基于无人机与卫星遥感的草原地上生物量反演研究

doi:10.11873/j.issn.1004-0323.2022.1.0272

遥感技术与应用

2022, Vol. 37

Issue (1): 272-278 DOI: 10.11873/j.issn.1004-0323.2022.1.0272

草地遥感专栏

基于无人机与卫星遥感的草原地上生物量反演研究

李淑贞(

),徐大伟,范凯凯,陈金强,佟旭泽,辛晓平,王旭(

)

中国农业科学院农业资源与农业区划研究所，北京 100081

Research of Grassland Aboveground Biomass Inversion based on UAV and Satellite Remoting Sensing

Shuzhen Li(

),Dawei Xu,Kaikai Fan,Jinqiang Chen,Xuze Tong,Xiaoping Xin,Xu Wang(

)

Institute of Agricultural Resources and Regional Planning，Chinese Academy of Agricultural Sciences，Beijing 100081，China

全文: PDF(1514 KB) HTML

摘要：

草原生物量是评价草原生态系统功能的重要参数。为了快速、准确、有效地估算草原地上生物量，以呼伦贝尔草原为研究区，基于无人机多光谱影像和卫星遥感（Sentinel-2）影像，选择GNDVI、LCI、NDRE、NDVI、OSAVI、EVI等6个植被指数，结合实测地上生物量数据，建立植被指数回归模型，并采用留一法交叉验证进行精度评价。结果表明：基于无人机多光谱影像的LCI-生物量回归模型（RRMSE为18%，测量值与预测值R²为0.70）和NDRE-生物量模型（RRMSE为18%，测量值与预测值R²达到0.71）精度高于其他植被指数回归模型；基于无人机多光谱影像的生物量—植被指数模型（RRMSE均低于22%）模拟精度均优于基于Sentinel-2影像的生物量—植被指数模型（RRMSE均高于25%），可以更精确地反演草原地上生物量，研究结果可为草原生物量精准反演提供科学方法和依据。

关键词： 无人机; Sentinel?2; 地上生物量; 红边; 植被指数

Abstract:

Grassland biomass is an important parameter to evaluate the grassland ecosystem function. To estimate the grassland aboveground biomass rapidly， accurately and effectively， six vegetation indices （GNDVI， LCI， NDRE， NDVI， OSAVI and EVI） were selected and calculated based on UAV multi-spectral images and satellite remote sensing （Sentinel-2） images， combined with the ground measured biomass data. The vegetation index regression model was established， and the precision was verified by the left one method. The results showed that the accuracy of LCI-biomass regression model （RRMSE = 18%， the measured and predicted R² = 0.70） and NDRE-biomass model （RRMSE = 18%， the measured and predicted R² = 0.71） based on UAV multi-spectral images was higher than that of other vegetation -biomass models. The biomass-vegetation index models based on UAV multi-spectral images （RRMSE lower than 22%） have better simulation accuracy than Sentinel-2 biomass-vegetation index models （RRMSE higher than 25%）， which can more accurately retrieve the aboveground biomass of Hulunbuir grassland. The results can provide scientific methods and basis for accurate retrieval of grassland biomass.

Key words: UAV Sentinel-2 Aboveground biomass Red edge Vegetation index

收稿日期: 2021-06-15 出版日期: 2022-04-08

ZTFLH:

S812

基金资助: 国家重点研发计划项目(2017YFE0104500);中央级公益性科研院所基本业务费专项(1610132020028)

通讯作者: 王旭 E-mail: 82101202278@caas.cn;wangxu01@caas.cn

作者简介: 李淑贞（1996-），女，山东寿光人，硕士研究生，主要从事农业资源与环境遥感研究。E?mail:82101202278@caas.cn

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	李淑贞
	徐大伟
	范凯凯
	陈金强
	佟旭泽
	辛晓平
	王旭

引用本文:

李淑贞,徐大伟,范凯凯,陈金强,佟旭泽,辛晓平,王旭. 基于无人机与卫星遥感的草原地上生物量反演研究[J]. 遥感技术与应用, 2022, 37(1): 272-278.

Shuzhen Li,Dawei Xu,Kaikai Fan,Jinqiang Chen,Xuze Tong,Xiaoping Xin,Xu Wang. Research of Grassland Aboveground Biomass Inversion based on UAV and Satellite Remoting Sensing. Remote Sensing Technology and Application, 2022, 37(1): 272-278.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2022.1.0272 或 http://www.rsta.ac.cn/CN/Y2022/V37/I1/272

