基于旋翼無人機低空遙感的高原鼠兔危害等級劃分技術(shù)研究

花蕊，周睿，2，包達爾罕，董克池，唐莊生，花立民*

（1.甘肅農(nóng)業(yè)大學草業(yè)學院，草業(yè)生態(tài)系統(tǒng)教育部重點實驗室，國家林業(yè)和草原局高寒草地鼠害防控工程技術(shù)研究中心，甘肅 蘭州 730070；2.青海大學畜牧獸醫(yī)科學院，青海 西寧 810016）

青藏高原具有豐富的草地資源，不僅為我國畜牧業(yè)發(fā)展提供了保障，在發(fā)揮生態(tài)屏障功能及維持生物多樣性等方面也具有至關(guān)重要的地位［1］。近年來，隨著全球氣候不斷變化和過度放牧等因素影響，青藏高原草地逐漸退化［2］。同時在景觀層面上出現(xiàn)了破碎化，部分嚴重地區(qū)出現(xiàn)大面積黑土灘，對草地生態(tài)安全和區(qū)域經(jīng)濟的發(fā)展產(chǎn)生了重大影響［3］。草地退化提高了嚙齒動物生境適合度，使其繁殖率與存活率同步提升［4-5］，導致種群密度增大。當種群密度超過一定閾值后，發(fā)生草地鼠害，進而使得區(qū)域內(nèi)草地破壞及退化加重［6-7］。

高原鼠兔（Ochotona curzoniae）是我國青藏高原主要害鼠之一。對草地的破壞表現(xiàn)在頻繁的挖掘活動使得草地景觀破碎化、土地斑塊化［8］，導致土壤養(yǎng)分減少、加劇水土流失［9］；大量采食活動使得植被生物量及蓋度變化明顯［10］。但高原鼠兔的存在對維系草地生態(tài)系統(tǒng)良性循環(huán)也具有一定的積極作用［11］。高原鼠兔作為組成草地生態(tài)系統(tǒng)食物鏈中的一部分，它們的種群變化對天敵的種群變化有重要影響［12］。同時，翻土掘地行為造成微地形改變，形成植被斑塊，可以提高植被及土壤的異質(zhì)性［13-14］。鑒于高原鼠兔在草地生態(tài)系統(tǒng)中的多重功能，在盲目滅鼠或提出保護前，都應該綜合分析其對草地生態(tài)系統(tǒng)的干擾，科學劃分其危害程度，進而根據(jù)不同危害程度提出差異化的防治措施。

我國草地鼠害調(diào)查主要以人工實地調(diào)查為主，最常用的有堵洞開洞法、夾捕法及洞口系數(shù)法等［15］。這些調(diào)查方法操作簡單直觀，對鼠害調(diào)查人員技術(shù)要求低［16］。但是高原鼠兔分布范圍廣，且棲息地具有強選擇性。在大范圍調(diào)查中，傳統(tǒng)方法的人力資源和經(jīng)濟投入需求較高且調(diào)查結(jié)果的準確性較差。而且我國對于高原鼠兔危害程度的不同等級界定比較模糊。常采用的高原鼠兔危害確定標準為洞口數(shù)是否達到150個·hm-2（NY/T 1240-2006）。已有研究認為這種危害評價方法指標單一，難以評估不同草地類型、不同程度的高原鼠兔危害實際情況［17］。對高原鼠兔危害評價的指標應從單一的洞口數(shù)向多指標轉(zhuǎn)變，同草地植被群落相結(jié)合［17］。可見評價指標的選擇對危害評價結(jié)果的準確性影響較大。

