摘要：近些年，無人機遙感由于其具有分辯率高、時效性高、機動性強、可云下低空飛行等優勢在草地資源監測及草地生態方面迅速興起。本文首先介紹了無人機遙感系統的組成及以不同傳感器在草地監測上的應用，在此基礎上對無人機在草地植被覆蓋度監測和地上生物量估算、草地有蹄類野生動物和草地嚙齒動物監測中的應用研究進行了綜述，并對該技術存在的問題及限制進行了探討，從而有針對性地解決所需要監測的對象與問題，這對于在草地動植物資源調查中構建精準數據獲取、實現實時動態監測具有重要的研究意義和實際應用價值。

   無人駕駛飛機簡稱無人機（unmanned aerial vehicle,UAV)，是一種能攜帶多種設備、執行多領域任務并能通過遙控設備自主飛行的不載人飛行器。無人機與遙感技術的結合，即無人機遙感(unmanned aerial vehicle remote sensing,UAVRS).是以無人機作為載體，通過搭載相機（包括可見光相機、多光譜相機、熱紅外相機等）、激光雷達等各種傳感器，來獲取低空高分辨率遙感數據的平臺。與傳統的以衛星為平臺的航天遙感相比，無人機遙感具有云下低空飛行、高機動性等優勢，彌補了衛星遙感受云層遮擋獲取不到清晰影像的缺陷，同時它高時效、高時空分辨率的特點，也是重訪周期長且離地幾百公里的傳統衛星遙感所不感具備的。與傳統地面野外調查相比，無人機遙感無需耗費大量的人力物力、響應快、成本低、時效性強且應用范圍廣，是繼傳統航空、航天遙感平臺之后的第3代遙感技術。隨著相關技術的發展，無人機在生態監測、環境監測、災害勘察、精準農業、 草地生態監測等領域迅速發展起來，成為國內外學者爭相研究的熱點課題。本文以無人機技術在草地資源監測方面的應用為前提，探究了該技術在該領域中的研究內容和方法，總結了目前無人機技術存在的問題、限制以及發展前景。

1  無人機遙感的系統組成

1.1 系統組成及工作流程

無人機遙感系統主要是以無人機為飛行和搭載平臺，通過搭載各類傳感器，結合地面控制與數據傳輸系統，獲取地面或空中實時影像和各類遙感數據。系統組成主要包括地面系統、任務載荷和飛機系統，基于其系統組成及工作原理，無人機影像數據獲取流程綜合歸納如圖1所示。

1.2 照片處理技術
隨著所需處理照片結果的不同，數據處理過程的復雜性進一步加劇。草地動植物資源數據處理的復雜

性不僅體現在數據樣本本身，更體現在草地生態系統異質異構、多源和多空間的交叉互動上。在草地生態學的研究中.對不同領域不同類型數據的需求逐漸增加，這也使得試驗數據處理進一步的精細和精準化。 隨著無人機技術和計算機軟件處理技術的快速發展，更多的無人機影像處理研究開始借助軟件的自動解譯功能，并通過對比分析，得出數據處理效果圖。在無人機影片數據處理過程中PIX4D和Photoscan為常用的數據處理軟件。Pix 4D 軟件處理流程為：導入原始照片一填寫各種參數（照片GPS 位置信息、拍攝高度、重疊度等）一獲得具有地理坐標的數字正射影像（digital orthograph model,DOM )、數字高程模型（digital elevation model,DEM)、數字地表模型（digital surface model.DSM )和 3D 模型圖一軟件自動鑲嵌勻色一完成影像的拼接。PhotoScan 處理軟件流程為：主動創建新項，導人照片一多照片拼接處理一生成密集點云一結果輸出數字高程模型、數字正攝影像一導出拼接結果一生成專題圖。PhotoScan 軟件根據圖片的重疊度、坐標高程信息，完成圖片的拼接，主要在一些專題圖的生成中應用較多，如水土流失面積圖、林草覆蓋圖、土壤侵蝕強度圖等。以上兩類圖片處理軟件中，Pix 4D 具有專業化、簡單化、一鍵 A 動化等優點，但不能完成照片中土丘、禿斑地的自動勾選，PhotoScan 主要具有操作簡單、支持傾斜影像、支持多航高及多分辨率影像的空三處理等優勢，但缺少正射影像編輯修改功能。 因此在對照片信息的提取中，可運用多種軟件進行度量處理，從而導出可理解的數據信息。對于復雜草地資源動植物數據信息的利用，不僅要生成和分析數據，而且要使大量數據能夠重復使用和循環利用，實現現有資源共享，為后續研究奠定基礎。

