基于无人机高光谱遥感的典型草原打草对植被表型差异分析

特日格勒，包玉龙，2，陶赛喜雅拉图，图布新巴雅尔，4，包玉海，4，郭恩亮，2，陈晓慧

（1.内蒙古师范大学 地理科学学院，内蒙古 呼和浩特 010022；2.内蒙古自治区蒙古高原灾害与生态安全重点实验室，内蒙古 呼和浩特 010022；3.内蒙古自治区环境监测总站，内蒙古 呼和浩特 010011；4.内蒙古自治区遥感与地理信息系统重点实验室，内蒙古呼和浩特 010022；5.内蒙古民族大学 学报编辑部，内蒙古 通辽 028043）

随着无人机和机载传感器的飞速发展，无人机遥感技术被广泛应用在各个行业中，与传统的遥感数据相比，无人机具有高时效、高分辨率和高机动性等优势，是传统卫星无法比拟的。无人机遥感现已成为世界各国争相研究的热点课题之一，并已逐步从研究研发发展到实际试验和应用阶段［1］。其中，无人机高光谱遥感的研究和应用领域更广，目前主要应用在植被叶绿素含量估算、农作物病虫害监测、产量估算、牧草产量反演等领域。例如，陈鹏飞等［2］利用S185无人机载高光谱成像仪采集了东北玉米的高光谱数据，探讨了反演玉米叶面积指数的新方法。ZARCO-TEJADA等［3］利用无人机高光谱对窄波段绿色植被冠层反射率进行提取，进而评估了叶绿素荧光含量，解决了无法获取遥感生理指数的情况下，也能够监测植被GPP的方法。陈寅等［4］总结了高光谱成像技术在作物病害识别与检测方面的研究进展。陶惠林等［5］利用无人机高光谱遥感技术采集了冬小麦各个生长期数据，计算了9种植被指数和5种红边参数，进行了产量估算研究。

草地生物量估算是较成熟的研究内容，国内外许多研究团队采用样方统计、回归模型、物理模型等多种手段和方法开展了相关研究，其中，采用卫星遥感数据开展草地生物量估算的研究比较多。例如，NAIDOO等［6］利用Sentinel-2A/B多光谱影像估算了南非东开普敦省阿马索尔山脉草地地上生物量，达到了与WorldView-3影像相当的预测精度。杨秀春等［7］利用MODIS数据和同步的野外实测数据分析了5种植被指数和草地生物量之间的相关性，指出NDVI和SAVI与草地生物量之间的拟合度最高。李素英等［8］用内蒙古典型草原区TM影像数据的不同植被指数差异性与同期的地面实测数据进行相关分析，得出了生物量估算最优模型。除多等［9］利用藏北地区8—9月的地上生物量实测数据结合同期的MODIS数据，建立了藏北地区地上生物量估算模型。

随着无人机技术的飞速发展，采用无人机RGB正射影像、多光谱和高光谱成像仪来估算草地生物量的研究逐渐增多。但受作物生理特征的差异影响，将导致作物的光谱特征，如光的吸收、反射、投射等产生差异，因此，在一定程度上作物的图像和光谱信息可以反映作物养分缺失、长势差异和病虫害程度等表型信息［10］。GRüNER等［11］利用基于无人机的RGB成像仪在作物整个生长季获取了冠层高度数据，建立了温带草原干物质产量预测模型。孙世泽［12］利用无人机正射影像，结合地面实测数据，建立了新疆天山北坡中段的阴坡与阳坡不同草地类型的生物量估算模型。康孝岩等［13］提出了一种兼顾数据简化和光谱保真的光谱重建优化方法，实现了降低高光谱数据冗余量的同时，保证牧草地上生物量估算的预测精度。

植物表型是指基因和环境因素决定或影响的作物物理、生理、生化特征和性状［14］。已有一些研究利用地物光谱仪开展关于牧草地、草地特征的反演研究，主要集中在估算生物物理参数（生物量和叶面积指数（LAI））、生物化学参数（色素，养分，水分）、覆盖度和牧草地退化监测等［15-20］。成像光谱仪能够在区域景观尺度上进行生物物理参数和生物化学参数的测量，与牧草地田间试验相比，利用成像光谱仪对牧草地特征进行的研究仍然很少。当前，已有一些具有不同的光谱分辨率和空间分辨率的机载（例如，AVIRIS、Hydice、HyMap和CASI）和星载（例如，Hyperion）成像高光谱传感器数据可以被用来研究牧草地的特性，在景观尺度上了解牧草地特征，可以为土地管理者提供重要的管理决策信息［21］。植被光谱反射率和窄波段植被指数作为植被表型的主要参数，广泛应用在草地生物量估算研究中，但上述研究中主要分析了植被表型参数和生物量之间的关系，未考虑植被表型参数对地上植被变化的敏感性，也混淆了地上生物量和实际产草量。对打草场来讲，因打草机刀片高度的差异，打草后的地上现存生物量和实际产草量均不同，这对精确估算产草量有一定的影响。

因此，笔者将利用无人机高光谱遥感数据结合实测数据，分析植被光谱反射率和窄波段植被指数等表型参数对打草行为的敏感性，通过获取特征波段和植被指数，揭示打草前后牧草表型变化特征，为精确估算牧区产草量提供技术支撑。

1 数据与方法

1.1 试验区概况 以内蒙古自治区东乌珠穆沁旗萨麦苏木境内的典型草原打草场为试验区，地理坐标为116°41′E，45°58′N，1月平均气温为-18～-22℃，7月平均气温为19～22℃，年平均降水量为200～300 mm。全年季相更替明显，冬季受蒙古高压控制，气温严寒、大风日居多，夏季雨热同期。该地区属于典型草原区，主要优势种为克氏针茅（Stipa krylovii Roshev）、糙隐子草（Cleistogenes squarrosa（Trin.）Keng）等。

1.2 试验设计与数据采集 本次试验包括野外数据采集、室内样品整理和数据分析等内容。野外工作主要包括无人机高光谱、地面光谱和地上生物量等数据的采集。在典型草原打草场内选择已打草和未打草对称分布的200×200 m2的区域，均匀铺设42个1×1 m2的样方框（图1），依次开展无人机数据采集和地面实测工作。

图1 试验区位置图Fig.1 Location map of the study area

采用Cubert S185机载高光谱成像仪采集高光谱影像数据。该设备是一种全画幅快照式高光谱成像仪，主要参数见表1。无人机平台为大疆经纬M600 Pro六旋翼无人机。数据采集于2019年9月20日10：00—14：00期间，天气情况晴朗无风，视野良好。无人机飞行高度设置为100 m、航速为6 m·s-1，航向和旁向重叠率均为70%，传感器视角为90°。数据采集后，利用Cubert-Pilot软件对影像进行校正并提取有效波段，用Metashape软件进行拼接，获得高光谱正射影像。

表1 Cubert S185机载高光谱成像仪主要参数Tab.1 Main parameters of Cubert S185 airborne hyperspectral imager

采用ASD Hand Held2光谱仪采集地面样方的光谱反射率数据，该设备波长范围是350～1 075 nm，能够与无人机高光谱成像仪的波长范围匹配。无人机数据采集结束后立刻开展地面光谱数据采集工作。采集视角选择垂直地面90°，同时离地高度保持1 m，并对同一样方采集5次之后取平均值。

地上生物量的采集使用了收割法，将样方框内的植被齐地裁剪后放入密封保鲜袋内排净空气保存，带回试验室称鲜重后在75℃恒温烘干箱内烘干36 h至恒定质量后测量干重。

1.3 分析方法 本研究主要采用光谱反射率比较、窄波段植被指数计算和生物量拟合等分析方法。采用地面样方的ASD光谱反射率和无人机高光谱影像的光谱反射率数据对已打草和未打草区域光谱反射率变化特征进行分析，且无人机高光谱的空间分辨率能达到2.5 cm的高空间分辨率，因此混合像元较少，背景土壤的影响比较少。根据打草对植被冠层的形态参数的影响特征，选择ARI等8种窄波段植被指数（表2）作为特征参数，选择并分析打草行为最敏感的特征参数。在此基础上，与打草前后的生物量进行拟合，构建估算产草量的最佳统计模型。

表2 采用的窄波段植被指数Tab.2 Narrow band vegetation index used

2 结果与分析

2.1 打草前后牧草光谱反射率变化特征 植物光谱特征除了受自身结构的影响外也受外界条件的影响。外界影响主要包括季节的变化、植被的健康状况、植物含水量的变化和植株营养物质的变化等。但外界的影响总是通过植物本身生长发育的特点在有机体的结构特征中反映出来。对打草前后牧草光谱反射率变化特征进行分析时首先对ASD地物光谱仪和S185成像仪的波段进行了重采样，调为一致后对比分析了每个样方的平均反射率（图2）。图2（A）和图2（B）分别是ASD地物光谱仪和S185成像仪光谱曲线，从图2能看出2个数据的反射率曲线比较一致，未打草区域的反射率均高于已打草区域。而不同的是，图2（A）的反射率曲线更具有绿色植物的特征，即具备了“绿峰”和“红谷”特征，而图2（B）的反射率曲线比较平滑，“绿峰”和“红谷”特征不明显。ASD地物光谱曲线离散程度较高，而S185的较低。另外，已打草和未打草区域的光谱反射率在ASD光谱曲线的450～750 nm间有明显的光谱重叠现象，而750～950 nm间不重叠。但在S185光谱曲线中450～950 nm间都重叠。总体上，未打草区域的光谱反射率值均高于已打草区域的值，并且有明显的差距。

图2 打草前后ASD地面光谱仪（A）与S185高光谱成像仪（B）反射率Fig.2 Comparison of ASD ground spectrometer（A）and S185 hyperspectral imager（B）reflectance before and after cutting grass

2.2 打草前后牧草植被指数差异分析

利用S185无人机高光谱影像数据计算了归一化植被指数（NDVI）、红绿比值植被指数（RGI）、红边指数（VOGI）、光化学植被指数（PRI）、类胡萝卜素反射指数（CRI）、花青素反射指数（ARI）、比值植被指数（SRI）和红边位置指数（REPI）等8种窄波段植被指数（图3）。其中，PRI、RGI、CRI、ARI等指数出现了大量的无效值，而且多数出现在未打草区域，因此，对比分析时未采用。

图3 试验区不同植被指数影像对比Fig.3 Comparison of different vegetation index images in the study area

图3中的NDVI、SRI、VOGI和REPI等4项植被指数的值在正常范围内，从中直观地看出已打草区的值均高于未打草区，其中，VOGI指数最明显。为了量化已打草和未打草区域的植被指数上的差异，提取了地面样方范围内的指数，并制作了箱形统计图（图4）。从图4能看出NDVI、SRI和VOGI指数的已打草区域的均值均高于未打草区域，而且离散程度较低；REPI指数上2个区域的离散程度均较低，而未打草区域的值高于已打草区域。

图4 未打草区域和已打草区域牧草不同植被指数差异Fig.4 Differences of different vegetation index of grass between uncut and cut grass area

2.3 打草前后牧草生物量差异分析 为了分析已打草区域和未打草区域牧草生物量的差异，对比分析了已采集的地面样方生物量差异。打草区域采集了牧草地上生物量较多部分，但因打草机的不同或打草方式的不同，地上会残留一定的生物量。并且打草时采集的是牧草的冠层部分，包括了顶部的叶子、花朵和果实等，留下的是贴地面的少量的叶子和根茎部分。把已采集的42个样方的生物量进行统计后制作成图5。图5中，A是未打草区域的生物量，B是已打草区域的生物量。从图5能看出未打草区域的鲜重是最重，均值约180 g·m-2，并且每个样方之间的离散程度较大，而打草后留下的生物量比较少，鲜重均值约100 g·m-2。因牧草冠层部分的水分含量较高，烘干后的干重大大减少，均值约125 g·m-2，约蒸发了55 g·m-2水分，而贴地面的根茎部分的含水量较少，烘干后的干重约70 g·m-2，仅损耗了约30 g·m-2水分。

图5 牧草场地上生物量对比Fig.5 Comparison of biomass on pasture field

已打草和未打草区样方内的牧草状态见图6，其中，8号样方是未打草之前的牧草，能看出针茅冠层已经枯黄，而打草后剩下的是比较绿的部分。从生物量的对比分析中看出，已打草区域剩余的生物量远低于未打草区域。

图6 未打草（8号）和已打草（23号）样方照片Fig.6 Sample photos before（No.8）and after（No.23）cutting grass

3 讨论

从上述分析中能得出打草前后牧草光谱反射率、植被指数和生物量上的差异，而导致此结果的原因主要是试验区气候环境和植被生理特征。试验区位于内蒙古自治区东乌珠穆沁旗，属于大陆性气候，从试验区水热条件和植被生长情况来看，试验区年最高气温与降水量都分布于7月份，此时牧草长势最好，而打草时间集中在8月末到10月初之间，打草时牧草已经开花结果，并且冠层部分已经发黄，但贴近地面的植被根部仍然较绿，打草后这部分能够显现出来。因此，导致了已打草区域和未打草区域光谱反射率在可见光范围（450～750 nm）内出现重叠，已打草区域的NDVI、SRI和VOGI这3个植被指数值高于未打草区域，未打草区域的生物量远高于已打草区域。

4 结论

通过对比典型草原区牧草打草前后光谱反射率变化特征、植被指数差异、牧草地上生物量等表型差异得出如下结论：

（1）在典型草原打草期打草前后地面光谱反射率和高光谱反射率在450～730 nm区域表现出较高的一致性，在750～950 nm区域打草前的ASD光谱曲线高于打草后，且两者没有重叠部分，已打草区的无人机高光谱曲线大约有1/3与打草前的光谱曲线重叠，其主要原因是地面光谱仪（ASD）探头视场角小于S185，所以受到样方内背景值（土壤）的光谱反射率影响导致出现了打草后750～950 nm区域反射率均小于打草前的现象。

（2）未打草区域的NDVI、SRI和VOGI指数值均低于已打草区域的值，其中，VOGI值差异比较明显。可以用于打草场的识别等工作中。

（3）打草前后的生物量的差异很明显，从试验区的实测值来讲，未打草区域和已打草区域的生物量均值大约相差80 g·m-2，说明打草时采集的是这个相差的部分，还有一部分留在原地。这个结果能很好地纠正混淆产草量和生物量的现象。采集生物量时经常采用刈割法，就是齐地面裁剪采集所有地上生物量，而打草是采用打草机，打草后在地表上留下较多的生物量，这个部分无法统计到产草量中。