近年來，隨著無人機技術(shù)的發(fā)展，無人機遙感在鼠害監(jiān)測中已有初步應用［18］。無人機技術(shù)為鼠害監(jiān)測調(diào)查提供了一種新型手段，在中小尺度監(jiān)測中具有十分顯著的優(yōu)勢，可以彌補傳統(tǒng)調(diào)查中的不足［19］。本研究以無人機為載體結(jié)合地面調(diào)查，開展基于無人機低空遙感的高原鼠兔危害監(jiān)測及危害等級劃分技術(shù)研究，形成一套適用于高原鼠兔危害的低空遙感監(jiān)測方法。重點解決人工監(jiān)測費時費力、精度低、范圍小等問題。使鼠害及草地調(diào)查更加高效，以期為高原鼠兔危害狀況監(jiān)測提供技術(shù)支持。建立的高原鼠兔危害等級劃分體系可作為參考指標，對研究區(qū)高原鼠兔危害程度進行明確的定位，使得該區(qū)域鼠害防治做到“分級而治”。

1 材料與方法

1.1 研究區(qū)概況

本研究調(diào)查區(qū)域選擇在青藏高原東部甘肅省甘南藏族自治州瑪曲縣（100°45′45″E-102°29′00″E，33°06′30″N-34°30′15″N）。地勢西部高東部低，總體東南偏低，總面積達100190.8 km2，平均海拔為3600 m。縣內(nèi)約有91.06萬hm2草地，占全縣總面積的89.4%［20］。植被類型包括山地針葉林、高寒常綠灌木林、高寒草甸、高寒草原等，其中高寒草甸分布面積最廣，約占天然草地總面積的68.35%。天然草地植被共有47科413種植物，垂穗披堿草（Elymus nutans）、早熟禾（Poa annua）、鵝絨委陵菜（Potentilla ansrina）和紫花針茅（Stipa purpurea）等為優(yōu)勢物種（圖1）［21］。

1.2 數(shù)據(jù)采集

1.2.1高原鼠兔分布點調(diào)查 于2019年5月進行高原鼠兔的野外調(diào)查。選取瑪曲縣高原鼠兔主要分布鄉(xiāng)鎮(zhèn)，將其網(wǎng)格化，每個網(wǎng)格大小為3 km×3 km。在每個鄉(xiāng)鎮(zhèn)內(nèi)隨機抽取鼠兔危害面積大于10%的網(wǎng)格作為調(diào)查樣地，調(diào)查取樣點見圖1。使用大疆精靈3無人機在20 m高度進行航拍，每個樣地拍攝照片數(shù)量約為230張，覆蓋面積為100 m×100 m，用GPS記錄相應空間位置。

圖1 高原鼠兔調(diào)查取樣點Fig.1 Sampling sites of plateau pika in Maqu county

1.2.2地面數(shù)據(jù)采集 每塊調(diào)查樣地中，用步測法調(diào)查樣地內(nèi)植被總蓋度［22］，在每個樣地內(nèi)設置3個0.25 m2的樣方，用樣方框刈割法測定地上生物量，并在65℃下烘干稱重。依據(jù)《中國草地飼用植物資源》［23］辨識樣地可食牧草種類，采用樣圓法［24］測定可食牧草頻度；統(tǒng)計樣地鼠洞個數(shù)。在調(diào)查時記錄每個樣地經(jīng)緯度（WGS84坐標系）和海拔等信息［25］。同時在樣地內(nèi)選擇植被、鼠洞、裸地等典型地物，用相機拍攝實際照片，以便后期將無人機圖片中的地物與實際地物進行對比觀察。

1.3 數(shù)據(jù)分析

1.3.1生物量估算模型的建立 本研究通過植被指數(shù)來估算植物生長狀態(tài)，基于無人機航拍得到的可見光影像，選取3種不同植被指數(shù)進行計算。分別為紅、綠、藍3個波段參與的可見光波段差值植被指數(shù)（visible-band difference vegetation index，VDVI）［26-27］；紅、綠 波 段 參 與 的 歸 一 化 綠 紅 差 值 指 數(shù)NGRDI（normalized green-red difference index）［28-29］；綠、藍波段參與的歸一化綠藍差值指數(shù)（normalized green-blue difference index，NGBDI）［30］。不同植被指數(shù)計算方式如下：

