CN111238448B - 一种非破坏性监测草地植物物种多样性的方法 - Google Patents

一种非破坏性监测草地植物物种多样性的方法 Download PDF

Info

Publication number
CN111238448B
CN111238448B CN202010052846.5A CN202010052846A CN111238448B CN 111238448 B CN111238448 B CN 111238448B CN 202010052846 A CN202010052846 A CN 202010052846A CN 111238448 B CN111238448 B CN 111238448B
Authority
CN
China
Prior art keywords
species
diversity
monitoring
occurrence
frequency
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010052846.5A
Other languages
English (en)
Other versions
CN111238448A (zh
Inventor
孙义
宜树华
黄波
丁倩男
张欣雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN202010052846.5A priority Critical patent/CN111238448B/zh
Publication of CN111238448A publication Critical patent/CN111238448A/zh
Application granted granted Critical
Publication of CN111238448B publication Critical patent/CN111238448B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42Determining position
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84Systems specially adapted for particular applications
    • G01N2021/8466Investigation of vegetal material, e.g. leaves, plants, fruits

Abstract

本发明提供一种非破坏性监测草地植物物种多样性的方法。利用无人机灵活、操作简单的特性,并配套相应的航拍和记录、统计方法,实现了大范围的草地植物物种多样性监测,有效解决了传统草地植物物种多样性测定存在效率低下、破坏性、操作成本高、时空可比性差以及难以大范围长期监测的问题;高效率、低成本;无破坏性;可实现长期、定点以及在特定环境下监测。

