基于GPS與無人機遙感反演草地生物量的放牧場利用強度評估

汪傳建，江紅紅，尹小君，孫世澤，張 雅，李 冬

?

基于GPS與無人機遙感反演草地生物量的放牧場利用強度評估

汪傳建，江紅紅，尹小君，孫世澤，張 雅，李 冬

（1. 石河子大學(xué)信息科學(xué)與技術(shù)學(xué)院，石河子 832000；2. 兵團空間信息工程技術(shù)研究中心，石河子 832000）

天然草地是放牧畜牧業(yè)生產(chǎn)賴以生存的物質(zhì)基礎(chǔ)。為了評估天然草地利用情況，該文通過GPS獲取牧群采食軌跡數(shù)據(jù)來估算采食強度，利用無人機遙感估算模型反演草地生物量的時空分布，將畜群采食強度與天然草地生物量進(jìn)行融合，探索不同區(qū)域畜群的采食強度與草地生物量；分別將采食強度與生物量分類進(jìn)行對比，根據(jù)兩者的取值情況，獲得各區(qū)域草地的利用情況，采食強度與天然草地生物量分類滿足以下關(guān)系可得草地利用情況：若兩者等級相等，則草地利用適中；若前者等級大于后者，則草地過度利用；若前者等級小于后者，則草地輕度利用。以新疆生產(chǎn)建設(shè)兵團第八師一五一團紫泥泉牧場為例，對研究區(qū)進(jìn)行監(jiān)測評估。結(jié)果表明，研究區(qū)中區(qū)域3被合理利用的草地面積最大，為612 m2，其他區(qū)域草地被不合理利用的面積占所在區(qū)域面積的50%以上。該方法對合理利用草地，實行劃區(qū)輪牧，促進(jìn)畜牧業(yè)健康發(fā)展具有重要意義。

無人機；遙感；植被；放牧軌跡；利用強度；評估

0 引 言

草地是地球上最重要的陸地生態(tài)系統(tǒng)之一，在生態(tài)環(huán)境保護中舉足輕重。放牧是天然草地利用的主要方式之一[1]，對生態(tài)系統(tǒng)的可持續(xù)發(fā)展起著重要作用[2]，但由于中國對天然草地缺乏有效管理，草地承載力低，超載現(xiàn)象嚴(yán)重，平均超載率為20%[3]。長期過度放牧導(dǎo)致草地退化嚴(yán)重[4]，因此，及時、準(zhǔn)確掌握草地利用情況，并對草地利用進(jìn)行合理規(guī)劃顯得尤為重要。

放牧是天然草地最主要的利用方式之一[1]，通過GPS(global positioning system)軌跡數(shù)據(jù)可獲得放牧行為的時空演變模式，進(jìn)而間接反映草地利用情況。Schlecht等[5]使用GPS設(shè)備記錄牛的軌跡數(shù)據(jù)，并結(jié)合放牧行為（行走、休息和放牧）的實際觀測數(shù)據(jù)，利用線性判別函數(shù)對牛的行為進(jìn)行識別。Henkin等[6]為了研究丘陵地區(qū)牛的覓食行為，利用GPS記錄軌跡數(shù)據(jù)，發(fā)現(xiàn)平坦地區(qū)放牧壓力高于其他地區(qū)。Amir等[7]以以色列北部內(nèi)蓋夫的半干旱地區(qū)為研究區(qū)，利用空間分析技術(shù)與協(xié)方差分析方法，分析了牧群的行走速度，得出羊群的運動速度受畜圈距離的影響，當(dāng)距離畜圈最大或最小時行走速度最快；且坡度也影響羊的速度，隨著坡度的增大而減小。Dengler等[8-9]利用GPS設(shè)備以一定時間間隔記錄牧群的放牧軌跡，通過網(wǎng)格法計算每個單元格內(nèi)的畜群數(shù)，以此得到放牧強度分布；汪傳建等[10]以GPS設(shè)備記錄牧群的軌跡信息，通過緩沖區(qū)和網(wǎng)格分析法獲得放牧分布情況，結(jié)合模擬采食法，利用網(wǎng)格疊加獲得牧群采食量分布。

