無人機遙感技術在景觀生態學中的應用

張志明,徐 倩,王 彬,孫 虎,耿宇鵬,田 冀

云南大學生態學與環境學院,生態學與地植物學研究所, 昆明 650091

?

無人機遙感技術在景觀生態學中的應用

張志明,徐 倩,王 彬,孫 虎,耿宇鵬*,田 冀

云南大學生態學與環境學院,生態學與地植物學研究所, 昆明 650091

野外數據的獲取是生態學研究的挑戰之一,而通過遙感技術能夠實現對地球表面的多面立體觀測,獲取豐富多樣的空間信息數據,開展從微觀到宏觀不同尺度上的景觀單元(包括物種、種群、群落、生態系統等)的空間關系研究。傳統衛星遙感影像受空間和時間分辨率的限制,難以滿足局域尺度或者時間序列上的景觀空間生態學研究需求。無人機遙感技術為生態學研究的野外數據獲取提供了一種新方法,以其靈活、高效、簡便等特點彌補了傳統衛星遙感的空間分辨率低、重訪周期長、云霧影響等方面的不足,在景觀空間生態學研究中受到越來越多的關注。簡要介紹無人機類型及其搭載常見的傳感器類型,分別從不同尺度的景觀單元,即物種、種群、群落以及生態系統水平上探討其應用進展,并指出當前無人機技術在景觀生態學研究中存在的挑戰與困難,同時展望了未來可能的研究熱點,以期對今后無人機遙感技術在景觀生態學領域的應用研究有所啟發。

無人機；遙感；生態調查；生物多樣性監測；景觀空間生態學

野外數據的獲取是生態學研究的挑戰之一,而通過遙感技術能夠實現對地球表面的多面立體觀測,獲取豐富多樣的空間信息數據,進而從不同的時空尺度上開展生態學的相關研究,并取得了許多重要研究成果[1- 5]。景觀生態學主要研究從微觀到宏觀不同尺度上具有異質性的空間單元的類型組成、空間格局及其與生態學過程的關系[6-8],即從微觀到宏觀不同尺度上的景觀單元(包括物種、種群、群落、生態系統等)的空間關系研究都是屬于景觀生態學的研究范疇[7]。近30年來,遙感和地理信息系統技術對推動景觀生態的迅速發展起著舉足輕重的作用,衛星遙感是景觀和空間生態學研究的重要數據源,景觀生態學家利用這些數據結合遙感和GIS空間分析方法開展了景觀格局、變化過程、景觀和生態服務和功能評估等研究[4- 5]。有研究表明2004—2008年間,Landscape Ecology上36%的論文都與遙感有關[5]。

然而,早期的衛星遙感影像受分辨率和重訪周期的限制(例如,MODIS數據空間分辨率1000m；Landsat數據空間分辨30m,訪問周期18d),難以滿足局域尺度或者時間序列上生態學研究的更高需求[9-10]。近年來,一些大型商業公司開發了新的衛星傳感器,能夠獲取10m以內高分辨率遙感影像數據(例如,IKONOS、Quickbird、WorldView等數據),但這些數據無法避開云霧干擾,且獲取成本高,尤其在多云的山地區域,這些數據也難以滿足個體、種群、群落乃至生態系統層次上生態過程研究需求[4- 5,11]。

隨著無人機技術的飛速發展,催生了無人機低空攝影測量和遙感(Photogrammetry and Remote Sensing, PaRS)技術,該技術具有拍攝影像分辨率高、重疊率大、姿態角大、相幅小、數量多等特點,因此無論是在商業還是科學應用等方面都有著巨大的發展潛力[12-13]。自2000年以后,隨著該技術的迅速發展,一些小型輕便的無人機被廣泛應用,這些小型化的無人機具有起降靈活、搭載不同類型的傳感器的種類可獲得對應的高分辨率地面信息,使用成本低、受氣候影響小等優點,日漸成為人們關注的熱點[12,14- 15]。

近10年來是無人機航空攝影測量和遙感技術高速發展時期,2004年的伊斯坦布爾國際攝影測量遙感大會上僅3篇有關無人機航測遙感應用的文章；而于2008年北京國際攝影測量遙感大會上有21篇有關無人機航測及遙感制圖的文章,并且有3個分會場是關于無人機相關應用的報告；2012年墨爾本國際攝影測量遙感大會上,有關無人機航測遙感應用的文章有50多篇,并且9個分會場有相關報告[12]。當前無人機航空攝影和遙感技術被廣泛的應用于森林和濕地生態系統調查及監測[16- 19]；自然和文化遺產調查和監測[20]；城市植被制圖[21]；考古[22]；地震和泥石流地質災害調查和評估[23- 24]等。

