遙感與物聯網耦合技術在土地生物資源動態管理中的應用

楊 映，丁路明，唐 霞，張金龍,4，史寶光，許 游，李國政

（1.甘肅洮河國家級自然保護區管理局，甘肅甘南747000；2.蘭州大學生命科學學院，甘肅蘭州730000；3.中國科學院西北生態環境資源研究院，甘肅蘭州730000；4.高分辨率對地觀測系統甘肅數據與應用中心，甘肅蘭州730000；5.成都德魯伊科技有限公司，四川成都610000）

土地具有生產、生活和生態等功能。自20世紀80年代以來，我國在農牧、能源和礦業方面的發展造成環境問題日益顯著，因此在相關法律法規、政策上逐漸加大對土地生態功能的關注，以期使社會經濟與生態環境可持續發展。自然保護區是世界多數國家限制人類活動干擾、增強生態保護的有效措施。2018年，中國已建立超過1萬處自然保護區，面積約占中國陸地國土面積的18%[1]，已提前實現聯合國《生物多樣性公約》提出的到2020年達到17%的目標。據2017年修訂的《中華人民共和國自然保護區條例》規定，自然保護區分為核心區、緩沖區和實驗區，核心區為保存完好的天然狀態的生態系統以及珍稀、瀕危動植物的集中分布地，禁止任何單位和個人進入；緩沖區只準進入從事科學研究觀測活動；而實驗區按照規定可以從事科學試驗、教學實習、參觀考察、旅游以及馴化、繁殖珍稀、瀕危野生動植物等活動[2]。由于生態環境保護滯后于社會經濟發展的影響，我國自然保護區在土地確權和行政劃分的具體管理工作上，面臨著諸多棘手的問題，主要表現包括：保護區內部人員安置和行政區劃的執行問題，保護區及周邊地區的自然資源開發利用、人類活動區擴展和生態保護區的協調發展，野生動物、人、畜沖突的定責和補償問題等。這些問題已成為保護區科學建設和可持續發展亟需解決的重點。

上述問題可以簡化為自然保護區的三類生物性要素(野生動物、牲畜和人類)對于第四類要素(土地資源)的分配管理矛盾。從數字化角度看，自然保護區本身就是一個由多變量元素組成的復雜系統，其可持續建設發展的首要前提就是為生物性元素制定合理利用土地和自然資源的動態邊界。全國范圍內保護區的建設工作仍在不斷推進，但是保護區在成立后無法與周邊地區形成有效的融合，僅僅利用行政命令把自然保護區和周邊的城鎮相割裂，一刀切的管理辦法實現退耕還林還草，缺少科學總體規劃和生態補償機制，實現量化和動態監管較為困難[3]。

1 研究背景

圖1 遙感數據和物聯網耦合技術結合用于自然保護區管理的流程Figure 1 Combining remote sensing data and coupling technology for nature reserve management

自然保護區的土地和生物資源動態管理的數字化過程主要包括數據采集、數據耦合、分析決策3個步驟，而數據采集是“從零到一”的關鍵(圖1)。本研究以自然保護區數字化管理系統構想的實施探討為主要出發點，對具體方案策略進行技術手段結耦的可行性論證。基于衛星遙感數據計算的歸一化植被指數(normalized difference vegetation index,NDVI)，結合智能終端獲取的畜牧生物位置、環境和行為信息，對遙感和物聯網相結合獲得生物活動量、活動范圍與季節、天氣狀態導致的牧場植被變化等數據進行耦合性分析。自然保護區管理內容的生物性要素中，本研究選擇畜牧生物作為試驗要素，主要考慮野生生物活動范圍可控性差，試驗安裝成本高，在數量有限的情況下具有較大統計偶然性；人類自身具備主觀能動性，智能手機推動的豐富應用場景已經在商業實踐中得到廣泛應用，不具備創新性。畜牧生物作為穿戴設備的模式生物，具有群體同質性，少量生物就能夠代表群體活動規律，同時操作可控成本低，符合試驗設計要求的優質選擇。

青藏高原是我國重要的生態保護地，自然保護區面積占32.4%[1]。現行《中華人民共和國自然保護區條例》，禁止在自然保護區內進行砍伐、放牧、開墾等生產活動。然而，青藏高原現有25個縣城、約30萬人口位于自然保護區內，僅三江源保護區就有17個縣城，保護區內的生產、生活活動規模較大。在種群恢復性增長和棲息地受到擠壓的情況下，野生動物頻頻到牧場采食，時有傷及人畜事件發生。青藏高原作為重要的生態安全屏障和典型的生態脆弱區，保護地面積大、級別高，但保護地人地、草畜、畜獸關系緊張，土地利用的生產、生活與生態功能沖突嚴重，因此，研究自然保護地的土地利用沖突、提出自然保護地多目標協調的方案對促進青藏高原持續發展至關重要。

