾害的重要屏障。但由于植被干枯，且在漫长的冬季被积雪覆盖，以往基于光学遥感的生长季草地监测方法已不能对其有效监测。本项目以无人机摄影测量和星载雷达技术为工具，以呼伦贝尔草甸草原为研究对象，开展非生长季的草地生物量遥感反演研究。首先，基于无人机摄影测量数据提取草地冠层高度、植被覆盖度等草地参数，构建样地尺度的草地生物量反演模型，进而开展研究区域内所选样地的草地生物量反演；其次，发展非生长季的草地冠层散射模型，利用星载雷达数据对所选样地反演结果进行扩展，构建区域尺度的非生长季草地生物量反演模型；最后，对模型进行检验与适应性评价。该研究不仅将加深对联合小尺度的无人机摄影测量和大尺度的雷达遥感技术探测非生长草地机理的理解，还将对合理开发利用非生长季草地资源、预防和控制春季沙尘灾害等有重要意义。

无人机具有成本低、精度高、操作灵活等特点，可搭载LIDAR等多种传感器，在草原动植物监测方面有广阔的应用前景。课题结合了地面观测实验、无人机遥感和多源卫星遥感等数据，主要取得了以下成果：（1）构建了一种适合非生长季草地冠层高度、盖度和生物量反演的模型，并结合地面调查数据，分析了无人机航高对草地冠层高度、盖度提取精度的影响。该方法首先基于坡度-角度自适应算法，将无人机LIDAR点云中的植被点和地面点分离，并利用植被点和地面点分别构建数字表面模型（DSM）和数字高程模型（DEM）；然后，根据DSM和DEM的差值，计算植被冠层高度（CHM）；根据植被点占全部点的比例计算植被覆盖度（FVC）；最后，根据地面测量生物量与反演得到的CHM和FVC的线性关系，进行生物量反演。该方法不依赖传统光学影像，而是通过使用LIDAR点云来探测植被的垂直结构信息，因此可用于非生长季草地植被参数提取。（2）建立了一套基于矢量数据的低空影像镶嵌方法。该方法使用矢量房屋等测绘数据对可对无人机等低空影像进行快速镶嵌，较传统基于栅格影像（例如迪杰斯特拉算法）的镶嵌方法快5-10倍。该算法跟踪房屋间的中间线来生成候选镶嵌线。然后在用候选镶嵌线周围的像素对候选镶嵌线进行修正，从而避免穿越房屋。（3）研发了基于无人机航拍的大型食草动物种群数量调查技术。建立了藏野驴、藏原羚、岩羊等野生动物，以及牦牛、藏羊和马等家畜的无人机图像解译标志库，采用人机交互方式对动物进行了判读识别；在此基础上，比较分析了五种动物种群数量统计方法和结果，通过地面同步调查验证、统计数据验证，估算了玛多县藏野驴、藏原羚、岩羊、家牦牛、藏羊和马的种群数量，以及大型野生食草动物羊单位数量与家畜羊单位数量之比；此外，还构建了一种基于面向对象和模板匹配算法的家畜自动识别方法，并开展了相关精度和可靠性验证。研究成果为草原动植物监测、精细化管理提供了技术支撑。