前人針對無人機近地面航空遙感技術的有關應用進行了不同的綜述,如無人機系統分類[25- 26]；無人機系統在測繪遙感方面的綜述[12]；無人機系統在農業上的應用[27- 28]；無人機遙感用于不同類型的植被調查和生物多樣性監測研究[29- 30]等。總體而言,這些綜述主要關注無人機遙感技術在地表類型的識別、提取和監測方面的應用以及具體介紹無人機平臺系統的類型和發展等。由于無人機能搭載不同類型的傳感器的種類可獲得非常高分辨率地面信息,使其最可能讓傳統衛星遙感技術走出無法提供大尺度高精度數據的局限[30]。因此無人機航空攝影測量和遙感技術也日益受到生態學家的關注,尤其是宏觀和空間生態學家的關注[31]。本文主要針對無人機在生態學尤其是空間和景觀生態學上的應用和發展。

1 無人機及傳感器類型

當前市場上的無人機種類繁多,不同的機型主要根據其大小和飛行動力來進行區分。現有的無人機分類方式繁多且沒有統一標準,比如,根據機翼長度和載荷重量可分為大型、中型、小型和微型無人機；根據動力系統可分為無動力型和動力型；根據飛行原理及結構可分為固定翼、旋翼和撲翼無人機[31]。目前小型和微型無人機在生態學研究中最受關注,最為常用的是旋翼無人機,其最突出的特點是能夠實現目標懸停,它更適用于獲取空間信息的垂直切面數據[32]。其次是固定翼無人機,固定翼的無人機飛行范圍一般在幾千米以內,比旋翼無人機的飛行速度稍快,通常也比旋翼無人機飛行時間長[32]。將固定翼無人機與GPS技術充分結合,能夠獲取相對大面積范圍內的航片,適用于較大范圍的植被和生態系統數據獲取和監測。但是該類型無人機成本較高,相對于旋翼無人機,其穩定性稍差些,并且不能懸停,不利于定點目標的監測。

此外,無人機是一個新的平臺,可以搭載不同類型的攝像儀和傳感器,如普通數碼相機(可見光)、激光雷達掃描儀、多光譜影像儀、高光譜影像儀、熱成像儀等[12,29]。生態學家可以根據其研究需求選擇不同的傳感器來獲取數據(表1)。

表1 幾種常見傳感器數據產品及生態學應用

2 不同層次的景觀生態學應用研究

盡管已經有不少學者將無人機近地面遙感技術應用于生態學相關研究,但是該技術在生態學中的應用仍然是起步階段[55]。如上所述,從微觀到宏觀不同尺度上的景觀單元(包括物種、種群、群落、生態系統等)的空間關系研究都是屬于景觀生態學的研究范疇[7]。本文將從物種、種群、群落,及生態系統層次介紹無人機在空間景觀生態學領域的應用,以期對該技術今后在生態學領域的應用有所啟發。

2.1 物種及種群層次景觀空間生態研究

由于受空間分辨率的制約,傳統的衛星遙感數據難以開展物種和種群調查監測研究[4,56]。而通過無人機技術獲取的數據分辨率較高,能對滿足針對單個或幾個物種的識別及其空間分布格局研究。Zweig等[19]利用無人機技術對濕地植物進行研究,其搭載單反數碼相機獲取研究區的正射影像,然后進行物種識別及植被分類,成功識別出了濕地生境內的幾種草本植物,并得到了研究區內的高精度的植被類型圖。Flynn等[44]對美國蒙塔納州西部的Clark Fork河中一種綠藻(Cladophoraglomerata)進行動態監測,結果顯示,這種藻類的每公里河道內的蓋度變化在5%—50%之間,變化動態表現為春季漲水后逐漸增加,在盛夏時達到峰值,入秋后逐漸減小。周在明等[39]利用無人機獲取的可見光和多光譜影像,對入侵植物互花米草(SpartinaanglicaHubb)進行監測,基于NDVI指數得到互花米草的植被覆蓋度。利用無人機數據還可進行植物種群分布研究,其制圖分類精度可高達96%[19,33,57]。但是無人機高分辨率的航片數據可以實現植物物種識別,但生境復雜或植株較小、種間相似度高時可能會影響其識別精度[33]。

也有學者將無人機應用于野生動物的識別,及其種群空間分布區預測研究,并展示了無人機在野生動物識別、管理以及保護規劃制定等方面的應用潛力[58-60]。如Sarda-Palomera等[61]探究了如何利用小型無人機對黑頭鷗種群進行動態監測,表明無人機可以獲取一些人為難以到達區域的數據,同時又能保證監測對其棲息地的干擾減小。有學者研發了一種用無人機進行海洋哺乳動物種群的調查方法,該研究利用搭載單反數碼相機的無人機獲取了6243張照片,以儒艮(Dugongdugon)種群數量調查為例,共有識別出627只儒艮,此外還包括了一些鯨魚、海豚等動物,結果表明把無人機作為海洋哺乳動物種群調查的工具有巨大的應用前景[62]。

