基于無人機高光譜的外來入侵種互花米草遙感監測方法研究
——以黃河三角洲為研究區

李曉敏, 張 杰 馬 毅 任廣波

(1. 國家海洋局第一海洋研究所, 山東 青島 266061; 2. 內蒙古大學生命科學學院, 內蒙古 呼和浩特010021)

基于無人機高光譜的外來入侵種互花米草遙感監測方法研究
——以黃河三角洲為研究區

李曉敏1,2, 張 杰1, 馬 毅1, 任廣波1

(1. 國家海洋局第一海洋研究所, 山東 青島 266061; 2. 內蒙古大學生命科學學院, 內蒙古 呼和浩特010021)

互花米草(Spartina alterniflora)入侵性非常強, 已被正式納入我國第一批外來入侵物種名單。互花米草的瘋狂蔓延已影響到當地土著物種的生長和空間分布, 因此有關管理部門迫切需要互花米草的空間分布和擴散動態數據, 但目前還沒有一個有效的監測手段。針對這一需求, 本文作者提出了基于無人機高光譜的外來入侵種互花米草遙感監測研究方案, 擬以黃河三角洲為研究區, 利用無人機高光譜遙感新型技術, 分析不同情形下(不同生長狀況、不同觀測條件、不同環境條件等)互花米草的光譜特征, 建立魯棒的互花米草遙感檢測模型, 研究互花米草無人機高光譜圖像高效獲取方法, 以實現互花米草的高效、準確監測, 為亟需的外來入侵種互花米草業務化監測提供有效的技術手段。

互花米草(Spartina alterniflora); 無人機; 高光譜遙感

互花米草(Spartina alterniflora)是一種原產于美洲大西洋沿岸和墨西哥灣的禾本科米草屬多年生植物, 廣布于從加拿大的紐芬蘭到美國的佛羅里達中部, 直至墨西哥海岸以及南美的法屬圭亞那經常被潮水淹沒的潮間帶, 主要生長于平均海平面至平均高潮位之間的廣闊灘面以及河口灣[1-2]。由于互花米草秸稈密集粗壯、地下根莖發達, 能夠促進泥沙快速沉降和淤積, 因此互花米草被稱為“生態工程師”[3],被世界上許多國家無意或有意引入[4-7]。

我國的互花米草由南京大學仲崇信教授等人于1979 年從美國東部的北卡羅萊納州、喬治亞和佛羅里達3處引進, 為南方高桿生態型[8-10], 在南京大學植物園試種成功后, 于 1980 年 10 月移植到福建羅源灣,待種子成熟后再在沿海各省灘涂上多點引種[11-12]。現今, 在天津、山東、江蘇、上海、浙江、福建、廣東和廣西均有分布, 其暴發規模遠大于世界上其他地區。互花米草在中國東南沿海各省的暴發已成為近年來我國有關生物入侵問題中爭論的焦點, 2003 年互花米草作為唯一的海岸鹽沼植物, 被列入國家環境保護部的中國第一批 16 種外來入侵物種名單之中[13]。

1990年前后, 在現代黃河三角洲的孤東采油區北側五號樁附近引種了互花米草[14], 隨后便迅速生長蔓延, 至今已遍布現代黃河三角洲的潮間帶區域。黃河三角洲設有國家級自然保護區, 以河口濕地生態系統及珍禽為主要保護對象, 互花米草在黃河三角洲的瘋狂蔓延已影響到土著物種的生長和空間分布, 根據多年的現場調查, 目前黃河口著名景觀“紅地毯”(堿蓬)有近50%被互花米草占據了, 引起了山東黃河三角洲國家級自然保護區管理局、東營市海洋與漁業局、勝利油田等有關部門的高度重視, 迫切需要對互花米草的瘋狂擴散動態進行監測。然而, 由于進入互花米草分布的潮間帶區域現場困難——從陸上車下不去、從海上船上不來, 監測黃河三角洲區域的互花米草一直是個難題。

遙感技術具有探測范圍廣、同步、現勢性強、可不依賴于地表狀況進行靈活調查等特點, 是克服這一難題的一種有效手段。但由于缺少對互花米草光譜特征的深入了解和有針對性的遙感監測方法,致使遙感特別是高光譜遙感的技術優勢難以發揮。

高光譜遙感技術具有“圖譜合一”的特點, 在獲取地物圖像的同時可以得到地物的連續光譜信息, 在互花米草監測中更具應用潛力。無人機與衛星、有人機相比, 具有執行任務靈活、不受云遮擋、自主性強、成本低等優勢。兩者相結合形成的無人機高光譜遙感技術, 不僅具備無人機平臺的優勢, 而且可以獲取高空間、高光譜和高時間分辨率以及多尺度的遙感數據,是遙感監測的新型技術手段。國內外的有關研究表明,無人機高光譜遙感技術具備廣泛的應用潛力。

綜上, 本文作者提出了基于無人機高光譜的外來入侵種互花米草遙感監測研究方案, 擬利用無人機高光譜高空間、高光譜、高時間、多尺度和“圖譜合一”的特點, 發展外來入侵種互花米草無人機高光譜遙感監測方法, 其核心是構建不同情形下互花米草的光譜特征庫、建立魯棒的互花米草檢測模型,以實現互花米草的高效、準確監測, 為亟需的外來入侵種互花米草業務化監測提供有效的技術手段。本文重點介紹這一研究方案, 該方案于2016年獲得了一項國家自然科學基金項目支持(61601133)。

