基于卫星影像的牧草长势遥感监测研究进展

徐婧，刘青松，阎旭东，石秘秘

（1.沧州市农林科学院，河北 沧州 061001；2.河北恒华信息技术有限公司，河北 石家庄 050000）

牧草资源为可更新资源，要实现其科学管理和可持续利用，离不开对其长势和产量的快速监测。开展牧草资源长势快速、准确监测方法的研究和应用，对于人工牧草地和天然草地资源的管理与保护，以及生态环境改善具有重要的科学意义。

牧草长势是预测产草量的一个重要依据。传统的牧草长势监测多采用地面人工调查，主要测量牧草的植被覆盖度、高度、发育期和产草量等植被长势信息[1]。该方法耗时费力，覆盖范围有限，且受人为因素影响较大，无法快速、全面地反映大面积牧草种植区的时空变异性，从而影响牧草资源管理措施制定的时效性[2～4]。牧草长势遥感监测是利用遥感方法结合地面观测以及气候实况对大范围牧草生长状态、过程和产草量等进行宏观动态监测[5]，具有时效性高、覆盖面广、探测周期短、人为干扰因素少、成本低等特点，为快速、准确监测大范围的牧草长势提供了新方法[6，7]。

1 牧草长势遥感监测简述

1.1 长势监测指数

植物生长都需要叶片的光合作用，叶面积指数（LAI）是一个与作物长势特征密切相关的综合指标。由于遥感影像近红外和红光波段对植被特征反映敏感，因此将这2 个波段组合形成的植被指数进行计算可实现对植被LAI的反算[8]，进而估算作物的长势。反演过程中常用的植被指数包括归一化植被指数（NDVI）、增强型植被指数（EVI）、土壤调整植被指数（SAVI）、垂直植被指数（PVI） 和比值植被指数（RVI） 等，其中NDVI最为常用，效果也较好[9，10]。NDVI可以部分消除太阳高度角、传感器观测角和大气等的影响，结果较为准确，但其劣势在于对植被覆盖度变化敏感，不宜应用于植被覆盖度较低和过饱和的区域[11]。由于自然条件存在差异，不同的植被指数可能适用的牧草地种植类型不同[12]。Li 等[13]比较了不同的天然牧草地后发现，对于山地荒漠草原、低地和山地草甸，RVI与鲜草产量的相关性较NDVI更好，但对于平原荒漠草原则正好相反。Yu 等[14]和傅新宇等[15]研究表明，利用NDVI和EVI在估算草地产草量时，NDVI对于大部分高寒草地的估算精度更高。与其他植被指数相比，NDVI和SAVI更适合用于监测北方农牧交错带的草原生长状况[16]。

1.2 遥感监测原理

作为遥感数据分析解译的基础，研究地物的光谱特征，也是设计传感器波段选择的依据。从健康绿色植被的光谱曲线可看出明显的“峰—谷”：近红外波段存在高反射区，叶绿素对可见光存在强烈吸收，可见光波段450 nm 和680 nm 附近处存在光谱曲线的波谷，在550 nm 左右呈现波峰。每个叶片发育程度、含水量、叶绿素含量等不同，使其对入射光线的吸收和反射有所差别，因此，光谱信息与植被生物量紧密相关[17]。遥感估产就是根据光谱曲线分析植物叶片光学特性并测量其不同波段的反射率，通过建模分析出与产量的关系，从而进行产量估测[18]。牧草的生长发育阶段、病虫害情况、营养组分含量以及水肥亏缺状况等，均可以通过遥感影像的光谱特征较好地反映出来。利用遥感成像无接触式获取密集且信息丰富的数据集，结合光谱数据分析处理方法，可进行牧草各种物理生化参数的反演（图1）[19]。

图1 利用卫星影像监测牧草长势状况流程Fig.1 Process of monitoring forage grass growth by satellite images

1.3 遥感监测方法

目前，牧草长势遥感监测方法多借鉴于农作物长势的遥感监测。长势遥感监测方法主要包括直接监测法、植被生长过程曲线法、同期对比法和基于NDVI的百分位数法[20]。

1.3.1 直接监测法 直接监测法是指直接使用遥感反演的植被指数与牧草植被长势进行相关分析，并找出二者之间的关系[21]进行植被长势判定，划分植被长势等级。该方法主要是通过建立遥感反演植被指数与植被生态学参数（密度、高度等）或作物农学参数之间的相关性进行长势分析。但由于不同的植被指数对植被覆盖度的敏感度不同，在植被不同时期使用相应的植被指数会得到更好的监测结果。

1.3.2 植被生长过程曲线法 牧草生长是一个随着时间渐变的过程，按时间序列统计监测区域内牧草遥感监测植被指数的平均值，即构建监测地区牧草遥感监测植被指数随时间变化的过程曲线，通过当年牧草生长过程与参考年份生长曲线的比较，来评价当年牧草长势好于、持平于或差于参考年份。

