摘要：近些年，無(wú)人機遙感由于其具有分辯率高、時(shí)效性高、機動(dòng)性強、可云下低空飛行等優(yōu)勢在草地資源監測及草地生態(tài)方面迅速興起。本文首先介紹了無(wú)人機遙感系統的組成及以不同傳感器在草地監測上的應用，在此基礎上對無(wú)人機在草地植被覆蓋度監測和地上生物量估算、草地有蹄類(lèi)野生動(dòng)物和草地嚙齒動(dòng)物監測中的應用研究進(jìn)行了綜述，并對該技術(shù)存在的問(wèn)題及限制進(jìn)行了探討，從而有針對性地解決所需要監測的對象與問(wèn)題，這對于在草地動(dòng)植物資源調查中構建精準數據獲取、實(shí)現實(shí)時(shí)動(dòng)態(tài)監測具有重要的研究意義和實(shí)際應用價(jià)值。

   無(wú)人駕駛飛機簡(jiǎn)稱(chēng)無(wú)人機（unmanned aerial vehicle,UAV)，是一種能攜帶多種設備、執行多領(lǐng)域任務(wù)并能通過(guò)遙控設備自主飛行的不載人飛行器。無(wú)人機與遙感技術(shù)的結合，即無(wú)人機遙感(unmanned aerial vehicle remote sensing,UAVRS).是以無(wú)人機作為載體，通過(guò)搭載相機（包括可見(jiàn)光相機、多光譜相機、熱紅外相機等）、激光雷達等各種傳感器，來(lái)獲取低空高分辨率遙感數據的平臺。與傳統的以衛星為平臺的航天遙感相比，無(wú)人機遙感具有云下低空飛行、高機動(dòng)性等優(yōu)勢，彌補了衛星遙感受云層遮擋獲取不到清晰影像的缺陷，同時(shí)它高時(shí)效、高時(shí)空分辨率的特點(diǎn)，也是重訪(fǎng)周期長(cháng)且離地幾百公里的傳統衛星遙感所不感具備的。與傳統地面野外調查相比，無(wú)人機遙感無(wú)需耗費大量的人力物力、響應快、成本低、時(shí)效性強且應用范圍廣，是繼傳統航空、航天遙感平臺之后的第3代遙感技術(shù)。隨著(zhù)相關(guān)技術(shù)的發(fā)展，無(wú)人機在生態(tài)監測、環(huán)境監測、災害勘察、精準農業(yè)、 草地生態(tài)監測等領(lǐng)域迅速發(fā)展起來(lái)，成為國內外學(xué)者爭相研究的熱點(diǎn)課題。本文以無(wú)人機技術(shù)在草地資源監測方面的應用為前提，探究了該技術(shù)在該領(lǐng)域中的研究?jì)热莺头椒?，總結了目前無(wú)人機技術(shù)存在的問(wèn)題、限制以及發(fā)展前景。

1  無(wú)人機遙感的系統組成

1.1 系統組成及工作流程

無(wú)人機遙感系統主要是以無(wú)人機為飛行和搭載平臺，通過(guò)搭載各類(lèi)傳感器，結合地面控制與數據傳輸系統，獲取地面或空中實(shí)時(shí)影像和各類(lèi)遙感數據。系統組成主要包括地面系統、任務(wù)載荷和飛機系統，基于其系統組成及工作原理，無(wú)人機影像數據獲取流程綜合歸納如圖1所示。

1.2 照片處理技術(shù)
隨著(zhù)所需處理照片結果的不同，數據處理過(guò)程的復雜性進(jìn)一步加劇。草地動(dòng)植物資源數據處理的復雜

性不僅體現在數據樣本本身，更體現在草地生態(tài)系統異質(zhì)異構、多源和多空間的交叉互動(dòng)上。在草地生態(tài)學(xué)的研究中.對不同領(lǐng)域不同類(lèi)型數據的需求逐漸增加，這也使得試驗數據處理進(jìn)一步的精細和精準化。 隨著(zhù)無(wú)人機技術(shù)和計算機軟件處理技術(shù)的快速發(fā)展，更多的無(wú)人機影像處理研究開(kāi)始借助軟件的自動(dòng)解譯功能，并通過(guò)對比分析，得出數據處理效果圖。在無(wú)人機影片數據處理過(guò)程中PIX4D和Photoscan為常用的數據處理軟件。Pix 4D 軟件處理流程為：導入原始照片一填寫(xiě)各種參數（照片GPS 位置信息、拍攝高度、重疊度等）一獲得具有地理坐標的數字正射影像（digital orthograph model,DOM )、數字高程模型（digital elevation model,DEM)、數字地表模型（digital surface model.DSM )和 3D 模型圖一軟件自動(dòng)鑲嵌勻色一完成影像的拼接。PhotoScan 處理軟件流程為：主動(dòng)創(chuàng )建新項，導人照片一多照片拼接處理一生成密集點(diǎn)云一結果輸出數字高程模型、數字正攝影像一導出拼接結果一生成專(zhuān)題圖。PhotoScan 軟件根據圖片的重疊度、坐標高程信息，完成圖片的拼接，主要在一些專(zhuān)題圖的生成中應用較多，如水土流失面積圖、林草覆蓋圖、土壤侵蝕強度圖等。以上兩類(lèi)圖片處理軟件中，Pix 4D 具有專(zhuān)業(yè)化、簡(jiǎn)單化、一鍵 A 動(dòng)化等優(yōu)點(diǎn)，但不能完成照片中土丘、禿斑地的自動(dòng)勾選，PhotoScan 主要具有操作簡(jiǎn)單、支持傾斜影像、支持多航高及多分辨率影像的空三處理等優(yōu)勢，但缺少正射影像編輯修改功能。 因此在對照片信息的提取中，可運用多種軟件進(jìn)行度量處理，從而導出可理解的數據信息。對于復雜草地資源動(dòng)植物數據信息的利用，不僅要生成和分析數據，而且要使大量數據能夠重復使用和循環(huán)利用，實(shí)現現有資源共享，為后續研究奠定基礎。