2 研究思路

衛星遙感技術近年來發展迅速，為科學研究及生產實踐提供了多維度、全天候的觀測手段，通過不同軌道和分辨能力的衛星相互彌補組成了全球對地觀測系統，并廣泛應用于長時間、大范圍的自然保護區勘界和監測工作，為保護區科學化管理提供了可能[4-5]。遙感技術雖然能夠實現土地及附屬資源的定量分析，但是其分辨率較難實現生物個體識別或實現成本極高，也無法對生物種群和體征進行更深入的數據采集分析，這決定了單一遙感技術只能對靜態資源進行一定程度的量化管理，而無法通過量化的實時數據來解決保護區的生物性要素和資源性要素的分配。結合衛星遙感技術的大范圍應用與個體追蹤的精細化管理，可以達到相輔相承的效果。隨著智能手機的普及、微電機系統和物聯網技術的發展，基于生物性位置、環境、行為數據采集的穿戴設備終端與遙感技術的交叉結合，為這一難題提供了可能的解決方案。

通過衛星遙感與物聯網耦合技術實現自然保護區動態管理的基本策略。智能穿戴終端主要由能量管理模塊、衛星定位模塊、集成微電機系統及物聯網通信模塊三部分組成，其中能量管理模塊能夠將以光能轉化為驅動設備工作的電能并利用電池進行能量存儲管理，衛星定位模塊能夠提供目標生物的精細位置信息和軌跡，集成微電機系統實現光照、溫度、氣壓、濕度等多維環境指標的采集，物聯網通信模塊則能夠將上述采集的信息自動傳輸到管理平臺供科研管理人員分析查看。自然保護區管理內容的四大要素，通過衛星遙感和物聯網技術協同工作的“天地一體化”解決方案，土地及附屬資源(林地、草地、水源、土質等)通過圖像信息抽取得以數字化，而生物性要素則通過智能手機和穿戴設備采集到的位置、環境及行為信息進行數字化描述，從而映射出一個與物理世界中保護區平行變化的數字世界，以期實現對自然保護區的多維度動態監測。

3 研究方法

3.1 研究區概況

本研究選擇青海省海北藏族自治州海晏縣西海鎮的海北高原現代生態畜牧業科技試驗示范園牧場作為研究區。該地區屬于高原亞干旱氣候，年均氣溫1.5℃，年降水量400 mm左右，無絕對無霜期。主要植被類型包括西北針茅(Stipa sareptana)、細葉苔草(Carex stenophylloides)、矮生嵩草(Kobresia humilis)、青海固沙草(Orinus kokonorica)等溫性草原類植被，高山嵩草(Kobresia pygmaea)、紫花針茅(Stipa purpurea)等高寒草甸草原類植被，早熟禾(Poa annua)等高寒草甸類植被。

3.2 遙感數據

Sentinel-2是歐洲航天局發射的高分辨率多光譜成像衛星，覆蓋13個光譜波段，空間分辨率為10 m，重訪周期為5 d，在土地管理、農業監測、災害控制、人道主義救援以及風險測繪等領域被廣泛應用[6]。在Sentinel-2數據中，近紅外波段反射率與紅光波段反射率之差比兩者之和計算得到NDVI(圖2)。通常情況下，NDVI可以反映地表植被覆蓋情況，取值越接近1，表征植被蓋度越大[7-8]。通過目視判讀2019年9月至2020年2月間Sentinel-2影像，可以清晰地看到研究區所在牧場的主要植被類型為草地、少部分退化草地和裸地。

圖2 不同時相的牧場歸一化植被指數(NDVI)空間分布圖Figure 2 Spatial distribution map of normalized vegetation indices(NDVI)of a pasture in different timephases

3.3 畜牧物種選取和數據采集

試驗對象牦牛(Bos grunniens)主要分布在青藏高原地區，長期生活在3000 m海拔以上，是我國高原地區畜牧業經濟中不可缺少的重要畜種，并具備一定程度上的野生生物屬性[9-10]。2019年9月開始為4只雌性成年牦牛佩戴了生物電子耳標。采用成都德魯伊科技有限公司研發的Debut Tag產品對牦牛進行位置和活動量采集，4只牦牛分別編號為牦牛-1、牦牛-2、牦牛-3和牦牛-4。根據試驗時間及植被覆蓋狀態，假設試驗地對于試驗牦牛為無干擾無限空間，在采食量穩定的假設條件下，牦牛活動覆蓋范圍與NDVI值具有反比關系，即當缺少足夠食物時，生物應當擴大活動范圍以保證足夠進食維持能量平衡。另一種可能是生物改變采食策略，在入秋后大量進食囤積脂肪為惡劣環境做好準備，在食物短缺時主要消耗體內脂肪而減少活動避免過度消耗。與真實情況擬合度高的家域模型(Home Range)是驗證以上假設的基礎，為此采用物理圍欄邊界限定用于評估家域模型的準確性，同時對穿戴式電子耳標進行了間隔為1 h的GPS定位點采集，同時ODBA(overall dynamic body acceleration)采集間隔設置為10 min，用來確保數據采集的時間分辨率滿足對結論驗證的支持。4只牦牛在6個月內的GPS定位點總數和ODBA采集次數如表1所列。

