周松林, 楊楠 , 張曦, 李志學(xué), 莫文波

基于遙感和無人機(jī)技術(shù)的湖南省益陽市城市山體監(jiān)測

周松林1,2,4, 楊楠2,3,4,*, 張曦1,2, 李志學(xué)1,2, 莫文波1,2

1. 湖南城市學(xué)院設(shè)計(jì)研究院有限公司, 益陽 413000 2. 湖南省城鄉(xiāng)生態(tài)規(guī)劃與修復(fù)工程技術(shù)研究中心, 益陽 413000 3. 湖南城市學(xué)院, 益陽 413000 4. 數(shù)字化城鄉(xiāng)空間規(guī)劃關(guān)鍵技術(shù)湖南省重點(diǎn)實(shí)驗(yàn)室, 益陽 413000

城市山體是城市重要的生態(tài)資源, 對(duì)城市山體進(jìn)行有效監(jiān)測是城市生態(tài)文明建設(shè)的重要內(nèi)容, 為了監(jiān)測城市山體保護(hù)情況, 利用LandSat 8和Google Earth影像, 結(jié)合無人機(jī)技術(shù), 開展了益陽市城市山體監(jiān)測。在總體監(jiān)測方面, 利用2017年1月22日和2018年1月9日兩景LandSat 8數(shù)據(jù), 通過計(jì)算NDVI指數(shù), 監(jiān)測總體植被變化。結(jié)果表明, 益陽市2017年保護(hù)山體植被覆蓋率降低1.1%, 下降比例較益陽市城市規(guī)劃區(qū)低1%。在山體破壞詳細(xì)監(jiān)測方面, 利用Google Earth影像進(jìn)行目視解譯對(duì)比分析, Google Earth影像拍攝時(shí)間不滿足要求的區(qū)域, 使用LandSat 8影像替換, 提取變化較大的山體, 在此基礎(chǔ)上利用無人機(jī)對(duì)變化山體進(jìn)行詳細(xì)勘測, 獲取精確數(shù)據(jù)。結(jié)果表明, 益陽市165座保護(hù)山體共有7座山體遭受相對(duì)較大破壞, 破壞面積10.22 ha, 破壞原因主要為村民建房、采石采砂、開墾林地等。遙感技術(shù)結(jié)合無人機(jī)技術(shù)進(jìn)行環(huán)境監(jiān)測具有獲取數(shù)據(jù)方便、成本低、快速高效等優(yōu)勢, 既適合城市山體保護(hù)監(jiān)測, 也適用于其他中觀尺度的環(huán)境監(jiān)測。

遙感; 無人機(jī); 城市山體; 變化監(jiān)測; 益陽市

0 前言

城市山體是城市建成區(qū)及周邊范圍內(nèi), 相對(duì)高度大于20 m, 坡度大于25°的高地。城市山體是城市的重要生態(tài)基礎(chǔ)設(shè)施和生態(tài)屏障, 為城市居民提供豐富的自然產(chǎn)品和服務(wù), 有效保護(hù)、修復(fù)和合理利用城市山體是城市生態(tài)文明建設(shè)的重要內(nèi)容。對(duì)城市山體的監(jiān)測是城市山體管理的基礎(chǔ)技術(shù)工作, 裴男才等人[1]整理了廣州市帽峰山森林公園15年來動(dòng)植物多樣性監(jiān)測進(jìn)程和方法, 可為城市山體監(jiān)測提供思路。在監(jiān)測技術(shù)方面, 遙感(Remote Sensing, RS)手段憑借良好的時(shí)空連續(xù)性和區(qū)域覆蓋性是山體監(jiān)測的常用手段。IOANNIS等人[2]利用遙感和GIS技術(shù), 觀察到希臘中部Antichasia-Meteora山體10年間植被的變化情況。LIU Liangyun等人[3]使用1979年和2005年兩幅Landsat MSS/TM影像, 利用歸一化差異植被指數(shù)和NDVI-SMA模型計(jì)算北京西部山區(qū)植被覆蓋變化。黃文奇[4]使用2004年和2007年高分辨率遙感影像, 采用面向?qū)ο蠓诸?、景觀格局動(dòng)態(tài)變化分析等五種方法, 分析得到南京紫金山森林公園2004—2007年間景觀格局變化情況。樊風(fēng)雷等人[5]使用1990、2000、2010年的Landsat TM/ETM+遙感影像, 通過構(gòu)建森林蓄積量遙感定量估測模型, 得到中山市五桂山森林蓄積量時(shí)間序列變化。