 1.3 常見傳感器及應用領域

可見光、多光譜、高光譜、熱成像儀及激光雷達等高分辨率數碼相機為常見無人機傳感器，各傳感器的產出結果、優缺點及主要應用領域歸納分類如表1所示。

隨著相關研究的不斷深入，傳感器的應用也越來越廣泛。不同傳感器獲取的目標數據不同.但總體而言 ，可見光相機、高光譜相機、多光譜相機在植物各項數據的獲取中應用較多，熱紅外相機因與溫度圖譜密切相關，在動物的研究中被普遍使用，而激光雷達在獲取植物冠層結構中應用較多，因而更多的用來獲取森林植物生物量以及植被高度。

2 無人機在草地動植物資源監測及管理中的應用

草地生態系統是陸地上重要的生態系統之一，在生態環境中起著舉足輕重的作用。草地資源作為草地生態系統不可或缺的一部分，在草地生態系統體系循環中具有重要作用。為了對草地資源進行快速 、 便捷、精準有效的監測，國內外學者開始利用以衛星為平臺的航天遙感進行草地植被覆蓋度及生物量的動態監測研究、草地鼠害監測、草地有蹄類野生動物。然而傳統的中低分辨率的衛星遙感影像獲取周期長、易受氣候影響，無法獲取局部區域地面有效信息。相比衛星遙感，無人機遙感具有的高分辨率、云下獲取影像等特點，能夠顯著降低混合效應對監測精度的影響，有效彌補衛星航天氣遙感系統在地表分辨率低、 重訪周期長、受水汽影響大等不足，為中小尺度的草地資源監測遙感應用研究提供了新的手段。

2 .1 無人機在草地植物資源監測中的應用
2.1.1 草地植被覆蓋度監測  草地生態系統需要垂直的植被結構來評價草地的健康狀況。植被蓋度指

觀測K域內植被垂直投影面積占觀測K地表總面積的百分比，是反映植被生長狀況的直接定量指標，也是評價和監測生態系統及其功能的關鍵參數。植被覆蓋度及其隨時間的變化也被直接用作草地退化、土壤侵蝕和荒漠化的指標。

目前，國內外許多學者利用無人機遙感對草地植被覆蓋度監測進行了研究。葛靜等在黃河源東部地區 利用無人機（UAV )、普通數碼相機（Canon)、農業多光譜相機（Agricultural digital camera，ADC)等設備獲取高寒草地大量相片，結合相應的MODIS NDVI（歸一化植被指數）和EVI(增強型植被指數）數據，構建了基于UAV，Canon及ADC相片的植被蓋度與MODIS 植被指數之間的反演模型，采用留一法交叉驗證方法評價各種模型的精度，確立無人機獲取的數據構建的草地蓋度反演模型為黃河源區遙感監測的模型。宋清潔等在甘南州高寒草地以EVI和NDVI兩種植被指數為自變量，以無人機獲取的草地植被覆蓋度數據為因變量建立兩種植被指數間的回歸模型，并以Canon數碼相機獲取的草地植被覆蓋度數據為真實值，對建立的回歸模型進行精度評價，從而篩選出基于EVI構建的對數模型為研究區草地植被覆蓋度反演模型。

考慮到模型精度和穩定性對草地覆蓋監測的影響，Meng等人使用無人機技術對甘南地區高寒草地覆蓋狀況進行了反演模型的比較性研究，基于14個與草地覆蓋相關的因子，分別建立了單因素、多因素參數反演模型和多因素非參數反演模型，通過交叉驗證得出，相對于單因素和多因素參數模型，多因素非參數模型的精度和穩定性都較高。在無人機航拍獲得的植被蓋度和地面測量的植被蓋度擬合比較好的基礎上，宜樹華等對比分析了使用無人機獲取的植被蓋度和地面測得樣方平均后的植被蓋度與遙感指數相關系數的大小，發現前者的相關系數更大，從而表明使用無人機可提供高精度的地面蓋度信息。Chen等采用無人機航測和地面樣方調查相結合的方法，獲得了兩種空間尺度（衛星圖像像素尺度和地面樣方尺度）下的植被覆蓋度，并在衛星圖像像素尺度下評估了基于地面采樣法估算的部分植被覆蓋度（FVCground )和無人機采樣法估算的部分植被覆蓋度（FVCUAV)的精度，同時選擇了NDVI，EVT ,RVI( 比值植被指數）、MSAVI( 修正型土壤調整植被指數）等植被指數，分析了植被指數與FVC的關系，發現FVCUAV在衛星圖像像素尺度上是的。這些研究都使得無人機技術在草地植被蓋度監測中得到了進一步的應用發展。