Description

一种非破坏性监测草地植物物种多样性的方法
技术领域
本发明属于草地植物物种多样性监测技术领域,尤其涉及一种非破坏性监测草地植物物种多样性的方法。
背景技术
物种多样性是草地生态系统保护和合理利用研究的重要内容,传统样方和样带测定方法比较成熟,且形成了相对固定的表征物种多样性的参数。经过长期的实际操作我们发现,现有方法在以下几个方面存在弊端,具体体现如下:
1、投入成本高、效率低下、时效性差且代表性有限:样方法或者样带法的采样过程需要耗费大量的劳动力,工作进度缓慢,从而导致该方法投入高、时效性差且代表性有限;
2、具有破坏性,破坏草地初始状况:采集样品本身对目标样地具有破坏性,加之采集过程的人为干扰,导致草地的初始状况被破坏;
3、难以长期重复监测:由于工作量大、对草地具有破坏性,包括收集样品本身和采集过程中的人为践踏破坏,难以确定前一次测定的确切位置,从而难以实现对草地的长期定点监测;
4、调查范围受限:因为调查成本高、效率低,野外作业时长要求高,无法实现大范围调查;
5、特定环境下难以进行测量:由于传统方法中的样方法和样带法的现场采集要求对实施环境有限制,导致上述方法难以在沼泽、高山等特定环境实施测量。
因此,亟需研发设计一种新的监测方法,以解决上述问题。
发明内容
为解决上述技术问题,本发明提供一种非破坏性监测草地植物物种多样性的方法,有效克服了传统草地物种多样性监测存在效率低下、适用范围有限、破坏性取样以及操作成本高的问题。
为了对披露的实施例的一些方面有一个基本的理解,下面给出了简单的概括。该概括部分不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念,以此作为后面的详细说明的序言。
本发明采用如下技术方案:
提供一种非破坏性监测草地植物物种多样性的方法,包括:
S1:在目标样地内垂直于地面拍摄若干照片,且每一张照片作为一个监测单元;
S2:识别出照片中所出现的所有物种,并记录各个物种是否在各个监测单元中出现;
S3:根据步骤S2所记录的各个物种的出现情况,统计获得各个物种出现的频率,根据各个物种出现的频率计算得到各个物种多样性指数;
S4:在任意时间的任意草地类型区,选择至少10个样地,重复步骤S1至S3,计算得到所选择的每一个样地的草地物种多样性指数,并与步骤S3所得到的物种多样性指数进行比对。
其中,所述在目标样地内垂直于地面拍摄若干照片的过程包括:
在40米×40米的目标样地内确定16个航拍点,所述16个航拍点呈矩阵状且均匀分布在所述目标样地内;
设定无人机的航线,使得所述无人机按照规定的航线经过所述16个航拍点,当所述无人机到达航拍点时,在距离地面2m的高度上垂直向下拍摄照片;
其中,所述无人机具备地形跟随系统且搭载像素值不小于1200万的相机。
其中,所述的一种非破坏性监测草地植物物种多样性的方法,还包括:当所述无人机完成16个航拍点的拍摄后,在研究区内按照距离地面0.5m的高度上随机拍摄10张照片。
其中,所述记录各个物种是否在各个监测单元中出现是指,分别识别各个监测单元中出现的物种,若物种在其中一个监测单元出现,则标记一次此物种。
其中,步骤S3中,统计获得各个物种出现的频率的过程包括:
S31:获取每一个物种被标记的次数,即各个物种出现的总频次;
S32:获取所有物种被标记的总次数,即全部物种出现的总频次;
S33:将步骤S31获取的数据与步骤S32获取的数据相比,得到各个物种出现的频率。
其中,步骤S3中,通过下式计算得到各个物种多样性指数:
H=-∑pi ln pi
X=f(pi)
上式中,Pi为步骤S33计算得到的各个物种出现的频率。
本发明所带来的有益效果:
1.大范围监测:利用无人机灵活、操作简单的特性,并配套相应的航拍和记录、统计方法,实现了大范围的草地植物物种多样性监测;有效解决了传统草地植物物种多样性测定存在效率低下、破坏性、操作成本高以及难以大范围长期监测的问题;
2.高效率、低成本:省略了传统方法中收集植被样本和行走采样的过程,节省工作时间和人力劳动量的投入;购买设备及后续耗费较低,可长期反复利用,大幅节约了成本;
3.无破坏性:采用非破坏性取样,保证定点长期监测的准确性和代表性;
4.可实现长期、定点以及在特定环境下监测:借助无人机的灵活机动性可在高海拔、沼泽和高山等环境下开展测定工作,尤其是地势复杂、海拔高、工作环境艰难的区域;
5.操作简单,打破了传统测定方法的局限性,适于推广应用。
附图说明
图1为本发明无人机按照设定航线在草地上获取低空航拍照片的示意图。
具体实施方式
以下描述和附图充分地展示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。
在一些说明性的实施例中,如图1所示,提供一种基于无人机航拍照片大范围、长期、定点、非破坏性监测草地植物物种多样性的方法,利用无人机灵活、操作简单的特性,以及传统草地物种多样性的计算方法,实现高效、大范围地进行草地物种多样性的长期监测。