表1 穿戴終端采集的牦牛位置及活動量數據量Table 1 Yak position and activity data collected by wearable terminals

3.4 生物家域范圍計算

家域的研究是動物行為生態學和保護生物學的重要內容，它包涵了動物個體或群體生活史的若干過程的空間集合，能讓人們了解動物與棲息地的相互關系并探究動物的社會地位、性別、年齡等多方面內容。家域的估算方法有3種，分別是最小凸多邊形法(minimum convex polygon, MCP)、核心密度估算法(kernel density estimation,KDE)和布朗橋運動模型(brown bridge motion model, BBMM)。其中MCP法可以全部包含一系列點的面積最小的凸多邊形，KDE法能較好展示出動物對不同空間的利用強度并且能確定家域核心區域的大小和形狀，BBMM考慮到了活動斑塊間的路徑方向和時間。由于試驗地物理圍欄的存在，可以清晰地定義家域的極限范圍，根據輸出結果與真實情況的吻合度，選擇最小凸多邊形法作為家域范圍計算的方法，具體計算方法參見文獻[11]。

3.5 生物活動量計算

整體動態加速度是一種加速度指數，將3軸(x軸、y軸和z軸)原始加速度減去靜態加速度后加和以反映生物的活動量。自2006年英國學者Wilson以普通鸕鶿(Phalacrocorax carbo)為試驗對象[12-14]，發現了耗氧量與ODBA的數值正相關，驗證了加速度指數可以作為動物的能量消耗指標之一后，ODBA就廣泛出現在鳥類、哺乳類、魚類等多種野生動物的能量消耗和活動量大小研究中[15-18]。但ODBA在畜牧業中的研究較少，近年來只有少數學者將ODBA應用于放牧與圈養動物在生理和行為上的變化中。

4 結果與分析

4.1 牧場植被覆蓋率分析

將青藏高原四季劃分為春季(開始日期在第115天，4月24日)、夏季(開始日期是第185天，7月3日)、秋季(開始日期是第215天，8月2日)、冬季(開始日期是第282天，10月11日)[19-20]，試驗地海北高原現代生態畜牧業科技試驗示范園是一個19 km2大小的近長方形草地，有一定退化特征。利用NDVI最大值合成法生成的逐月遙感分析結果(圖3)顯示，區域內NDVI平均值在2019年9月最大，為0.65，之后急劇減小；2019年10月、11月的NDVI值分別為0.37和0.21；從2019年12月至2020年3月，NDVI值保持在0.18。這表明秋季NDVI呈顯著減小趨勢，而冬季NDVI不再發生變化。

4.2 牦牛家域分析

4只牦牛的GPS定位數據分布基本均勻，未呈現彌散分布狀態，證明牧場圍欄對于牦牛的活動能力和采食需求是有限邊界(圖4的藍色區域)。采用MCP算法對牦牛的家域進行分析，計算結果與實際家域(圍欄區域)擬合度高，帶犢牦牛(牦牛-1、牦牛-2)和不帶犢牦牛(牦牛-3、牦牛-4)之間的家域面積無明顯區別。

不同月份牦牛活動范圍及家域情況的分析顯示：1)牦牛活動熱區的高度一致性，符合畜牧生物群體性聚集活動的特點；2)明顯看出人為干擾對于牦牛活動及家域的影響。在影響家域范圍的因素中，人為因素基于其主觀特性，影響力遠大于其他因素，而物理隔離因素大于季節因素和其他環境因素。試驗牦牛在2020年2月的家域面積最小(圖5)，是因為入冬后采食資源有限，牧場多輔以谷物飼喂，并利用附加圍欄控制牦牛活動范圍，避免其過多消耗能量。

圖3 牧場內歸一化植被指數(NDVI)變化趨勢Figure 3 Changesin the normalized vegetation index (NDVI)of the pasture

不同月份牦牛家域面積數據(圖6)顯示，2019年12月的家域面積顯著高于其他月份(P<0.05)，2020年1月份顯著高于2019年11月和2020年2月(P<0.05)，但2019年9、10月的家域面積與11月和2020年1、2月沒有顯著差異(P>0.05)。牦牛家域面積與時間沒有線性關系，但呈現顯著的二次方變化趨勢。

圖4 根據試驗期間牦牛總體活動位置分布計算的家域面積Figure 4 Calculating home range according to theoverall activity location distribution of each yak throughout theexperiment