式中：VDVI、NGRDI、NGBDI分別為不同植被指數(shù)，ρRed、ρGreen、ρBlue分別為紅、綠、藍3個波段的反射率或像元值。

在ENVI 5.1軟件中對植被指數(shù)進行計算后，利用ArcGIS提取每個調(diào)查點的植被指數(shù)值，將實測生物量分別與不同植被指數(shù)進行相關(guān)性分析，選取相關(guān)性最強的植被指數(shù)；然后，將該植被指數(shù)作為自變量，生物量作為因變量，建立一元、二次、指數(shù)、對數(shù)模型，進而模擬分析其之間的關(guān)系，選取最優(yōu)模型對研究區(qū)地上生物量進行反演計算。在模型建立過程中，將70%的數(shù)據(jù)用于建模，其余30%的數(shù)據(jù)用于精度驗證。計算與實測值的平均相對誤差（mean relative error，MRE）、均方根差（mean square error，RMSE）及相關(guān)系數(shù)R，綜合評價模型精度：

式中：MRE為平均相對誤差；y為研究區(qū)生物量地面調(diào)查實測值；yi為生物量預測值；n為樣本數(shù)量；RMSE為均方根差。

1.3.2可食牧草比例計算 對樣地利用樣圓法進行物種調(diào)查，分別記錄每一物種出現(xiàn)的頻度。統(tǒng)計后計算可食牧草比例（edible forage proportion，EFP），公式如下：

式中：r為可食牧草總數(shù)；n為物種總數(shù)；A i為群落中某一種可食牧草頻度；B i為群落中某一物種的頻度。

1.3.3高原鼠兔危害等級劃分 在計算前需要對原始各指標進行標準化處理。本研究采用的數(shù)據(jù)歸一化方法為最小-最大標準化法（min-max normalization），轉(zhuǎn)換函數(shù)為：

式中：X i為指標進行標準化后的值；x i為初始指標；xmax為整體樣本實測值的最大值；xmin為整體樣本實測值的最小值。

為了降低評價者的主觀誤差，采用主成分分析法（principal components analysis，PCA）來確定各指標在退化評價中所占的權(quán)重［31］。基于主成分分析法確定權(quán)重，首先需要檢驗數(shù)據(jù)是否適合于主成分分析。對數(shù)據(jù)進行KMO（Kaiser-Meyer-Olkin）和Bartlett檢驗，KMO越接近1，說明變量之間相關(guān)性越強，原有變量適合做主成分分析；Bartlett的球度檢驗值小于顯著水平0.05，說明變量之間存在相關(guān)關(guān)系。得到各指標的權(quán)重后，進行加權(quán)，得到草地危害指數(shù)DRI（damage rangeland index）［32］。DRI值越大，說明草地狀況越好，鼠害程度越輕；DRI值越小，代表草地狀況越差，受危害程度越重，計算公式為：

式中：DRI為草地危害指數(shù)；X i為各指標實測數(shù)據(jù)的標準化值；W i為各變量的權(quán)重；n為變量的個數(shù)。

1.3.4洞口、植被蓋度信息解譯 使用草地鼠洞數(shù)字化識別軟件v1.0［19］對鼠兔洞口數(shù)及樣地植被蓋度進行提取。

2 結(jié)果與分析

2.1 生物量估算模型建立

利用1.3.1中公式（1）～（3）分別計算樣地植被指數(shù)。以其中3個樣地為例，得到植被指數(shù)空間分布（圖2）。VDVI及NGBDI指數(shù)的植被與非植被區(qū)亮度區(qū)別較明顯，白色較亮區(qū)域為草地，裸地區(qū)域則比較暗。3種植被指數(shù)NGRDI、NGBDI和VDVI范圍為［-1，1］。

圖2 各植被指數(shù)計算結(jié)果Fig.2 Results of each vegetation index

選取NGRDI、NGBDI和VDVI為自變量，地上生物量為因變量，建立草地生物量的估算模型方程（圖3）。通過對比，VDVI指數(shù)與實測地上生物量具有較好的正相關(guān)關(guān)系（R=0.87），其次為NGRDI（R=0.74），三者中最差為NGBDI（R=0.66）。據(jù)此，本研究選取可見光波段差異植被指數(shù)VDVI來反映研究區(qū)生物量狀況。