1 研究背景介紹

1.1 外來入侵種互花米草遙感監測

隨著美國的MODIS和Landsat系列以及法國的SPOT等衛星傳感器的投入使用, 遙感數據日益成為人們研究互花米草的重要數據源。研究人員通過收集不同時相的遙感影像, 運用遙感圖像處理軟件對其進行幾何校正、圖像融合等預處理; 然后在GIS軟件中進行分類解譯, 結合 GPS 進行野外核實修正; 最后對解譯結果進行統計, 分析互花米草的空間分布特征及動態變化情況。

目前, 不同時相的遙感影像已被廣泛應用于互花米草的空間分布與動態變化監測中。在我國沿海灘涂互花米草空間分布狀況和擴散動態研究中, 江蘇省的相關研究最多[15-24], 上海市次之[25-32], 福建省第三[33-39], 浙江省和山東省也有少部分研究[40-41]。

可以看出, 利用不同時相的遙感影像可以有效地監測外來入侵種互花米草的空間分布及其動態變化情況, 能夠更加快捷、準確地提供其擴散信息, 從而為生態環境保護和生物多樣性研究提供基礎數據支撐。但是, 目前利用遙感影像監測互花米草也存在一定的局限[42]: 受遙感影像光譜分辨率的限制, “同物異譜”和“同譜異物”現象比較嚴重, 造成互花米草分布和數量統計上的誤差; 同時, 在一些區域, 互花米草與其他植被混生, 而現有研究中所利用的遙感影像空間分辨率普遍相對不高, 因此影像中混合像元相對較多, 導致目前還難以在較小范圍內精確監測互花米草的空間分布格局和擴散動態。

1.2 無人機高光譜遙感應用

無人機(unmanned aerial vehicle, UAV)是一種有動力、可控制、能攜帶多種設備、執行多種任務, 并能重復使用的無人駕駛航空器[43]。無人機最早出現在1917年, 早期的無人駕駛飛行器主要是用作飛機靶機, 后來逐漸擴展到作戰、偵察及民用遙感飛行平臺。隨著計算機和通信技術的迅速發展以及各種數字化、重量輕、體積小、探測精度高的新型傳感器的不斷出現, 無人機遙感系統的性能不斷提高, 應用范圍和應用領域不斷拓展[44]。目前, 無人機遙感系統已應用于植被監測[45]、精準農業[46]、海冰監測[47]等方面。

高光譜遙感技術是20世紀80年代興起的新型對地觀測技術, 具有“圖譜合一”的特點, 將圖像維與光譜維信息融為一體, 在獲取地物圖像的同時可以得到地物的連續光譜信息, 從而實現依據光譜特征的地物目標遙感監測。與傳統的遙感技術相比, 高光譜具有波段多、光譜范圍窄、波段連續、數據量大等特點[48]。目前高光譜遙感數據已應用到外來入侵物種[49]、濱海濕地[50-55]、植被[56]、赤潮[57-58]等地物目標的探測中。

綜上, 無人機遙感系統和高光譜遙感技術已在很多領域得到大量的應用, 而且正以前所未有的速度向更廣的應用領域擴展。兩者結合而成的無人機高光譜遙感技術也已有一些應用: Calderon等[59]根據無人機高光譜數據對橄欖樹枯萎進行了早期探測;以Zarco-Tejada為首的研究團隊[60-63], 圍繞經濟作物無人機高光譜監測開展了一系列的研究, 研究成果發表在知名遙感雜志《Remote Sensing of Environment》上; 我國的Duan等[64]利用無人機高光譜數據開展了3種典型條耕農作物玉米、馬鈴薯和向日葵的葉面積指數反演研究。可以看出, 無人機高光譜可用于不同類型植被的遙感監測。這表明: 無人機高光譜遙感技術具有監測外來入侵種互花米草的潛力。

2 基于無人機高光譜遙感的互花米草監測

通過互花米草遙感研究進展可以看出: 互花米草遙感研究主要集中在利用不同時相的遙感影像進行互花米草空間分布與動態變化監測, 然而由于受遙感影像空間和光譜分辨率的限制, 目前還難以實現互花米草的精確監測; 無人機高光譜可以獲取高空間、高光譜和高時間分辨率以及多尺度的遙感數據, 而且從無人機高光譜遙感應用研究進展來看,無人機高光譜具有精確監測互花米草的潛力, 但目前基于無人機高光譜的互花米草遙感研究尚屬空白。本研究擬以黃河三角洲為研究區, 發展外來入侵種互花米草無人機高光譜遙感監測方法, 以實現互花米草的高效、準確監測。

2.1 互花米草無人機高光譜遙感監測技術框架

總體框架為: 首先基于實驗數據對互花米草及其周邊其他植被的光譜特征進行分析, 建立包含各種情形的互花米草光譜特征庫。然后構建基于無人機高光譜“光譜”和“圖譜”的互花米草檢測模型(“光譜”是指利用無人機高光譜相機獲取的光譜曲線,“圖譜”是指利用無人機高光譜相機獲取的高光譜圖像)。對無人機數據獲取模式和控制單元進行適應性改造, 并將基于無人機高光譜“光譜”的檢測模型優化改進, 發展一種互花米草無人機高光譜圖像高效獲取方法。最后以黃河三角洲國家級自然保護區為研究區進行互花米草無人機高光譜監測方法驗證和示范應用。總體技術路線如圖1所示。