需要指出的是, 航空和航天遙感在進(jìn)行生態(tài)監(jiān)測時(shí)也存在影像分辨率、重訪周期、云層影響以及高成本等方面的不足[6]。無人機(jī)技術(shù)是國際測繪遙感領(lǐng)域近年來發(fā)展的新技術(shù), 具有高效、靈活、高精度、低成本的特點(diǎn)[7], 成為傳統(tǒng)遙感手段的有效補(bǔ)充, 開始廣泛應(yīng)用于生態(tài)環(huán)境監(jiān)測。學(xué)者普遍認(rèn)為, 無人機(jī)生態(tài)遙感目前仍處于起步階段, 但潛力巨大。ANDERSON等人[8]指出無人機(jī)技術(shù)將會(huì)對(duì)空間生態(tài)學(xué)帶來革命性的發(fā)展。孫中宇等人[6]通過分析無人機(jī)在物種、種群、群落和生態(tài)系統(tǒng)尺度中的應(yīng)用現(xiàn)狀后認(rèn)為, 當(dāng)前應(yīng)用多為技術(shù)性探討, 缺乏生態(tài)學(xué)機(jī)理的探討, 自動(dòng)識(shí)別物種、挖掘光譜與生理生態(tài)過程關(guān)系、構(gòu)建三維立體監(jiān)測網(wǎng)絡(luò)(地面調(diào)查、低空遙感、航天遙感)等是未來主要方向。賈茜[9]探討了無人機(jī)在森林資源調(diào)查、病蟲害監(jiān)測、造林面積核查、森林防火防災(zāi)以及林業(yè)執(zhí)法管理等方面的應(yīng)用方法, 提出未來無人機(jī)結(jié)合大數(shù)據(jù)分析技術(shù)、人工智能技術(shù)構(gòu)建森林資源管理物聯(lián)網(wǎng), 將實(shí)現(xiàn)森林資源管理現(xiàn)代化的革命性進(jìn)步。朱京海[10]等人分析了無人機(jī)影像在景觀格局定量分析中的應(yīng)用。郭慶華等人[11]通過分析無人機(jī)在物種分布與制圖、入侵物種監(jiān)測、生物多樣性反演、生境監(jiān)測等方面的應(yīng)用后認(rèn)為, 無人機(jī)在數(shù)據(jù)類型、數(shù)據(jù)采集和處理方式等方面推動(dòng)了生物多樣性研究的進(jìn)步, 但也面臨無人機(jī)平臺(tái)集成性和穩(wěn)定性、數(shù)據(jù)處理、數(shù)據(jù)分析、法律法規(guī)等方面的挑戰(zhàn)。

對(duì)于綜合利用遙感和無人機(jī)技術(shù)實(shí)現(xiàn)城市山體或城市生態(tài)環(huán)境監(jiān)測的研究相對(duì)較少。為了更好的監(jiān)測城市山體生態(tài)環(huán)境狀況, 本文以多期航空遙感影像為基礎(chǔ), 結(jié)合現(xiàn)場勘察利用無人機(jī)航測獲取的數(shù)據(jù), 以湖南省益陽市為例, 對(duì)城市山體保護(hù)、修復(fù)和利用情況進(jìn)行了分析評(píng)價(jià), 并針對(duì)存在的問題提出了相應(yīng)建議。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)