圖3 生物量與植被指數(shù)相關(guān)性關(guān)系Fig.3 Corr elation between biomass and vegetation index

進一步分析表明，基于VDVI指數(shù)構(gòu)建的二次多項式與指數(shù)模型生物量估測模型較其他幾個植被指數(shù)建立的模型相關(guān)性高（圖4）。考慮到構(gòu)建模型的簡單化，在本試驗中，二次多項式作為估測草地生物量的較優(yōu)模型，建立的回歸方程為：

圖4 生物量與可見光波段差異植被指數(shù)的擬合Fig.4 Corr elation between biomass and VDVI

式中：y為草地地上生物量（g·m-2），x為可見光波段差異植被指數(shù)VDVI。

2.2 模型精度檢驗

模型構(gòu)建后對選取的函數(shù)模型進行檢驗，采用未參與建模的13個樣地進行驗證，將實測值與估算模型估測得到的地上生物量進行了對比分析，并計算了其絕對誤差以及精度。估產(chǎn)精度大于80%的樣方數(shù)據(jù)有10個，平均精度為86.54%。平均相對誤差（MRE）為0.183，均方根差（RMSE）為0.109，這說明利用VDVI指數(shù)建立的二次項模型來估算研究區(qū)地上生物量是可行的（表1）。

表1 預測值與實測值誤差及估產(chǎn)精度Table 1 The absolute error and yield estimation accuracy between simulate data and measuring data

2.3 可食牧草比例計算

研究區(qū)可食牧草比最大值為98.5%，最小值為63.6%，有11塊樣地可食牧草比例為78%～81%，所有樣地平均數(shù)值為81%（圖5）。

圖5 可食牧草比例頻度Fig.5 Frequency of edible forage proportion

2.4 洞口及植被蓋度提取

使用草地鼠洞數(shù)字化識別軟件v1.0，對所有研究樣地洞口數(shù)量進行提取，隨機選取10塊樣地將實測洞口數(shù)與解譯洞口數(shù)作精度驗證（圖6），平均相對誤差（MRE）為0.05，相關(guān)系數(shù)（R）為0.95。同理，對研究樣地植被蓋度進行提取，將實測蓋度與解譯蓋度作精度驗證。通過驗證發(fā)現(xiàn)實測值與預測值之間MRE為0.07，R為0.81。

圖6 影像解譯結(jié)果與實測值相關(guān)性分析Fig.6 Correlation analysis between image interpretation results and measured values

2.5 高原鼠兔危害等級劃分

通過計算得：KMO（Kaiser-Meyer-Olkin）檢驗=0.612、P=0.001，符合分析條件，可以進一步進行主成分分析。從總方差解釋表（表2）能夠得出，最大的主成分對應的特征根值為1.868＞1，前兩個主成分的累計方差貢獻率達到70.315%，超過70%，因此，鼠害信息基本上可由鼠洞個數(shù)與VDVI來反映，原來的鼠洞個數(shù)、VDVI、植被蓋度、可食牧草比例4個指標可由這兩個主成分替換。然后計算兩個主成分載荷數(shù)及各指標在兩個主成分線性組合中的系數(shù)（表3）。

表2 主成分特征根值及方差貢獻率Table 2 The pr incipal component eigenvalue and var iance contribution rate

第一主成分與第二主成分對原來4個指標（α1，α2，α3，α4）的載荷數(shù)見表3。根據(jù)各成分載荷數(shù)和特征根值，進而得到兩個主成分組合如下：

表3 各指標載荷數(shù)和系數(shù)Table 3 Load number and coefficient of each indicator

對指標在不同主成分線性組合中的系數(shù)及方差貢獻率進行計算，指標系數(shù)可以看成是以鼠洞個數(shù)與VDVI的方差貢獻率為權(quán)重，對指標在鼠洞個數(shù)與VDVI兩個成分線性組合中的系數(shù)作加權(quán)平均得到的方差貢獻率。最后在綜合得分系數(shù)的基礎(chǔ)上進行歸一化即得到各指標權(quán)重（表4）。