2.2 不同情形下互花米草的光譜特征研究

根據現場調查, 黃河三角洲的主要植物有互花米草、堿蓬、檉柳和蘆葦, 互花米草屬先鋒植物, 分布在最靠海一側。為了準確檢測互花米草, 本研究開展互花米草地面光譜測量和無人機高光譜觀測實驗,基于實驗數據進行不同情形下互花米草與堿蓬、檉柳、蘆葦的光譜特征分析, 對比互花米草與堿蓬、檉柳、蘆葦等周邊其他植被光譜特征的主要區別, 構建包含不同情形的互花米草光譜特征庫。

圖1 總體技術路線圖Fig. 1 The overall technical flowchart

2.2.1 互花米草地面光譜測量和無人機高光譜觀測

在黃河三角洲互花米草分布區內開展互花米草地面光譜測量和無人機高光譜觀測實驗, 獲得互花米草及其周邊其他地物的地面光譜數據和無人機光譜數據,建立互花米草及其周邊其他地物的光譜數據庫, 記錄光譜測量的日期、起止時間、經緯度、互花米草植株高度、葉片長度和寬度、植物間距、健康狀況等信息, 并拍攝現場照片, 無人機測量時還要記錄其飛行高度、觀測角度、觀測時刻等信息。而且, 要注意根據互花米草及其周邊植被的物候差異、分布區域、生長狀況等特點, 確保實驗樣區選擇的典型性和全面性。

2.2.2 不同情形下互花米草的光譜特征分析

為使互花米草的光譜特征具有代表性, 分析互花米草的光譜特征時應考慮到各種情形, 主要有: (1)從互花米草自身考慮, 包括不同密度、不同生長狀況等; (2)從無人機高光譜系統參數考慮, 包括無人機飛行高度、觀測角度、觀測時刻等; (3)從環境條件考慮,包括不同季節、不同潮汐狀況、光照條件等。不同情形下互花米草的光譜特征都不盡相同, 應用互花米草的高光譜數據, 析取出互花米草的光譜曲線,分析互花米草的吸收位置、吸收深度、反射位置、反射高度等光譜特征。分析互花米草光譜特征隨無人機飛行高度和觀測角度、季節、潮汐狀況、光照條件、互花米草密度和生長狀況的變化規律, 對比互花米草與周邊其他植被光譜特征的主要區別, 建立包含各種情形的互花米草光譜特征庫。

2.3 基于無人機高光譜“光譜”和“圖譜”的互花米草檢測模型構建

實現互花米草無人機高光譜遙感監測的核心,是構建適用于不同觀測條件和環境條件的魯棒的互花米草檢測模型。不同觀測條件包括無人機飛行高度、觀測角度等。不同環境條件包括光照條件、潮汐狀況等。本研究擬分別構建基于無人機高光譜“光譜”和“圖譜”的互花米草檢測模型, 前者用于無人機飛行探測過程中的互花米草檢測, 后者用于無人機高光譜圖像獲取后的互花米草檢測, 技術路線如圖2所示。

圖2 基于無人機高光譜的互花米草檢測模型構建技術路線圖Fig. 2 The technical flowchart for constructing the Spartina alterniflora detection models based on UAV hyperspectral remote sensing

2.3.1 基于無人機高光譜“光譜”的互花米草檢測模型構建

基于無人機高光譜“光譜”構建的互花米草檢測模型主要是用于無人機飛行探測過程中在線檢測互花米草, 要求其性能穩定、計算速度快且易于實現,因此采用領域內廣泛應用的經典方法。本研究擬比較3種基于光譜特征匹配的目標檢測方法: 光譜全譜匹配(將探測目標的光譜與互花米草光譜特征庫中的光譜進行全譜比對, 根據二者的一致程度對探測目標進行判別)、典型光譜特征相似性度量(僅使用幾個典型光譜特征進行探測目標與互花米草的特征相似性度量)、光譜特征構造指數判別(選擇典型光譜特征構造一個指數, 利用數學統計方法, 確定構造指數的閾值, 以此來判別探測目標是否為互花米草), 選擇最適于無人機在線實時檢測的目標檢測方法, 來構建基于無人機高光譜“光譜”的互花米草檢測模型。

2.3.2 基于無人機高光譜“圖譜”的互花米草檢測

模型構建

本研究擬提出一種基于目標光譜簇的互花米草檢測算法, 構建基于無人機高光譜“圖譜”的互花米草檢測模型, 該模型將在獲取到無人機高光譜圖像后使用, 用于互花米草高精度制圖。首先對互花米草光譜特征庫中的光譜進行去冗余、歸類, 生成互花米草光譜簇; 通過自適應波束形成方法, 使用一個不等式約束來保證當目標光譜簇的光譜在一定范圍內變化時, 提出的算法最小化輸出能量, 這樣即使目標光譜存在一定變化時, 其仍然能夠被有效檢測出來, 因而該方法對不同觀測條件和環境條件造成的光譜變化具有魯棒性。提出的算法將互花米草檢測問題轉化為一個凸優化問題, 其局部極小值就是全局極小值, 所以可以利用最優化方法來求出全局最優點, 本項目擬使用內點法來求解該最優化問題。

2.4 互花米草無人機高光譜圖像高效獲取方法研究

由于無人機每次飛行的續航時間有限, 且無人機高光譜圖像后處理工作量大, 因此, 發展一種互花米草無人機高光譜圖像高效獲取方法是實現互花米草快速、準確檢測的關鍵。互花米草無人機高光譜圖像高效獲取的研究思路為: 無人機高光譜進行地物探測時先僅獲取地物的譜信息, 然后基于互花米草光譜特征庫, 利用互花米草檢測模型在線實時判定所探測地物是否為互花米草, 如果是, 再獲取高光譜圖像, 否則不獲取, 技術路線圖如圖3所示。這種“先獲取譜信息, 檢測后再獲取圖像”的數據獲取方式, 可使無人機每次飛行時探測更大的空間范圍, 同時大大減少高光譜圖像處理的工作量, 提高無人機高光譜互花米草檢測效率。