天然草地是發(fā)展草地畜牧業(yè)的基礎(chǔ)，草地生物量是草地資源合理利用的重要依據(jù)[11-12]。國內(nèi)外學(xué)者利用遙感估算模型反演草地產(chǎn)草量的時空分布，以此推斷草地的利用情況。Zhang等[13]將高時間分辨率的MODIS和中空間分辨率的Landsat數(shù)據(jù)融合，提出了一種高時空分辨率的合成NDVI時間序列，進(jìn)而估算地上生物量。王新云等[14]利用雷達(dá)數(shù)據(jù)和HJ1B數(shù)據(jù)并結(jié)合野外實測生物量，估算荒漠草原地上生物量；Yu等[15]通過MODIS和地理 空間數(shù)據(jù)估算青海果洛藏族自治區(qū)草地生物量以及載畜量。無人機遙感因其低成本、高時效、高時空分辨率的特點[16-17]，已被應(yīng)用于畜牧業(yè)以實現(xiàn)對草地生物量進(jìn)行無人機遙感估產(chǎn)。與傳統(tǒng)的衛(wèi)星遙感相比，無人機遙感具有云下低空飛行的能力，彌補了衛(wèi)星遙感受云層遮擋而獲取不到影像的缺陷[18-19]，即利用無人機遙感可實時獲取草地生物量。孫世澤等[20-21]利用多旋翼無人機獲取的影像，結(jié)合地面實測數(shù)據(jù)，建立天然草地生物量估算模型。

天然草地利用過程是放牧行為與植被生長不斷交互作用的過程，通過畜群對牧草進(jìn)行采食及草地的自我生長，以畜群與草地之間的供求關(guān)系來反映草地的利用情況。本文綜合考慮天然草地植被和放牧過程2種因素對天然草地利用的交互影響，利用GPS定位設(shè)備作為實時放牧數(shù)據(jù)的獲取工具，通過研究放牧?xí)r空軌跡數(shù)據(jù)，獲取畜群采食行為的時空演變模式，結(jié)合現(xiàn)有天然草地產(chǎn)草量無人機遙感估測模型獲取天然草地植被生長情況，然后將畜群的采食量和天然草地產(chǎn)草量進(jìn)行融合，根據(jù)兩者分類后的取值來評估天然草地利用情況。對天然草地利用進(jìn)行評估，以促進(jìn)草地資源的合理利用、保證畜牧業(yè)的可持續(xù)發(fā)展，為畜牧管理部門實施牧場建設(shè)提供決策依據(jù)。

1 研究區(qū)概況

研究區(qū)位于新疆生產(chǎn)建設(shè)兵團第八師一五一團紫泥泉內(nèi)。其地理位置為85°46′15.06″ E，44°00′13.23″ N，其分布面積約864.867 hm2。該地區(qū)為低山丘陵區(qū)，平均海拔高度1 000 m，屬半干旱型氣候，年降水量240～380 mm。草地植被類型單一，群落類型為博洛塔絹蒿、針茅及苔草等，其中絹蒿為優(yōu)勢種，構(gòu)成了溫性荒漠化草地（土質(zhì)荒漠亞類）。畜群放牧?xí)r間從每年的4月份到10月份共7個月，牧場內(nèi)無飲水設(shè)施。在放牧期間，放牧開始是將羊群趕入牧場并由牧民跟隨管理，結(jié)束時趕回畜圈，每日放牧分2個時間段，分別為8:00-11:30與18:00-21:00左右。放牧綿羊為新疆細(xì)毛羊共170只。研究區(qū)DEM數(shù)據(jù)來源于中國科學(xué)院計算機網(wǎng)絡(luò)信息中心國際科學(xué)數(shù)據(jù)鏡像網(wǎng)站（http://www.gscloud.cn/）

2 數(shù)據(jù)獲取與處理

2.1 軌跡數(shù)據(jù)的獲取與處理

本文采用GPS項圈（GT03C，深圳谷米）作為定位跟蹤設(shè)備，定位誤差小于10 m，機身尺寸為91.5 mm× 57.0 mm×37.5 mm（長×寬×高），設(shè)備整機質(zhì)量為202 g，Hulbert等[22]研究表明GPS設(shè)備的質(zhì)量與羊質(zhì)量之比小于2.2%時，不會對羊的生理活動與進(jìn)食速度造成影響。每次隨機選取10只具有代表性的綿羊佩戴GPS。在綜合考慮GPS軌跡數(shù)據(jù)與現(xiàn)實軌跡的擬合度以及GPS設(shè)備續(xù)航時間兩大因素的情況下，將定位時間間隔設(shè)置為3 min，在工作模式下，GPS設(shè)備可正常工作120 h。定位數(shù)據(jù)采集時間為2015年7－10月，2016年4－9月，2017年 4－8月。每個月采集8～29 d的GPS數(shù)據(jù)，采集期間通過GPRS（general packet radio service，通用分組無線服務(wù)技術(shù)）將GPS數(shù)據(jù)實時上傳到超越位置服務(wù)平臺（Exlive）并存入Microsoft SQL Server2008數(shù)據(jù)庫。相應(yīng)的數(shù)據(jù)包括：綿羊的設(shè)備ID、經(jīng)緯度信息、發(fā)送時間等。