图1 研究区及样点地理位置示意图

植被指数	计算公式
绿色归一化植被指数GNDVI	$ρ n i r - ρ g r e e n ρ n i r + ρ g r e e n$
叶片叶绿素指数LCI	$ρ n i r - ρ r e d e d g e ρ n i r + ρ r e d$
归一化差异红边NDRE	$ρ n i r - ρ r e d e d g e ρ n i r + ρ r e d e d g e$
归一化植被指数NDVI	$ρ n i r - ρ r e d ρ n i r + ρ r e d$
优化土壤调整植被指数OSAVI	$ρ n i r - ρ r e d ρ n i r + ρ r e d + 0.16$
增强型植被指数EVI	2.5× $ρ n i r - ρ r e d ρ n i r + 6 × ρ r e d - 7.5 × ρ b l u e + 1$

表1 植被指数与计算方法

表2 基于无人机植被指数的草原地上生物量回归模型

图2 无人机与卫星植被指数模型精度对比

表3 基于无人机估算模型的精度评价

表4 基于Sentinel-2植被指数草原地上生物量回归模型

表5 基于Sentinel-2估算模型的精度评价

1	Fang Jingyun， He Jinsheng， Xiao Yu， et al. Spatial cistribution of grassland biomass in China［J］. Chinese Journal of Plant Ecology， 2004， 28（4）：491-498.
1	贺金生，方精云，朴世龙，等.中国草地植被生物量及其空间分布格局［J］.植物生态学报， 2004， 28（4）：491-498.
2	Zhao F， Xu B， Yang X C， et al. Remote sensing estimates of grassland aboveground biomass based on MODIS Net Primary Productivity （NPP）： A case study in the Xilingol grassland of Northern China［J］. Remote Sensing，2014， 6：5368-5386. DOI：10.3390/rs6065368 . doi: 10.3390/rs6065368
3	Jin Yunxiang， Xu Bin， Yang Xiuchun， et al. Remote sensing dynamic estimation of grass production in Xilinguole， Inner Mongolia［J］. Scientia Sinica（Vitae）， 2011，41（12）：1185-1195.
3	金云翔，徐斌，杨秀春，等.内蒙古锡林郭勒盟草原产草量动态遥感估算［J］.中国科学：生命科学，2011，41（12）：1185-1195.
4	Li Suying， Li Xiaobing， Ying Ge， et al. Vegetation indexes-biomass models for typical semi-arid steppe—A case study for Xilinhot in Northern China［J］. Chinese Journal of Plant Ecology，2007，31（1）：23-31.
4	李素英，李晓兵，莺歌，等.基于植被指数的典型草原区生物量模型——以内蒙古锡林浩特市为例［J］.植物生态学报，2007，31（1）：23-31.
5	Yan Ruirui， Tang Huang， Ding Lei， et al. Natural mowing grassland resource distribution and biomass estimation based on remote sensing in Hulunber［J］.Transactions of the Chinese Society of Agricultural Engineering， 2017，33（15）：210-218.
5	闫瑞瑞，唐欢，丁蕾，等.呼伦贝尔天然打草场分布及生物量遥感估算［J］.农业工程学报，2017，33（15）：210-218.
6	Wang Xiaoqin， Wang Miaomiao， Wang Shaoqiang， et al. Extraction of vegetation information from visible unmanned aerial vehicle images［J］. Transactions of the Chinese Society of Agricultural Engineering， 2015，31（5）：152-159.
6	汪小钦，王苗苗，王绍强，等.基于可见光波段无人机遥感的植被信息提取［J］.农业工程学报，2015，31（5）：152-159.
7	Batistoti J， Junior J M， LÍtavo， et al. Estimating pasture biomass and canopy height in Brazilian Savanna using UAV photogrammetry［J］. Remote Sensing， 2019， 11（20）：2447-2459.
8	Zhang Zhengjian， Li Ainong， Bian Jinhu， et al. Estimating aboveground biomass of grassland in Zoige by visible vegetation index derived from unmanned aerial vehicle image［J］. Remote Sensing Technology and Application， 2016，31（1）：51-62.
8	张正健，李爱农，边金虎，等.基于无人机影像可见光植被指数的若尔盖草地地上生物量估算研究［J］.遥感技术与应用，2016，31（1）：51-62.
9	Sun Shize， Wang Chuanjian， Yin Xiaojun， et al. Estimating aboveground biomass of natural grassland based on multispectral images of unmanned aerial vehicles［J］. Journal of Remote sensing，2018，22（5）：848-856.
9	孙世泽，汪传建，尹小君，等.无人机多光谱影像的天然草地生物量估算［J］.遥感学报，2018，22（5）：848-856.
10	Zhang Ya， Yin Xiaojun， Wang Weiqiang， et al. Estimation of grassland aboveground biomass using Landsat-8 OLI satellite image in the Northern Hillside of Tianshan Mountain［J］.Remote Sensing Technology and Application，2017，32（6）：1012-1021.
10	张雅，尹小君，王伟强，等. 基于Landsat-8 OLI遥感影像的天山北坡草地地上生物量估算［J］. 遥感技术与应用， 2017，32（6）：1012-1021.
11	Wang Xu， Yan Yuchun， Yan Ruirui， et al. Effect of rainfall on the seasonal variation of soil respiration in Hulunber Meadow Steppe［J］. Acta Ecologica Sinica，2013，33（18）：5631-5635.
11	王旭，闫玉春，闫瑞瑞，等.降雨对草地土壤呼吸季节变异性的影响［J］.生态学报，2013，33（18）：5631-5635.
12	Wang Xu， Yan Ruirui， Deng Yu， et al. Effect of grazing on the temperature sensitivity of soil respiration in Hulunber Meadow Steppe［J］. Environment Science，2014，35（5）：1909-1914.
12	王旭，闫瑞瑞，邓钰，等.放牧对呼伦贝尔草甸草原土壤呼吸温度敏感性的影响［J］.环境科学，2014，35（5）：1909-1914.