圖3 互花米草無人機高光譜圖像的高效獲取方法研究技術路線圖Fig. 3 The technical flowchart for studying an efficient acquisition method of UAV hyperspectral remote sensing images of Spartina alterniflora

實現互花米草無人機高光譜圖像高效獲取的核心是無人機數據獲取模式和控制單元的適應性改造、所構建的基于無人機高光譜“光譜”的互花米草檢測模型的優化改進。

2.4.1 無人機數據獲取模式和控制單元適應性改造

目前, 無人機數據獲取模式有譜模式、圖模式、圖譜模式, 本研究擬通過對無人機控制單元的適應性改造,實現無人機數據獲取模式的自動選擇與靈活切換。

2.4.2 基于無人機高光譜“光譜”的互花米草檢測模型優化改進

研究無人機不同觀測條件(飛行高度、觀測角度等)和不同環境條件(光照條件、潮汐狀況等)下互花米草檢測模型的魯棒性, 在此基礎上對檢測模型進行優化改進, 建立適用于無人機高光譜的互花米草在線檢測模型, 應用于無人機高光譜飛行探測過程中。

2.5 互花米草無人機高光譜遙感監測方法驗證與示范應用方案

本研究擬以黃河三角洲國家級自然保護區為研究區, 進行互花米草無人機高光譜遙感監測方法的驗證與示范應用, 技術路線如圖4所示。

圖4 互花米草無人機高光譜遙感監測方法驗證與示范應用技術路線圖Fig. 4 The technical flowchart for verifying and practically applying UAV hyperspectral remote sensing technology in Spartina alterniflora monitoring

2.5.1 互花米草無人機高光譜遙感監測方法驗證

根據黃河三角洲國家級自然保護區互花米草的分布特點, 進行無人機高光譜飛行方案設計, 開展互花米草不同生長狀況、不同觀測條件、不同環境條件下的無人機高光譜和現場同步觀測實驗, 檢驗互花米草光譜特征庫的完備性, 驗證所構建的基于無人機高光譜“光譜”和“圖譜”的互花米草檢測模型的準確性和魯棒性, 評價互花米草無人機高光譜圖像高效獲取方法的有效性。

2.5.2 黃河三角洲國家級自然保護區互花米草無人機高光譜遙感監測

對所獲取的黃河三角洲國家級自然保護區互花米草無人機高光譜圖像進行幾何校正和圖像拼接等影像后處理, 基于處理后的高光譜圖像提取互花米草信息, 在此基礎上, 制作黃河三角洲國家級自然保護區互花米草分布圖, 分析黃河三角洲國家級自然保護區互花米草的時空分布特征。

3 總結與展望

外來入侵種互花米草分布在潮間帶區域, 進入該區域現場困難——從陸上車下不去、從海上船上不來, 因此互花米草高效、準確監測一直是實際業務管理中的一個難題。然而, 互花米草空間分布狀況和擴散動態信息卻是業務管理中最需要的數據。無人機高光譜遙感是遙感技術發展的新方向和趨勢, 具有可以靈活獲取高空間、高光譜和高時間分辨率數據的優勢, 本研究擬采用這種新型技術手段來進行互花米草遙感監測, 以期快速得到準確的互花米草信息, 為實際業務管理提供有效的技術支撐。

[1] Simenstad C A, Thom R M. Spartina alterniflora (smooth cordgrass) as an invasive halophyte in Pacific Northwest Estuaries[J]. Hortus Northwest, 1995, 6: 9-12, 38-40.

[2] Daehler C C, Strong D R. Status, prediction and prevention of introduced cordgrass Spartina spp. invasions in Pacific Estuaries, USA[J]. Biological Conservation, 1996, 78(1): 51-58.

[3] Jones C G, Lawton J H, Shachak M. Organisms as ecosystem engineers[J]. Oikos, 1994, 69(3): 373-386.

[4] Chung C H. Thirty years of ecological engineering with Spartina plantations in China[J]. Ecological Engineering, 1993, 2(3): 261-289.

[5] Chung C H, Zhuo R Z, Xu G W. Creation of Spartina plantations for reclaiming Dongtai, China, tidal flats and offshore sands[J]. Ecological Engineering, 2004, 23(3): 135-150.

[6] Mitsch W J, Lefeuvre J C, Bouchard V. Ecological engineering applied to river and wetland restoration[J]. Ecological Engineering, 2002, 18(18): 529-541.

[7] Weishar L L, Teal J M, Hinkle R. Designing large-scale wetland restoration for Delaware Bay[J]. Ecological Engineering, 2005, 25(3): 231-239.

[8] 王卿, 安樹青, 馬志軍, 等. 入侵植物互花米草—生物學、生態學及管理[J]. 植物分類學報, 2006, 44(5): 559-588. Wang Qing, An Shuqing, Ma Zhijun, et al. Invasive Spartina alterniflora: biology, ecology and management[J]. Acta Phytotaxonomica Sinica, 2006, 44(5): 559-588.

[9] 唐廷貴, 張萬鈞. 論中國海岸帶大米草生態工程效益與“生態入侵”[J]. 中國工程科學, 2003, 5(3): 15-20. Tang Tinggui, Zhang Wanjun. A discussion of ecological engineering benefits of Spartina spp. and its ecological invasion[J]. Engineering Science, 2003, 5(3): 15-20.