 1.3 常見(jiàn)傳感器及應用領(lǐng)域

可見(jiàn)光、多光譜、高光譜、熱成像儀及激光雷達等高分辨率數碼相機為常見(jiàn)無(wú)人機傳感器，各傳感器的產(chǎn)出結果、優(yōu)缺點(diǎn)及主要應用領(lǐng)域歸納分類(lèi)如表1所示。

隨著(zhù)相關(guān)研究的不斷深入，傳感器的應用也越來(lái)越廣泛。不同傳感器獲取的目標數據不同.但總體而言 ，可見(jiàn)光相機、高光譜相機、多光譜相機在植物各項數據的獲取中應用較多，熱紅外相機因與溫度圖譜密切相關(guān)，在動(dòng)物的研究中被普遍使用，而激光雷達在獲取植物冠層結構中應用較多，因而更多的用來(lái)獲取森林植物生物量以及植被高度。

2 無(wú)人機在草地動(dòng)植物資源監測及管理中的應用

草地生態(tài)系統是陸地上重要的生態(tài)系統之一，在生態(tài)環(huán)境中起著(zhù)舉足輕重的作用。草地資源作為草地生態(tài)系統不可或缺的一部分，在草地生態(tài)系統體系循環(huán)中具有重要作用。為了對草地資源進(jìn)行快速 、 便捷、精準有效的監測，國內外學(xué)者開(kāi)始利用以衛星為平臺的航天遙感進(jìn)行草地植被覆蓋度及生物量的動(dòng)態(tài)監測研究、草地鼠害監測、草地有蹄類(lèi)野生動(dòng)物。然而傳統的中低分辨率的衛星遙感影像獲取周期長(cháng)、易受氣候影響，無(wú)法獲取局部區域地面有效信息。相比衛星遙感，無(wú)人機遙感具有的高分辨率、云下獲取影像等特點(diǎn)，能夠顯著(zhù)降低混合效應對監測精度的影響，有效彌補衛星航天氣遙感系統在地表分辨率低、 重訪(fǎng)周期長(cháng)、受水汽影響大等不足，為中小尺度的草地資源監測遙感應用研究提供了新的手段。

2 .1 無(wú)人機在草地植物資源監測中的應用
2.1.1 草地植被覆蓋度監測  草地生態(tài)系統需要垂直的植被結構來(lái)評價(jià)草地的健康狀況。植被蓋度指

觀(guān)測K域內植被垂直投影面積占觀(guān)測K地表總面積的百分比，是反映植被生長(cháng)狀況的直接定量指標，也是評價(jià)和監測生態(tài)系統及其功能的關(guān)鍵參數。植被覆蓋度及其隨時(shí)間的變化也被直接用作草地退化、土壤侵蝕和荒漠化的指標。

目前，國內外許多學(xué)者利用無(wú)人機遙感對草地植被覆蓋度監測進(jìn)行了研究。葛靜等在黃河源東部地區 利用無(wú)人機（UAV )、普通數碼相機（Canon)、農業(yè)多光譜相機（Agricultural digital camera，ADC)等設備獲取高寒草地大量相片，結合相應的MODIS NDVI（歸一化植被指數）和EVI(增強型植被指數）數據，構建了基于UAV，Canon及ADC相片的植被蓋度與MODIS 植被指數之間的反演模型，采用留一法交叉驗證方法評價(jià)各種模型的精度，確立無(wú)人機獲取的數據構建的草地蓋度反演模型為黃河源區遙感監測的模型。宋清潔等在甘南州高寒草地以EVI和NDVI兩種植被指數為自變量，以無(wú)人機獲取的草地植被覆蓋度數據為因變量建立兩種植被指數間的回歸模型，并以Canon數碼相機獲取的草地植被覆蓋度數據為真實(shí)值，對建立的回歸模型進(jìn)行精度評價(jià)，從而篩選出基于EVI構建的對數模型為研究區草地植被覆蓋度反演模型。