此外,利用無人機搭載不同的傳感器可以開展植物物種生理、病蟲害的空間格局和過程研究。Zarco-Tejada等[63]的研究利用無人機搭載熱成像相機和高光譜相機對柑橘果園監測,獲取了樹冠溫度、葉片的光學指標及葉綠素熒光指數,并與地面測得的葉片氣孔導度、水勢數據做相關分析,葉片溫度可以判定植物受到的水分脅迫強弱,這些生理特征反映在無人機獲取的空間溫度圖譜上,從而分析其空間格局。胡根生等[41]利用無人機獲取的可見光和近紅外圖像,采用加權支持向量數據描述多分類算法,實現了對病蟲害松樹的識別,并進行病蟲害松樹的空間分布格局特征,相比傳統的人工調查或航空衛星影像識具有成本低可操作性強的優點。

無人機通過搭載不同傳感器可以獲取相應植物物種的生理數據,從而可以進行植物生理生態的空間化研究,而如何基于此進一步開展諸如植物水分運輸、光合作用等生態過程空間層面上的研究還有待探索。

2.2 植物群落層次景觀空間生態學研究

Salami等[29]綜述了無人機技術在植被遙感領域的應用和發展前景,指出由于無人機航空攝影遙感的低成本,尤其是搭載常規數碼相機的無人機平臺能夠獲得高時間和高空間分辨率的影像,是對傳統衛星遙感的一個非常好的補充。

目前無人機在植被群落研究中的應用主要有以下幾個方面：(1)植物群落分類與制圖,如Mora等[64]運用無人機獲取的可見光波段影像與有人駕駛飛機獲取的航片(包括可見光波段和近紅外波段)做融合處理,對位于Adventdalen的河流沖擊扇區域進行植被制圖,結果表明,在物種水平上無法將禾本科、柳屬以及某些苔蘚植物區分開,但可以很好的將植被與其他土地覆蓋類分開；(2)植物群落生物多樣性測定和監測,如Getzin等[37]基于無人機獲取的高分辨影像提取森林(溫帶)林窗,以林窗特征來反映森林群落的生物多樣性,通過計算景觀斑塊(林窗)指數,結合實際植物樣方數據、土壤數據做線性相關分析,結果顯示該方法可以有效估測溫帶森林的生物多樣性。Zhang等[65]在鼎湖山設置20公頃的大樣地,利用搭載數碼微單的無人機對其進行植被動態監測,獲得其數字表面模型(Digital Surface Model, DSM),結合數字高層模型(Digital Elevation, Model, DEM)計算出森林冠層高度,并結合實際植物樣方數據、地形氣象數據等,計算生物多樣性指數,然后進行數據的統計及相關性分析,探討了利用無人機對森林群落進行長期監測的實用性與可行性；(3)植物群落生物量估測,何游云[50]利用無人機獲取的遙感影像進行單木林冠提取,再根據實測數據建立單木預測模型,然后根據樣地調查數據擬合研究區主要樹種的相關模型,估測了研究區內不同樹種的地上生物量；(4)森林群落結構分析,Wallace等[53]利用搭載激光雷達的無人機獲取了研究區的3D點云數據,對點云數據進行處理,得到了研究區內樹木位置、樹冠、冠層性狀等信息。Trichon[66]利用無人機航拍影像進行熱帶雨林林冠拓撲結構和林冠樹種識別。

2.3 生態系統層次景觀空間生態學研究

通過無人機可以收集氣溫、濕度等氣象數據,同時結合數字正射影像(Digital Orthophoto Map, DOM)、數字表面模型和數字高層模型等數據,有助于生態系統的監測和管理,同時還可進行生態評價、生態過程(如生態系統演替)等相關研究。梁婷等[38]通過無人機獲取數據提取正射影像、水質參數、水體理化指標和土地利用類型等信息,與研究區河流的底棲動物完整性指數結合分析,對遼河保護區干流上游河流生態系統健康進行了評價。Homainejad和 Rizos[48]對比分析了幾種不同類型的無人機對不同規模的森林火災進行監測,探討出更好地將無人機技術與森林生態系統火災的監測預警結合起來的方法。此外,Nishar等[67]嘗試利用無人機獲取的可見光信息和熱紅外信息對環境表溫度進行監測,這為利用無人機進行生態監測提供了基礎。

總體而言,目前利用無人機平臺開展空間景觀生態學的研究多為物種、種群和群落層次,相對于衛星遙感而言,無人機航空攝影能獲得更高時空分辨率的數據,因此能開展更加精細的物種和群落層次的研究。只有探索更好的運用無人機進行物種、種群、群落水平研究的方法,才能順利開展運用無人機進行生態系統與生態過程相關研究。由于受當前小型無人機的飛行時間限制,當前研究的空間尺度相對較小,所以針對生態系統和景觀層次的研究相對較少,但這也必然是將來無人機應用發展的一個重要趨勢之一[31].