具体包括:
S1:获取监测单元。
具体的,步骤S1是在目标样地内垂直于地面拍摄若干照片,且每一张照片作为一个监测单元。
其中,在目标样地内垂直于地面拍摄若干照片的过程包括:
首先,选取目标样地101,在40米×40米的目标样地101内确定16个航拍点102,16个航拍点呈矩阵状且均匀分布在目标样地内;
然后,设定无人机的航线103,使得无人机按照规定的航线经过16个航拍点,当无人机到达航拍点时,在距离地面2m的高度上垂直向下拍摄照片。设定的航线可重复飞行,且飞行高度比地面植物平均高度高2m。无人机的定点航拍照片可通过控制系统确定的在固定点可重复拍摄获取的照片,
由于无人机在等高情况下垂直向下拍摄图片,所以无人机在各个航拍点拍摄的面积基本一致。无人机具备地形跟随系统,即无人机具备地形跟随功能,保证与地面垂直距离保持一致,且始终保证镜头与拍摄面垂直以确保每张照片面积一致,也可防止因地势和围栏阻隔损坏无人机,监测的总面积和每张照片的面积一致,保证研究数据的可比性。无人机搭载像素值不小于1200万的相机,用于拍摄照片。
优选的,当无人机完成16个航拍点的拍摄后,在研究区内按照距离地面0.5m的高度上随机拍摄10张照片。利用无人机螺旋桨旋转产生的风和近距离拍摄获得更为全面、清晰的物种照片,作为后续物种辨别过程中不确定的物种辨别的佐证。
S2:识别与记录。
具体的,识别出照片中所出现的所有物种,并记录各个物种是否在各个监测单元中出现。
其中,记录各个物种是否在各个监测单元中出现是指,分别识别各个监测单元中出现的物种,若物种在其中一个监测单元出现,则标记一次此物种,即依次在每一张照片中记录所有出现的物种,出现的物种记录为1,未出现的物种不做记录。对于模糊无法确定的物种通过查找0.5m高度的照片进一步明确。例如,垂穗披碱草在16个监测单元中的8个监测单元中出现,则垂穗披碱草被标记的次数为8,则垂穗披碱草出现的总频次为8;钝裂银莲花在16个监测单元中的6个监测单元中出现,则钝裂银莲花被标记的次数为6,则钝裂银莲花出现的总频次为6。
S3:将物种出现频率作为重要性的表征值,计算得到各个物种多样性指数。
具体的,根据步骤S2所记录的各个物种的出现情况,统计获得各个物种出现的频率,根据各个物种出现的频率计算得到各个物种多样性指数。
统计获得各个物种出现的频率的过程包括:
S31:获取每一个物种被标记的次数,即各个物种出现的总频次,例如在步骤S2中所进行的举例,垂穗披碱草出现的总频次为8,钝裂银莲花出现的总频次为6,当然还有其他物种,这里不再举例。
S32:获取所有物种被标记的总次数,即全部物种出现的总频次。例如,若物种只有两个,为垂穗披碱草与钝裂银莲花,例如在步骤S2中所进行的举例,垂穗披碱草出现的总频次为8,钝裂银莲花出现的总频次为6,那么全部物种出现的总频次为8+6=14,当然根据实际情况还可以有其他物种。
S33:将步骤S31获取的数据与步骤S32获取的数据相比,得到各个物种出现的频率,即所述的各个物种出现的频率是指特定物种出现频次在所有物种出现总频次中所占的比例。
其中,通过下式计算得到各个物种多样性指数:
H=-∑pi ln pi
X=f(pi)
上式中,Pi为步骤S33计算得到的各个物种出现的频率;H为表征草地物种多样性的香农多样性指数;X为其他可用于表征草地植物物种多样性指数;f代表X指数对应的计算公式。
S4:在任意时间的任意草地类型区,选择至少10个样地,重复步骤S1至S3,计算得到所选择的每一个样地的草地物种多样性指数,并与步骤S3所得到的物种多样性指数进行比对,即利用本发明的方法和传统方法测定草地物种多样性指数,构建二者的关系后,可实现本方法结果与其他时空测定结果的可比性。
本发明主要是通过照片提取物种在16张照片中出现频度来代替传统方法植株数作为重要值,即手工在单位样方中数植株数。所涉及的物种多样性的计算公式也是沿用经典的计算方法,其核心自变量即为重要值。因此,本发明用同一套公式计算可以使结果具有可比性,即尤其是不同时空的数据,比如可以和十年前的数据进行比较。
此外,借助无人机的GPS定位装置可对观测点进行长期、定点监测;本方法野外工作强度低、采样效率高,可在短时间内获取大量样本,适用于大范围野外物种调查和监测,而且可以长期留存和随着查阅;本方法具有非破坏性,可以实现长期高频度监测,本方法能有效打破传统测定方法的局限性,适于推广应用。
本领域技术人员还应当理解,结合本文的实施例描述的各种说明性的逻辑框、模块、电路和算法步骤均可以实现成电子硬件、计算机软件或其组合。为了清楚地说明硬件和软件之间的可交换性,上面对各种说明性的部件、框、模块、电路和步骤均围绕其功能进行了一般地描述。至于这种功能是实现成硬件还是实现成软件,取决于特定的应用和对整个系统所施加的设计约束条件。熟练的技术人员可以针对每个特定应用,以变通的方式实现所描述的功能,但是,这种实现决策不应解释为背离本公开的保护范围。