考慮到模型精度和穩定性對草地覆蓋監測的影響，Meng等人使用無(wú)人機技術(shù)對甘南地區高寒草地覆蓋狀況進(jìn)行了反演模型的比較性研究，基于14個(gè)與草地覆蓋相關(guān)的因子，分別建立了單因素、多因素參數反演模型和多因素非參數反演模型，通過(guò)交叉驗證得出，相對于單因素和多因素參數模型，多因素非參數模型的精度和穩定性都較高。在無(wú)人機航拍獲得的植被蓋度和地面測量的植被蓋度擬合比較好的基礎上，宜樹(shù)華等對比分析了使用無(wú)人機獲取的植被蓋度和地面測得樣方平均后的植被蓋度與遙感指數相關(guān)系數的大小，發(fā)現前者的相關(guān)系數更大，從而表明使用無(wú)人機可提供高精度的地面蓋度信息。Chen等采用無(wú)人機航測和地面樣方調查相結合的方法，獲得了兩種空間尺度（衛星圖像像素尺度和地面樣方尺度）下的植被覆蓋度，并在衛星圖像像素尺度下評估了基于地面采樣法估算的部分植被覆蓋度（FVCground )和無(wú)人機采樣法估算的部分植被覆蓋度（FVCUAV)的精度，同時(shí)選擇了NDVI，EVT ,RVI( 比值植被指數）、MSAVI( 修正型土壤調整植被指數）等植被指數，分析了植被指數與FVC的關(guān)系，發(fā)現FVCUAV在衛星圖像像素尺度上是的。這些研究都使得無(wú)人機技術(shù)在草地植被蓋度監測中得到了進(jìn)一步的應用發(fā)展。

2.1.2 草地植物地上生物量估算  草地地上生物量是天然草地生態(tài)系統動(dòng)態(tài)研究的重要衡量指標，是草地資源合理利用和載畜平衡監測的重要依據。地上生物量可以評價(jià)草原生態(tài)系統生產(chǎn)力，評估草原長(cháng)勢及產(chǎn)量。在實(shí)際生產(chǎn)條件下，地上生物量的變化可以反映草地生長(cháng)及利用程度，可以為草地保護與管理提供早期預警和參考閾值。因此，大面積草地地上生物量的精確估算，對評估草地資源的應用狀況和管理具有重要意義。

物量的預測指標，并與通過(guò)光譜儀測量得到的窄帶植被指數進(jìn)行了比較，結果表明通過(guò)基于UAV圖像SFM-MVS（Structure from Motion-Multi View Stereo)推導的草皮高度估算草地生物量是可行的。因此，基于無(wú)人機成像傳感器的應用是一種具有高時(shí)空分辨率且快速的無(wú)損數據采集方法。張正健等基于地面實(shí)測樣木數據和無(wú)人機可見(jiàn)光影像獲取了研究區草地地上生物量分布，建立了生物量與綠紅比值指數（GRRI )、 綠藍比值指數（GBRI )、歸一化綠紅差異指數（NGRDI )、歸一化綠藍差異指數（NGBDI )等的指數回歸模型； 對比不同波段建立的植被指數模型，確定了基于紅綠波段的GRRI和NGRDI 植被指數冋歸模型對生物量的模擬和預測精度較好，可用于區域草地生物量的估算。為了快速、有效、準確的估算天然草地地上生物量， 孫世澤等根據陰陽(yáng)坡不同草地類(lèi)型和植被種類(lèi)，運用多旋翼大疆無(wú)人機獲取含近紅外波段的高分辨率多光譜影像，結合地面實(shí)測數據，對草地地上生物量和NDVI,RVI,VDVI,MSAVI,DVI(差值植被指數)5種植被指數進(jìn)行相關(guān)性分析并建立估算模型，結果表明RVI與陰陽(yáng)坡的草地地上生物量擬合好、精度高。無(wú)人機遙感技術(shù)對地觀(guān)測的宏觀(guān)性、動(dòng)態(tài)性和綜合性使其優(yōu)于傳統的由點(diǎn)到面的野外調查方法，已成為人類(lèi)獲取大面積宏觀(guān)草地資源信息的重要手段。

 2.2 無(wú)人機在草地動(dòng)物資源監測中的應用
2.2.1 草地有蹄類(lèi)野生動(dòng)物的監測  草地有蹄類(lèi)野生動(dòng)物的監測是一項重要而又具有挑戰性的丁作，需要投人大量的時(shí)間和資源。傳統野外調查數據的分辨率或比例尺往往與遙感方法獲得的數據不匹配， 當在不同空間尺度內對物種和柄息地進(jìn)行測試時(shí)，常常導致兩者之間關(guān)系模式的不一致大量研究表明，在草地有蹄類(lèi)野生動(dòng)物監測中.無(wú)人機遙感技術(shù)是可行高效的監測工具 。Torney 等部署無(wú)人機系統來(lái)收集馴鹿從維多利亞島遷徙到加拿大的航拍畫(huà)面.通過(guò)對遷徙馴鹿運動(dòng)軌跡的貝葉斯分析，揭示了遷徙馴鹿相互吸引、復制鄰居方向選擇的精細互動(dòng)規律。羅巍等以青海三江源地區為研究區，以藏野驢為研究對象，探討了從無(wú)人機影像中自動(dòng)獲取野生食草動(dòng)物信息并統計數量的方法具有速度快、精度高的特點(diǎn)。在此基礎上，邵全琴等利用無(wú)人機航拍調查黃河源瑪多縣的藏野驢、藏原羚、藏羊、牦牛等有蹄類(lèi)動(dòng)物的圖像解譯標志庫，通過(guò)人機交互方式解譯，獲取調查樣帶內的種群數量。郭興建等使用臺無(wú)人機對黃河源瑪多縣內的巖羊進(jìn)行航拍，并利用軟件Pix4Dmapper，LiMapper 對照片拼接處理，通過(guò)目視解譯來(lái)估算研究區內巖羊的種群數量和密度，結合軟件ArcGIS和3S技術(shù)對其生境進(jìn)行研究分析，從而為高原地區大型野生動(dòng)物調查研究提供了新思路。在對斑馬棲息地的監測中，Xu等[利用無(wú)人機輔助無(wú)線(xiàn)傳感器網(wǎng)絡(luò )的方法，將觀(guān)測區域統一劃分為虛擬網(wǎng)格，每個(gè)網(wǎng)格包含一個(gè)傳感器節點(diǎn)集群，選擇其中一個(gè)節點(diǎn)作為集群頭接收無(wú)線(xiàn)傳感器的數據包，并將其發(fā)送給無(wú)人機，無(wú)人機作為一個(gè)移動(dòng)接收器收集數據。該網(wǎng)絡(luò )模型利用斑馬的真實(shí)移動(dòng)軌跡來(lái)探究其活動(dòng)規律，以實(shí)現對目標的大視覺(jué)感知。仿真結果表明，該路徑規劃方法的性能優(yōu)于隨機和基于TSP的路徑規劃方法（圖2)。Luis等通過(guò)無(wú)人機與熱成像能力和人丁智能圖像處理相結合的系統來(lái)定位野生動(dòng)物在其自然棲息地的位置，解決了無(wú)人機圖像中野生動(dòng)物自動(dòng)檢測的挑戰。近年來(lái)，由于航空成像技術(shù)的進(jìn)步，無(wú)人機在專(zhuān)業(yè)領(lǐng)域應用的可能性增加。航空成像可提供詳細的草原圖像并對大面積分布的動(dòng)物群落進(jìn)行快速檢測，是解決草原大型野生動(dòng)物監測非常有效的工具。

2.2.2 草原嚙齒類(lèi)小型動(dòng)物的監測  近年來(lái)，由于全球氣候變化和人類(lèi)過(guò)度利用等綜合因素致使全球草地存在不同程度的退化并日趨嚴重，鼠害頻發(fā)，因此對草地害鼠發(fā)生的時(shí)空動(dòng)態(tài)及分布規律亟待科學(xué)認識和量化評估。將無(wú)人機運用于高寒草地的鼠害面積調查、鼠害分布監測及評估是一種新的研究思路。20 世紀 80 年代以來(lái)，學(xué)者們陸續開(kāi)展了大面積草地遙感技術(shù)應用研究和草地鼠害的預測預報研究，但仍處于探索階段。李博等應用“3S”技術(shù)建立了中國溫帶草地草畜平衡動(dòng)態(tài)監測系統.為探究草地鼠害動(dòng)態(tài)監測提供了重要基礎。在此基礎上，一些研究利用“3S”技術(shù)與地面調查相結合的方法，通過(guò)確定影響草原鼠害發(fā)生的生物及非生物因子，來(lái)構建基于3S技術(shù)的鼠類(lèi)密度監測模型；另有學(xué)者分析了“3S”技術(shù)對草原鼠害進(jìn)行監測的原理及應用，并指出TM遙感影像可作為草原鼠害研究的主要數據來(lái)源；李培先等運用“3S技術(shù)” 結合實(shí)地采集的GPS數據對阿爾金山草地鼠荒地和鼠害發(fā)生區進(jìn)行監測和解譯，獲得鼠害發(fā)生面積和分布，并參照鼠害發(fā)生區植被覆蓋度和海拔等生境特點(diǎn)，來(lái)分析鼠荒地和鼠害發(fā)生區的空間分布特征。

還有學(xué)者采用動(dòng)力三角翼和數碼相機構建的低空遙感平臺對鼠荒地進(jìn)行航拍獲取高分辨率草原鼠害影數據，在遙感目視解譯的基礎上利用 GIS 空間插值和統計方法獲得了試驗區鼠害的空間分布及危害程度情況；此外，何詠琪等采用“3S”技術(shù)，確定了高程、坡度、坡向、草地類(lèi)型、土壤類(lèi)型、EVI 6個(gè)鼠害監測模型主要因子，建立基于“3S”技術(shù)的草原鼠害監測模型，提取了不同鼠害發(fā)生區和危害區的閾值。

無(wú)人機遙感能夠靈活的獲取多尺度、多時(shí)相的地面觀(guān)測數據.可以更好的運用于鼠害調查研究中。以大疆公司精靈系列無(wú)人機為例，能高效準確地提供地面草地植被蓋度、斑塊、鼠洞等信息(圖3)，并將無(wú)人機航拍得到的圖片進(jìn)行手工標記以識別高原鼠兔或鼢鼠形成的禿斑地；董光以若爾蓋縣瞎曼鄉鼠害發(fā)生嚴重區為實(shí)驗研究地，使用精靈4Pro獲取春夏兩季鼢鼠和旱獺鼠害區的航拍影片，并利用軟件Pix4Dmapper生成數字正射影像，通過(guò)灰度閾值分割、面向對象法、BP神經(jīng)網(wǎng)絡(luò )和優(yōu)選色彩紋理4種方法獲取圖片鼠害信息，對比得出不同處理在不同季節中提取圖片鼠害信息的方法，從而為草原鼠害后續監測研究奠定基礎。在對三江源瑪多縣典型區鼠洞的監測識別中，周曉琳等以可見(jiàn)光波段的無(wú)人機影像為數據源，在研究區建立了支持向量機法和面向對象的模板匹配法的鼠洞識別研究。結果表明，在不同植被蓋度的草地上基于面向對象的模板匹配法對鼠洞的識別精度更高。馬濤等利用無(wú)人機低空遙感監測平臺對研究區進(jìn)行的兩次航拍，探討低空遙感在大沙鼠空間密度分布監測方面的有效性，并對該區域鼠害程度進(jìn)行評定，為荒漠林大沙鼠科學(xué)防治提供依據。但是，基于無(wú)人機遙感的草地鼠害監測研究尚處在起步階段，為了充分發(fā)揮無(wú)人機快速獲取高分辨率影像的明顯優(yōu)勢，可根據草原地理地形特征，結合地面調查數據并建立模型，快速準確地進(jìn)行草原生態(tài)鼠害監測。

3 無(wú)人機遙感技術(shù)在草地資源調查監測中存在的問(wèn)題、限制及展望、評價(jià)
3.1 問(wèn)題與限制
從國內外相關(guān)研究來(lái)看，無(wú)人機信息的提取仍存在眾多問(wèn)題與限制，主要總結為以下幾點(diǎn)：

1 )復雜地形效應：跨區域的空間變異性大、地面的異質(zhì)性、地面采樣不全面等導致數據缺乏完整性。此外，野外調查分辨率非常高，枯葉和植被可以被區分，而航拍圖像只能區分植被斑塊，導致無(wú)人機測得的植被蓋度一般高于野外調查。

2)建立模型繁多：由于不同研究區水熱條件、植被特征、土壤因素等條件不同，采用無(wú)人機數據確定的模型不同，導致草地遙感植被的監測和估算精度低，穩定性差。

3 )照片識別軟件開(kāi)發(fā)：無(wú)人機獲取的草地圖片信息中，時(shí)常由于障礙物的遮擋獲取不到某些目標信息，需要研究者肉眼觀(guān)測，這大大降低了工作效率，同時(shí)也限制了影像圖片中其他信息的獲取。因此，開(kāi)發(fā)更簡(jiǎn)單高效的圖片自動(dòng)識別處理軟件顯得尤為重要。

4 )傳感器設備匹配限制：無(wú)人機在草地資源監測方面研究較少，雖然已有少量學(xué)者開(kāi)始這方面的研究，但由于傳感器設備成本昂貴以及缺少與無(wú)人機遙感高度匹配的地面調查數據，而限制了無(wú)人機在草地資源監測中的應用。

3.2 評價(jià)與展望
隨著(zhù)無(wú)人機遙感技術(shù)的廣泛應用，對草地動(dòng)植物資源的研究進(jìn)入了一個(gè)新的階段，結合地面采樣、衛星遙感，實(shí)時(shí)、全面、有效、準確的對草地資源進(jìn)行監測。

1 )多尺度、多層次監測：針對草地分布的水平和垂直地帶性特點(diǎn)、局域性小環(huán)境差異以及草地植物生長(cháng)的季節性變化，可結合地面調查、無(wú)人機遙感、衛星航天遙感三位一體來(lái)實(shí)現小、中、大尺度范圍內草地資源的多層次監測，提高不同空間區域的數據匹配度，縮小無(wú)人機遙感獲取數據與實(shí)地調查數據之間的差異。

2 ) 多元數據的時(shí)效性融合：利用無(wú)人機監測草地資源的大多數研究仍依賴(lài)于傳統的地面調查或者“3S”衛星遙感技術(shù)獲取的數據。地面調查作為草地生態(tài)學(xué)研究的重要手段，具有不可替代的作用，而無(wú)人機遙感在一定程度上提高了數據獲取的時(shí)效性。因此，可通過(guò)多元數據融合的方法，將地面調查所得數據與無(wú)人機獲取的數據進(jìn)行融合來(lái)彌補單一數據源的不足，實(shí)現各種數據源的優(yōu)勢互補，進(jìn)而實(shí)現空間分辨率和時(shí)間分辨率的相互補充，為草地資源監測提供更系統、更科學(xué)有效的支撐。

3 )不同傳感器的應用普及：隨著(zhù)集成技術(shù)的發(fā)展，無(wú)人機可搭載的傳感器更加多樣。草地類(lèi)型豐富多樣，可以針對不同草地資源的特點(diǎn)，選擇合適的傳感器，有針對性地解決所需要監測的對象與問(wèn)題。這對于構建精準數據獲取、實(shí)現實(shí)時(shí)動(dòng)態(tài)監測具有重要的研究意義和實(shí)際應用價(jià)值?？傮w而言.基于高時(shí)空分辨率的無(wú)人機草地生態(tài)監測機制將成為今后發(fā)展的熱點(diǎn)和趨勢。無(wú)人機遙感以其衛星遙感和地面人工調查所不及的諸多優(yōu)勢，為草地資源監測的研究提供了新的技術(shù)平臺，尤其是在草地植物季相、草地植物蓋度、生物產(chǎn)量、草地家畜、草地嚙齒動(dòng)物種群等方面，可以有針對性地進(jìn)行大面積航空監測及小范圍定點(diǎn)監測，對草地合理利用和健康管理非常有實(shí)用價(jià)值。

參 考 文 獻：

[1] 喬紅. 無(wú)人機遙感系統的應用研究綜述[J]. 科學(xué)技術(shù)創(chuàng )新，2017（36）：1-2
[2] 金偉，葛宏立，杜華強，等. 無(wú)人機遙感發(fā)展與應用概況[J]. 遙感信息，2009(1):88-92

[3] 胡健波，張健. 無(wú)人機遙感在生態(tài)學(xué)中的應用進(jìn)展[J]. 生態(tài)學(xué)報，2018, 38(1):20-30

[4] Karen A ， Kevin J G. Lightweight unmanned aerial vehicles will revolutionize spatial ecology[J]. Frontiers in Ecology and the Environment，2013, 11(3):138-146

[5] Danilov A S， Smirnov U D， Pashkevich M A. The system of the ecological monitoring of environment which is based on the usage of UAV[J]. Russian Journal of Ecology, 2015, 46 (1)：14-19

[6] Lu Y, Macias D,Dean Z S,etal . A UAV-Mounted Whole Cell Biosensor System for Environmental Monitoring Applications[J]. IEEE Transactions on Nano Bioscience,2015,14(8)：811-817

[7] Aljehani M, Inoue M. Communication and Autonomous Control of Multi-UAV System in Disaster Response Tasks[C] //Kes International Symposium on Agent & Multi-agent Systems： Technologies & Applications,2017 :124-127

[8] Yin P F, Yin Q, Chen X F, et al. Unmanned Aerial Vehicle Aerial Remote Sensing Techniques and Its Application on Post Earthquake Disaster Investigation[J]. Laser & Optoelectron ics Progress,2010, 47(11)： 112802

[9] Sonaa G， Passoni D,Pinto b,et al. UAV multispectral survey to map soil and crop for precision farming applications[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,2016(6 ):1023-1029

[10] Ge J Y， Meng B P， Yang S X,et al. Dynamic monitoring of alpine grassland coverage based on UAV technology and MODIS study in the headwaters of the Yellow River[J]. Acta Prataculturae Sinica， 2017, 26( 3) :1-12

[11] 孫中宇，陳燕喬， 楊龍， 等. 輕小型無(wú)人機低空遙感及其在生態(tài)學(xué)中的應用進(jìn)展[J]. 應用生態(tài)學(xué)報， 2017,28(2) :528-536
[12] 付和平，溫都蘇， 袁帥， 等. 大數據應用T草地嚙齒動(dòng)物生態(tài)學(xué)：機遇與挑戰[J]. 中國草地學(xué)報， 2019,41(1) :101-110
[13] Hampton S E,Strasser C A,Tewksbury J J ,et al. Big data and the future of ecology[J]. Front Ecol. Environ. , 2013, 11( 3)：156-162

[14] Colomina I, Molina P. Unmanned aerial systems for photogrammetry and remote sensing： A review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014,92：79-97
[15] Yuan H,Liu Z,Cai Y ,et al. Research on Vegetation Information Extraction from Visible UAV Remote Sensing Images[C] // 2018 Fifth International Workshop on Earth Observation and Remote Sensing Applications ( EORSA). 2018：859-863

[16] Zhang X,Zhang F,Qi Y ,et al. New research methods for veg etation information extraction based on visible light remote sensing images from an unmanned aerial vehicle ( UAV) [J]. International Journal of Applied Earth Observation and Geoinformation， 2019，78：215-226

[17] 孫迪. 基于低空遙感的黃兔尾鼠鼠洞動(dòng)態(tài)監測及變化分析[D]. 烏魯木齊:新疆大學(xué)， 2019:5-11
[18] 周在明，楊燕明， 陳本清. 基于無(wú)人機遙感監測灘涂濕地入侵種互花米草植被覆蓋度[J]. 應用生態(tài)學(xué)報， 2016, 27 (12 ) :3920-3926

[19] Gao R,Kong Q M， Wang H G ^ et al. Diagnostic Feed Values of Natural Grasslands Based on Multispectral Images Acquired by Small Unmanned Aerial Vehicle[J]. Rangeland Ecology & Management， 2019， 72(6 ) ： 916-922

[20] Capolupo A,Kooistra L, Berendonk C ^ et at. Estimating plant traits of grasslands from UAV-acquired hyperspectral images: a comparison of statistical approaches[J]. ISPRS International Journal of Geo-Information, 2015, 4(4) ： 2792-2820

[21] 魏秀紅，靳瑰麗，范燕敏，等. 基于高光譜遙感的退化伊犁絹蒿荒漠草地群落蓋度估算[J]. 中國草地學(xué)報， 2017,39 ( 6) : 33-39,46
[22] Lopatin J ,Fassnacht F E, Kattenborn T ,etal. Mapping plant species in mixed grassland communities using close range imaging spectroscopy[J]. Remote sensing of environment， 2017, 201： 12-23

[23] 李晟， 王大軍， 肖治術(shù)， 等. 紅外相機技術(shù)在我國野生動(dòng)物研究與保護中的應用與前景[J]. 生物多樣性， 2014,22( 6 ):685-695
[24] Goodenough A E,Carpenter W S ? Mactavish et al ? Empirically testing the effectiveness of thermal imaging as a tool for identification of large mammals in the African bushveldt[J J. African Journal of Ecology,2017,56(1)： 162-184

[25] Scholten C N,Kamphuis A J , Vredevoogd K ] 9etai. Real-time thermal imagery from an unmanned aerial vehicle can locate ground nests of a grassland songbird at rates similar to traditional methods[J]. Biological Conservation,2019 ,233： 241-246
[26] Li Z Q,Guo X L. Remote sensing of terrestrial non-photosynthetic vegetation using hyperspectral，multispectral，SAR , and LiDAR data[J]. Progress in Physical Geography,2016 , 40( 2 ) :276-304

[27] Wang D， Xin X，Shao Qjet al. Modeling aboveground biomass in hulunber grassland ecOvSyvstem by using unmanned aerial vehide discrete lidar[J]. Sensors,2017 ,17(1) ： 180
[28] Jansen V S, Kolden C A,Greaves H F>， et al. Lidar provides novel insights into the effect of pixel size and grazing intensity on measures  of spatial heterogeneity in a native bunchgrass ecosystem[ J]. Remote Sensing of Environment, 2019, 235:111432

[29] 劉興元，龍瑞軍，尚占環(huán). 草地生態(tài)系統服務(wù)功能及其價(jià)值評估方法研究[J]. 草業(yè)學(xué)報，2011,20(1):167-174
[30] Jmo S,Johnson K，Olson R J. Estimating net primary productivity from grassland biomass dynamicvS measurements [J J. Global Change Biology， 2002,8(8):736-753

[31] 陳夢(mèng)蝶， 黃曉東， 侯秀敏， 等. 青海省草原鼠害區域草地生物量及蓋度動(dòng)態(tài)監測研究[J]. 草業(yè)學(xué)報， 2013,22(4):247-256
[32] 王建柱. 基于 3S 技術(shù)系統鼠害監測的基礎研究[D]. 蘭州： 甘肅農業(yè)大學(xué)， 2003:2-9
[33] 張玉， 齊景偉， 金曉， 等. 信息技術(shù)在放牧綿羊福利中應用的研究進(jìn)展[J]. 家畜生態(tài)學(xué)報， 2018,39(3):8-11

[34] Rango A, Laliberte A， Herrick J ￥j-,et al. Unmanned aerial ve hicle-based remote sensing for rangeland assessment， monitoring,and management[J]. Chinese Hydraulics Pneumatics，2009 , 3(1) :11-5

[35] Li Z，Chen Z,Wang h， et al. Area extraction of maize lodging based on remote sensing by small unmanned aerial vehicle[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(19) ： 207-213

[36] Lehnert L W,Meyer H, Wang Y ， et al. Retrieval of grassland plant coverage on the Tibetan Plateau based on a muliti-scale multi-sensor and multi-method approach[J]. Remote Sensing of Environment， 2015，164:197-207

[37] Hou J ,Wang H, Fu h,et al. Effects of plant diversity on soil erosion for different vegetation patterns[J]. Catena， 2016, 147： 632-637

[38] 葛靜， 孟寶平，楊淑霞， 等. 基于 UAV 技術(shù)和 MODIS 遙感數據的高寒草地蓋度動(dòng)態(tài)變化監測研究—以黃河源東部地區為例[J]. 草業(yè)學(xué)報， 2017 ,26 ( 3) :1-12
[39] 宋清潔，崔霞， 張瑤瑤， 等. 基于小型無(wú)人機與 MODIS 數據的草地植被覆蓋度研究—以甘南州為例[J]. 草業(yè)科學(xué)， 2017,34(1)： 40-50

[40] Meng B， Gao J， Liang T ,et al. Modeling of Alpine Grassland Cover Based on Unmanned Aerial Vehicle Technology and Multi-Factor Methods： A Case Study in the East of Tibetan Plateau,China[J]. Remote sensing， 2018， 10(34):3-10

[41] 宜樹(shù)華，陳建軍， 秦或. 無(wú)人機航拍在青藏高原高寒草地生態(tài)系統研究中的初步應用[J]. 西南民族大學(xué)學(xué)報（ 自然科學(xué)版） ， 2016 ,42(1):1-7

[42] Chen J J,Yi S H,Qin Y ^etal. Improving estimates of fractional vegetation Qinghai-Tibetan Plateau[J]. International Journal of Remote cover based on UAV in alpine graSvsland on the Sensing, 2016,37 (8) ： 1922-1936

[43] 金云翔，徐斌，楊秀春，等. 內蒙古錫林郭勒盟草原產(chǎn)草量動(dòng)態(tài)遙感估算[J]. 中國科學(xué)： 生命科學(xué)， 2011,41(12) :1185-1195
[44] 周宇庭，付剛，沈振西，等. 藏北典型高寒草甸地上生物量的遙感估算模型[J]. 草業(yè)學(xué)報， 2013,22(1):120-129
[45] 張云霞，李曉兵，陳云浩. 草地植被蓋度的多尺度遙感與實(shí)地測量方法綜述[J]. 地球科學(xué)進(jìn)展， 2003(1):85-93

[46] Lussem U,Bolten A, Menne ]， et al. Estimating biomass in temperate grassland with high resolution canopy surface models from UAV-based RGB images and vegetation indices[J]. Journal of Applied Remote Sensing, 2019，13( 3) :1