3 展望

隨著系統集成技術的發展,無人機搭載的傳感器將更加多樣,這將為生態學研究中的空間信息獲取帶來更多可能性。Anderson和Gaston[31]指出無人機技術將會對空間生態學帶來革命性的發展。

首先,由于無人機的靈活性,且可以搭載多樣的傳感器,因此可以獲得類型多樣,高時間、高空間、高光譜分辨率的低空航拍遙感數據,尤其是大量的航空正射影像、雷達影像、高光譜影像數據等等(表1)。然而這些無人機航拍影像,具有數據量大,重疊度高、方向變異大,以及受地形和無人機飛行角度和姿態等影響造成航拍影像通常變形大,因此對數據處理和解譯帶來很大的挑戰[27,68]。但是這也勢必會推動無人機遙感數據處理、解譯和分析等方法的迅速發展[68]。例如,景觀指數法是進行景觀格局和過程分析的最常用方法,然而基于2D的衛星遙感影像數據發展起來的2D景觀指數存在諸多限制,尤其是忽略了地物景觀(如植物群落、城市建筑等等)的垂直3D結構[69- 70]。當前,UAV搭載雷達(Lidar)傳感器能獲得植物群落和建筑物等的3D結構,這為我們發展真正的3D景觀指數,進行景觀單元的3D結構分析帶來可能。

其次,傳統植物生理生態學和功能生態學主要依賴于野外采樣獲取植物群落中植物樣品的生理特征(如水分含量、葉綠素、胡蘿卜素等),光合作用能力,以及植物葉片功能性狀特征等。因此傳統野外采樣很難獲得植物群落生理及其葉片等功能性狀的空間格局特征。當前,由于無人機可以搭載高級高光譜傳感器,可以獲取森林生態系統林冠植物物種的功能性狀特征,包括其物理和生理的功能性狀,從而可以進行森林生態系統生理特征及功能性狀空間制圖,進而促進空間功能生態學發展[71-72]。這將有助于將來更準確的進行生物多樣性評估、森林結構分析、林木蓄積量估測,以及生物量估測等等,進而促進生態系統、景觀服務的評估以及生物多樣性保護研究發展[73-74]。

此外,格局與生態過程分析長期以來是景觀生態學的核心研究內容之一[74- 76]。由于受傳統衛星遙感數據空間分辨率的影響,傳統 “斑塊—廊道—基質”景觀格局研究范式的景觀生態學研究主要關注干擾以及破碎化過程等[77],通常忽略了不同景觀單元或斑塊內部和斑塊之間的生態過程。無人機搭載不同的傳感器能獲取物種、種群和群落等層次上的高時空分辨率的影像數據,從而為我們從空間上開展物種遷移、種群競爭、群落演替,乃至生態系統的物質循環等生態過程與格局的關系研究提供可能。同時無人機影像能提取景觀單元和植物群落的3D結構,從而為我們提取小尺度上的生態交錯帶和行道樹、籬笆、田埂等小景觀單元,并為分析其景觀格局和過程提供可能。

再次,近年來由于城鎮化的迅速發展,形成一種獨特的高異質性的城市景觀,而這一獨特的景觀在繼續不斷發展擴大。景觀生態學家們將景觀生態學的理論與方法應用于城鎮化研究中,并發展形成了“城市景觀生態學(Urban Landscape Ecology)”[76]這一新興學科。無人機遙感技術可以廣泛的應用于城市的景觀單元提取、城市熱島效應監測、城市小氣候測定以及城市格局變化和城市生態環境效應等研究中。

最后,尺度和尺度轉換是生態學和地理學的研究核心問題之一[75-76]。多年來,許多生態學和地理學工作者針對景觀格局分析和尺度轉換中的難點開展了大量工作,試圖提出可以進行尺度轉換的科學方法[78-81]。然而由于尺度效應的復雜性和尺度轉換過程的不確定性,目前這項研究仍然缺乏突破性進展。由于無人機低空遙感的近地面性和靈活性,一方面能獲得非常高的空間分辨率遙感影像,另一方面也可以獲得高時間分辨率的遙感數據,這為空間格局尺度和過程尺度轉換方法發展帶來契機[31,82]。

總體而言,技術的革新能促進學科的發展,無人機技術的發展將為生態學研究的帶來新的機遇與挑戰。利用無人機遙感技術可以進行重復采樣,定制影像數據,追蹤監測,只有充分利用技術的進步,我們才不會錯過自然生態中的關鍵事件。

[1] Kerr J T, Ostrovsky M. From space to species: ecological applications for remote sensing. Trends in Ecology & Evolution, 2003, 18(6): 299- 305.