Claims (4)

1.一种非破坏性监测草地植物物种多样性的方法,其特征在于,包括:
S1:在目标样地内垂直于地面拍摄若干照片,且每一张照片作为一个监测单元;
S2:识别出照片中所出现的所有物种,并记录各个物种是否在各个监测单元中出现;
S3:根据步骤S2所记录的各个物种的出现情况,统计获得各个物种出现的频率,根据各个物种出现的频率计算得到各个物种多样性指数;
S4:在任意时间的任意草地类型区,选择至少10个样地,重复步骤S1至S3,计算得到所选择的每一个样地的草地物种多样性指数,并与步骤S3所得到的物种多样性指数进行比对;
所述在目标样地内垂直于地面拍摄若干照片的过程包括:
在40米×40米的目标样地内确定16个航拍点,所述16个航拍点呈矩阵状且均匀分布在所述目标样地内;
设定无人机的航线,使得所述无人机按照规定的航线经过所述16个航拍点,当所述无人机到达航拍点时,在距离地面2m的高度上垂直向下拍摄照片;
其中,所述无人机具备地形跟随系统且搭载像素值不小于1200万的相机;
还包括:当所述无人机完成16个航拍点的拍摄后,在研究区内按照距离地面0.5m的高度上随机拍摄10张照片。
2.根据权利要求1所述的一种非破坏性监测草地植物物种多样性的方法,其特征在于,所述记录各个物种是否在各个监测单元中出现是指,分别识别各个监测单元中出现的物种,若物种在其中一个监测单元出现,则标记一次此物种。
3.根据权利要求2所述的一种非破坏性监测草地植物物种多样性的方法,其特征在于,步骤S3中,统计获得各个物种出现的频率的过程包括:
S31:获取每一个物种被标记的次数,即各个物种出现的总频次;
S32:获取所有物种被标记的总次数,即全部物种出现的总频次;
S33:将步骤S31获取的数据与步骤S32获取的数据相比,得到各个物种出现的频率。
4.根据权利要求3所述的一种非破坏性监测草地植物物种多样性的方法,其特征在于,步骤S3中,通过下式计算得到各个物种多样性指数:
H=-∑pilnpi
X=f(pi)
上式中,Pi为步骤S33计算得到的各个物种出现的频率;H为表征草地物种多样性的香农多样性指数;X为其他可用于表征草地植物物种多样性指数;f代表X指数对应的计算公式。
CN202010052846.5A 2020-01-17 2020-01-17 一种非破坏性监测草地植物物种多样性的方法 Active CN111238448B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010052846.5A CN111238448B (zh) 2020-01-17 2020-01-17 一种非破坏性监测草地植物物种多样性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010052846.5A CN111238448B (zh) 2020-01-17 2020-01-17 一种非破坏性监测草地植物物种多样性的方法

Publications (2)

Publication Number Publication Date
CN111238448A CN111238448A (zh) 2020-06-05
CN111238448B true CN111238448B (zh) 2022-04-01

Family

ID=70861721

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010052846.5A Active CN111238448B (zh) 2020-01-17 2020-01-17 一种非破坏性监测草地植物物种多样性的方法

Country Status (1)