選擇益陽市城市規(guī)劃區(qū)作為城市山體監(jiān)測研究區(qū), 包括主城區(qū)、東部新區(qū)、迎風(fēng)橋鎮(zhèn)、長春鎮(zhèn)、謝林港鎮(zhèn)、滄水鋪鎮(zhèn)、衡龍橋鎮(zhèn)、泉交河鎮(zhèn)和筆架山鄉(xiāng)的部分區(qū)域, 總面積1058 km2。研究區(qū)屬大陸性亞熱帶季風(fēng)濕潤氣候, 四季分明, 光照和降雨充足, 植被類型以栲樹林、楓香、常綠樹混交林、杉木林、馬尾松林、毛竹林、油茶林、雜木林等為主[12]。根據(jù)城市山體定義, 確定研究區(qū)165座山體作為本次監(jiān)測對(duì)象, 山體保護(hù)面積151.8 km2, 占研究區(qū)面積14.3%, 主要分布于研究區(qū)西南部, 研究區(qū)范圍和監(jiān)測山體見圖1所示。

圖1 研究區(qū)范圍和監(jiān)測山體分布圖

Figure 1 Study area and monitoring mountain distribution map

1.2 數(shù)據(jù)

獲取研究區(qū)2017年1月22日和2018年1月9日兩景LandSat 8衛(wèi)星影像, 為L1T數(shù)據(jù), 已經(jīng)過地形校正。影像共有12個(gè)波段, 1—7波段為多光譜波段, 空間分辨率30 m, 8波段為全色波段, 空間分辨率15 m, 9波段為卷云波段, 10和11波段為熱紅外波段, 12波段為質(zhì)量波段, 多光譜波段和全色波段經(jīng)數(shù)據(jù)融合后空間分辨率可達(dá)15 m。

獲取研究區(qū)Google Earth影像。研究區(qū)Google Earth影像由多幅影像組成, 不同圖幅影像拍攝時(shí)間不同, 獲取研究區(qū)統(tǒng)一區(qū)域內(nèi)拍攝時(shí)間為2017年2月12日和2018年1月9日的影像。在研究區(qū)范圍內(nèi), Google Earth影像拍攝時(shí)間不滿足要求的區(qū)域, 使用經(jīng)波段融合后的LandSat 8數(shù)據(jù)代替。

為輔助遙感進(jìn)行山體監(jiān)測, 在遙感影像比對(duì)分析基礎(chǔ)上, 對(duì)變化較大的山體, 利用無人機(jī)對(duì)山體進(jìn)行現(xiàn)場勘察, 共勘察山體7座, 生產(chǎn)空間分辨率2 cm正射影像(DOM)和傾斜攝影實(shí)景三維模型7幅, 拍攝照片和視頻200余張。

2 研究方法

2.1 技術(shù)流程

山體監(jiān)測總體上包括影像數(shù)據(jù)獲取與處理、NDVI計(jì)算、變化山體篩選、無人機(jī)現(xiàn)場勘察與數(shù)據(jù)生產(chǎn)、分析評(píng)價(jià)等流程(圖2)。利用無人機(jī)生產(chǎn)變化山體二三維空間數(shù)據(jù), 需要經(jīng)歷傳感器檢校、航線設(shè)計(jì)、外業(yè)飛行與數(shù)據(jù)采集、控制點(diǎn)和檢查點(diǎn)布測、內(nèi)業(yè)數(shù)據(jù)處理、信息提取等流程。

2.2 NDVI計(jì)算與變化山體提取

歸一化植被指數(shù)在某種程度上能代表植被覆蓋情況, 被學(xué)術(shù)界認(rèn)為是當(dāng)前指示植被生長和植被覆蓋度的最好指標(biāo)[13-15]。通過計(jì)算多個(gè)時(shí)期的NDVI, 從整體上分析評(píng)價(jià)保護(hù)山體的植被覆蓋情況。NDVI計(jì)算公式如下:

式中, NDVI為歸一化植被指數(shù), ρNIR為近紅外波段的反射率值, ρRED為紅波段的反射率值。在LandSat 8 OLI中, 近紅外波段為波段5, 紅波段為波段4。NDVI取值范圍為-1.0到1.0, 其中負(fù)值主要由云、水和雪形成, 接近零的值主要由巖石和裸土形成, NDVI較小的值(NDVI＜0.1)代表巖石、沙子或空地, 中值(0.2＜NDVI＜0.3)代表灌木和草地, 大值(0.6＜NDVI＜0.8)代表森林。

Figure 2 Technical flow chart

通過在Google Earth影像和LandSat 8影像上疊加山體保護(hù)范圍, 通過多期影像對(duì)比, 采用目視解譯方法, 提取監(jiān)測周期內(nèi)的變化山體。

2.3 無人機(jī)實(shí)地勘測與數(shù)據(jù)生產(chǎn)

無人機(jī)平臺(tái)采用DJI PHANTOM 4 RTK, 該型無人機(jī)搭載RTK, 具有1 cm+1 ppm的水平定位精度和1.5 cm+1 ppm的垂直定位精度, 不僅具備高質(zhì)量影像和視頻拍攝能力, 還能生產(chǎn)高空間分辨率和高定位精度的航測數(shù)據(jù)。無人機(jī)外業(yè)飛行高度100 m, 速度5—7 m·s-1, 航向重疊率80%, 旁向重疊率70%, 控制點(diǎn)布測密度25—30個(gè)·km-2, 檢查點(diǎn)布測密度30—35個(gè)·km-2。

3 結(jié)果與討論

3.1 山體植被覆蓋變化監(jiān)測

通過計(jì)算2017年1月22日和2018年1月9日兩期LandSat 8影像的NDVI值, 得到保護(hù)山體的植被覆蓋整體變化情況(圖3a、圖3b)。2017年1月, 益陽城市規(guī)劃區(qū)165座保護(hù)山體的總體植被覆蓋率為83.6%, 2018年1月為82.5%, 植被覆蓋率下降1.1%。研究區(qū)(城市規(guī)劃區(qū))2017年1月植被覆蓋率21.4% (圖3c), 2018年1月植被覆蓋率19.3%(圖3d), 植被覆蓋率下降2.1%?？傮w上, 保護(hù)山體植被覆蓋率下降速度遠(yuǎn)低于研究區(qū)。

3.2 山體變化衛(wèi)星遙感監(jiān)測

基于2017年1月和2018年1月兩期Google Earth影像和LandSat 8影像, 采用目視解譯方法, 對(duì)研究區(qū)165座山體進(jìn)行變化監(jiān)測, 提取了7座變化較大的山體(圖4)。

3.3 山體變化無人機(jī)監(jiān)測

根據(jù)山體變化衛(wèi)星遙感監(jiān)測結(jié)果, 采用無人機(jī)技術(shù), 對(duì)變化較大的山體進(jìn)行實(shí)地勘察, 采集變化區(qū)域影像資料, 經(jīng)內(nèi)業(yè)處理生成高分辨正射影像(空間分辨率2 cm)和實(shí)景三維模型, 在此基礎(chǔ)上采用目視判讀和二三維量測技術(shù), 分析山體破壞類型、破壞面積、責(zé)任部門等信息(表1)。

由表1可以看出, 2017年研究區(qū)共對(duì)保護(hù)山體造成41處破壞, 破壞面積102200 m2, 占研究區(qū)保護(hù)山體總面積0.07%。破壞山體全部位于赫山區(qū), 破壞原因主要為村民建房開挖山體(圖5a)、采石采砂(圖5b), 也有部分砍伐林地開墾為耕地等。