[2] Running S W, Nemani R R, Heinsch F A, Zhao M S, Reeves M, Hashimoto. A continuous satellite-derived measure of global terrestrial primary production. BioScience, 2004, 54(6): 547- 560.

[3] Vierling K T, Vierling L A, Gould W A, Martinuzzu S, Clawges R M. Lidar: shedding new light on habitat characterization and modeling. Frontiers in Ecology and the Environment, 2008, 6(2): 90- 98.

[4] Aplin P. Remote sensing: ecology. Progress in Physical Geography, 2005, 29(1): 104- 113.

[5] Newton A C, Hill R A, Echeverria C, Golicher D, Benayas J M R, Cayuela L, Hinsley S A. Remote sensing and the future of landscape ecology. Progress in Physical Geography, 2009, 33(4): 528- 546.

[6] Forman R T T, Godron M. Landscape Ecology. New York, USA: John Wiley and Sons, 1986.

[7] 鄔建國. 景觀生態學——概念與理論. 生態學雜志, 2000, 19(1): 42- 52.

[8] 傅伯杰, 陳利頂, 馬克明, 王仰麟. 景觀生態學原理及應用(第二版). 北京: 科學出版社, 2011.

[9] 張秋菊, 傅伯杰, 陳利頂. 關于景觀格局演變研究的幾個問題. 地理科學, 2003, 23(3): 264- 270.

[10] Wulder M A, Hall R J, Coops N C,Fraklin S E. High spatial resolution remotely sensed data for ecosystem characterization. BioScience, 2004, 54(6): 511- 521.

[11] Loarie S R, Joppa L N, Pimm S L. Satellites miss environmental priorities. Trends in Ecology & Evolution, 2007, 22(12): 630- 632.

[12] Colomina I, Molina P. Unmanned aerial systems for photogrammetry and remote sensing: a review. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 92: 79- 97.

[13] Ambrosia V G, Wegener S, Zajkowski T, Sullivan D V, Buechel S, Enomoto F, Lobitz B, Johan S, Brass J, Hinkley. The Ikhana unmanned airborne system (UAS) western states fire imaging missions: from concept to reality (2006- 2010). Geocarto International, 2011, 26(2): 85- 101.

[14] 王峰, 吳云東. 無人機遙感平臺技術研究與應用. 遙感信息, 2010, (2): 114- 118.

[15] Marris E. Drones in science: fly, and bring me data. Nature, 2013, 498(7453): 156- 158.

[16] Montaghi A, Corona P, Dalponte M, Gianelle D, Chirici G, Olsson H. Airborne laser scanning of forest resources: an overview of research in Italy as a commentary case study. International Journal of Applied Earth Observation and Geoinformation, 2013, 23: 288- 300.

[17] Puliti S, ?rka H O, Gobakken T, Nsset E. Inventory of small forest areas using an unmanned aerial system. Remote Sensing, 2015, 7(8): 9632- 9654.

[18] Chabot D, Bird D M. Small unmanned aircraft: precise and convenient new tools for surveying wetlands. Journal of Unmanned Vehicle Systems, 2013, 1(1): 15- 24.

[19] Zweig C L, Burgess M A, Percival H F, Kitchens W M. Use of unmanned aircraft systems to delineate fine-scale wetland vegetation communities. Wetlands, 2015, 35(2): 303- 309.

[20] Madden M, Jordan T, Cotten D, O′Hare N, Pasqua A, Bernardes S. The future of unmanned aerial systems (UAS) for monitoring natural and cultural resources. //Fritsch D, ed. Photogrammetric Week′15; Belin, Offenbach: Wichmann/VDE Verlag, 2015: 369- 384.

[21] Feng Q L, Liu J T, Gong J H. UAV remote sensing for urban vegetation mapping using random forest and texture analysis. Remote Sensing, 2015, 7(1): 1074- 1094.

[22] Agapiou A, Lysandrou V. Remote sensing archaeology: tracking and mapping evolution in European scientific literature from 1999 to 2015. Journal of Archaeological Science Reports, 2015, 4: 192- 200.

[23] 李軍, 李永樹, 蔡國林. 利用無人機影像制作地震災區三維景觀圖. 測繪工程, 2012, 21(1): 50- 53.

[24] Scaioni M, Longoni L, Melillo V, Papini M. Remote sensing for landslide investigations: an overview of recent achievements and perspectives. Remote Sensing, 2014, 6(10): 9600- 9652.

[25] Watts A C, Ambrosia V G, Hinkley E A. Unmanned aircraft systems in remote sensing and scientific research: classification and considerations of use. Remote Sensing, 2012, 4(6): 1671- 1692.