2.1.2 草地植物地上生物量估算  草地地上生物量是天然草地生態系統動態研究的重要衡量指標，是草地資源合理利用和載畜平衡監測的重要依據。地上生物量可以評價草原生態系統生產力，評估草原長勢及產量。在實際生產條件下，地上生物量的變化可以反映草地生長及利用程度，可以為草地保護與管理提供早期預警和參考閾值。因此，大面積草地地上生物量的精確估算，對評估草地資源的應用狀況和管理具有重要意義。

物量的預測指標，并與通過光譜儀測量得到的窄帶植被指數進行了比較，結果表明通過基于UAV圖像SFM-MVS（Structure from Motion-Multi View Stereo)推導的草皮高度估算草地生物量是可行的。因此，基于無人機成像傳感器的應用是一種具有高時空分辨率且快速的無損數據采集方法。張正健等基于地面實測樣木數據和無人機可見光影像獲取了研究區草地地上生物量分布，建立了生物量與綠紅比值指數（GRRI )、 綠藍比值指數（GBRI )、歸一化綠紅差異指數（NGRDI )、歸一化綠藍差異指數（NGBDI )等的指數回歸模型； 對比不同波段建立的植被指數模型，確定了基于紅綠波段的GRRI和NGRDI 植被指數冋歸模型對生物量的模擬和預測精度較好，可用于區域草地生物量的估算。為了快速、有效、準確的估算天然草地地上生物量， 孫世澤等根據陰陽坡不同草地類型和植被種類，運用多旋翼大疆無人機獲取含近紅外波段的高分辨率多光譜影像，結合地面實測數據，對草地地上生物量和NDVI,RVI,VDVI,MSAVI,DVI(差值植被指數)5種植被指數進行相關性分析并建立估算模型，結果表明RVI與陰陽坡的草地地上生物量擬合好、精度高。無人機遙感技術對地觀測的宏觀性、動態性和綜合性使其優于傳統的由點到面的野外調查方法，已成為人類獲取大面積宏觀草地資源信息的重要手段。

 2.2 無人機在草地動物資源監測中的應用
2.2.1 草地有蹄類野生動物的監測  草地有蹄類野生動物的監測是一項重要而又具有挑戰性的丁作，需要投人大量的時間和資源。傳統野外調查數據的分辨率或比例尺往往與遙感方法獲得的數據不匹配， 當在不同空間尺度內對物種和柄息地進行測試時，常常導致兩者之間關系模式的不一致大量研究表明，在草地有蹄類野生動物監測中.無人機遙感技術是可行高效的監測工具 。Torney 等部署無人機系統來收集馴鹿從維多利亞島遷徙到加拿大的航拍畫面.通過對遷徙馴鹿運動軌跡的貝葉斯分析，揭示了遷徙馴鹿相互吸引、復制鄰居方向選擇的精細互動規律。羅巍等以青海三江源地區為研究區，以藏野驢為研究對象，探討了從無人機影像中自動獲取野生食草動物信息并統計數量的方法具有速度快、精度高的特點。在此基礎上，邵全琴等利用無人機航拍調查黃河源瑪多縣的藏野驢、藏原羚、藏羊、牦牛等有蹄類動物的圖像解譯標志庫，通過人機交互方式解譯，獲取調查樣帶內的種群數量。郭興建等使用臺無人機對黃河源瑪多縣內的巖羊進行航拍，并利用軟件Pix4Dmapper，LiMapper 對照片拼接處理，通過目視解譯來估算研究區內巖羊的種群數量和密度，結合軟件ArcGIS和3S技術對其生境進行研究分析，從而為高原地區大型野生動物調查研究提供了新思路。在對斑馬棲息地的監測中，Xu等[利用無人機輔助無線傳感器網絡的方法，將觀測區域統一劃分為虛擬網格，每個網格包含一個傳感器節點集群，選擇其中一個節點作為集群頭接收無線傳感器的數據包，并將其發送給無人機，無人機作為一個移動接收器收集數據。該網絡模型利用斑馬的真實移動軌跡來探究其活動規律，以實現對目標的大視覺感知。仿真結果表明，該路徑規劃方法的性能優于隨機和基于TSP的路徑規劃方法（圖2)。Luis等通過無人機與熱成像能力和人丁智能圖像處理相結合的系統來定位野生動物在其自然棲息地的位置，解決了無人機圖像中野生動物自動檢測的挑戰。近年來，由于航空成像技術的進步，無人機在專業領域應用的可能性增加。航空成像可提供詳細的草原圖像并對大面積分布的動物群落進行快速檢測，是解決草原大型野生動物監測非常有效的工具。

