韓 東,王浩舟,2,鄭邦友,王 鋒,*

1 中國林業(yè)科學研究院荒漠化研究所,北京 100091 2 The Faculty of Forestry & Environmental Management, University of New Brunswick, Fredericton, NB E3B 5A3, Canada 3 CSIRO Agriculture and Food, Queensland Biosciences Precinct 306 Carmody Road, St Lucia, 4067, QLD, Australia

植被蓋度作為地表植物群落直觀定量化的功能指標,是描述植被動態(tài)的基本指標[1- 3],在景觀、區(qū)域和全球眾多生態(tài)模型中得到廣泛應用[4- 7]。植被蓋度也是指示區(qū)域生態(tài)環(huán)境變化的重要指標,監(jiān)測植被蓋度變化常常成為評價區(qū)域生態(tài)環(huán)境質(zhì)量的重要手段[8-9]。

以榆樹為主要喬木樹種的榆樹疏林草原是位于溫帶森林和典型草原之間的一種地帶性植被,是我國半干旱沙地的重要植物群落,其中以渾善達克沙地分布面積最廣、數(shù)量最多、草原景觀最為典型,是現(xiàn)今渾善達克沙地植被生態(tài)系統(tǒng)的頂級群落類型[10-11]。渾善達克沙地位于京津地區(qū)的西北部。長期以來由于氣候變化和人類活動的加劇,導致榆樹疏林草原面積迅速減少[12]、生態(tài)環(huán)境退化,引起區(qū)域浮沙和沙塵暴天氣頻繁的發(fā)生,成為引起京津地區(qū)風沙危害的主要沙塵源區(qū)之一[13]。準確獲取渾善達克沙地榆樹疏林草原區(qū)域植被蓋度是反映該區(qū)域植被生長狀況的重要前提。因此,建立一套可重復、可比較、精確的植被蓋度測量方法,不但能夠及時準確地掌握該區(qū)域植被的季節(jié)性動態(tài)變化規(guī)律,而且有利于區(qū)域生態(tài)質(zhì)量的監(jiān)測和評估的,維護該區(qū)域脆弱生態(tài)系統(tǒng)的持續(xù)穩(wěn)定發(fā)展[14- 16]。

目前,基于衛(wèi)星的遙感測量是常見的大范圍植被蓋度估算方法[17-18]。衛(wèi)星遙感圖像覆蓋范圍廣、光譜信息豐富,可以實現(xiàn)大范圍植被特征動態(tài)獲取[19-20]。然而,同一區(qū)域不同類型的植被冠層結(jié)構(gòu)和物候期不同,衛(wèi)星遙感估算植被蓋度常常忽略了木本和草本植被的差異,不能揭示不同類型植被物候變化規(guī)律,衛(wèi)星影像的分辨率也難以實現(xiàn)植被冠層的精確定量分析[21-22]?；诘孛娴闹脖挥^測可以精確的獲取個體植物的功能和結(jié)構(gòu)屬性,但是基于地面的植物定位觀測數(shù)據(jù)受人力限制難以推廣到大的區(qū)域[23]。目前對榆樹疏林草原的研究主要集中在樣地尺度開展地面觀測[24-26],但是具有稀疏植被分布的榆樹疏林草原景觀異質(zhì)性大,生長季內(nèi)榆樹疏林草原喬木、灌木和草本具有不同的生長發(fā)育節(jié)律,深入解析景觀尺度上不同類型植被覆蓋度的動態(tài)變化可以更準確的反映榆樹疏林草原生態(tài)系統(tǒng)內(nèi)不同植被的生長動態(tài)。無人機近地面遙感技術(shù)數(shù)據(jù)采集靈活、圖像空間分辨率高,十分適合分析景觀尺度榆樹疏林草原生態(tài)系統(tǒng)不同植被類型覆蓋度的動態(tài)變化。

無人機系統(tǒng)是一種以無人機為平臺獲取高時空分辨率影像數(shù)據(jù)的測量系統(tǒng)[27-28],恰好填補了地面測量與衛(wèi)星遙感影像之間的尺度差異。利用無人機遙感影像獲取的數(shù)字表面模型、數(shù)字高程模型和數(shù)字正射投影模型,可用于精確獲取景觀尺度的植被類型和結(jié)構(gòu)特征。近幾年隨著機器學習算法在數(shù)字圖像提取地物信息技術(shù)的發(fā)展[29-30],利用高精度無人機圖像監(jiān)測植被動態(tài)、動物棲息地特征和評價生物多樣性[31-39]正成為生態(tài)和遙感領(lǐng)域的熱點。但是,如何利用無人機構(gòu)建一套可以快速、準確、自動獲取景觀尺度植被類型和估算植被覆蓋度的自動化工具,并實現(xiàn)植被狀況的動態(tài)分析,仍是當前生態(tài)學和林學研究面臨的主要挑戰(zhàn)。

在這項研究中,我們首先構(gòu)建了一套基于無人機的植被監(jiān)測平臺,實現(xiàn)景觀尺度高分辨率數(shù)字正射影像的生產(chǎn);接下來利用決策樹算法基于正射影像自動劃分植被類型和估算植被覆蓋度;最終,應用無人機和決策樹算法實現(xiàn)生長季內(nèi)榆樹疏林草原木本和草本植被類型劃分和覆蓋度動態(tài)估計,明確木本和草本植被覆蓋度對植被總覆蓋度的貢獻。

1 材料與方法

1.1 研究區(qū)域概況

研究依托位于中國內(nèi)蒙古自治區(qū)錫林郭勒盟正藍旗桑根達來附近的渾善達克沙地榆樹疏林草原長期定位監(jiān)測大樣地(1 km×1 km,42°57′56″N,115°57′32″E,平均海拔1300 m),該區(qū)域是渾善達克沙地榆樹疏林典型分布區(qū)。研究區(qū)屬中溫帶大陸性半干旱季風氣候,多年平均氣溫2.1℃,多年平均降雨量為365 mm,降水量季節(jié)分布不均,主要集中在7—9月。樣地土壤類型為風沙土,榆樹(Ulmuspumila)是樣地唯一喬木種,與之伴生的灌木層優(yōu)勢種為耬斗葉繡線菊(Spiraeaaquilegifolia),小紅柳(Salixmicrostachyavar.bordensis),黃柳(Salixgordejevii),柴樺(Betulafruticosa)等,草本層則主要由多年生草本鹽蒿(Artemisiahalodendron)和一年生草本叉分蓼(Polygonumdivaricatum),羊草(Leymuschinensis)等近190種草本植被構(gòu)成(圖1)。

1.2 無人機監(jiān)測平臺和數(shù)據(jù)獲取

2017年生長季,利用四旋翼大疆無人機(悟1pro, DJI Inc., 中國),機載傳感器為禪思X5(1600萬像素), 獲取了大樣地7個時期的無人機影像。觀測日期分別為5月08日,6月14日,7月12日,8月07日,9月01日,9月24日和10月24日。

1.2.1 無人機影像采集

實地航拍前,首先根據(jù)大樣地邊界點地理坐標,計算航點位置規(guī)劃飛行航線,如圖2所示。無人機飛行高度為100 m,飛行路線旁向重疊70%,航向重疊75%。航拍一般在11:00—14:00進行,此時的天空條件較好,地面陰影最小。利用無人機航線飛行控制軟件Litchi for DJI Drones (Ver. 3.10.5,VC Technology Ltd. 美國)搭建地面控制臺,完成無人機的飛行和數(shù)據(jù)采集工作。整塊樣地每次圖像采集飛行時間為2.5—3小時,圖像為1750—2050張(圖2)。

圖2 基于無人機監(jiān)測平臺和機器學習算法分析木本、草本植被類型和覆蓋度估算工作流程圖Fig.2 Flowchart of monitoring, classifying vegetation and calculating the fractional vegetation cover based on UAV

1.2.2 地面控制點測量

樣地設(shè)置了22個頂部為紅色的水泥樁作為永久地面控制點(GCP),用于無人機數(shù)據(jù)影像的精度校正,分布如圖2所示。地面控制點的經(jīng)度、緯度和高程使用RTK(海星達,iRTK2,中國,水平精度<3 cm, 高程精度<5 cm)測量。

1.2.3 正射影像生產(chǎn)

首先將原始航拍圖像進行幾何校正,基于圖像特征匹配算法 (Structure from Motion,SfM)尋找相鄰圖像對間的同一特征點并進行特征點匹配,得到樣地三維點云[32,40-41]。在此過程中,利用地面控制點的精確坐標值對匹配的特征點進行地理位置校正。最終基于關(guān)鍵匹配特征點生成整個樣地的正射影像(Digital Orthophoto Map, DOM),如圖2所示。以上過程使用PhotoScan Pro(V1.3.2,Agisoft.,俄羅斯)在高性能計算機上完成(ProLiant ML350e Gen8, CPU: E5- 2420, RAM: 48.0G)。100公頃大樣地的正射影像需要30到35小時的連續(xù)計算。無人機飛行高度為100 m時,獲取的正射影像的空間分辨率為2.67 cm/像元。

1.3 植被類型劃分和覆蓋度估計

基于樣地正射影像,采用決策樹算法[42]進行木本植被、草本植被和裸沙地的分類,利用分類后的圖像計算植被和裸地的覆蓋度。植被分類和計算方法如下：

(1)利用色彩空間拓展函數(shù),將DOM各像元的RGB信息進行擴展,將色彩空間拓展到具有RGB、HSV、L*a*b*和XYZ的彩色空間12種不同特征的顏色信息;(2)使用圖像編輯軟件(如ImageJ, Photoshop等)采集不同時期正射影像中的木本、草本和裸沙地像元,建立一套樣地不同類型地物的樣本訓練數(shù)據(jù)(圖2d);(3)基于分類和回歸決策樹 (Classification and regression tree, CART) 算法,建立顏色特征與分類類別的二叉樹分類模型,并進行模型剪枝優(yōu)化,生成最優(yōu)決策樹分類模型;(4)應用生成的決策樹模型對不同時期正射影像進行木本、草本和裸沙地像元分類;(5)基于分類后的植被圖,利用公式(1)分別計算木本、草本植被覆蓋度：

FVC=(Pi/P)×100%

(1)

式中,FVC為植被(木本、草本)覆蓋度,Pi為植被分類圖中不同類型植被 (i=木本/草本) 像素的個數(shù),P為植被分類圖中像素總數(shù)。

以上方法已被開發(fā)成在線交互式的“無人機高精度影像分析平臺”(https://www.uav-hirap.org)[43],覆蓋度估算結(jié)果采用目視解譯和機器分類相對比的方法進行了驗證和評估,總體精度為0.77,Kappa系數(shù)為0.64。

1.4 榆樹疏林草原植被生長季動態(tài)

采用上述方法計算榆樹疏林草原大樣地生長季不同時期內(nèi)木本和草本植被的覆蓋度,評估樣地生長季內(nèi)木本和草本植被動態(tài),明確木本和草本植被對植被總覆蓋度的貢獻。本研究中所計算的植被覆蓋度包含了植被綠色部分(葉片)和植被非綠色部分(喬木、灌木的枝干和未變綠的多年生草本等)。

2 結(jié)果與分析

2.1 木本和草本植被類型劃分及生長季變化

生長季不同階段獲取的正射影像能夠較好的反映出綠色植被的生長動態(tài),分類后的植被類型分布圖清晰的反映出木本和草本植被在生長季內(nèi)的動態(tài)變化(圖3)。由圖3可見,木本植被主要集中分布在大樣地的左側(cè)區(qū)域,右側(cè)較少。生長季初期的正射影像(圖3A)幾乎沒有綠色植被,實地觀測到木本植被尚未出現(xiàn)葉片,草本植被為剛返青的草本和多年生草本的枯落體(圖3a)。6月的正射影像(圖3B)中出現(xiàn)明顯的綠色植被,木本植被開始長出葉片(圖3b)。7月和8月的正射影像(圖3C和圖3D)顯示這個階段是整個生長季綠色植被覆蓋最高時期,植物類型分布圖中(圖3c和圖3d)木本植被的覆蓋面積最大,草本植被分布也最廣。9月的正射影像(圖3E)顯示植被進入到衰落階段,圖中綠色植被范圍變小,此時的植物類型分布圖 (圖3e)顯示草本植被的分布面積開始減少,其中樣地右側(cè)尤其明顯。至9月末,樣地綠色植被已全部枯黃(圖3F)。生長季末期 (圖3G) 中植被已無綠色葉片,植物類型分布圖 (圖3g) 中的木本植被和草本植被多為喬灌木的枝干和草本的枯落物。

圖3 渾善達克沙地榆樹疏林草原長期定位監(jiān)測大樣地2017年生長季不同時期正射數(shù)影像(分辨率:2.67 cm/像元)和植被分類結(jié)果Fig.3 Time series of DOM images and classified images of ESFOGE-Plot in Otindag sandyland during the growing season in 2017影像采集日期：A:5月08日, B:6月14日, C:7月12日, D:8月07日, E:9月01日, F:9月24日, G:10月24日)。分類后的植被類型圖a—g(綠色代表木本植被, 藍色代表草本植被,灰色代表非植被類型

2.2 植被覆蓋度生長季動態(tài)

生長季不同時期木本植被和草本植被覆蓋度動態(tài)如圖4所示呈單峰分布,木本植被覆蓋度最低值為17%,最高值為22%,整個生長季變化不大,均值為(19±2)%;相對木本植被,草本植被覆蓋度在生長季內(nèi)變化較大,最低值為37%,最高值為61%,整個生長季均值為(50±8)%。木本與草本植被覆蓋度最高值均出現(xiàn)在生長期中期,但木本植被覆蓋度最低值出現(xiàn)在生長季初,草本植被覆蓋度最高值出現(xiàn)在生長季末。植物總覆蓋度受木本植被與草本植被共同影響,最低值為55%,最高值為83%,其分別出現(xiàn)在生長季末和生長季中,整個生長季均值為(69±9)%。

由圖4可見,植被蓋度增加最快的階段為6月到7月,草本植被蓋度變化速率要高于木本植被,原因可能是草本沒有枝干其蓋度變化主要受葉片影響。進入衰落期的木本和草本植被蓋度變化速率都要高于生長期。

2.3 木本和草本植被對植被總覆蓋度的貢獻

圖5 2017年渾善達克沙地榆樹疏林草原長期定位監(jiān)測大樣地生長季不同時間木本植被和草本植被對總植被覆蓋度的貢獻Fig.5 Contribution of woody plants and herbaceous plants to the FVC of the ESFOGE-Plot during different observation date in 2017

計算生長季7個時期草本植被和木本植被對植被總蓋度的貢獻率,由圖5可見,草本植被對植被總覆蓋度貢獻最低為67%,均值為73%;木本植被對植被總覆蓋度貢獻最高為33%,均值為27%。在生長季初期和中期,草本植被貢獻率為72%—76%,木本植被貢獻率為24%—28%,兩者對植被總蓋度的貢獻保持穩(wěn)定。生長季末期,由于草本植被完全枯萎,木本植被對植被總覆蓋度的貢獻上升到1/3。相對于較為穩(wěn)定的木本植被,草本植被覆蓋度受外界環(huán)境影響較大,整個生長季草本植被對植被總蓋度的貢獻遠大于木本植被,因此榆樹疏林草原植被的蓋度主要受草本植被的蓋度影響。

3 討論和結(jié)論

無人機遙感影像數(shù)據(jù)獲取時間靈活、圖像空間分辨率高(<10 cm分辨率),相比于有人機和高空間分辨率的衛(wèi)星影像,無人機遙感降低了數(shù)據(jù)獲取成本,避免了云層對圖像的影響,甚至可以在陰天條件下進行影像數(shù)據(jù)采集[22],也成為用于校準衛(wèi)星遙感觀測的理想工具[44]。無人機系統(tǒng)在生態(tài)學應用研究彌補了現(xiàn)有樣地尺度地面調(diào)查與區(qū)域尺度衛(wèi)星遙感的尺度差距,實現(xiàn)了景觀尺度的高分辨率植被觀測[45]。本研究構(gòu)建的無人機植被平臺飛行時間靈活、運行成本低,十分適合用于環(huán)境頻繁變化的多次植被影像數(shù)據(jù)采集[46]。

研究人員應用衛(wèi)星遙感對渾善達克沙地的植被覆蓋度變化趨勢進行了研究[47-49],但是利用衛(wèi)星影像只能評估區(qū)域整體植被覆蓋度。本研究利用高空間分辨率的無人機遙感影像,實現(xiàn)了木本和草本兩種植被類型生長動態(tài)評估,結(jié)果表明榆樹疏林生態(tài)系統(tǒng)中木本植被覆蓋度在整個生長季變化較小,對植被總覆蓋度的平均貢獻率低于30%;而草本植被覆蓋度在生長季內(nèi)變化幅度更大,植被總覆蓋度的變化主要受草本植被覆蓋度的影響。由于干旱區(qū)植被分布稀疏,相比衛(wèi)星影像,無人機植被監(jiān)測平臺獲取的高空間分辨率影像更易于在干旱區(qū)提取植被結(jié)構(gòu)信息和監(jiān)測生境質(zhì)量[29]。

本研究構(gòu)建的無人機植被監(jiān)測平臺主要包括飛行方案規(guī)劃、原始影像獲取、基礎(chǔ)數(shù)據(jù)產(chǎn)品生產(chǎn)和圖像自動分析。研究首次獲取了渾善達克沙地榆樹疏林草原生態(tài)系統(tǒng)木本植被和草本植被覆蓋度的生長季動態(tài),結(jié)果表明該生態(tài)系統(tǒng)植被總覆蓋度的變化主要受草本植被的影響。對榆樹疏林草原生態(tài)系統(tǒng)植被生長季動態(tài)觀測證明,無人機植被監(jiān)測平臺是一種高效、準確的植被監(jiān)測工具,未來也可應用于其他各種類型生態(tài)系統(tǒng)植被的監(jiān)測和評估。

致謝：無人機航線規(guī)劃和野外飛行得到首都師范大學2018屆碩士吳隱的指導和幫助,特此致謝。