[10] 朱曉佳, 欽佩. 外來種互花米草及米草生態工程[J].海洋科學, 2003, 27(12): 14-19. Zhu Xiaojia, Qin Pei. The alien species Spartina alterniflora and Spartina ecoengineering[J]. Marine Sciences, 2003, 27(12): 14-19.

[11] 袁紅偉, 李守中, 鄭懷舟, 等. 外來種互花米草對中國海濱濕地生態系統的影響評價及對策[J]. 海洋通報, 2009, 28(6): 122-128. Yuan Hongwei, Li Shouzhong, Zheng Huaizhou, et al. Evaluation of the influences of foreign Spartina alterniflora on ecosystem of Chinese coastal wetland and its countermeasures[J]. Marine Science Bulletin, 2009, 28(6): 122-128.

[12] 歐健, 盧昌義. 廈門外來植物入侵風險評價指標體系的建立——以互花米草入侵風險評價為例[J]. 臺灣海峽, 2006, 25(3): 437-444. Ou Jian, Lu Changyi. Establishment of risk assessment index system for alien plants in Xiamen: case study of smooth cordgrass[J]. Journal of Oceanology in Taiwan Strait, 2006, 25(3): 437-444.

[13] 中華人民共和國環境保護部．關于發布中國第一批外來入侵物種名單的通知[EB/OL]. [2003-01-10]. http: // www.zhb.gov.cn/gkml/zj/wj/200910/t20091022_17215 5.htm. Ministry of Environmental Protection of the People’s Republic of China. Notice on releasing the first batch external invasion species name list in China[EB/OL]. [2003-01-10].http: //www.zhb.gov.cn/gkml/zj/wj/200910/ t20091022_172155.htm.

[14] 張帆, 劉長安, 姜洋. 灘涂鹽沼濕地退化機制研究[J].海洋開發與管理, 2008, 8: 99-101. Zhang Fan, Liu Changan, Jiang Yang. Research on degradation mechanism of tidal saltmarsh wetland[J]. Marine development and management, 2008, 8: 99-101.

[15] 李加林. 基于MODIS的沿海帶狀植被NDVI/EVI季節變化研究—以江蘇沿海互花米草鹽沼為例[J]. 海洋通報, 2006, 25(6): 91-96. Li Jialin. Research on the seasonal dynamics of zonal vegetation in the coastal area using MODIS-NDVI/EVI: A case study of Spartina alterniflora marsh on the Jiangsu coast[J]. Marine Science Bulletin, 2006, 25(6): 91-96.

[16] 李加林, 張忍順. 互花米草海灘生態系統服務功能及其生態經濟價值的評估—以江蘇為例[J]. 海洋科學, 2003, 27(10): 68-72. Li Jialin, Zhang Renshun. Function of Spartina alterniflora salt marsh ecosystem services and evaluation of their ecological and economical value: a case of Jiangsu Province[J]. Marine Sciences, 2003, 27(10): 68-72.

[17] 劉春悅, 張樹清, 江紅星, 等. 江蘇鹽城濱海濕地外來種互花米草的時空動態及景觀格局[J]. 應用生態學報, 2009, 20(4): 901-908. Liu Chunyue, Zhang Shuqing, Jiang Hongxing, et al. Spatiotemporal dynamics and landscape pattern of alien species Spartina alterniflora in Yancheng coastal wetlands of Jiangsu Province, China[J]. Chinese Journal of Applied Ecology, 2009, 20(4): 901-908.

[18] 劉永學, 陳君, 張忍順, 等. 江蘇海岸鹽沼植被演替的遙感圖像分析[J]. 農村生態環境, 2001, 17(3): 39-41. Liu Yongxue, Chen Jun, Zhang Renshun, et al. Analysis of remote sensing images for vegetation succession on tidal saltmarsh in Jiangsu[J]. Rural Eco-Environment, 2001, 17(3): 39-41.

[19] 劉永學, 李滿春, 張忍順. 江蘇沿海互花米草鹽沼動態變化及影響因素研究[J]. 濕地科學, 2004, 2(2): 116-121. Liu Yongxue, Li Manchun, Zhang Renshun. Approach on the dynamic change and influence factors of Spartina alterniflora Loisel saltmarsh along the coast of the Jiangsu Province[J]. Wetland Science, 2004, 2(2): 116-121.

[20] 劉永學, 張忍順, 李滿春. 江蘇沿海互花米草鹽沼動態變化及影響因素研究[J]. 海洋地質動態, 2004, 20(2): 18-21. Liu Yongxue, Zhang Renshun, Li Manchun. Approach on the dynamic change and influence factors of Spartina alterniflora Loisel saltmarsh along the coast of the Jiangsu Province[J]. Marine Geology Letters, 2004, 20(2): 18-21.

[21] 沈永明, 劉詠梅, 陳全站. 江蘇沿海互花米草鹽沼擴張過程的遙感分析[J]. 植物資源與環境學報, 2002, 11(2): 33-38. Shen Yongming, Liu Yongmei, Chen Quanzhan. Analysis of the expanding process of the Spartina alterniflora Loisel salt marsh on Jiangsu province coast by remote sensing[J]. Journal of Plant Resource and Environment, 2002, 11(2): 33-38.

[22] 姚懿函, 清華, 安樹青, 等. 不同建群時間下互花米草種群生長及生物量分配[J]. 生態學報, 2010, 30(19): 5200-5208. Yao Yihan, Qing Hua, An Shuqing, et al. Growth and biomass allocation of differently-aged populations of Spartina alterniflora[J]. Acta Ecologica Sinica, 2010, 30(19): 5200-5208.