2.2.2 草原嚙齒類小型動物的監測  近年來，由于全球氣候變化和人類過度利用等綜合因素致使全球草地存在不同程度的退化并日趨嚴重，鼠害頻發，因此對草地害鼠發生的時空動態及分布規律亟待科學認識和量化評估。將無人機運用于高寒草地的鼠害面積調查、鼠害分布監測及評估是一種新的研究思路。20 世紀 80 年代以來，學者們陸續開展了大面積草地遙感技術應用研究和草地鼠害的預測預報研究，但仍處于探索階段。李博等應用“3S”技術建立了中國溫帶草地草畜平衡動態監測系統.為探究草地鼠害動態監測提供了重要基礎。在此基礎上，一些研究利用“3S”技術與地面調查相結合的方法，通過確定影響草原鼠害發生的生物及非生物因子，來構建基于3S技術的鼠類密度監測模型；另有學者分析了“3S”技術對草原鼠害進行監測的原理及應用，并指出TM遙感影像可作為草原鼠害研究的主要數據來源；李培先等運用“3S技術” 結合實地采集的GPS數據對阿爾金山草地鼠荒地和鼠害發生區進行監測和解譯，獲得鼠害發生面積和分布，并參照鼠害發生區植被覆蓋度和海拔等生境特點，來分析鼠荒地和鼠害發生區的空間分布特征。

還有學者采用動力三角翼和數碼相機構建的低空遙感平臺對鼠荒地進行航拍獲取高分辨率草原鼠害影數據，在遙感目視解譯的基礎上利用 GIS 空間插值和統計方法獲得了試驗區鼠害的空間分布及危害程度情況；此外，何詠琪等采用“3S”技術，確定了高程、坡度、坡向、草地類型、土壤類型、EVI 6個鼠害監測模型主要因子，建立基于“3S”技術的草原鼠害監測模型，提取了不同鼠害發生區和危害區的閾值。

無人機遙感能夠靈活的獲取多尺度、多時相的地面觀測數據.可以更好的運用于鼠害調查研究中。以大疆公司精靈系列無人機為例，能高效準確地提供地面草地植被蓋度、斑塊、鼠洞等信息(圖3)，并將無人機航拍得到的圖片進行手工標記以識別高原鼠兔或鼢鼠形成的禿斑地；董光以若爾蓋縣瞎曼鄉鼠害發生嚴重區為實驗研究地，使用精靈4Pro獲取春夏兩季鼢鼠和旱獺鼠害區的航拍影片，并利用軟件Pix4Dmapper生成數字正射影像，通過灰度閾值分割、面向對象法、BP神經網絡和優選色彩紋理4種方法獲取圖片鼠害信息，對比得出不同處理在不同季節中提取圖片鼠害信息的方法，從而為草原鼠害后續監測研究奠定基礎。在對三江源瑪多縣典型區鼠洞的監測識別中，周曉琳等以可見光波段的無人機影像為數據源，在研究區建立了支持向量機法和面向對象的模板匹配法的鼠洞識別研究。結果表明，在不同植被蓋度的草地上基于面向對象的模板匹配法對鼠洞的識別精度更高。馬濤等利用無人機低空遙感監測平臺對研究區進行的兩次航拍，探討低空遙感在大沙鼠空間密度分布監測方面的有效性，并對該區域鼠害程度進行評定，為荒漠林大沙鼠科學防治提供依據。但是，基于無人機遙感的草地鼠害監測研究尚處在起步階段，為了充分發揮無人機快速獲取高分辨率影像的明顯優勢，可根據草原地理地形特征，結合地面調查數據并建立模型，快速準確地進行草原生態鼠害監測。

3 無人機遙感技術在草地資源調查監測中存在的問題、限制及展望、評價
3.1 問題與限制
從國內外相關研究來看，無人機信息的提取仍存在眾多問題與限制，主要總結為以下幾點：

1 )復雜地形效應：跨區域的空間變異性大、地面的異質性、地面采樣不全面等導致數據缺乏完整性。此外，野外調查分辨率非常高，枯葉和植被可以被區分，而航拍圖像只能區分植被斑塊，導致無人機測得的植被蓋度一般高于野外調查。

2)建立模型繁多：由于不同研究區水熱條件、植被特征、土壤因素等條件不同，采用無人機數據確定的模型不同，導致草地遙感植被的監測和估算精度低，穩定性差。

3 )照片識別軟件開發：無人機獲取的草地圖片信息中，時常由于障礙物的遮擋獲取不到某些目標信息，需要研究者肉眼觀測，這大大降低了工作效率，同時也限制了影像圖片中其他信息的獲取。因此，開發更簡單高效的圖片自動識別處理軟件顯得尤為重要。

4 )傳感器設備匹配限制：無人機在草地資源監測方面研究較少，雖然已有少量學者開始這方面的研究，但由于傳感器設備成本昂貴以及缺少與無人機遙感高度匹配的地面調查數據，而限制了無人機在草地資源監測中的應用。

3.2 評價與展望
隨著無人機遙感技術的廣泛應用，對草地動植物資源的研究進入了一個新的階段，結合地面采樣、衛星遙感，實時、全面、有效、準確的對草地資源進行監測。

1 )多尺度、多層次監測：針對草地分布的水平和垂直地帶性特點、局域性小環境差異以及草地植物生長的季節性變化，可結合地面調查、無人機遙感、衛星航天遙感三位一體來實現小、中、大尺度范圍內草地資源的多層次監測，提高不同空間區域的數據匹配度，縮小無人機遙感獲取數據與實地調查數據之間的差異。

2 ) 多元數據的時效性融合：利用無人機監測草地資源的大多數研究仍依賴于傳統的地面調查或者“3S”衛星遙感技術獲取的數據。地面調查作為草地生態學研究的重要手段，具有不可替代的作用，而無人機遙感在一定程度上提高了數據獲取的時效性。因此，可通過多元數據融合的方法，將地面調查所得數據與無人機獲取的數據進行融合來彌補單一數據源的不足，實現各種數據源的優勢互補，進而實現空間分辨率和時間分辨率的相互補充，為草地資源監測提供更系統、更科學有效的支撐。

3 )不同傳感器的應用普及：隨著集成技術的發展，無人機可搭載的傳感器更加多樣。草地類型豐富多樣，可以針對不同草地資源的特點，選擇合適的傳感器，有針對性地解決所需要監測的對象與問題。這對于構建精準數據獲取、實現實時動態監測具有重要的研究意義和實際應用價值。總體而言.基于高時空分辨率的無人機草地生態監測機制將成為今后發展的熱點和趨勢。無人機遙感以其衛星遙感和地面人工調查所不及的諸多優勢，為草地資源監測的研究提供了新的技術平臺，尤其是在草地植物季相、草地植物蓋度、生物產量、草地家畜、草地嚙齒動物種群等方面，可以有針對性地進行大面積航空監測及小范圍定點監測，對草地合理利用和健康管理非常有實用價值。

參 考 文 獻：

[1] 喬紅. 無人機遙感系統的應用研究綜述[J]. 科學技術創新，2017（36）：1-2
[2] 金偉，葛宏立，杜華強，等. 無人機遙感發展與應用概況[J]. 遙感信息，2009(1):88-92

[3] 胡健波，張健. 無人機遙感在生態學中的應用進展[J]. 生態學報，2018, 38(1):20-30

[4] Karen A ， Kevin J G. Lightweight unmanned aerial vehicles will revolutionize spatial ecology[J]. Frontiers in Ecology and the Environment，2013, 11(3):138-146

[5] Danilov A S， Smirnov U D， Pashkevich M A. The system of the ecological monitoring of environment which is based on the usage of UAV[J]. Russian Journal of Ecology, 2015, 46 (1)：14-19

[6] Lu Y, Macias D,Dean Z S,etal . A UAV-Mounted Whole Cell Biosensor System for Environmental Monitoring Applications[J]. IEEE Transactions on Nano Bioscience,2015,14(8)：811-817

[7] Aljehani M, Inoue M. Communication and Autonomous Control of Multi-UAV System in Disaster Response Tasks[C] //Kes International Symposium on Agent & Multi-agent Systems： Technologies & Applications,2017 :124-127

[8] Yin P F, Yin Q, Chen X F, et al. Unmanned Aerial Vehicle Aerial Remote Sensing Techniques and Its Application on Post Earthquake Disaster Investigation[J]. Laser & Optoelectron ics Progress,2010, 47(11)： 112802

[9] Sonaa G， Passoni D,Pinto b,et al. UAV multispectral survey to map soil and crop for precision farming applications[J]. ISPRS-International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences,2016(6 ):1023-1029

[10] Ge J Y， Meng B P， Yang S X,et al. Dynamic monitoring of alpine grassland coverage based on UAV technology and MODIS study in the headwaters of the Yellow River[J]. Acta Prataculturae Sinica， 2017, 26( 3) :1-12

[11] 孫中宇，陳燕喬， 楊龍， 等. 輕小型無人機低空遙感及其在生態學中的應用進展[J]. 應用生態學報， 2017,28(2) :528-536
[12] 付和平，溫都蘇， 袁帥， 等. 大數據應用T草地嚙齒動物生態學：機遇與挑戰[J]. 中國草地學報， 2019,41(1) :101-110
[13] Hampton S E,Strasser C A,Tewksbury J J ,et al. Big data and the future of ecology[J]. Front Ecol. Environ. , 2013, 11( 3)：156-162

[14] Colomina I, Molina P. Unmanned aerial systems for photogrammetry and remote sensing： A review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014,92：79-97
[15] Yuan H,Liu Z,Cai Y ,et al. Research on Vegetation Information Extraction from Visible UAV Remote Sensing Images[C] // 2018 Fifth International Workshop on Earth Observation and Remote Sensing Applications ( EORSA). 2018：859-863

[16] Zhang X,Zhang F,Qi Y ,et al. New research methods for veg etation information extraction based on visible light remote sensing images from an unmanned aerial vehicle ( UAV) [J]. International Journal of Applied Earth Observation and Geoinformation， 2019，78：215-226

[17] 孫迪. 基于低空遙感的黃兔尾鼠鼠洞動態監測及變化分析[D]. 烏魯木齊:新疆大學， 2019:5-11
[18] 周在明，楊燕明， 陳本清. 基于無人機遙感監測灘涂濕地入侵種互花米草植被覆蓋度[J]. 應用生態學報， 2016, 27 (12 ) :3920-3926

[19] Gao R,Kong Q M， Wang H G ^ et al. Diagnostic Feed Values of Natural Grasslands Based on Multispectral Images Acquired by Small Unmanned Aerial Vehicle[J]. Rangeland Ecology & Management， 2019， 72(6 ) ： 916-922

[20] Capolupo A,Kooistra L, Berendonk C ^ et at. Estimating plant traits of grasslands from UAV-acquired hyperspectral images: a comparison of statistical approaches[J]. ISPRS International Journal of Geo-Information, 2015, 4(4) ： 2792-2820

[21] 魏秀紅，靳瑰麗，范燕敏，等. 基于高光譜遙感的退化伊犁絹蒿荒漠草地群落蓋度估算[J]. 中國草地學報， 2017,39 ( 6) : 33-39,46
[22] Lopatin J ,Fassnacht F E, Kattenborn T ,etal. Mapping plant species in mixed grassland communities using close range imaging spectroscopy[J]. Remote sensing of environment， 2017, 201： 12-23

[23] 李晟， 王大軍， 肖治術， 等. 紅外相機技術在我國野生動物研究與保護中的應用與前景[J]. 生物多樣性， 2014,22( 6 ):685-695
[24] Goodenough A E,Carpenter W S ? Mactavish et al ? Empirically testing the effectiveness of thermal imaging as a tool for identification of large mammals in the African bushveldt[J J. African Journal of Ecology,2017,56(1)： 162-184

[25] Scholten C N,Kamphuis A J , Vredevoogd K ] 9etai. Real-time thermal imagery from an unmanned aerial vehicle can locate ground nests of a grassland songbird at rates similar to traditional methods[J]. Biological Conservation,2019 ,233： 241-246
[26] Li Z Q,Guo X L. Remote sensing of terrestrial non-photosynthetic vegetation using hyperspectral，multispectral，SAR , and LiDAR data[J]. Progress in Physical Geography,2016 , 40( 2 ) :276-304