圖5 不同月份牦牛的家域面積Figure 5 Home range of the yaks in different months

圖6 不同月份牦牛活動家域面積Figure 6 Locations occupied by yak activists in different months

4.3 牦牛活動量(ODBA)分析

首次對4頭雌性牦牛實時連續ODBA平均值變化進行分析(圖7)顯示，隨著采食資源的短缺，模式生物月均ODBA整體處于減小的趨勢，不帶犢牦牛(牦牛-3、牦牛-4)每天的ODBA平均值小于帶犢牦牛(牦牛-1、牦牛-2)，該統計結果與前文計算家域范圍相吻合。這再次驗證在人為干預和采食資源減少的驅使下，牦牛趨向于保守的能量消耗策略，同時不帶犢的生物由于負擔較輕，活動量及能量消耗較小，在惡劣環境下具備更好的生存機會。

圖7 牦牛不同月份的活動量(ODBA)Figure 7 Activity volume of yaksin different months (ODBA)

牦牛活動量從2019年9月到2020年2月呈降低趨勢，9月份活動量顯著高于其他月份(P<0.05)(圖7)。2019年10月活動量高于2020年1月和2月(P<0.05)，而10月份、1月和2月活動量與11月和12月沒有顯著差異(P> 0.05)。

5 討論與結論

本研究系統論證了利用遙感數據計算植被覆蓋情況以及通過智能穿戴設備采集計算畜牧生物活動范圍及行為狀態的可行性。數據收集期主要在秋末入冬期，NDVI值清晰地反映植被由秋末的均勻中覆蓋狀態變化為入冬后的較低覆蓋，以及12月中地表植被完全被降雪覆蓋及其消融過程(圖2)。由此可見，遙感技術能夠在時間維度定量反映草原植被覆蓋情況，并在不同季節具有明顯的均一性，而降雪是冬季植被覆蓋變化的主要干擾因素。GPS數據分布及MCP家域面積在不同試驗生物個體活動熱區的高度一致性揭示了畜牧生物群體性聚集活動的特點，驗證了少量畜牧生物可以作為群體活動的表征因子；同時，家域面積隨季節變化的不均一性也揭示出該試驗在設計上空間條件有限，導致人為投食及圈養引入對畜牧生物活動范圍的影響。畜牧生物活動量與生物量變化趨勢相一致是偶然現象，理論上在溫度逐步降低、環境日趨惡劣的情況下，試驗畜牧生物將趨向于保守能量的消耗策略。

由于實施試驗場地為有限空間、高人為干擾環境，同時試驗周期未能覆蓋全年，因此在信噪比較差、時序數據量有限的情況下，本研究工作進一步的數據耦合分析和結論不具備顯著的科學意義。但這不影響為下一步研究的基礎方法學驗證提供堅實的支撐。未來研究工作應首先將現有試驗流程方法嵌入相對無限空間、低干擾試驗環境，完成數據采集–耦合分析–反向決策干預驗證的反饋閉環(圖1)，并逐步在模型中加入各種因素并對其在系統中的影響力量化建模。在實際應用場景，應開展將模式生物從牦牛拓展為畜牧生物多樣性的研究，并同步在野生生物中驗證，最終實現土地資源、野生生物、畜牧生物和人類信息的數字化采集和人工智能決策，用衛星遙感與物聯網耦合技術推動自然保護區動態管理和可持續發展。

遙感和物聯網耦合數字化技術的創新具有重要應用價值。首先，這一系統實時量化了保護區管理的四大內容要素，能夠為管理策略和管理實施提供重要依據，基于這一系統制定的數字化動態邊界，改變了原有體系下固化邊界帶來的人類活動與野生動物的空間矛盾。人類根據野生生物的活動范圍，合理制定緩沖區，盡量規避物種交叉帶來的傳染病和野生生物肇事風險。同時合理規劃牧區規模和生態補償，量化畜牧生物和野生生物資源占有配比，高效指導管理決策。其次，基于耦合技術的數字化保護區能夠為相關科研工作搭建強大的數據庫平臺，同時能夠對實施政策效果，如圍欄禁牧及對野生動物棲息地的影響等進行有效評估，并利用電子圍欄取代實體圍欄，維持草原開放空間和畜牧生物與野生生物的流動性。再次，生物承載量和活動行為作為生態狀態的重要指示因子，通過耦合技術對遙感信息進行深度挖掘，體現了遙感技術在生態學上的應用價值以及與生物活動相關研究中的前景。最后，數字化保護區有效推動從“趕人”到“引流”的管理方式的升級，通過可感知的數字內容吸引公眾關注拉動旅游經濟，并通過互聯網手段將原住民進行工作派發，解決護林員短缺等問題，從根本上解決經濟發展與生態保護的矛盾，實現人與自然的和諧動態共存和自然保護區的可持續發展。