[23] 張忍順, 沈永明, 陸麗云, 等. 江蘇沿海互花米草鹽沼的形成過程[J]. 海洋與湖沼, 2005, 36(4): 358-366. Zhang Renshun, Shen Yongming, Lu Liyun, et al. Formation of Spartina alterniflora salt marsh on Jiangsu coast, China[J]. Oceanologia et Limnologia Sinica, 2005, 36(4): 358-366.

[24] 張華兵, 劉紅玉, 侯明行. 人工管理和自然驅動下鹽城海濱濕地互花米草沼澤演變及空間差異[J]. 生態學報, 2013, 33(15): 4767-4775. Zhang Huabing, Liu Hongyu, Hou Minghang. Spatiotemporal characteristics of Spartina alterniflora marsh change in the coastal wetlands of Yancheng caused by natural processes and human activities[J]. Acta Ecologica Sinica, 2013, 33(15): 4767-4775.

[25] 黃華梅, 張利權, 高占國. 上海灘涂植被資源遙感分析[J]. 生態學報, 2005, 25(10): 2686-2693. Huang Huamei, Zhang Liquan, Gao Zhanguo. The vegetation resource at the intertidal zone in Shanghai using remote sensing[J]. Acta Ecologica Sinica, 2005, 25(10): 2686-2693.

[26] 黃華梅, 張利權. 上海九段沙互花米草種群動態遙感研究[J]. 植物生態學報, 2007, 31(1): 75-82. Huang Huamei, Zhang Liquan. Remote sensing analysis of range expansion of Spartina alterniflora at Jiuduansha shoals, Shanghai, China[J]. Journal of Plant Ecology(Chinese Version), 2007, 31(1): 75-82.

[27] Huang H, Zhang L. A study of the population dynamics of Spartina alterniflora at Jiuduansha shoals, Shanghai, China[J]. Ecological Engineering, 2007, 29(2): 164-172.

[28] 李賀鵬, 張利權, 王東輝. 上海地區外來種互花米草的分布現狀[J]. 生物多樣性, 2006, 14(2): 114-120. Li Hepeng, Zhang Liquan, Wang Donghui. Distribution of an exotic plant Spartina alterniflora in Shanghai[J]. Biodiversity Science, 2006, 14(2): 114-120.

[29] 劉瑜, 韓震. 基于遙感的長江口南匯潮灘植被群落時空動態變化[J]. 上海海洋大學學報, 2009, 18(5): 579-585. Liu Yu, Han Zhen. The study of spatial and temporal variations on vegetation communities in Nanhui tidal flat of Changjiang Estuary by using remote sensing[J]. Journal of Shanghai Ocean University, 2009, 18(5): 579-585.

[30] 沈芳, 周云軒, 張杰, 等. 九段沙濕地植被時空遙感監測與分析[J]. 海洋與湖沼, 2006, 37(6): 498-504. Shen Fang, Zhou Yunxuan, Zhang Jie, et al. Remote sensing analysis on spatial-temporal variation in vegetation on Jiuduansha wetland[J]. Oceanologia et Limnologia Sinica, 2006, 37(6): 498-504.

[31] 王東輝, 張利權, 管玉娟. 基于CA模型的上海九段沙互花米草和蘆葦種群擴散動態[J]. 應用生態學報, 2007, 18(12): 2807-2813. Wang Donghui, Zhang Liquan, Guan Yujuan. Population expansion of Spartina alterniflora and Phragmites australis at Jiuduansha, Shanghai based on cellular automata model[J]. Chinese Journal of Applied Ecology, 2007, 18(12): 2807-2813.

[32] 張東, 楊明明, 李俊祥, 等. 崇明東灘互花米草的無性擴散能力[J]. 華東師范大學學報(自然科學版), 2006, 3(2): 130-135. Zhang Dong, Yang Mingming, Li Junxiang, et al. Vegetative dispersal ability of Spartina alterniflora in eastern end of Chongming Island[J]. Journal of East China Normal University(Natural Science), 2006, 3(2): 130-135.

[33] Zhang Wenlong, Zeng Congsheng, Tong Chuan, et al. Analysis of the expanding process of the Spartina alterniflora salt marsh in Shanyutan wetland, Minjiang River estuary by remote sensing[J]. Procedia Environmental Sciences, 2011, 10(1): 2472-2477.

[34] 方民杰. 福建沿岸海域互花米草的分布[J]. 臺灣海峽, 2012, 31(1): 100-104. Fang Minjie. Distribution of Spartina alterniflora in Fujian coast waters[J]. Journal of Oceanography in Taiwan Strait, 2012, 31(1): 100-104.

[35] 潘衛華, 陳家金, 李麗純, 等. 福建羅源灣互花米草的遙感動態監測[J]. 中國農學通報, 2009, 25(13): 216-219. Pan Weihua, Chen Jiajin, Li Lichun, et al. Dynamical monitoring of Spartina alterniflora invasion by using remote sensing data in Luoyuan Bay, Fujian[J]. Chinese Agricultural Science Bulletin, 2009, 25(13): 216-219.

[36] 潘衛華, 陳家金, 張春桂, 等. 福建沿海水域互花米草蔓延的動態監測分析[J]. 中國農學氣象, 2011, 32(增1): 174-177. Pan Weihua, Chen Jiajin, Zhang Chungui, et al. Dynamic monitoring analysis of expansion of Spartina alterniflora in Fujian[J]. Chinese Journal of Agrometeorology, 2011, 32(suppl.1): 174-177.