[27] Wang D， Xin X，Shao Qjet al. Modeling aboveground biomass in hulunber grassland ecOvSyvstem by using unmanned aerial vehide discrete lidar[J]. Sensors,2017 ,17(1) ： 180
[28] Jansen V S, Kolden C A,Greaves H F>， et al. Lidar provides novel insights into the effect of pixel size and grazing intensity on measures  of spatial heterogeneity in a native bunchgrass ecosystem[ J]. Remote Sensing of Environment, 2019, 235:111432

[29] 劉興元，龍瑞軍，尚占環. 草地生態系統服務功能及其價值評估方法研究[J]. 草業學報，2011,20(1):167-174
[30] Jmo S,Johnson K，Olson R J. Estimating net primary productivity from grassland biomass dynamicvS measurements [J J. Global Change Biology， 2002,8(8):736-753

[31] 陳夢蝶， 黃曉東， 侯秀敏， 等. 青海省草原鼠害區域草地生物量及蓋度動態監測研究[J]. 草業學報， 2013,22(4):247-256
[32] 王建柱. 基于 3S 技術系統鼠害監測的基礎研究[D]. 蘭州： 甘肅農業大學， 2003:2-9
[33] 張玉， 齊景偉， 金曉， 等. 信息技術在放牧綿羊福利中應用的研究進展[J]. 家畜生態學報， 2018,39(3):8-11

[34] Rango A, Laliberte A， Herrick J ￥j-,et al. Unmanned aerial ve hicle-based remote sensing for rangeland assessment， monitoring,and management[J]. Chinese Hydraulics Pneumatics，2009 , 3(1) :11-5

[35] Li Z，Chen Z,Wang h， 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,2014,30(19) ： 207-213

[36] Lehnert L W,Meyer H, Wang Y ， et al. Retrieval of grassland plant coverage on the Tibetan Plateau based on a muliti-scale multi-sensor and multi-method approach[J]. Remote Sensing of Environment， 2015，164:197-207

[37] Hou J ,Wang H, Fu h,et al. Effects of plant diversity on soil erosion for different vegetation patterns[J]. Catena， 2016, 147： 632-637

[38] 葛靜， 孟寶平，楊淑霞， 等. 基于 UAV 技術和 MODIS 遙感數據的高寒草地蓋度動態變化監測研究—以黃河源東部地區為例[J]. 草業學報， 2017 ,26 ( 3) :1-12
[39] 宋清潔，崔霞， 張瑤瑤， 等. 基于小型無人機與 MODIS 數據的草地植被覆蓋度研究—以甘南州為例[J]. 草業科學， 2017,34(1)： 40-50

[40] Meng B， Gao J， Liang T ,et al. Modeling of Alpine Grassland Cover Based on Unmanned Aerial Vehicle Technology and Multi-Factor Methods： A Case Study in the East of Tibetan Plateau,China[J]. Remote sensing， 2018， 10(34):3-10

[41] 宜樹華，陳建軍， 秦或. 無人機航拍在青藏高原高寒草地生態系統研究中的初步應用[J]. 西南民族大學學報（ 自然科學版） ， 2016 ,42(1):1-7

[42] Chen J J,Yi S H,Qin Y ^etal. Improving estimates of fractional vegetation Qinghai-Tibetan Plateau[J]. International Journal of Remote cover based on UAV in alpine graSvsland on the Sensing, 2016,37 (8) ： 1922-1936

[43] 金云翔，徐斌，楊秀春，等. 內蒙古錫林郭勒盟草原產草量動態遙感估算[J]. 中國科學： 生命科學， 2011,41(12) :1185-1195
[44] 周宇庭，付剛，沈振西，等. 藏北典型高寒草甸地上生物量的遙感估算模型[J]. 草業學報， 2013,22(1):120-129
[45] 張云霞，李曉兵，陳云浩. 草地植被蓋度的多尺度遙感與實地測量方法綜述[J]. 地球科學進展， 2003(1):85-93

[46] Lussem U,Bolten A, Menne ]， et al. Estimating biomass in temperate grassland with high resolution canopy surface models from UAV-based RGB images and vegetation indices[J]. Journal of Applied Remote Sensing, 2019，13( 3) :1

[47] 張正健，李愛農， 邊金虎， 等. 基于無人機影像可見光植被指數的若爾蓋草地地上生物量估算研究[J]. 遙感技術與應用，2016 , 31(1) :51-62
[48] 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]. 遙感學報， 2018, 22(5):848-856
[49] 曾永年，馮兆東. 沙質荒漠化遙感監測與環境影響研究進展[J]. 山地學報， 2005(2):218-227