[26] 李德仁, 李明. 無人機遙感系統的研究進展與應用前景. 武漢大學學報: 信息科學版, 2014, 39(5): 505- 513, 540- 540.

[27] Zhang C H, Kovacs J M. The application of small unmanned aerial systems for precision agriculture: a review. Precision Agriculture, 2012, 13(6): 693- 712.

[28] Zecha C W, Link J, Claupein W. Mobile sensor platforms: categorisation and research applications in precision farming. Journal of Sensors and Sensor Systems, 2013, 2(1): 51- 72.

[29] Salami E, Barrado C, Pastor E. UAV flight experiments applied to the remote sensing of vegetated areas. Remote Sensing, 2014, 6(11): 11051- 11081.

[30] 郭慶華, 吳芳芳, 胡天宇, 陳琳海, 劉瑾, 趙曉倩, 高上, 龐樹鑫. 無人機在生物多樣性遙感監測中的應用現狀與展望. 生物多樣性, 2016, 24(11): 1267- 1278.

[31] Anderson K, Gaston K J. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Frontiers in Ecology and the Environment, 2013, 11(3): 138- 146.

[32] Hardin P J, Jensen R. Small-scale unmanned aerial vehicles in environmental remote sensing: challenges and opportunities. Giscience & Remote Sensing, 2011, 48(1): 99- 111.

[33] Ishihama F, Watabe Y, Oguma H. Validation of a high-resolution, remotely operated aerial remote-sensing system for the identification of herbaceous plant species. Applied Vegetation Science, 2012, 15(3): 383- 389.

[34] 楊龍, 孫中宇, 唐光良, 林志文, 陳燕喬, 黎喻, 李勇. 基于微型無人機遙感的亞熱帶林冠物種識別. 熱帶地理, 2016, 36(5): 833- 839.

[35] 王湘文, 于啟升, 王雅鵬. 無人機低空攝影測量系統在大比例尺地形圖中的應用. 地礦測繪, 2013, 29(1): 34- 36.

[36] Zarco-Tejada P J, Diaz-Varela R, Angileri V, Loudjani P Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods. European Journal of Agronomy, 2014, 55: 89- 99.

[37] Getzin S, Wiegand K, Sch?ning I. Assessing biodiversity in forests using very high-resolution images and unmanned aerial vehicles. Methods in Ecology and Evolution, 2012, 3(2): 397- 404.

[38] 梁婷, 朱京海, 徐光, 李潤東, 可欣, 馬云峰, 問鼎. 應用B-IBI和UAV遙感技術評價遼河上游生態健康. 環境科學研究, 2014, 27(10): 1134- 1142.

[39] 周在明, 楊燕明, 陳本清. 基于無人機遙感監測灘涂濕地入侵種互花米草植被覆蓋度. 應用生態學報, 2016, 27(12): 3920- 3926.

[40] 何游云. 無人機遙感估測林木地上生物量的研究[D]. 北京: 北京林業大學, 2016.

[41] 胡根生, 張學敏, 梁棟, 黃林生. 基于加權支持向量數據描述的遙感圖像病害松樹識別. 農業機械學報, 2013, 44(5): 258- 263, 287- 287.

[42] 秦占飛, 常慶瑞, 謝寶妮, 申健. 基于無人機高光譜影像的引黃灌區水稻葉片全氮含量估測. 農業工程學報, 2016, 32(23): 77- 85.

[43] 田明璐, 班松濤, 常慶瑞, 由明明, 羅丹, 王力, 王爍. 基于低空無人機成像光譜儀影像估算棉花葉面積指數. 農業工程學報, 2016, 32(21): 102- 108.

[44] Flynn K Y, Chapra S C. Remote sensing of submerged aquatic vegetation in a shallow non-turbid river using an unmanned aerial vehicle. Remote Sensing, 2014, 6(12): 12815- 12836.

[45] 劉煥軍, 康苒, Ustin S, 張新樂, 付強, 盛磊, 孫天一. 基于時間序列高光譜遙感影像的田塊尺度作物產量預測. 光譜學與光譜分析, 2016, 36(8): 2585- 2589.

[46] N?si R, Honkavaara E, Lyytik?inen-Saarenmaa P, Blomqvist M, Litkey P, Hakala T, Viljanen N, Kantola T. Using UAV-based photogrammetry and hyperspectral imaging for mapping bark beetle damage at tree-level. Remote Sensing, 2015, 7(11): 15467- 15493.

[47] Bellvert J, Zarco-Tejada P J, Girona J, Fereres E. Mapping crop water stress index in a ‘Pinot-noir’ vineyard: comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle. Precision Agriculture, 2014, 15(4): 361- 376.