4 結(jié)論與展望

4.1 益陽城市山體監(jiān)測總結(jié)與對(duì)策

益陽市于2014年和2016年先后出臺(tái)了《益陽市城市規(guī)劃區(qū)山體水體保護(hù)規(guī)劃》和《益陽市城市規(guī)劃區(qū)山體水體保護(hù)條例》, 城市山體保護(hù)成效總體較好, 大部分山體得到了有效保護(hù)(2017年植被覆蓋率下降1.1%), 但也存在部分山體遭受破壞的情況。根據(jù)無人機(jī)實(shí)地勘察結(jié)果, 山體破壞面積10.22 ha, 主要是村民建房、采石采砂等造成的植被砍伐、山體開挖等, 破壞山體主要分布于中心城區(qū)周邊范圍?；诒O(jiān)測結(jié)果, 本文對(duì)研究區(qū)山體的保護(hù)提出以下對(duì)策:

1)完善制度建設(shè)。借鑒河長制、林長制的責(zé)任主體方式, 建立山長制, 進(jìn)一步明確山體保護(hù)責(zé)任主體, 提升山體保護(hù)成效, 保障生態(tài)安全。同時(shí), 針對(duì)村民建房、采石采砂等情況, 建立包括礦權(quán)退出、農(nóng)民承包經(jīng)營權(quán)等內(nèi)容的生態(tài)補(bǔ)償機(jī)制。

圖3 植被覆蓋變化

Figure 3 Vegetation cover change

圖4 研究區(qū)變化較大山體分布圖

Figure 4 Distribution map of large changed mountain in the research area

表1 研究區(qū)保護(hù)山體破壞情況

2)加強(qiáng)巡查督查。為彌補(bǔ)常規(guī)執(zhí)法檢查的不足, 提高巡查效率, 建議采用高分辨率衛(wèi)星遙感、無人機(jī)、全球定位、GIS等最新空間信息技術(shù), 結(jié)合執(zhí)法人員的常規(guī)巡查, 建立空中和地面相結(jié)合的監(jiān)測體系, 及時(shí)發(fā)現(xiàn)問題, 并為執(zhí)法提供可靠依據(jù)。此外, 建議充分發(fā)揮公眾監(jiān)督作用, 鼓勵(lì)公眾參與巡查和督查動(dòng)作。

3)貫徹宣傳教育。進(jìn)一步加大宣傳力度, 加強(qiáng)教育工作, 宣傳深入基層, 確保山體周邊村民知曉山體保護(hù)重要性, 確保山體所有權(quán)人和承包人知曉其權(quán)利與責(zé)任。

4)落實(shí)行動(dòng)計(jì)劃。為使保護(hù)工作有重點(diǎn)、分步驟開展, 可以一年或半年為周期制定具體行動(dòng)計(jì)劃, 納入單位年度工作計(jì)劃, 將保護(hù)工作落實(shí)到具體單位和具體責(zé)任人, 單位和責(zé)任人的保護(hù)成效納入年度績效考核。

圖5 山體破壞衛(wèi)星遙感影像對(duì)比與無人機(jī)觀測照片

Figure 5 Mountain damage satellite remote sensing image comparison and drone observation photos

5)保障工作經(jīng)費(fèi)。建立與保護(hù)工作實(shí)施行動(dòng)計(jì)劃相配套的市、區(qū)(縣)兩級(jí)財(cái)政預(yù)算, 保障保護(hù)工作開展。將山體保護(hù)工作納入政府常態(tài)化評(píng)估工作, 保證必要的財(cái)政資金投入。

4.2 展望

無人機(jī)監(jiān)測具有時(shí)效性強(qiáng), 隨時(shí)監(jiān)督和更加可識(shí)別的分辨精度, 對(duì)于彌補(bǔ)遙感快速監(jiān)測具有直接快速的監(jiān)督效果, 提高了監(jiān)督的效率。建議在山體保護(hù)的日常監(jiān)督中, 定期使用無人機(jī)加強(qiáng)植被變化研究, 以便及時(shí)為避免人為破壞和生態(tài)惡化提供監(jiān)測數(shù)據(jù)。建議運(yùn)用多層次遙感從空間上、時(shí)間上進(jìn)行植被的變化動(dòng)態(tài)研究, 為政府決策提供依據(jù)。本文所探索的多層次遙感結(jié)合無人機(jī)的山體變化監(jiān)測方法, 在其他中觀尺度的環(huán)境監(jiān)測方面也具有一定的適用性。

同時(shí), 隨著遙感技術(shù)的不斷發(fā)展, 特別是我國高分系列遙感技術(shù)的發(fā)展, 快速低成本獲取高空間分辨率和高時(shí)間分辨率的遙感影像成為可能, 高效率批量處理數(shù)據(jù)量較大的遙感影像開始實(shí)現(xiàn), 可以預(yù)見在未來一定時(shí)期內(nèi), 高分遙感影像結(jié)合無人機(jī)技術(shù)將成為中微觀尺度環(huán)境監(jiān)測的重要技術(shù)手段。

[1] 裴男才, 陳步峰, 史欣. 廣州市帽峰山森林公園動(dòng)植物多樣性資源監(jiān)測概況[J]. 生態(tài)科學(xué), 2018, 37(5): 191– 194.

[2] IOANNIS M, PANAGIOTIS P, APOSTOLOS A, et al. Monitoring and analysis of natural vegetation in a Special Protected Area of Mountain Antichasia-Meteora, central Greece[J]. Environmental Monitoring and Assessment, 2010, 163(1-4): 455–465.

[3] LIU Liangyun, JING Xia, WANG Jihua, et al. Analysis of the changes of vegetation coverage of western Beijing mountainous areas using remote sensing and GIS[J]. Environmental Monitoring and Assessment, 2009, 153(1/4): 339.

[4] 黃文奇. 基于高分影像的城市森林公園景觀變化分析[D]. 南京: 南京林業(yè)大學(xué), 2014: 40.

[5] 樊風(fēng)雷, 鄧應(yīng)彬, 樊蔚. 基于遙感和GIS的中山市五桂山森林蓄積量時(shí)間序列分析[J]. 廣東農(nóng)業(yè)科學(xué), 2013, (4): 171–173.

[6] 孫中宇, 陳燕喬, 楊龍, 等. 輕小型無人機(jī)低空遙感及其在生態(tài)學(xué)中的應(yīng)用進(jìn)展[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2017, 28(2): 528–536.

[7] 秦修功, 陳曦, 楊遼, 等. 構(gòu)架航線對(duì)無人機(jī)影像區(qū)域網(wǎng)平差精度影響分析[J]. 測繪科學(xué), 2017, 42(1): 150–157, 163.

[8] ANDERSON K, GASTON K J. Lightweight unmanned aerial vehicles will revolutionize spatial ecology[J]. Frontiers in Ecology and the Environment, 2013, 11(3): 138–146.

[9] 賈茜. 無人機(jī)在森林資源管理中的應(yīng)用[D]. 楊凌: 西北農(nóng)林科技大學(xué), 2017: 37.

[10] 朱京海, 問鼎, 徐光, 等. 無人機(jī)影像在鐵路景觀格局定量分析中的應(yīng)用[J]. 生態(tài)科學(xué), 2015, 34(1): 185–189.

[11] 郭慶華, 吳芳芳, 胡天宇, 等. 無人機(jī)在生物多樣性遙感監(jiān)測中的應(yīng)用現(xiàn)狀與展望[J]. 生物多樣性, 2016, 24(11): 1267–1278.

[12] 陳存友, 胡希軍, 熊偉, 等. 城市湖泊開發(fā)建設(shè)的誤區(qū)與啟示——以益陽市梓山湖為例[J]. 生態(tài)經(jīng)濟(jì), 2014, 30(1): 168–172.

[13] MAO Dehua, WANG Zongming, LUO Ling, et al. Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China[J]. International Journal of Applied Earth Observation and Geoinformation, 2012, 18: 528–536.

[14] ZHANG Jiping, ZHANG Libo, XU Cui, et al. Vegetation variation of mid-subtropical forest based on MODIS NDVI data: A case study of Jinggangshan City, Jiangxi Province[J]. Acta Ecologica Sinica, 2014, 34: 7–12.

[15]FENSHOLT R, PROUD S R. Evaluation of Earth Observation based global long term vegetation trends: Comparing GIMMS and MODIS global NDVI time series[J]. Remote Sensing of Environment, 2012, 119: 131–147.

Urban mountain monitoring based on remote sensing and UAV technology in Yiyang City, Hunan Province

ZHOU Songlin1,2,4, YANG Lan2,3,4,*, ZHANG Xi1,2, LI Zhixue1,2, MO Wenbo1,2

1.Hunan City University Design and Research Institute Co.,Ltd, Yiyang 413000, China 2. Hunan Urban and Rural Ecological Planning and Restoration Engineering Research Center, Yiyang 413000, China 3. Hunan City University, Yiyang 413000, China 4. Key Laboratory of Key Technologies of Digital Urban-Rural Spatial Planning of Hunan Province, Yiyang 413000, China

Urban mountain is an important ecological resource of the city. Effective monitoring of urban mountain is an important part of urban ecological civilization construction. In order to monitor the urban mountain protection situation, the LandSat 8 and Google Earth images were combined with the drone technology to carry out the urban mountain monitoring in Yiyang City. In terms of overall monitoring, using the LandSat 8 data for January 22, 2017 and January 9, 2018, the overall vegetation change was monitored by calculating the NDVI index. The results showed that Yiyang City's protected mountain vegetation coverage rate decreased by 1.1% in 2017, and the decline rate was 1% lower than that of Yiyang City planning district. In the detailed monitoring of mountain damage, Google Earth images were used for visual interpretation and comparison analysis. Google Earth image capture time was not enough for the area, using LandSat 8 image replacement. At last, mountains with large changes were extracted. On this basis, the UAV was used to carry out detailed surveys of the changing mountains to obtain accurate data. The results showed that a total of 7 mountain bodies in 165 protected mountain areas in Yiyang City suffered relatively large damage, with a damaged area of 10.22 ha. The main causes of damage were villagers' houses, quarrying and sand mining, and reclamation of forest land. Remote sensing technology integrates drone technology for environmental monitoring. It has the advantages of convenient data acquisition, low cost, fast and efficient, and is suitable for urban mountain protection monitoring and other medium-scale environmental monitoring.

remote sensing; UAV; urban mountain; change monitoring; Yiyang City

10.14108/j.cnki.1008-8873.2020.06.014

TP79

A

1008-8873(2020)06-104-08

2019-10-02;

2019-11-10基金項(xiàng)目:湖南省科技創(chuàng)新平臺(tái)與人才計(jì)劃(2017TP2006); 湖南省科技創(chuàng)新計(jì)劃(2018XK2009)

周松林(1985—), 男, 湖南常德人, 碩士, 高級(jí)工程師, 主要從事生態(tài)規(guī)劃、3S技術(shù)研究, E-mail: 908099135@qq.com

楊楠, 男, 博士, 高級(jí)工程師, 主要從事生態(tài)學(xué)研究, E-mail: zsl0737@163.com

周松林, 楊楠, 張曦, 等. 基于遙感和無人機(jī)技術(shù)的湖南省益陽市城市山體監(jiān)測[J]. 生態(tài)科學(xué), 2020, 39(6): 104–111.

ZHOU Songlin, YANG Lan, ZHANG Xi, et al. Urban mountain monitoring based on remote sensing and UAV technology in Yiyang City, Hunan Province [J]. Ecological Science, 2020, 39(6): 104–111.