[37] 孫颯梅. 三都灣互花米草的遙感監測[J]. 臺灣海峽, 2005, 24(2): 223-227. Sun Samei. Monitoring of smooth cordgrass invasion by remote sensing in Sandu Bay, Fujian[J]. Journal of Oceanography in Taiwan Strait, 2005, 24(2): 223-227.

[38] 吳德力, 沈永明, 杜永芬, 等. 福建省羅源灣互花米草擴展過程及其特征分析[J]. 海洋學報, 2013, 35(6): 113-120. Wu Deli, Shen Yongming, Du Yongfen, et al. The expanding process and characteristics of Spartina alterniflora in Luoyuan Bay of Fujian Province, China[J]. Acta Oceanologica Sinica(in China), 2013, 35(6): 113-120.

[39] 劉海華, 李玉寶. 1993—2003年間溫州沿海互花米草變遷[J]. 溫州大學學報·自然科學版, 2007, 28(5): 19-24. Liu Haihua, Li Yubao. Variation of the Spartina alterniflora Loisel along coastal Wenzhou as aided by TM images[J]. Journal of Wenzhou University·Natural Sciences, 2007, 28(5): 19-24.

[40] Wang Anqi, Chen Jiadai, Jing Changwei, et al. Monitoring the invasion of Spartina alterniflora from 1993 to 2014 with Landsat TM and SPOT 6 satellite data in Yueqing Bay, China[J]. Plos One, 2015, 10(8): e0135538.

[41] 任廣波, 劉艷芬, 馬毅, 等. 現代黃河三角洲互花米草遙感監測與變遷分析[J]. 激光生物學報, 2014, 23(6): 515-523. Ren Guangbo, Liu Yanfen, Ma Yi, et al. Spartina alterniflora monitoring and change analysis in Yellow River delta by remote sensing technology[J]. Acta Laser Biology Sinica, 2014, 23(6): 515-523.

[42] 章瑩, 盧劍波. 外來入侵物種互花米草(Spartina alterniflora)及鳳眼蓮(Eichhornia crassipes)的遙感監測研究進展[J]. 科技通報, 2010, 26(1): 130-137. Zhang Ying, Lu Jianbo. Progress on monitoring of two invasive species smooth cordgrass (Spartina alterniflora) and water hyacinth (Eichhornia crassipes) by remote sensing[J]. Bulletin of Science and Technology, 2010, 26(1): 130-137.

[43] 呂厚誼. 無人機發展與無人機技術[J]. 世界科技研究與發展, 1998, 6: 113-116. Lü Houyi. UAV development and UAV technology[J]. World Science and Technology Research and Development, 1998, 6: 113-116.

[44] 范承嘯, 韓俊, 熊志軍, 等. 無人機遙感技術現狀與應用[J]. 測繪科學, 2009, 34(5): 214-215. Fan Chengxiao, Han Jun, Xiong Zhijun, et al. Application and status of unmanned aerial vehicle remotesensing technology[J]. Science of Surveying and Mapping, 2009, 34(5): 214-215.

[45] Corcoles J I, Ortega J F, Hernandez D, et al. Use of digital photography from unmanned aerial vehicles for estimation of leaf area index in onion[J]. European Journal of Agronomy, 2013, 45: 96-104.

[46] Herwitz S R, Johnson L F, Dunagan S E. Imaging from an unmanned aerial vehicle: agricultural surveillance and decision support[J]. Computers and Electronics in Agricultural, 2004, 44(1): 49-61.

[47] Mcgill P R, Reisenbichler K R, Etchemendy S A, et al. Aerial surveys and tagging of free-drifting icebergs using an unmanned aerial vehicle (UAV)[J]. Deep Sea Research Part II Topical Studies in Oceanography, 2011, 58(11): 1318-1326.

[48] 張良培, 張立福. 高光譜遙感[M]. 北京: 測繪出版社, 2011. Zhang Liangpei, Zhang Lifu. Hyperspectral Remote Sensing[M]. Beijing: Surveying and Mapping Publishing House, 2011.

[49] Pengra B W, Johnston C A, Loveland T R. Mapping an invasive plant, Phragmites australis, in coastal wetlands using the EO-1 Hyperion hyperspectral sensor[J]. Remote Sensing of Environment, 2007, 108(1): 74-81.

[50] Zomer R J, Trabucco A, Ustin S L. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing[J]. Journal of Environmental Management, 2009, 90(7): 2170-2177.

[51] Bertels L, Houthuys R, Sterckx S, et al. Large-scale mapping of the riverbanks, mud flats and salt marshes of the Scheldt basin using airborne imaging spectroscopy and LiDAR[J]. International Journal of Remote Sensing, 2011, 32(10): 2905-2918.

[52] 崔賓閣, 莊仲杰, 任廣波, 等. 典型高光譜圖像端元提取算法在黃河口濕地應用評價研究[J]. 海洋科學, 2015, 39(2): 104-109. Cui Bin’ge, Zhuang Zhongjie, Ren Guangbo, et al. Evaluation of the prime hyperspectral endmember extraction algorithm in Yellow River Estuarine wetland[J]. Marine Sciences, 2015, 39(2): 104-109.

[53] 李曉敏, 張杰, 馬毅, 等. 基于主成分分析和決策級融合的高光譜圖像分類方法研究[J]. 海洋科學, 2015, 39(2): 25-34. Li Xiaomin, Zhang Jie, Ma Yi, et al. Research on the classification method of the hyper-spectral image based on principal component analysis and decision-level fusion[J]. Marine Sciences, 2015, 39(2): 25-34.

[54] 馬毅, 張杰, 任廣波, 等. 基于決策級數據融合的CHRIS高光譜圖像分類方法研究[J]. 海洋科學, 2015, 39(2): 8-14. Ma Yi, Zhang Jie, Ren Guangbo, et al. Research on decision-level data fusion classification method for CHRIS hyperspectral imagery[J]. Marine Sciences, 2015, 39(2): 8-14.

[55] 吳培強, 張杰, 馬毅, 等. 基于地物光譜可分性的CHRIS高光譜影像波段選擇及其分類應用[J]. 海洋科學, 2015, 39(2): 20-24. Wu Peiqiang, Zhang Jie, Ma Yi, et al. A CHRIS hyperspectral band selection method based on spectral separability and classification application[J]. Marine Sciences, 2015, 39(2): 20-24.

[56] Zhang Caiyun, Xie Zhixiao. Combining object-based texture measures with a neural network for vegetation mapping in the Everglades from hyperspectral imagery[J]. Remote Sensing of Environment, 2012, 124(124): 310-320.

[57] Ma Yi, Zhang Jie, Cui Tingwei, et al. A preliminary research on dominant species identification of red tide organism by airborne hyperspectral technique[J]. SPIE, 2003, 4892: 278-286.

[58] 馬毅, 張杰, 崔廷偉. 基于SVM 方法的赤潮生物優勢種航空高光譜識別[J]. 光譜學與光譜分析, 2006, 26(12): 2302-2305. Ma Yi, Zhang Jie, Cui Tingwei. Research in airborne hyperspectral identification of Red Tide organism dominant species based on SVM[J]. Spectroscopy and Spectral Analysis, 2006, 26(12): 2302-2305.

[59] Calderon R, Navas-Cortes J A, Lucena C, et al. High-resolution airborne hyperspectral and thermal imagery for early detection of verticillium wilt of olive using fluorescence, temperature and narrow-band spectral indices[J]. Remote Sensing of Environment, 2013, 139(139): 231-245.

[60] Zarco-Tejada P J, Gonzalez-Dugo V, Berni J A J. Fluorescence, temperature and narrow-band indices acquired from a UAV platform for water stress detection using a micro-hyperspectral imager and a thermal camera[J]. Remote Sensing of Environment, 2012, 117(1): 322-337.

[61] Zarco-Tejada P J, Guillen-Climent M L, Hernandez-Clemente R, et al. Estimating leaf carotenoid content in vineyards using high resolution hyperspectral imagery acquired from an unmanned aerial vehicle (UAV)[J]. Agricultural and Forest Meteorology, 2013, 171(8): 281-294.

[62] Zarco-Tejada P J, Morales A, Testi L, et al. Spatio-temporal patterns of chlorophyll fluorescence and physiological and structural indices acquired from hyperspectral imagery as compared with carbon fluxes measured with eddy covariance[J]. Remote Sensing of Environment, 2013, 133(12): 102-115.

[63] Zarco-Tejada P J, Catalina A, Gonzalez M R, et al.Relationships between net photosynthesis and steady-state chlorophyll fluorescence retrieved from airborne hyperspectral imagery[J]. Remote Sensing of Environment, 2013, 136(136): 247-258.

[64] Duan Sibo, Li Zhaoliang, Wu Hua, et al. Inversion of the PROSAIL model to estimate leaf area index of maize, potato and sunflower fields from unmanned aerial vehicle hyperspectral data[J]. International Journal of Applied Earth Observation and Geoinformation, 2014, 26(2): 12-20.

Study on monitoring alien invasive species Spartina alterniflora using unmanned aerial vehicle hyperspectral remote sensinga case study of the Yellow River Delta

LI Xiao-min1,2, ZHANG Jie1, MA Yi1, REN Guang-bo1
(1. First Institute of Oceanography, State Oceanic Administration, Qingdao 266061, China; 2. School of Life Sciences, Inner Mongolia University, Hohhot 010021, China)

Nov. 2, 2016

Spartina alterniflora; unmanned aerial vehicle (UAV); hyperspectral remote sensing

The invasion of Spartina alterniflora is immensely dominant, hence it has been included in the priority list of invasive species. The large-scale spread of S. alterniflora has severely influenced the growth and distribution of the native species, hence the relevant management departments are urgently required to monitor the spatial distribution and spread of S. alterniflora, but currently there are no effective ways of monitoring. Hence, we propose a new method of monitoring S. alterniflora using unmanned aerial vehicle (UAV) hyperspectral remote sensing, a new technical means of remote sensing monitoring, to analyze the spectral characteristics of S. alterniflora under different circumstances (such as growth status and environmental conditions). The technique will establish a robust S. alterniflora remote sensing detection model, to find an effective way to obtain UAV hyperspectral remote sensing images of S. alterniflora, and then to achieve efficient and accurate monitoring of S. alterniflora. The results can provide an effective technical means for the operational S. alterniflora monitoring.

TP79

A

1000-3096(2017)04-0098-10

10.11759/hykx20161102002

(本文編輯: 劉珊珊)

2016-11-02;

2016-12-26

國家自然科學基金(61601133)

[Foundation: National Natural Science Foundation of China, No. 61601133]

李曉敏(1982-), 女, 蒙古族, 內蒙古通遼人, 助理研究員,碩士, 主要從事海岸帶生態遙感方面的研究, 電話: 0532-88960569, E-mail: lixiaomin@fio.org.cn