[48] Homainejad N, Rizos C. Application of multiple categories of unmanned aircraft systems (UAS) in different airspaces for bushfire monitoring and response. International Society for Photogrammetry and Remote Sensing, 2015, XL- 1(W4): 55- 60.

[49] 洪運富, 楊海軍, 李營, 蔡明珂, 朱海濤, 趙爽, 郭會敏. 水源地污染源無人機遙感監測. 中國環境監測, 2015, 31 (5): 163- 166.

[50] 李京榮, 張峰, 楊海軍, 洪運富, 李營, 朱海濤. 基于無人機的水源地污染源監測方法及系統: 中國, CN201510026397.6 [2015-05- 27].

[51] Colgan M S, Baldeck C A, Feret J B, Asner G P. Mapping savanna tree species at ecosystem scales using support vector machine classification and BRDF correction on airborne hyperspectral and LiDAR data. Remote Sensing, 2012, 4(11): 3462- 3480.

[52] Jaakkola A, Hyypp? J, Kukko A, Yu X W, Kaartinen H, Lehtom?ki M, Lin Y. A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements. ISPRS Journal of Photogrammetry and Remote Sensing, 2010, 65(6): 514- 522.

[53] Wallace L, Lucieer A, Watson C, Turner D. Development of a UAV-LiDAR system with application to forest inventory. Remote Sensing, 2012, 4(6): 1519- 1543.

[54] Lin Y, Hyyppa J, Jaakkola A. Mini-UAV-borne LIDAR for fine-scale mapping. IEEE Geoscience and Remote Sensing Letters, 2011, 8(3): 426- 430.

[55] Ivosevic B, Han Y G, Cho Y, Kwon O. The use of conservation drones in ecology and wildlife research. Journal of Ecology and Environment, 2015, 38(1): 113- 118.

[56] Turner W, Spector S, Gardiner N, Fladeland M, Sterling E, Steininger M. Remote sensing for biodiversity science and conservation. Trends in Ecology & Evolution, 2003, 18(6): 306- 314.

[57] Kalacska M, Arroyo-Mora J P, de Gea J, Snirer E, Herzog C, Moor T R. Videographic analysis ofEriophorumvaginatumspatial coverage in an ombotrophic bog. Remote Sensing, 2013, 5(12): 6501- 6512.

[58] Chretien L P, Théau J, Ménard P. Wildlife multispecies remote sensing using visible and thermal infrared imagery acquired from an unmanned aerial vehicle (UAV). International Society for Photogrammetry and Remote Sensing, 2015, XL- 1(W4): 241- 248.

[59] Mulero-Pázmány M, Barasona J, Acevedo P, Vicente J, Negro J J. Unmanned aircraft systems complement biologging in spatial ecology studies. Ecology and Evolution, 2015, 5(21): 4808- 4818.

[60] Christie K S, Gilbert S L, Brown C L, Hatfield M, Hanson L. Unmanned aircraft systems in wildlife research: current and future applications of a transformative technology. Frontiers in Ecology and the Environment, 2016, 14(5): 241- 251.

[61] Sardà-Palomera F, Bota G, Violo C, Pallarés O, Sazatornil V, Brotons L, Gomáriz S, Sardà F. Fine-scale bird monitoring from light unmanned aircraft systems. IBIS, 2012, 154(1): 177- 183.

[62] Hodgson A, Kelly N, Peel D. Unmanned aerial vehicles (UAVs) for surveying marine fauna: a dugong case study. PLoS One, 2013, 8(11): e79556.

[63] Zarco-Tejada P J, González-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. Remote Sensing of Environment, 2012, 117: 322- 337.

[64] Mora C, Vieira G, Pina P, Lousada M, Christiansen H H. Land cover classification using high-resolution aerial photography in adventdalen, Svalbard. Geografiska Annaler, 2015, 97(3): 473- 488.

[65] Zhang J, Hu J B, Lian J B, Fan Z J, Ouyang X J, Ye W H. Seeing the forest from drones: testing the potential of lightweight drones as a tool for long-term forest monitoring. Biological Conservation, 2016, 198: 60- 69.

[66] Trichon V. Crown typology and the identification of rain forest trees on large-scale aerial photographs. Plant Ecology, 2001, 153(1/2): 301- 312.

[67] Nishar A, Richards S, Breen D, Robertson J, Breen B. Thermal infrared imaging of geothermal environments and by an unmanned aerial vehicle (UAV): a case study of the Wairakei-Tauhara geothermal field, Taupo, New Zealand. Renewable Energy, 2016, 86: 1256- 1264.

[68] Whitehead K, Hugenholtz C H. Remote sensing of the environment with small unmanned aircraft systems (UASs), Part 1: a review of progress and challenges. Journal of Unmanned Vehicle Systems, 2014, 2(3): 69- 85.

[69] Blaschke T, Tiede D, Heurich M. 3D Landscape metrics to modelling forest structure and diversity based on laser scanning data. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2004, XXXVI (8/W2): 129- 132.

[70] Chen Z Y, Xu B, Devereux B. Urban landscape pattern analysis based on 3D landscape models. Applied Geography, 2014, 55: 82- 91.

[71] Asner G P, Martin R E. Spectranomics: emerging science and conservation opportunities at the interface of biodiversity and remote sensing. Global Ecology and Conservation, 2016, 8: 212- 219.

[72] Asner G P, Martin R E, Anderson C B, Kryston K, Vaughn N, Knapp D E, Bentley L P, Shenkin A, Salinas N, Sinca F, Tupayachi R, Huaypar K Q, Pillco M M,lvarez F D C, Díaz S, Enquist B J, Malhi Y. Scale dependence of canopy trait distributions along a tropical forest elevation gradient. New Phytologist, 2016, 214(3): 973- 988.

[73] Liang X L, Kukko A, Kaartinen H, Hyypp? J, Yu X W, Jaakkola A, Wang Y S. Possibilities of a personal laser scanning system for forest mapping and ecosystem services. Sensors, 2014, 14(1): 1228- 48.

[74] Turner M G. Landscape ecology in North America: past, present, and future. Ecology, 2005, 86(8): 1967- 1974.

[75] Fu B J, Liang D, Lu N. Landscape ecology: coupling of pattern, process, and scale. Chinese Geographical Science, 2011, 21(4): 385- 391.

[76] Wu J G, He C Y, Huang G L, Yu D Y. Urban landscape ecology: past, present, and future//Fu B J, Jones K B, eds. Landscape Ecology for Sustainable Environment and Culture. Netherlands: Springer, 2013: 37- 53.

[77] Frazier A E, Wang L. Modeling landscape structure response across a gradient of land cover intensity. Landscape Ecology, 2013, 28(2): 233- 246.

[78] Levin S. The problem of scale in ecology. Ecology, 1992, 73: 1743- 1767.

[79] Marquet P A. Invariants, scaling laws, and ecological complexity. Science, 2000, 289(5484): 1487- 1488.

[80] 呂一河, 傅伯杰. 生態學中的尺度及尺度轉換方法. 生態學報, 2001, 21(12): 2096- 2105.

[81] Wu J G, Li H B. Perspectives and methods of scaling//Wu J G, Jones K B, Li H B, Loucks O L, eds. Scaling and Uncertainty Analysis in Ecology. Netherlands: Springer, 2006.

[82] Faye E, Rebaudo F, Yánez-Cajo D, Cauvy-Fraunié S, Dangles O. A toolbox for studying thermal heterogeneity across spatial scales: from unmanned aerial vehicle imagery to landscape metrics. Methods in Ecology & Evolution, 2015, 60(4): 1- 10.

Applications of unmanned aerial vehicles remote sensing technology in landscape ecology

ZHANG Zhiming,XU Qian, WANG Bin, SUN Hu, GENG Yupeng*, TIAN Ji

InstituteofEcologyandGeobotany,SchoolofEcologyandEnvironmentalScience,YunnanUniversity,Kunming650091,China

Acquiring accurate, spatially explicit data is crucial for ecologists, particularly for long-term landscape and spatial ecological research. Remote sensing techniques have been widely used for collecting data on spatial and temporal ecological phenomena over the last decades. However, owing to the limitations of spatial and temporal resolution of satellite image data, they are sometimes hard to incorporate into regional or local temporal ecological studies. Unmanned aerial vehicles (UAV) remote sensing technology provides a new method for ecological field data acquisition. With its flexibility, efficiency, and convenience, UAV remote sensing technology overcomes the limitations of traditional satellite-based remote sensing in terms of resolution, revisit period, and cloud cover, which has been increasingly focused in studies on landscape ecology. The present study introduced UAV classification and sensor types, in addition to its applications in species, population, community, and ecosystem research. In addition, it pointed out the challenges involved in these applications. We look forward to the promising research area of UAV-based landscape ecology.

UAV; remote Sensing; ecology survey; biodiversity monitoring; Landscape and Spatial Ecology

國家重點研發計劃(2016YFC1201100)；國家自然科學基金項目(41361046)

2017- 02- 27;

2017- 05- 07

10.5846/stxb201702270318

*通訊作者Corresponding author.E-mail: ypgeng@ynu.edu.cn,

張志明,徐倩,王彬,孫虎,耿宇鵬,田冀.無人機遙感技術在景觀生態學中的應用.生態學報,2017,37(12):4029- 4036.

Zhang Z M,Xu Q, Wang B, Sun H, Geng Y P, Tian J.Applications of unmanned aerial vehicles remote sensing technology in landscape ecology.Acta Ecologica Sinica,2017,37(12):4029- 4036.