1.3.3 同期对比法 即利用当年牧草遥感监测植被指数与去年或某一参考年份同期的牧草遥感监测植被指数相减，得到相比参考年份牧草植被长势的变化情况，按照差值结果设定相应的阈值，将牧草长势分为好于参考年、与参考年持平、差于参考年。计算公式为：

式中，ΔNDVI为当年与参考年牧草植被指数的差值，NIVIm为当年牧草的植被指数，NIVIn为参考年份牧草的植被指数。

1.3.4 基于NDVI的百分位数法 考虑到同期对比法中不同时期土地利用变化以及参照年份作物长势不确定性对监测评价的影响，Li 等[22]提出了利用作物多年同期NDVI大数据的百分位数评估法，从而实现了作物长势的定量遥感监测评价。该方法是利用多年同期同类地物NDVI的大数据，分析获得任一NDVI数值在这一大数据中对应的百分位数，进而实现对其长势的定量评价。建立起近年同期的NDVI百分位查询表。计算公式为：

与农作物长势遥感监测相比，牧草植被遥感监测研究相对较弱。对于这些方法在牧草长势监测中适宜性及其评估结果对牧草长势反映的差异等问题进行研究，将有助于遥感技术在天然牧草及人工牧草植被长势监测中应用和发展。

2 遥感技术在牧草长势监测方面的应用

国外遥感观测应用于农作物监测和估产开始于20世纪70 年代，但真正实现作物模型与遥感观测进行耦合是自20 世纪80 年代末期才开始。加拿大自1996 年开始，通过对比NDVI的变化过程曲线和每周长势变化情况，对作物长势进行了监测[23]。1998 年以来，欧盟以CORINE 1 ∶10 万土地利用数据库为基础，创立了根据NDVI变化过程的长势监测方法[24，25]。而我国在20 世纪90 年代初黄敬峰等[26～28]就开始研究天然草地产量与卫星数据之间的关系，并建模；2008 年毛留喜等[29]通过研究牧草产量与NDVI的关系，建立了拟合结果良好的线性模型与指数模型，并对青海省牧草产量进行了估算；钱育蓉等[30]以遥感分类和估产模型为基础，分析了新疆阜康市时间跨度20 a（1990年、1999 年和2008 年） 的草地面积和产量变化趋势；2020 年于璐等[31]结合地面监测数据和高分辨率影像，建立反演模型，依此分析天然牧草地各营养含量的变化规律。依据卫星遥感监测以往数据，在点和面上研究、建立植被指数与牧草产量的关系模式[32]，在大的空间尺度上，遥感技术是估算牧草地产草量的有效手段。

3 存在问题与技术瓶颈

尽管高光谱等最新遥感技术具有快速、无损、准确的监测优势，但目前在牧草长势监测方面仍存在一定的技术瓶颈，限制了其广泛应用。

第一，遥感卫星重访周期较长、分辨率较低，易受天气、地形等影响，特别是光学遥感难以应用于多云雨的区域，并且少部分地区有同物异谱和同谱异物的现象[33]，这是光学遥感解译难以避免的。

第二，所用遥感数据分辨率一般在几十米、百米及以下，精度和准确性还未完全满足需要，牧草长势遥感监测地面验证工作还有一定的困难。提高监测的精度和可靠性，还需在遥感影像时间和空间分辨率、遥感定量化处理以及牧草生长机理方面进行深入研究[11]。

第三，从事牧草长势遥感监测的研究人员多为从事作物遥感监测或者从事牧草科学的科研人员，前者缺乏牧草生长机理方面的深入研究，后者缺乏遥感光谱专业技术人员在遥感应用方面的广度和深度，如何促进遥感技术与牧草科学间学科的深度融合来提高监测精度以及交叉学科专业人才的培养，在未来还有很长的路要走。

4 未来展望

虽然应用遥感技术对监测牧草植被生理指标、环境胁迫等的研究不多，缺乏牧草作物的光谱数据库，但是可以借鉴遥感技术在其他作物生产中取得的经验，结合牧草长势特性，弥补传统监测技术手段的不足，初步实现快捷、无损的牧草长势监测。促进遥感技术与牧草科学间学科的深度融合来提高监测的精度以及交叉学科专业人才的培养，将为实现数字化牧草监测奠定基础。在今后10 a，伴随着越来越多高分国产卫星的发射，高分专项的深入实施，国家空间基础设施建设将进一步推进。随着大数据、人工智能、物联网、互联网+等技术的发展，遥感技术在牧草长势监测领域将在多源遥感数据融合、利用交叉学科提高监测精度、人工智能与大数据应用等方面得到快速发展。