13	Gao Yan， Liang Zeyu， Wang Biao， et al. UAV and satellite remote sensing images based aboveground biomass inversion in the meadows of Lake Shengjin［J］. Journal of Lake Sciences， 2019，31（2）：517-528.
13	高燕，梁泽毓，王彪，等.基于无人机和卫星遥感影像的升金湖草滩植被地上生物量反演［J］.湖泊科学，2019，31（2）：517-528.
14	Wang Hanghang， Wang Jie， Cui Yuhuan， et al.Remote sensing monitoring on spatial differentiation of suspended sediment concentration in a river-lake system based on Sentinel-2 MSI imaging： A case for Shengjin Lake and connected Yangtze River section in Anhui Province［J］. Environment Science， 2020，41（3）：1207-1216.
14	王行行，王杰，崔玉环.基于Sentinel-2 MSI影像的河湖系统水体悬浮物空间分异遥感监测：以安徽省升金湖与连接长江段为例［J］.环境科学，2020，41（3）：1207-1216.
15	Zhang Yannan， Niu Jianming， Zhang Qing， et al. A discussion on applications of vegetation index for estimating aboveground biomass of typical steppe［J］. Acta Prataculturae Sinica， 2012，21（1）：229-238.
15	张艳楠，牛建明，张庆，等.植被指数在典型草原生物量遥感估测应用中的问题探讨［J］.草业学报，2012，21（1）：229-238.
16	Xie Lan， Gao Donghong. The application and comparison of different nonlinear fit methods［J］.Journal of Mathematics in Practice and Theory， 2009，39（10）：117-121.
16	谢兰，高东红.非线性回归方法的应用与比较［J］. 数学的实践与认识， 2009，39（10）： 117-121.
17	Yi Qiuxiang. Remote estimation of cotton LAI using Sentinel-2 multispectral data［J］. Transactions of the Chinese Society of Agricultural Engineering， 2019，35（16）：189-197.
17	易秋香.基于Sentinel-2多光谱数据的棉花叶面积指数估算［J］.农业工程学报，2019，35（16）：189-197.
18	Filho Guerini， Kuplich， Quadros. Estimating natural grassland biomass by vegetation indices using Sentinel-2 remote sensing data［J］. International Journal of Remote Sensing，2020，41（8）：2861-2876. DOI：10.1080/01431161.2019. 1697004 . doi: 10.1080/01431161.2019. 1697004
19	Guo Yunkai， Liu Yuling， Xu Min， et al. Modeling and analysis of red edge index estimated by leaf Area Index in road vegetation［J］. Science of Surveying and Mapping， 2021，46（1）：93-98.
19	郭云开，刘雨玲，许敏，等.植被叶面积指数估算的红边指数建模分析［J］.测绘科学，2021，46（1）：93-98.
20	Boochs F， Kupfer G， Dockter K， et al. Shape of the red edge as vitality indicator for plants［J］. International Journal of Remote Sensing，1990，11（10）：1741-1753. DOI： 10.1080/01431169008955127 . doi: 10.1080/01431169008955127
21	Penuelas F J. The red edge position and shape as indicators of plant chlorophyll content， biomass and hydric status［J］. International Journal of Remote Sensing，1994，15（7）：1459-1470. DOI： 10.1080/01431169408954177 . doi: 10.1080/01431169408954177
22	Zhao Yingshi. The principle and method of analysis of remote sensing application［M］. Beijing： Science Press， 2003.
22	赵英时.遥感应用分析原理与方法［M］.北京：科学出版社，2003.
23	Dong Jianjun. Yield estimation of typical grassland based on multi-source satellite data： A case study of Xilin River Basin［D］.Hohhotl： Inner Mongolia University，2013.［董建军，基于多源卫星数据的典型草原遥感估产研究——以锡林河流域为例［D］.呼和浩特：内蒙古大学，2013.］
24	Liu Hong， Guo Wenli， Quan Weijun.Climatic division of the types and yields of grassland in Inner Mongolia［J］. Journal of Applied Meteorological Science，2011，22（3）：329-335.
24	刘洪，郭文利，权维俊. 内蒙古草地类型与生物量气候区划［J］. 应用气象学报， 2011，22（3）：329-335.
25	Lai Qiang， Li Qingfeng， Aoqier Morigen， et al. A study on factors affecting moisture content measurement and ratio of forage fresh weight to dry weight［J］. Chinese Journal of Grassland，2008， 30（4）：73-77.
25	来强，李青丰，莫日根敖其尔，等. 影响牧草含水量测定以及牧草干鲜比的主要因素［J］. 中国草地学报， 2008， 30（4）：73-77.
26	Gao Yan， Liang Zeyu， Wang Biao， et al. UAV and satellite remote sensing images based aboveground biomass inversion in the meadows of Lake Shengjin［J］. Journal of Lake Science，2019， 31（2）：215-226.
26	高燕，梁泽毓，王彪，等. 基于无人机和卫星遥感影像的升金湖草滩植被地上生物量反演［J］. 湖泊科学， 2019， 31（2）：215-226.
27	Zeng Na， Ren Xiaoli， He Honglin， et al.Estimation of grassland aboveground biomass in Three-river Headwaters region based on neural network［J］. Research of Environmental Sciences， 2017，30（1）：59-66.
27	曾纳，任小丽，何洪林，等. 基于神经网络的三江源区草地地上生物量估算［J］. 环境科学研究，2017，30（1）：59-66.