Country Link
CN (1) CN111238448B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114220002B (zh) * 2021-11-26 2022-11-15 通辽市气象台(通辽市气候生态环境监测中心) 一种基于卷积神经网络的外来植物入侵监测方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436656A (zh) * 2011-09-05 2012-05-02 同济大学 基于计算机视觉的动物多样性监测方法
CN104118561A (zh) * 2014-07-07 2014-10-29 北京师范大学 一种基于无人机技术的大型濒危野生动物监测的方法
CN104956933A (zh) * 2015-06-03 2015-10-07 西南林业大学 湿性阔叶林树种多样性及幼苗生境选择特征的研究方法
CN105158413A (zh) * 2015-07-22 2015-12-16 兰州大学 一种用于遥感监测高寒草地基准样地的建立方法
CN109033937A (zh) * 2018-06-01 2018-12-18 武汉禾大科技有限公司 通过无人机影像进行植物数量统计方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102436656A (zh) * 2011-09-05 2012-05-02 同济大学 基于计算机视觉的动物多样性监测方法
CN104118561A (zh) * 2014-07-07 2014-10-29 北京师范大学 一种基于无人机技术的大型濒危野生动物监测的方法
CN104956933A (zh) * 2015-06-03 2015-10-07 西南林业大学 湿性阔叶林树种多样性及幼苗生境选择特征的研究方法
CN105158413A (zh) * 2015-07-22 2015-12-16 兰州大学 一种用于遥感监测高寒草地基准样地的建立方法
CN109033937A (zh) * 2018-06-01 2018-12-18 武汉禾大科技有限公司 通过无人机影像进行植物数量统计方法及系统

Also Published As

Publication number Publication date
CN111238448A (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
CN106971167B (zh) 基于无人机平台的作物生长分析方法及其分析系统
CN108020211B (zh) 一种无人机航空摄影估测入侵植物生物量的方法
CN110044964A (zh) 基于无人飞机热成像视频的建筑饰面层脱粘缺陷识别方法
CN108007438A (zh) 无人机航空摄影遥感湿地植物生物量的估测方法
CN108195767A (zh) 河口湿地外来种监测方法
CN107449400B (zh) 一种森林地上生物量的测量系统及测量方法
CN112749627A (zh) 一种基于多源遥感影像的烟草动态监测的方法和装置
Zhang et al. 3D monitoring for plant growth parameters in field with a single camera by multi-view approach
CN111445011A (zh) 一种基于气象和遥感数据的山火预警方法
CN115631421B (zh) 耕地智慧保护方法及保护系统
Xu et al. Classification method of cultivated land based on UAV visible light remote sensing
CN111238448B (zh) 一种非破坏性监测草地植物物种多样性的方法
CN113705937A (zh) 联合机器视觉与作物模型的作物估产方法
CN113063739A (zh) 一种基于机载高光谱传感器的水稻冠层氮含量监测方法
CN211477203U (zh) 基于高分辨率遥感影像的精细化监测设备系统
CN113537293A (zh) 基于无人机和全卷积神经网络的小麦倒伏区域识别方法
Liu et al. Open-air grape classification and its application in parcel-level risk assessment of late frost in the eastern Helan Mountains
Zhou et al. Monitoring the impact of wildfires on tree species with deep learning
Yong-ning et al. Automatic Identification Technology of Lycium barbarum Flowering Period and Fruit Ripening Period Based on Faster R-CNN
CN111583050A (zh) 融合多尺度遥感影像的农作物病虫害预警方法及系统
CN115690614A (zh) 一种提高堤防管涌数据采集精度的试验方法
CN112163639B (zh) 一种基于高度分布特征向量的作物倒伏分级方法
CN107967714A (zh) 一种通过无人机数字高程模型自动提取森林郁闭度的方法
CN113763196A (zh) 一种基于改进YOLOv3的果园产量测定系统
Ouyang et al. Using UAV technology for basic data collection of Firmiana danxiaensis HH Hsue & HS Kiu, JS (Malvaceae), an important, nationally protected wild plant in Zhanglao Peak, Danxiashan Mountain, South China

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant