干旱区生态学研究中若干问题的思考

在分析目前干旱区生态学研究存在的主要问题的基础上,对未来干旱区生态学研究的核心、尺度和研究手段选择等问题进行了探讨,最后就干旱区生态学研究几个值得关注的研究领域进行了阐述。作者认为,干旱区生态学研究的核心应该是绿洲,从管理实践的角度,干旱区的生态学研究尺度应该是湖泊流域,而非以前被广泛采纳的河流流域。在干旱区生态学研究的手段上,随着高清晰度商业化遥感卫星的应用,结合过去的传统方法,与GIS和RS相结合的遥感手段应该是今后生态学研究所依赖的主要手段。而早春短命植物层片与短命动物研究、干旱区的城市森林建设、干旱区民族生态学与人地关系研究、生态用水的深化研究、绿洲景观生态过程及其规划实践研究等,应该是在不偏废过去研究工作的基础上,值得在未来关注的研究领域。     

我国土壤动物生态地理研究进展

通过回顾我国近30年来土壤动物生态地理研究的进展,概述了我国土壤动物群落多样性及生态地理分布。包括我国从热带、亚热带到温带,从森林、草地、沙漠到湿地、农田乃至城市等诸多生态系统。总结了土壤动物群落对环境的响应及其指示意义研究的相关进展,从土壤动物对环境的营造、净化及其在生态系统凋落物分解和物质循环中的作用三个方面论述了土壤动物的功能,最后介绍了土壤动物与其他生物的互作、地上地下的生态学联系、全球变化对土壤动物群落的影响等热点领域的研究现状,并提出了未来土壤动物生态地理研究的热点问题。包括分子生物技术在土壤动物分类研究中的应用;土壤动物群落多样性的功能和机理;地上与地下生态系统的交互作用;干扰、污染、生物入侵和全球变化对土壤动物群落和功能的影响等。     

无人机组网遥感数据体系建设评介

无人机组网遥感数据是指在无人机组网条件下获取的遥感观测数据。随着无人机组网系统的复杂化,获取的遥感数据呈几何量级增长,迫切需要一种与无人机组网技术相匹配的标准化无人机组网遥感数据管理体系。遗憾的是,迄今为止,国内外还没有完善的无人机组网遥感数据体系,也没有相关文献系统地介绍无人机组网遥感数据体系的发展历程。论文依次对无人机组网遥感数据的发展历史、数据特点、数据界定和分类标准、获取和处理流程、不同场景下的应用进行了系统的梳理,指出了无人机组网遥感数据体系未来的研究方向。研究成果是无人机组网遥感数据体系研究的一次探索,将为无人机组网条件下相关行业标准的制定提供参考依据,也为无人机组网遥感数据的深层次应用提供借鉴。     

第二届“无人机遥感在生态学/地理学中的应用研讨会”圆满结束

2018年12月26-28日,由广州地理研究所杨龙研究员和孙中宇副研究员联合发起的“第二届无人机遥感在生态学/地理学中的应用”研讨会在广州顺利召开,来自全国各科研院所和高校的专家、学者和无人机研发企业的研发者等40多家单位的共计120余名代表齐聚一堂。本次研讨会主要分为五大主题,分别是无人机低空遥感技术、无人机遥感在生态学中的应用、无人机遥感在地理学中的应用、无人机遥感在生态学/地理学中的潜在应用以及无人机基础培训与遥感平台展示等。     

不透水表面遥感监测及其应用研究进展

不透水表面是城市中一种人工地表特征,隔离地表水下渗到土壤,割断了城市地表与地下水文联系,主要由城市中的道路、停车场、广场及屋顶等建筑物组成.不透水表面影响城市的地表径流、水文循环、水体质量、局部气候、生物多样性等生态环境要素,是监测城市生态系统及环境变化的重要指标,也是许多生态环境模型的主要输入参数.本文归纳了不透水表面提取技术及其对城市自然生态环境影响的研究进展.从遥感提取技术方面看,亚像元分解等新的运算方法提取中尺度分辨率遥感影像的不透水表面,将是未来遥感技术应用到城市自然资源环境研究的趋势.在数据源方面,中分辨率(10～100m)与高分辨率(0.3～5m)遥感数据为不透水表面指数在大范围、多时段的获取提供了可靠基础.在不透水表面指数应用方面,城市地表覆被监测与模拟可以为城市未来发展及规划管理提供基础.鉴于不透水表面决定了城市地区的地表水文循环、非点源污染、能量分布、植被变化及生物多样性等生态环境要素,因此搭起深入理解城市景观格局与生态过程相互关系的桥梁,是研究城市化的生态环境效应的最佳切入点.     

森林生态系统遥感监测技术研究进展

森林是陆地生态系统的主体,森林生态系统监测技术是实现森林可持续利用与全球变化研究的重要支撑与信息保障。从4个方面概述了遥感技术在森林生态系统监测中的应用研究进展：森林遥感分类及变化监测、森林植被参数遥感反演、森林蓄积量与生物量遥感估算、森林干扰遥感监测等。结合遥感技术的发展,总结了森林生态系统监测中使用的多源遥感数据和各类模型,提出集成地面调查数据、高分地-空雷达扫描监测技术,以及多源光学遥感建模技术和生态系统过程模型,构建多维度、多尺度、高时间密度的森林生态系统监测平台的研究展望。     

微博数据在生态环境监测中的潜力研究 ——以成渝城市群为例

生态环境与人类生活息息相关,关注公众对生态环境的态度是生态环境监测的重要组成部分.日益丰富的社交媒体数据为获取大范围的公众反馈信息提供了快捷渠道.该文以成渝城市群为研究区,基于微博这一典型社交媒体数据,应用情感分析法并与遥感生态指数(RSEI)分析结果进行对比,从不同尺度探讨微博数据在生态环境监测中的潜力.结果表明:微博数据能够准确反映2010-2018年成渝城市群生态环境的演变,与RSEI的变化趋势一致,且对于区域内各城市,基于微博数据的生态情感指标与RSEI的灰色关联度较高;此外,微博数据能够反映局部区域的生态环境问题,如垃圾污染、绿化破坏和乱焚烧现象等,是对城市尺度生态环境监测的有效补充.微博数据在生态状况趋势评价、生态环境问题阐述和环境问题区域定位等方面具有应用潜力,可契合环境问题管理、完善生态环境监测体系和评价体制等多项应用需求,同时可作为遥感的辅助手段,为生态环境领域提供借鉴.     

国家重点研发项目:中国陆地生态系统生态质量综合监测技术与规范研究（英文）

生态质量是指一定时空范围内生态系统要素、结构和功能的综合特征,具体表现为生态系统的状况、生产能力、结构和功能的稳定性、抗干扰和恢复能力。生态系统的质量是我国生态文明建设和生态环境监测的重要内容,多时空尺度观测技术的发展为生态系统质量监测与评价提供了新机遇,但同时也对国家尺度生态要素、生物多样性和生态功能的观测标准与技术规范提出了新的要求。本国家重点研发项目自2017年7月立项以来,围绕国家尺度生态质量监测技术与规范,开展了生态系统网络观测技术规范、台站生态要素监测、区域生物多样性和区域生态功能监测技术与规范的研究,在典型农林草湿地生态系统开展应用示范。项目在生态质量综合监测指标体系构建、生态系统研究网络观测技术、区域生物多样性和区域生态功能监测、基于无人机和机器学习的荒漠植被监测等方面取得了重要进展,促进了生态质量监测技术的发展。我们组织本专辑从不同视野集中系统介绍本项目已取得的生态质量监测技术和评价方法,以期促进生态学及其观测技术的发展。     

由简入繁，化繁为简：生态＋无人机的“正确”打开方式

在过去的几年时间内,无人机在生态学应用领域取得了快速发展（Koh et al., 2012; Anderson et al., 2013; Whitehead et al., 2014a）。通过与激光雷达、多光谱、高光谱和红外光谱等传感器相结合,无人机技术在生物多样性、动物行为及其数量调查、物候监测、生境监测、野生动植物保护、自然保护区管理、恢复生态学、入侵生态学等领域都得到广泛的应用（郭庆华 等,2016;孙中宇 等,2017;胡健波 等,2018）。我是在2013年开始接触无人机,并关注和尝试将其应用于本人的生物多样性研究中。在近几年的学习和交流过程中,经常有人问我一些无人机相关的问题,比如：应该购买什么型号的无人机？无人机应该飞多高？怎样处理海量的影像数据？怎么提取某个关注的变量信息？我也看到一些研究者以无人机为平台收集了大量的生物与环境数据,却找不到准确的科学问题和适合的研究方法对这些数据进行深入的分析和挖掘。究竟怎样才能将无人机放入生态学家的工具箱呢？什么才是“生态＋无人机”的“正确”打开方式呢？本文将结合自身有限的无人机生态学研究经历来分享我对这些问题的一些认识（因学科背景、专业水平等的差异,本文所提到的不成熟的观点不一定适合所有人）。     

轻小型无人机遥感及其行业应用进展

无人机是低空领域准确、灵活、高效获取多种类型高分辨率遥感数据的重要载体,无人机遥感技术在行业应用创新和管理部门科学决策之间构筑起信息沟通的关键桥梁。随着科技的进步、大数据时代的来临,无人机遥感系统的硬件设备、信息提取方法都取得了飞速的发展;同时其在国民经济主要行业领域的应用也面临着前所未有的机遇和挑战。论文首先介绍了无人机遥感系统的硬件研发进展,并指出轻小型、高精度、标准化与集成化是未来无人机遥感系统发展的总体趋势。其次,详细介绍了目前轻小型无人机遥感应用在农业、林草业、电力、测绘、大气探测和地质灾害等行业的应用现状,指出实现无人机多源遥感数据获取、融合、分析和提取的综合平台是未来轻小型无人机在民用领域行业应用创新的关键所在。最后,针对载荷与飞行平台的一体化集成应用、无人机组网作业、海量数据管理和信息自动化提取等发展趋势提出了几点思考。轻小型无人机遥感在国民经济各行业应用的普及化和标准化,将有助于国家和区域社会经济的健康发展。     

基于Citespace的无人机遥感研究知识图谱分析

为清晰了解国内外无人机遥感应用研究现状及发展态势,以Web of Science核心期刊为数据源,运用文献计量方法与Citespace可视化分析工具对无人机遥感研究的相关文献进行统计分析。结果表明：无人机遥感相关研究文献呈快速增长趋势,与遥感科学、工程学和影像科学摄影技术三门学科联系最为密切;美国、中国、西班牙等国家发文量较多,具备较强研究力量;中国科学院发文量最多,而西班牙最高科研理事会h指数最高,均有较大影响力;澳大利亚学者Lucieer A和西班牙学者Zarco-Tejada PJ的h指数较高,为该领域的代表性学者;无人机遥感技术包含多个研究方向,其中研究热点包括无人机遥感在农业科学和生态学等领域的应用研究、遥感影像分类方法的研究、摄影技术和计算机视觉技术的研究等三方面。     

基于蚁群规则挖掘算法的多特征遥感数据分类

蚁群算法作为一种新型的智能优化算法,已经成功应用在许多领域,然而应用蚁群优化算法进行遥感数据处理则是一个新的研究热点。蚁群规则挖掘算法是基于分类规则挖掘进行分类,能够处理多特征的数据。因此,论文将蚁群规则挖掘算法应用到多特征遥感数据分类处理中,并采用北京地区的Landsat TM和 Envisat ASAR数据作为实验数据,对选择的遥感数据进行了多特征分类实验。实验结果分别与最大似然分类法、C4.5方法进行对比,分析表明:1)蚁群规则挖掘算法是一种无参数分类的智能方法,具有很好的鲁棒性,2)能够挖掘较简单的分类规则;3)能够充分利用多源遥感数据等。它可以充分利用多特征数据进行土地覆盖分类,从而能够提高分类的效率。     

基于多类型无人机数据的红树林遥感分类对比

使用固定翼无人机、消费级旋翼无人机和专业级旋翼无人机获取广东珠海淇澳岛红树林保护区多类型无人机遥感影像,使用基于面向对象分类的K-最近邻与随机森林分类器对研究区影像进行红树林树种精细分类和对比分析,并探讨了不同类型无人机平台在红树林资源调查应用中的优缺点。结果表明：1）固定翼无人机、消费级旋翼无人机和专业级旋翼无人机数据使用K-最近邻法的分类精度分别为：73.8%、72.8%和79.7%;使用随机森林法的分类精度分别为：81.1%、84.8%和89.3%。3种平台类型的无人机数据均适用于红树林精细分类研究,对于无人机红树林遥感数据,随机森林的分类方法优于K-最近邻方法。2）以拍摄面积与用时之比估算采集效率,固定翼无人机、消费级旋翼无人机和专业级旋翼无人机分别为0.036、0.013和0.003 km2/min。固定翼无人机的采集效率具有明显优势。3）固定翼无人机适合大范围红树林数据采集,要求较高;消费级旋翼无人机适于获取小范围精细数据,成本低且易学易用;专业级旋翼无人机适合搭载质量稍大的如成像光谱仪、LiDAR等专业传感器获取多源数据。最后给出了无人机在红树林遥感研究中的注意事项和建议。     