GPS數(shù)據(jù)采用每年開始放牧到無人機拍攝之前的所有數(shù)據(jù)。利用ArcGIS軟件進(jìn)行處理，首先，從數(shù)據(jù)庫讀取軌跡數(shù)據(jù)，利用創(chuàng)建XY事件圖層工具使軌跡點進(jìn)行顯示。然后，通過擦除點工具將位于羊圈內(nèi)無用軌跡點進(jìn)行擦除，并分別對研究區(qū)及軌跡數(shù)據(jù)進(jìn)行投影。其次，利用創(chuàng)建漁網(wǎng)工具對投影后的研究區(qū)進(jìn)行處理，并與投影后的軌跡數(shù)據(jù)進(jìn)行空間連接。最后，通過添加字段工具添加采食強度屬性，利用計算字段工具，計算每個單元格的采食強度。

2.2 無人機多光譜影像數(shù)據(jù)的獲取與處理

本研究利用大疆Spreading Wing S1 000+八旋翼無人機搭載美國Tetracam公司生產(chǎn)的Micro MCA12 Snap多光譜相機作為傳感器，該傳感器質(zhì)量輕、體積小，共12個波段，每個波段配備1.3兆像素CMOS傳感器，光圈F3.2，焦距9.6 mm，圖像分辨率為1 280×1 024像素。為了滿足后期影像處理的需求，在航線規(guī)劃過程中盡量增加重疊度，本研究飛行過程中航向重疊率為80%，旁向重疊率為60%。無人機多光譜影像獲取之后，利用Pix4D Mapper軟件進(jìn)行拼接輸出正射影像，然后使用ENVI軟件對其進(jìn)行幾何校正、反射率校正、裁剪等處理。

2.3 GPS數(shù)據(jù)與無人機影像數(shù)據(jù)的融合

為了將GPS數(shù)據(jù)與無人機影像數(shù)據(jù)（也即采食強度與草地生物量）進(jìn)行融合。首先，利用要素轉(zhuǎn)點工具將處理后的采食強度分布圖，從面要素轉(zhuǎn)化為點要素，并對采食強度進(jìn)行分類；然后，將處理后的無人機多光譜影像（草地生物量）加載到GIS（geographic information system，地理信息系統(tǒng)）中，利用多值提取至點工具，將影像中的草地剩余生物量加載到采食強度表中；其次，根據(jù)地形數(shù)據(jù)利用坡向工具對已獲得的數(shù)據(jù)進(jìn)行陰陽坡劃分[23]，并將計算所得的研究區(qū)不同坡向的生物量數(shù)據(jù)進(jìn)行合并；最后，對草地剩余生物量進(jìn)行分類。

生物量主要通過無人機多光譜影像與地面實測數(shù)據(jù)進(jìn)行相關(guān)性分析獲得，精度主要由無人機多光譜的空間分辨率決定，無人機多光譜的空間分辨率為0.04 m。軌跡數(shù)據(jù)在計算時并不考慮GPS設(shè)備定位精度且其精度不受限制。由于創(chuàng)建漁網(wǎng)的輸出要素類有最大要素數(shù)目（2 147 483 647）的限制，所以針對整個研究區(qū)允許的最小網(wǎng)格面積為0.5 m×0.5 m。若針對飛行區(qū)域進(jìn)行研究，則可通過裁剪研究區(qū)進(jìn)一步減小網(wǎng)格面積，即以多光譜影像的空間分辨率為最小網(wǎng)格邊長。雖然此種方法提高了生物量的精度，但是卻導(dǎo)致采食強度在計算時每個格網(wǎng)中軌跡點數(shù)基本為0，影響試驗結(jié)果，故本文以整個研究區(qū)所能劃分的最小網(wǎng)格單元為單位進(jìn)行研究。

