基于无人机的地面生物质估计通过特征介导的途径在一个培养的莱姆斯chinensis草原草地
Lidong Cao1, Yu Fu1, Tianhang Zhao1
1Key Laboratory of Vegetation Ecology of the Ministry of Education, Jilin Songnen Grassland Ecosystem National Observation and Research Station, Institute of Grassland Science, Northeast Normal University, Changchun, Jilin, China.
Journal of environmental management
|March 3, 2026
概括
将管理数据和结构特征集成到无人机模型中,可以显著改善草原的地面生物质 (AGB) 估计. 然而,模型的可转移性依赖于关键结构特征的可用性,以进行准确的草原监测.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 农业科学 农业科学
背景情况:
- 在耕种草原上的地面生物量 (AGB) 对生态系统功能和农业生产力至关重要.
- 现有的基于无人机 (UAV) 的AGB模型通常依赖于光谱指数,并且可能因时空依赖性而高估了概括.
- 灌,肥和割草等管理实践显著影响草原 AGB.
研究的目的:
- 评估将管理信息和地面测量结构特征纳入用于AGB估计的无人机模型的影响.
- 评估这些增强模型在管理密集的草原系统中的性能和可转移性.
- 在AGB预测中确定光谱指数,管理因素和结构特征的相对重要性.
主要方法:
- 进行了一项为期3年的因数实验,使用了12种水--处理方法.
- 无人机的多光谱图像被采集和处理.
- 开发的光GBM模型整合了光谱指数,管理因素和结构特征 (树冠高度,叶面积指数).
- 为了进行可靠的评估,采用了独立于图形和年份的,针对目标优化的数据分割.
- 混合效应模型和结构方程建模用于分析管理相互作用和特征介导途径.
主要成果:
- 化肥显著增加了AGB (40-80%),而频繁的割草减少了灌和的协同效应.
- 最好的集成模型在测试组件上获得了0.73的R2.
- 在排除结构特征时,外部验证显示性能降低 (时间R2 = 0.54,空间可转移性CV R2 = 0.56).
- 结构特征是最重要的预测因素 (52%),其次是管理效应 (24%) 和光谱指数 (20%).
结论:
- 整合管理信息和结构特征可以大大改善以无人机为基础的农田草地AGB估计.
- AGB模型的可转移性和准确性严重依赖于关键结构特征的可用性.
- 这些发现支持开发管理相关的AGB监测工具,同时突出了当前模型可扩展性的局限性.