表4 各指標貢獻率和權(quán)重Table 4 Contribution rate and weight of each indicator

將綜合指數(shù)定義為草地生物量、洞口個數(shù)、蓋度和可食牧草比例的加權(quán)，利用公式（8）計算危害指數(shù)DRI。采用聚類分析方法依據(jù)DRI對研究區(qū)高原鼠兔危害狀況劃分等級，共分為5類。I類為無明顯鼠害地，Ⅱ類為輕度鼠害地，Ⅲ類為中度鼠害地，Ⅳ類為重度鼠害地，V類為極度鼠害地（表5～6）。不同等級中指標變化為，洞口數(shù)：I＜Ⅱ＜V＜Ⅲ＜Ⅳ；地上生物量：V＜Ⅳ＜Ⅲ＜Ⅱ＜I；植被蓋度：V＜Ⅳ＜Ⅲ＜Ⅱ＜I；可食牧草比例：V＜Ⅳ＜Ⅲ＜Ⅱ＜I。

表5 高原鼠兔危害級別劃分標準Table 5 Demarcation standard of damage gr ade for plateau pika

3 討論

在高原鼠兔危害評估中，通常以鼠洞個數(shù)為評估的主要指標。但除了洞口個數(shù)，植被狀況、土壤養(yǎng)分等多種因子均可反映鼠兔破壞對草地產(chǎn)生的影響。本研究選擇高原鼠兔洞口個數(shù)、草地總蓋度、地上生物量及可食牧草比例這4個因子作為高原鼠兔危害評價的指標，指標選取考慮的首要因素是能否從無人機影像中解譯得到，其次是考慮鼠害對草地造成危害的重要表現(xiàn)。通過各指標權(quán)重計算，得出地上生物量所占權(quán)重最大，為56%；其次為植被蓋度，所占比重為55%；再次為可食牧草比例，為29%；最小的為鼠洞個數(shù)，為5%。可見草地退化的最直觀表現(xiàn)為植被蓋度和生物量的顯著降低。隨著危害程度的上升，地上生物量、植被蓋度、可食牧草比例等指標均呈降低趨勢，主要因為高原鼠兔頻繁的挖掘采食活動能直接干擾植被的生長，使得植被破碎化嚴重，形成斑塊景觀，導致裸地面積增加，活動干擾大的地區(qū)植物地上生物量也隨之降低。

洞口個數(shù)在危害評價中權(quán)重占比最小。同時，隨著危害程度的遞增，研究區(qū)高原鼠兔洞口數(shù)表現(xiàn)出起初數(shù)量低、后有一定升高、再降低的變化規(guī)律。可能由于隨著危害程度的增加，區(qū)域范圍內(nèi)高原鼠兔密度不斷增加，洞口數(shù)量同步增多。當高原鼠兔密度發(fā)展到一定量時，棲息地各種條件不斷惡化，鼠兔死亡率及遷移率增高。當鼠兔離開后，由于降水、家畜踩踏等因素使得很多廢棄洞口塌陷被填埋，因此極度危害時其洞口數(shù)量又呈下降趨勢。通過分析可見，以往用單一的洞口數(shù)來評價其危害程度是不準確的。

表6 危害級別中各指標的極值Table 6 Ranges of damage indexes in all damage levels

鼠害的發(fā)生并非必然，通常導致高原鼠兔種群數(shù)量增多的因素為種群自身繁殖率上升和種群大量遷入兩種，但造成這兩種情況的共同因素均為某一地區(qū)的生境條件適合其生存繁殖［33］。很多研究均證實因為草地植被的退化，產(chǎn)生了適合高原鼠兔生存的環(huán)境，進而使其種群數(shù)量急劇增長［34］。只有客觀的評價鼠害，了解嚙齒動物在草地生態(tài)系統(tǒng)中的積極作用，才能合理科學地進行防治。以往將有鼠兔分布的區(qū)域就定義為鼠害地區(qū)的做法并不客觀，在處于輕度危害時，生態(tài)系統(tǒng)內(nèi)部可以通過生物機制來自我控制較高種群數(shù)量的增加，無須人為治理干預。只有當其發(fā)生到一定程度，危害到生態(tài)系統(tǒng)穩(wěn)定性或草地生產(chǎn)力時才能算作危害。因此，一定要根據(jù)實際危害程度進行治理，在危害較輕地區(qū)采用監(jiān)測防控措施，在危害嚴重區(qū)域采用科學的治理措施并對未來種群變化加以預測，使得鼠害防治真正的有效化和科學化。