[50] Christopher J. Rhodes, Peter Henrys， Gavin M. Siriwardena, ei al. The relative value of field survey and remote sensing for biodiversity assessment[J]? Methods in Ecology and Evolution,2015,6 (7):772-781

[51] Jackson H B, Fahrig L. Are ecologists conducting research at the optimal scale? [J]. Global Ecology Biogeography, 2015, 24(1):52-63

[52] Luis G, Glen M， Eduard P,et al. Unmanned Aerial Vehicles( UAVs ) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation[J]. Sensors,2016,16 (1)： 97

[53] Torney C J， Lamont M， Debell h， et al. Inferring the rules of social interaction in migrating caribou [ J ]. Philosophical Transactions of the Royal Society B： Biological Sciences,2018, 373(1746) ： 20170385

[54] Mann R P. Bayesian Inference for Identifying Interaction Rules in Moving Animal Groups[J]. PLOS ONE,2011, 6(8)

[55] 羅巍， 邵全琴 ， 王東亮， 等. 基于面向對象分類的大型野生食草動物識別方法以青海三江源地區為例[J]. 野生動物學報，2017,38(4):561-564

[56] 邵全琴，郭興健，李愈哲， 等. 無人機遙感的大型野生食草動物種群數量及分布規律研究 D]. 遙感學報， 2018, 22 ( 3): 497-507

[57] 郭興健， 邵全琴，楊帆， 等. 無人機遙感調查黃河源瑪多縣巖羊數量及分布[J]. 自然資源學報， 2019 ,34(5):1054-1065

[58] Xu J， Solmaz G， Rahmatizadeh R, et al. Animal Monitoring with Unmanned Aerial Vehicle-Aided Wireless Sensor Networks[C] // IEEE LCN15. IEEE,2015:128-130

[59] Luis G, Glen M, Eduard Vj et al. Unmanned Aerial Vehicles( UAVs ) and Artificial Intelligence Revolutionizing Wildlife Monitoring and Conservation[J]. Sensors,2016,16 (1)： 97

[60] 李博， 史培軍，林小泉. 中國溫帶草地草畜平衡動態監測系統的研究[J]. 干旱區資源與環境， 1993(Zl ):269-274

[61] 王加亭， 炱旭江，蘇紅田，等. “三江源”地區退化草原的鼠害監測技術[J]. 草業科學， 2008(8) :110-112

[62] 王瑋，馮琦勝， 于惠， 等. “3S”技術在草地鼠蟲害監測與預測中的應用[J]. 草業科學，2010,27(3):31-39

[63] 李培先，鄭江華， 倪亦非， 等. 阿爾金山草地鼠害發生區及鼠荒地面積遙感估算[]]. 新疆農業科學， 2016 ,53(7):1346-1355

[64] 軒俊偉，鄭江華， 倪亦非， 等. 基于動力=:角翼平臺的草原鼠害遙感監測研究[J]. 中國植保導刊 2015,35( 2) :52-55

[65] 何詠琪， 黃曉東， 侯秀敏， 等. 基于 3S 技術的草原鼠害監測方法研究[J]. 草業學報，2013,22(3):33-40

[66] Yi S. FragMAP:a tool for long-term and cooperative monitoring and analysis of small-scale habitat fragmentation using an unmanned aerial vehicle[J]. International Journal of Remote Sensing,2017,38(8-10) ： 2686-2697

[67] 董光. 基于低空遙感的若爾蓋草地鼠害信息提取方法及對比研究[D]. 成都： 四川師范大學， 2019( 2):9-15

[68] 周曉琳，安如， 陳躍紅， 等. 三江源典型區鼠洞無人機遙感識別研究[J]. 亞熱帶資源與環境學報， 2018,13(4) :85-92

[69] 馬濤， 鄭江華， 溫阿敏， 等. 基于 UAV 低空遙感的荒漠林大沙鼠洞群覆蓋率及分布特征研究—以新疆古爾班通古特沙漠南緣局部為例[J]. 生態學報， 2018,38(3):953-963

來源：高娟婷，孫飛達，霍霏，張履冰，周俗，楊廷勇，邊巴扎西：無人機遙感技術在草地動植物調查監測中的應用與評價. 草地學報 第29卷 第1期