[1]	郭擎,朱丽娅,李安,顾铃燕. 基于NDVI变化检测的滑坡遥感精细识别[J]. 遥感技术与应用, 2022, 37(1): 17-23.
[2]	史宜梦,刘希胜,朱文彬,宋宏利. 基于GEE云平台的黄河源区河流径流量遥感反演研究[J]. 遥感技术与应用, 2022, 37(1): 186-195.
[3]	黄耀欢,熊标,杨海军,伍程斌,朱海涛. 入河排污口遥感排查进展评述[J]. 遥感技术与应用, 2022, 37(1): 24-33.
[4]	朱金明,李利伟,程钢,高连如,张兵. 基于Sentinel-2和全卷积网络的北京六环内高层建筑区提取与分析[J]. 遥感技术与应用, 2021, 36(6): 1436-1445.
[5]	刘帅,栾奎峰,谭凯,张卫国. 基于无人机LiDAR点云的多类型植被覆盖滩涂地形滤波[J]. 遥感技术与应用, 2021, 36(6): 1272-1283.
[6]	马锦典,江洪. SEVI指数消除4种十米级空间分辨率卫星影像地形阴影影响的效果评价[J]. 遥感技术与应用, 2021, 36(5): 1100-1110.
[7]	吴川虎,陶于祥,罗小波. 基于Google Earth Engine的重庆市植被指数长时间序列S-G滤波方法的改进与实现[J]. 遥感技术与应用, 2021, 36(5): 1189-1198.
[8]	罗玲,毛德华,张柏,王宗明,杨桄. 芦苇湿地植被NPP估算方法探索与应用[J]. 遥感技术与应用, 2021, 36(4): 742-750.
[9]	梁爽,宫兆宁,赵文吉,关鸿亮,梁亚囡,陆丽,赵雪. 基于多季相Sentinel-2影像的白洋淀湿地信息提取[J]. 遥感技术与应用, 2021, 36(4): 777-790.
[10]	胡宜娜,安如,艾泽天,都伟冰. 基于无人机高光谱影像的三江源草种精细识别研究[J]. 遥感技术与应用, 2021, 36(4): 926-935.
[11]	朱曼,张立福,王楠,林昱坤,张琳姗,王飒,刘华亮. 基于Sentinel-2的UNVI植被指数及性能对比研究[J]. 遥感技术与应用, 2021, 36(4): 936-947.
[12]	刘鹤,顾玲嘉,任瑞治. 基于无人机遥感技术的森林参数获取研究进展[J]. 遥感技术与应用, 2021, 36(3): 489-501.
[13]	边瑞,年雁云,勾晓华,贺泽宇,田行宜. 基于无人机激光雷达的森林冠层高度分析[J]. 遥感技术与应用, 2021, 36(3): 511-520.
[14]	廖鸿燕,周小成,黄洪宇. 基于无人机遥感技术的台风灾害倒伏绿化树木检测[J]. 遥感技术与应用, 2021, 36(3): 533-543.
[15]	屈炀,袁占良,赵文智,陈学泓,陈家阁. 基于多时序特征和卷积神经网络的农作物分类[J]. 遥感技术与应用, 2021, 36(2): 304-313.

Viewed

Full text

Abstract

Cited

Shared

Discussed