[47] 張正健，李?lèi)?ài)農， 邊金虎， 等. 基于無(wú)人機影像可見(jiàn)光植被指數的若爾蓋草地地上生物量估算研究[J]. 遙感技術(shù)與應用，2016 , 31(1) :51-62
[48] 孫世澤， 汪傳建，尹小君， 等. 無(wú)人機多光譜影像的天然草地生物量估算[J]. 遙感學(xué)報， 2018, 22(5):848-856
[49] 曾永年，馮兆東. 沙質(zhì)荒漠化遙感監測與環(huán)境影響研究進(jìn)展[J]. 山地學(xué)報， 2005(2):218-227

[50] Christopher J. Rhodes, Peter Henrys， Gavin M. Siriwardena, ei al. The relative value of field survey and remote sensing for biodiversity assessment[J]? Methods in Ecology and Evolution,2015,6 (7):772-781

[51] Jackson H B, Fahrig L. Are ecologists conducting research at the optimal scale? [J]. Global Ecology Biogeography, 2015, 24(1):52-63

[52] Luis G, Glen M， Eduard P,et al. Unmanned Aerial Vehicles( UAVs ) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation[J]. Sensors,2016,16 (1)： 97

[53] Torney C J， Lamont M， Debell h， et al. Inferring the rules of social interaction in migrating caribou [ J ]. Philosophical Transactions of the Royal Society B： Biological Sciences,2018, 373(1746) ： 20170385

[54] Mann R P. Bayesian Inference for Identifying Interaction Rules in Moving Animal Groups[J]. PLOS ONE,2011, 6(8)

[55] 羅巍， 邵全琴 ， 王東亮， 等. 基于面向對象分類(lèi)的大型野生食草動(dòng)物識別方法以青海三江源地區為例[J]. 野生動(dòng)物學(xué)報，2017,38(4):561-564

[56] 邵全琴，郭興健，李愈哲， 等. 無(wú)人機遙感的大型野生食草動(dòng)物種群數量及分布規律研究 D]. 遙感學(xué)報， 2018, 22 ( 3): 497-507

[57] 郭興健， 邵全琴，楊帆， 等. 無(wú)人機遙感調查黃河源瑪多縣巖羊數量及分布[J]. 自然資源學(xué)報， 2019 ,34(5):1054-1065

[58] Xu J， Solmaz G， Rahmatizadeh R, et al. Animal Monitoring with Unmanned Aerial Vehicle-Aided Wireless Sensor Networks[C] // IEEE LCN15. IEEE,2015:128-130

[59] Luis G, Glen M, Eduard Vj et al. Unmanned Aerial Vehicles( UAVs ) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation[J]. Sensors,2016,16 (1)： 97

[60] 李博， 史培軍，林小泉. 中國溫帶草地草畜平衡動(dòng)態(tài)監測系統的研究[J]. 干旱區資源與環(huán)境， 1993(Zl ):269-274

[61] 王加亭， 炱旭江，蘇紅田，等. “三江源”地區退化草原的鼠害監測技術(shù)[J]. 草業(yè)科學(xué)， 2008(8) :110-112

[62] 王瑋，馮琦勝， 于惠， 等. “3S”技術(shù)在草地鼠蟲(chóng)害監測與預測中的應用[J]. 草業(yè)科學(xué)，2010,27(3):31-39

[63] 李培先，鄭江華， 倪亦非， 等. 阿爾金山草地鼠害發(fā)生區及鼠荒地面積遙感估算[]]. 新疆農業(yè)科學(xué)， 2016 ,53(7):1346-1355

[64] 軒俊偉，鄭江華， 倪亦非， 等. 基于動(dòng)力=:角翼平臺的草原鼠害遙感監測研究[J]. 中國植保導刊 2015,35( 2) :52-55

[65] 何詠琪， 黃曉東， 侯秀敏， 等. 基于 3S 技術(shù)的草原鼠害監測方法研究[J]. 草業(yè)學(xué)報，2013,22(3):33-40

[66] Yi S. FragMAP:a tool for long-term and cooperative monitoring and analysis of small-scale habitat fragmentation using an unmanned aerial vehicle[J]. International Journal of Remote Sensing,2017,38(8-10) ： 2686-2697

[67] 董光. 基于低空遙感的若爾蓋草地鼠害信息提取方法及對比研究[D]. 成都： 四川師范大學(xué)， 2019( 2):9-15

[68] 周曉琳，安如， 陳躍紅， 等. 三江源典型區鼠洞無(wú)人機遙感識別研究[J]. 亞熱帶資源與環(huán)境學(xué)報， 2018,13(4) :85-92

[69] 馬濤， 鄭江華， 溫阿敏， 等. 基于 UAV 低空遙感的荒漠林大沙鼠洞群覆蓋率及分布特征研究—以新疆古爾班通古特沙漠南緣局部為例[J]. 生態(tài)學(xué)報， 2018,38(3):953-963

來(lái)源：高娟婷，孫飛達，霍霏，張履冰，周俗，楊廷勇，邊巴扎西：無(wú)人機遙感技術(shù)在草地動(dòng)植物調查監測中的應用與評價(jià). 草地學(xué)報 第29卷 第1期