无人机遥感在河流岸线资源监管中的应用

以广东省一村级河长监管河段岸线管理范围为研究区域,利用民用轻型无人机采集现场数据,经影像拼接、目标解译和相关资料叠加分析,快速获取了岸线侵占后的界桩、围栏与补种乔灌草等整改措施实施情况,通过整改设计图与遥感判读出的现状结果对比,精准筛查整改措施未落实或整改不到位等监管所需掌握的现存问题区域。研究结果显示：相比传统现场核查,基于无人机遥感方法对于点状目标（如界桩）和线状目标（如围栏）的排查更加高效直观,对面状分布目标（如植被栽植）的复核更具备现场核查所无法比拟的优势,部分不易到达区域的复核的任务也都能较好地解决。无人机遥感作为获取空间数据的重要手段之一,具有机动灵活、影像分辨率高等特点,基于无人机技术的岸线监管可较好解决当前日常监管中存在的问题,对河流岸线监管具有重要意义,应用前景广阔。     

基于多源遥感和机器学习方法的科尔沁沙地植被覆盖度反演

植被覆盖度是监测生态系统及其功能的关键参数,如何提高大区域植被覆盖度的反演精度,对生态脆弱区环境可持续发展至关重要。本研究基于人工神经网络、支持向量回归和随机森林等机器学习方法,利用无人机、Worldview-2与Landsat 8 OLI遥感数据,对科尔沁沙地植被覆盖度进行多尺度反演。结果表明：随机森林模型比人工神经网络、支持向量回归模型表现佳,可在单元（试验区）、区域（研究区）尺度上较高精度地反演沙地的植被覆盖度,反演值与无人机实测值均在线性水平上呈显著相关（P<0.01）;在单元、区域尺度上,构建的植被覆盖度反演模型测试集R²分别为0.84、0.80,MSE分别为0.0145、0.0370,一致性指数d分别为0.9576、0.8991。利用多源遥感数据和机器学习方法,通过局部区域的高精度反演逐步实现低空间分辨率遥感影像的大区域植被覆盖度反演,不仅可有效提高沙地植被覆盖度的反演精度（R²=0.78,大于0.63）,也为区域生态环境监测与生态系统健康评价提供支持。     

基于文献计量评价的无人机生态遥感监测研究进展

利用2004-2018年Web of Science数据库中无人机生态遥感监测领域的相关文献,通过文献计量统计和可视化方法对发文量、作者、国家、机构、期刊和关键词等进行分析,从文献计量视角评价了国际无人机生态遥感监测研究的发展历程和进展。结果表明：检索到的381篇该领域的文献来自全球62个国家、646所机构的1 598位学者,2013年以来相关文献数量呈高速增长趋势。在该领域研究中,美国、中国和西班牙的综合科研力量最强;美国农业部、西班牙国家科学研究委员会和中国科学院的发文量全球领先;虽然全球有较多学者从事该领域研究,但国际学者间的交流和合作相对较少。Remote Sensing、International Journal of Remote Sensing和Precision Agriculture是该领域文献的主要期刊载体。除检索词“Unmanned Aerial Vehicle”“Drone”外,“Precision agriculture”“Vegetation indices”“Forest inventory”等是出现频次较高的关键词,表明无人机遥感在精准农业、植被调查等方面的应用是研究重点。为了促进无人机生态遥感监测研究,建议国内外学者间加强交流合作,增强技术创新并拓宽在生态监测领域的应用范围。     

遥感在土壤碳储量估算中的应用

土壤碳库是陆地生态系统碳库的主体,在全球碳平衡中具有重要作用。从20世纪70年代早期Landsat-MSS数据的使用开始,各种传感器的卫星多光谱测量开始广泛应用于土壤调查中。首先,分析了利用遥感方法估算土壤碳储量的可行性。之后,系统分析总结了国内外在土壤碳储量研究中的常用遥感方法,即遥感影像直接估算法、植被指数法和光谱测定分析法。最后,对遥感在土壤碳储量估算研究中的发展趋势做出展望。