最后，對比無人機航拍監(jiān)測法與傳統(tǒng)野外人工調(diào)查法。以1 hm2樣地為例，傳統(tǒng)人工調(diào)查洞口數(shù)需要2～3人，且容易重復計數(shù)，不適用于大面積多重復的調(diào)查。對于生物量監(jiān)測，1 hm2樣地平均需要3人，耗時在1 h左右，且傳統(tǒng)方法需要對草地造成一定破壞。而無人機監(jiān)測僅需1人，耗時約15 min，在不破壞草場的情況下極大地提高了工作效率。同時，通常生物量調(diào)查主要在盛草期進行，青藏高原紫外線極強，嚴酷的工作環(huán)境會對人工監(jiān)測產(chǎn)生一定影響，無人機監(jiān)測僅操縱飛行器進行航拍，無需大量體力勞動，后續(xù)工作均可室內(nèi)完成，很大程度的解放了勞動力。

本研究也存在一定的不足，通過無人機遙感技術(shù)可以快速提取計算植被蓋度、生物量、鼠洞等指標，但卻無法對草地植物群落中的物種進行很好的識別。隨著計算機智能學習技術(shù)的不斷發(fā)展，后期可以在植物物種識別方面展開研究，在識別過程中對不同物種形態(tài)及不同光譜反射率的分析及綜合特征庫的建立是關(guān)鍵。或許可通過無人機搭載高光譜成像儀，針對高光譜圖像的不同光譜特征來設計不同物種自動分類算法，讓無人機監(jiān)測代替人工進行分類，使得單張影像可獲取信息增多，完善危害評價指標。

4 結(jié)論

本研究以高原鼠兔為例，分別選擇處于不同危害程度的典型樣地，利用無人機低空遙感監(jiān)測，與同一時期的地面調(diào)查數(shù)據(jù)相結(jié)合，對樣地高原鼠兔洞口數(shù)、地上生物量、草地蓋度及可食牧草比例進行調(diào)查。通過自主設計軟件對無人機部分指標進行解譯，最后綜合多種指標對研究區(qū)不同危害等級進行劃分，通過研究得到以下結(jié)論：

1）本研究探討了基于無人機低空遙測技術(shù)的草地嚙齒動物危害監(jiān)測新方法。通過試驗證實無人機監(jiān)測的各項指標與實地調(diào)查結(jié)果基本一致，精度較高。說明在草地嚙齒動物危害監(jiān)測中，無人機可以取代部分傳統(tǒng)人工監(jiān)測指標。試驗從外業(yè)監(jiān)測到內(nèi)業(yè)處理整體的高效性符合現(xiàn)代用機器智能代替人力的發(fā)展新形勢，使得鼠害及草場調(diào)查更加輕簡化與高精度化。

2）通過歸一化綠紅差值指數(shù)NGRDI、歸一化綠藍差值指數(shù)NGBDI和可見光波段差值植被指數(shù)VDVI 3種植被指數(shù)對比，可見光波段差值植被指數(shù)VDVI與實測地上生物量具有較好的正相關(guān)關(guān)系。上述研究結(jié)果均表明基于可見光波段的植被指數(shù)可以準確地提取無人機影像中植被信息，可以較好地估算地上生物量。

3）試驗證明單靠鼠洞數(shù)量來評估鼠害程度的方法具有一定的弊端，多項指標的綜合測定才是鼠害程度的最準確評估。本研究基于綜合指數(shù)將研究區(qū)鼠害狀況劃分為5個等級，后續(xù)在鼠害防治中要避免一刀切式滅鼠，應做到因級而治。