2.4 地上生物量的獲取

地面數(shù)據(jù)采集在無人機拍攝結(jié)束后立即展開，對于拍攝區(qū)采用坡上、坡中、坡下等間距隨機采樣，設(shè)置1 m× 1 m的樣方，共60個，用手持GPS定位儀記錄樣方所在位置信息，將樣方內(nèi)的植被齊地面剪下并對每個樣方進(jìn)行編號，分別測量各樣方的生物量濕質(zhì)量，并將其置于80 ℃的烘箱中24～48 h直到得到恒定的生物量，最后，稱取每個樣方的生物量干質(zhì)量。地上生物量記錄經(jīng)緯度、海拔高度、時間、生物量的干濕質(zhì)量等信息。

3 研究方法

本研究立足于“天然草地利用過程是放牧行為和植被生長相互作用的過程”這一主張，借助GPS軌跡數(shù)據(jù)來研究放牧行為，利用天然草地的無人機多光譜數(shù)據(jù)反演植被生物量，提出融合GPS軌跡數(shù)據(jù)和無人機多光譜影像數(shù)據(jù)的天然草地利用評估方法。

3.1 草地利用評估方法

為了評估草地利用情況，本文將畜群采食強度與草地生物量進(jìn)行融合，獲取研究區(qū)任意區(qū)域的采食強度及其草地現(xiàn)存量，根據(jù)自然間斷點分級法具有對相似值進(jìn)行最恰當(dāng)?shù)胤纸M的特點，利用ArcGIS中自帶的自然間斷點分級法對采食強度及產(chǎn)草量進(jìn)行分類，然后依據(jù)草地的補償性生長原理，若采食強度等級與生物量等級相等相同，則草地利用適中，若采食強度等級大于生物量等級，則草地過度利用，若采食強度等級小于生物量等級，則草地輕度利用。草地利用情況的基本函數(shù)形式如下

式中為軌跡數(shù)據(jù)，為無人機遙感影像數(shù)據(jù)，為放牧周期，I為采食強度分類等級，B為生物量分類等級。

3.2 采食強度與生物量的計算

鑒于正常放牧情況下，畜群日采食量無明顯差異[24]，GPS點所在位置即為畜群經(jīng)過的采食區(qū)；GPS點數(shù)越多，說明采食強度越大。本文利用GIS中的創(chuàng)建漁網(wǎng)工具將研究區(qū)進(jìn)行網(wǎng)格化處理，然后根據(jù)每個網(wǎng)格中GPS點占研究區(qū)總的GPS點的比例，計算畜群在每個區(qū)域的采食強度，則不同區(qū)域的采食強度為

式中Σ為畜群天的采食強度，g/m2；為畜群的日采食總量，g；A為畜群采食天第個單元格內(nèi)的GPS軌跡點數(shù)；ΣA為畜群采食天研究區(qū)總的GPS軌跡點數(shù)；為單元格面積，m2。

在高時空分辨率下準(zhǔn)確地監(jiān)測草地生物量對于草地生態(tài)農(nóng)業(yè)利用的有效利用具有重要意義[13]。孫世澤等[20]利用無人機多光譜影像，結(jié)合該研究區(qū)的實測地上草地生物量，將坡向分為陰陽坡，并利用SPSS軟件，運用回歸分析法，建立生物量和多種植被指數(shù)間的估算模型，研究表明，該研究區(qū)陰陽坡的草地生物量與比值植被指數(shù)RVI擬合效果較好（陽坡2=0.89，陰坡2=0.907），草地生物量為

式中為RVI，()為草地生物量。

式中nir表示近紅外波段反射率（Band 10），red表示紅光波段反射率（Band 5），RVI為比值植被指數(shù)，根據(jù)綠色健康植被覆蓋地區(qū)的RVI遠(yuǎn)大于1，而無植被覆蓋的地面（裸地、人工建筑、水體、植被枯死或嚴(yán)重蟲害）的RVI在1附近，植被的RVI通常大于2，所以本文中RVI取大于2的值。

4 結(jié)果與分析

本文采用ArcGIS軟件，利用上述建立的草地利用評估方法，對研究區(qū)的軌跡數(shù)據(jù)及無人機多光譜數(shù)據(jù)進(jìn)行處理，并對處理后的數(shù)據(jù)進(jìn)行分類統(tǒng)計，獲得研究區(qū)的草地利用情況分布圖以及草地的有效利用面積。

4.1 草地利用情況分布

按照上述數(shù)據(jù)處理方法，對研究區(qū)數(shù)據(jù)在Pix4D Mapper軟件、ENVI軟件及ArcGIS中進(jìn)行處理，可得如圖1所示結(jié)果。由圖1可得，陰陽坡草地被利用存在差異較大，一般畜群在陰坡采食強度較大，草地被利用的較為嚴(yán)重，主要是由于坡向?qū)χ脖簧L產(chǎn)生影響；陰坡太陽輻射柔和，土壤較為濕潤，溫度相對較低且水分蒸發(fā)量較少，因此植被生長較好，草地產(chǎn)草量較高；而陽坡日照時間長，水分蒸發(fā)量大，土壤肥力較低，草地產(chǎn)草量較低。由圖1可得，陰陽坡交界的區(qū)域草地被過度利用較為嚴(yán)重，產(chǎn)生這種情況的主要原因是陰陽坡交界區(qū)地勢平坦，畜群喜歡在平坦的地方進(jìn)行覓食，此結(jié)果與王薩仁娜等[25]的結(jié)論一致。由圖1a可得，在區(qū)域1畜群在陰坡對草地過度利用較多，在陽坡部分區(qū)域產(chǎn)生過度利用的主要原因是該區(qū)域地勢平坦為畜群喜食區(qū)。從圖1b和1c可以看出，在這2個區(qū)域中畜群在陰坡對草地過度利用比較嚴(yán)重，適度利用較多，輕度利用較少；陽坡部分區(qū)域被過度利用，少量區(qū)域被適度利用，大部分區(qū)域被輕度利用。從圖1d可知，該區(qū)域草地被過度利用相對較少。

圖1 研究區(qū)草地利用情況分布

4.2 草地有效利用面積

對圖1的數(shù)據(jù)進(jìn)行統(tǒng)計，可得表1。由表1可得，在研究區(qū)的不同區(qū)域草地利用情況存在差異。對比4個區(qū)域可以發(fā)現(xiàn)，區(qū)域1草地利用適中的面積相對較少，面積為286 m2，所占比例為36.53%。區(qū)域3草地利用適中的面積相對較多，面積為612 m2，占該區(qū)域總面積的69.39%；草地被輕度利用的面積相對較少，為202 m2，占該區(qū)域草地面積的22.9%；草地被過度利用面積相對較多，有效利用面積為68 m2，占該區(qū)域總面積的7.71%。在區(qū)域1和區(qū)域4中，草地過度利用面積相對較少，分別為33、2 m2，被輕度利用的草地面積較大，分別為464和528 m2。

表1 研究區(qū)草地有效利用面積及其在利用中所占比例

通過對表1中的數(shù)據(jù)進(jìn)行歸類即草地利用適中則為草地利用合理，而草地被過度利用及被輕度利用均屬于不合理利用，可得表2。由表2可得，在草地利用合理中，區(qū)域3草地被合理利用面積最大，為612 m2，所占比例為69.39%；而區(qū)域1的草地被合理利用的面積相對最少，為286 m2，所占比例為36.53%。在草地利用不合理中，區(qū)域4草地利用不合理的面積最大，為530 m2；區(qū)域1草地被不合理利用的比例最大，為63.47%；區(qū)域3草地被不合理利用的面積及比例均為最小，分別為270 m2、30.61%。除區(qū)域3，其余區(qū)域草地不合理利用的面積比例占50%以上。

表2 研究區(qū)草地利用合理情況

5 結(jié)論與討論

根據(jù)無人機遙感的高精度特點，本文利用無人機遙感進(jìn)行草地生物量估產(chǎn)。在此基礎(chǔ)上，利用GPS軌跡數(shù)據(jù)反映畜群的采食情況。將不同區(qū)域畜群對草地的采食情況與草地的生物量情況進(jìn)行分類對比，得到不同區(qū)域草地的利用情況及其有效利用面積。

1）研究區(qū)草地不同坡向草地利用差異較大。從空間分布來看，總體上陰坡草地相對陽坡被過度利用較多，陰坡被適度利用的草地也相對較多。草地在利用過程中受到畜群采食行為和草地生長情況的影響，而畜群采食行為受到坡度的影響，畜群喜食平坦區(qū)域牧草，導(dǎo)致研究區(qū)中平坦區(qū)域草地被利用的較為嚴(yán)重。

2）研究區(qū)中區(qū)域3被合理利用的草地面積最大，為612 m2，是區(qū)域1合理利用的草地面積的2倍多。除區(qū)域3，其他區(qū)域草地被不合理利用的面積占所在區(qū)域面積的50%以上。其中區(qū)域4草地利用不合理的面積最大，為530 m2。區(qū)域3草地被不合理利用的面積及比例均為最小，分別為270 m2、30.61%。

總的來說，研究區(qū)草地被不合理利用的情況較為嚴(yán)重?？赏ㄟ^獲取畜群采食情況及草地生物量，計算不同區(qū)域草地利用情況，根據(jù)草地利用分布情況，采取相應(yīng)策略，進(jìn)行禁牧或者劃區(qū)輪牧，為緩解草地退化，實現(xiàn)草畜平衡，促進(jìn)草地可持續(xù)發(fā)展。

無人機受電池容量的限制，獲得大范圍的影像數(shù)據(jù)較為困難，所以下一階段，將研究無人機遙感與衛(wèi)星遙感的融合，進(jìn)而獲得高時間和高空間分辨率的影像，為獲取大范圍高精度的影像數(shù)據(jù)奠定基礎(chǔ)。

致謝：新疆農(nóng)墾科學(xué)院楊永林老師、紫泥泉種羊場工作人員提供軌跡數(shù)據(jù)采集的支持與幫助，謹(jǐn)此致謝！

[1] 賈宏濤. 新疆退化草地圍封的生態(tài)效應(yīng)分析[D]. 烏魯木齊：新疆農(nóng)業(yè)大學(xué)，2007. Jia Hongtao. Ecological Effect Analysis of Degraded Grassland Fencing in Xinjiang[D]. Urumqi: Xinjiang Agricultural University, 2007. (in Chinese with English abstract)

[2] Jansen V S, Kolden C A, Taylor R V, et al. Quantifying livestock effects on bunchgrass vegetation with Landsat ETM+ data across a single growing season[J]. International Journal of Remote Sensing, 2016, 37(1): 150－175.

[3] 沈?；ǎ煅岳?，趙霞，等. 中國草地資源的現(xiàn)狀分析[J]. 科學(xué)通報，2016(2)：139－154. Shen Haihua, Zhu Yankun, Zhao Xia, et al. Analysis of current grassland resources in China[J]. Chinese Science Bulletin, 2016(2): 139－154. (in Chinese with English abstract)

[4] 楊汝榮. 我國西部草地退化原因及可持續(xù)發(fā)展分析[J]. 草業(yè)科學(xué)，2002，19(1)：23－27. Yang Rurong. Studies on current situation of grassland degradation and sustainable development in Western China[J]. Pratacultural Science, 2002, 19(1): 23－27. (in Chinese with English abstract)

[5] Schlecht E, Hülsebusch C. The use of differentially corrected global positioning system to monitor activities of cattle at pasture[J]. Applied Animal Behaviour Science, 2004, 85(3): 185－202.

[6] Henkin Z, Ungar E D, Dolev A. Foraging behaviour of beef cattle in the hilly terrain of a Mediterranean grassland[J]. Rangeland Journal, 2012, 34(2): 163.

[7] Amir Arnon, Tal Svoray, Eugene David Ungar. The spatial dimension of pastoral herding: A case study from the northern Negev[J]. Israel Journal of Ecology & Evolution, 2011, 57(1/2): 129－149.

[8] Dengler J. Analysis of GPS trajectories to assess goat grazing pattern and intensity in Southern Morocco[J]. Rangeland Journal, 2012, 34(4): 415－427.

[9] Kawamura K, Akiyama T, Yokota H O, et al. Quantifying grazing intensities using geographic information systems and satellite remote sensing in the Xilingol steppe region, Inner Mongolia, China.[J]. Agriculture Ecosystems & Environment, 2005, 107(1): 83－93.

[10] 汪傳建，王偉強，魯為華，等. 基于放牧?xí)r空軌跡數(shù)據(jù)的牧群采食量分布模型[J]. 農(nóng)業(yè)工程學(xué)報，2016，32(13)：125－130. Wang Chuanjian, Wang Weiqiang, Lu Weihua, et al. Feed intake distribution model for herd based on grazing spatio-temporal trajectory data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(13): 125－130. (in Chinese with English abstract)

[11] 李剛，孫煒琳，張華，等. 基于秸稈補飼的青藏高原草地載畜量平衡遙感監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(17)：200－211. Li Gang, Sun Weilin, Zhang Hua, et al. Balance between actual number of livestock and livestock carrying capacity of grassland after added forage of straw based on remote sensing in Tibetan Plateau[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 200－211. (in Chinese with English abstract)

[12] Xu B, Yang X C, Tao W G, et al. MODIS‐based remote sensing monitoring of grass production in China[J]. International Journal of Remote Sensing, 2008, 29(17/18): 5313－5327.

[13] Zhang B, Zhang L, Xie D, et al. Application of synthetic NDVI time series blended from Landsat and MODIS data for grassland biomass estimation[J]. Remote Sensing, 2015, 8(1): 10.

[14] 王新云，郭藝歌，何杰. 基于多源遙感數(shù)據(jù)的草地生物量估算方法[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(11)：159－166. Wang Xinyun, Guo Yige, He Jie. Estimation of above- ground biomass of grassland based on multi-source remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(11): 159－166. (in Chinese with English abstract)

[15] Yu L, Zhou L, Liu W, et al. Using remote sensing and GIS technologies to estimate grass yield and livestock carrying capacity of alpine grasslands in Golog Prefecture, China[J]. Pedosphere, 2010, 20(3): 342－351.

[16] 李宗南，陳仲新，王利民，等. 基于小型無人機遙感的玉米倒伏面積提取[J]. 農(nóng)業(yè)工程學(xué)報，2014，30(19)：207－213. Li Zongnan, Chen Zhongxin, Wang Limin, et al. Area extraction of maize lodging based on remote sensing by small unmanned aerial vehicle[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(19): 207－213. (in Chinese with English abstract)

[17] 趙慶展，劉偉，尹小君，等. 基于無人機多光譜影像特征的最佳波段組合研究[J]. 農(nóng)業(yè)機械學(xué)報，2016，47(3)： 242－248. Zhao Qingzhan, Liu Wei, Yin Xiaojun, et al. Selection of optimum bands combination based on multispectral images of UAV[J]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(3): 242－248. (in Chinese with English abstract)

[18] 胡健波，張健. 無人機遙感在生態(tài)學(xué)中的應(yīng)用進(jìn)展[J]. 生態(tài)學(xué)報，2018，38(1)：20－30. Hu Jianbo, Zhang Jian. Unmanned aerial vehicle remote sensing in ecology: Advances and prospects[J]. Acta Ecologica Sinica, 2018, 38(1): 20－30. (in Chinese with English abstract)

[19] 高姣姣. 高精度無人機遙感地質(zhì)災(zāi)害調(diào)查應(yīng)用研究[D]. 北京：北京交通大學(xué)，2010. Gao Jiaojiao. Application of High Precision UAV Remote Sensing in Geological Disaster Investigation[D]. Beijing: Beijing Jiaotong University, 2010. (in Chinese with English abstract)

[20] 孫世澤，汪傳建，尹小君，等. 無人機多光譜影像的天然草地生物量估算[J]. 遙感學(xué)報. [DOI:10.11834]. 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. [DOI:10.11834]. (in Chinese with English abstract)

[21] 張正健，李愛農(nóng)，邊金虎，等. 基于無人機影像可見光植被指數(shù)的若爾蓋草地地上生物量估算研究[J]. 遙感技術(shù)與應(yīng)用，2016，31(1): 51－62. 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. (in Chinese with English abstract)

[22] Hulbert I A R, Wyllie J T B, Waterhouse A, et al. A note on the circadian rhythm and feeding behaviour of sheep fitted with a lightweight GPS collar[J]. Applied Animal Behaviour Science, 1998, 60(4): 359－364.

[23] 趙文慧，陳妮，閆瑞，等. 近20年來北洛河流域植被覆蓋度隨地形因子變化特征探究[J]. 水土保持研究，2016，23(4)：10－14. Zhao Wenhui, Chen Ni, Yan Rui, et al. Study on variation of the vegetation coverage based on terrain factors in the beiluo river basin in the past 20 years[J]. Research of Soil and Water Conservation, 2016, 23(4): 10－14. (in Chinese with English abstract)

[24] Lin L, Dickhoefer U, Müller K, et al. Grazing behavior of sheep at different stocking rates in the Inner Mongolian steppe, China[J]. Applied Animal Behaviour Science, 2011, 129(1): 36－42.

[25] 王薩仁娜，韓國棟，張圣微，等. 基于3S技術(shù)的綿羊牧食行為與草地環(huán)境相互作用研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2015，23(7)：860－867. Wang Sarenna, Han Guodong, Zhang Shengwei, et al. Analysis of sheep grazing behavior and interaction with grassland environment in desert steppes using 3S[J]. Chinese Journal of Eco-Agriculture, 2015, 23(7): 860－867. (in Chinese with English abstract)

Evaluation for natural grassland utilization intensity based on GPS and UAV remote sensing for grassland biomass inversion

Wang Chuanjian, Jiang Honghong, Yin Xiaojun, Sun Shize, Zhang Ya, Li Dong

(1.832000,; 2.832000,)

Natural grassland is the most important material basis for the survival of grazing livestock husbandry. Assessment of the utilization of natural grassland provides decision-making basis for livestock management department to implement the natural grassland development projects, and has important research and application value for promoting the sustainable development of the grazing livestock husbandry. However, grassland degradation is getting worse. And overgrazing is one of the main causes of grassland degradation. Therefore, it is particularly important to monitor natural grassland utilization timely and accurately. Grazing is one of the most important ways to utilize natural grassland and has an important impact on the sustainable development of the ecosystem. What’s more, grassland is the basis for developing grassland animal husbandry, and grassland biomass is one of the important indicators to determine whether the utilization of natural grassland resources is reasonable. Hence, we put forward that the process of natural grassland utilization was an interactive process between grazing behavior and vegetation growth. Therefore, we studied the evaluation method of the utilization of natural grassland, during which we took grazing behavior and grassland vegetation growth into account at the same time. Firstly, the herd trajectory data acquired from global positioning system (GPS) weaned on the head of sheep was used to analyze feeding intensity. In order to quantify grazing pressure, a feeding intensities (FI) map was created using a grid cell method with the tracking data recorded by the global positioning system (GPS). Secondly, the grassland biomass data was gained by using unmanned aerial vehicle (UAV) remote sensing data. With the existing remote sensing estimation model, the grassland yield distribution of natural grassland was estimated. Thirdly, the feeding intensity and natural grassland biomass was fused by using the multi value extraction point method, and the feeding intensity and grassland biomass of different regions could be obtained. The feeding intensity and biomass were classified, respectively. Finally, according to the hierarchical relationship between the feeding intensity and the biomass, the information about utilization of grassland in various regions was obtained. When the feeding intensity and the natural grassland biomass could meet the following relationship, the information about utilization of grassland could be obtained. If the levels of feeding intensity and biomass were equal, the grassland was moderately used. If the level of feeding intensity was greater than that of biomass, the grassland was overused. If the level of feeding intensity was less than that of biomass, the grassland was light used. Taking pasture of Regiment 151 of the Eighth Division of the Xinjiang Production and Construction Corps as an example, the research area was monitored and assessed. The results showed that the area of grassland that was moderately used in Zone 3 in the study area was the largest, which was 612 m2, while in other areas, more than 50% of the area was unreasonably used. The method is of great significance to the rational use of grassland, rotational grazing, and the healthy development of livestock husbandry.

unmanned aerial vehicle; remote sensing; vegetation; grazing trajectory; utilization intensity; evaluation

10.11975/j.issn.1002-6819.2018.19.011

TP79

A

1002-6819(2018)-19-0082-06

2018-04-03

2018-07-30

國家重點研發(fā)計劃（2017YFB0504203）；國家自然科學(xué)基金（41461088）；兵團空間信息創(chuàng)新團隊（2016AB001）

汪傳建，副教授，博士，主要從事時空數(shù)據(jù)挖掘、時空數(shù)據(jù)安全技術(shù)及應(yīng)用的研究。Email：wcj_inf@shzu.edu.cn

汪傳建，江紅紅，尹小君，孫世澤，張 雅，李 冬.基于GPS與無人機遙感反演草地生物量的放牧場利用強度評估[J]. 農(nóng)業(yè)工程學(xué)報，2018，34(19)：82－87. doi：10.11975/j.issn.1002-6819.2018.19.011 http://www.tcsae.org

Wang Chuanjian, Jiang Honghong, Yin Xiaojun, Sun Shize, Zhang Ya, Li Dong.Evaluation for natural grassland utilization intensity based on GPS and UAV remote sensing for grassland biomass inversion[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(19): 82－87. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.19.011 http://www.tcsae.org