TQAS-基于无人机的高寒草甸退化状况调查技术规程

Q/LB.□XXXXX-XXXXT/QASXXXX—XXXX前言本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由北京大学提出。本文件由青海省标准化协会归口。本标准起草单位：北京大学。本标准主要起草人：刘沿江、陈怀庆、FassnachtFabianEwald、王昊、吕植。基于无人机的高寒草甸黑土滩识别技术规程范围本规程针对高寒草甸黑土滩识别工作，以无人机技术手段为主，配合卫星遥感数据和实地样方调查，明确全流程技术要点、调查前准备工作、数据采集、数据汇总和预处理、多源影像监督分类、分类精度评价及草地质量与退化程度判定等技术要求。本规程适用于以低空无人机为主要手段、结合多源卫星遥感影像开展的高寒草甸草地质量调查、监测与评估工作。规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。CH/Z3001无人机航摄安全作业基本要求CH/Z3005低空数字航空摄影规范NY/T2998草地资源调查技术规程术语和定义下列术语和定义适用于本文件。

调查用无人机适用于在低空开展生态调查任务，具备自主飞行航线规划能力，可搭载可见光或多光谱等传感器的轻小型无人驾驶航空器系统（不包含高空长航时无人机）。

高寒草甸发育在高原或高山冷湿气候条件下，以耐寒的多年生草本植物为建群种，地表通常具有发育良好草毡层结构的代表性草地生态系统。

单子叶植物优势群落以单子叶植物（Monocotyledons）为主体或在群落生物量及盖度中占据绝对优势的植被群落，本区多见由禾本科（Poaceae）、莎草科（Cyperaceae）等植物组成的稳定群落。

双子叶植物优势群落以双子叶植物（Dicotyledons）为主体或在群落生物量及盖度中占据绝对优势的植被群落，本区多见由蕨麻属（Argentinaspp.）、风毛菊属（Saussureaspp.）、龙胆属（Gentianaspp.）植物组成的稳定群落。

草毡层高寒草甸中，由单子叶植物优势群落建群物种的根系与土壤交织固结而形成的垫状结构，厚度通常在10–30cm之间。主要生长单子叶植物，也会生长少量双子叶植物。因单子叶植物在秋冬季凋亡后在地表遗留大量干草，故草毡层在生长季（6-9月）呈绿色，在非生长季呈黄色或棕色。

黑土滩高寒草甸发生严重退化后，草毡层破损解体或完全消失，导致下伏暗黑色土壤大面积裸露形成的退化演替形态。主要生长双子叶植物，也会生长少量单子叶植物。因双子叶植物在秋冬季凋亡后几乎不遗留地上生物量，故黑土滩在生长季（6-9月）呈绿色，在非生长季暴露出地表土壤，呈黑色或深褐色。

地表覆盖类型对地表物理组成状态的描述。结合高寒草甸特征，本文件将其细分为保留完整草毡层的未退化草甸、退化裸露的黑土滩（含残存的草毡层碎块）、灌丛、高寒草原、水体及岩石等。

植被盖度植被垂直投影面积在统计区域总面积中所占的比例，通常用百分数表示。

监督分类利用已知类别的训练样本构建判别模型，对未知类别数据进行归类的方法，通过样本特征与类别间的数学关系实现自动分类。总体工作流程高寒草甸草地质量调查总体工作流程依次为：调查前准备工作、数据采集、植被参数获取、数据汇总与预处理、高寒草甸监督分类、分类精度评价、黑土滩比例与退化程度判定。详细的工作流程如图1所示。总体工作流程图调查前准备工作方案设计与调查区域资料获取依据调查目标与任务范围，收集卫星影像、地形图、交通图等基础资料，编制高寒草甸草地质量无人机调查实施方案。正式飞行作业前，结合影像资料开展现场踏勘，核实测区边界、面积、地形起伏等地理条件，踏勘工作按照CH/Z3001中5.1条要求执行，重点确认以下内容：最大高程差：通过地图判读与实地测量，确定测区最大高差；起飞与转场点位：结合交通与地形条件，选定高效起降点与转场路线，提升有效作业时长；植被覆盖特征：覆盖不同气候、海拔条件的高寒草甸类型，保证调查代表性。飞行空域及作业审批开展无人机外业飞行前，必须依据国家及地方关于低空空域使用的相关管理规定，须提前3天向测区所在地的飞行管制部门提交飞行计划，取得合法的空域使用审批与报备后方可实施作业。无人机技术指标选择结合测区范围与数据精度需求，选定适宜的无人机平台及搭载设备，核心要求如下：无人机平台：满负荷续航时间≥20min；抗风等级＞4级；可见光相机：有效像素≥1200万；多光谱相机：光谱覆盖400nm–840nm；通道数≥5，含红、绿、蓝、红边、近红外波段。监测样地选择和设置无人机调查样地设置开展正式采样前，针对评估区域草地质量状况进行整体观察，确保样地选择能够代表区域整体情况。按照气候、海拔、植被分布情况、植被长势差异，分级布设样地。样地要求地形平缓、无剧烈起伏，能够覆盖区内主要植被类型，单块样地大小为1km×1km。无人机草地观测样方设置完成1km×1km样地定位后，在评估区域内根据植被异质性，随机布设不少于4个30m×30m观测样方。划定边界后，四角设置醒目标记，便于重复查找与无人机航拍定位。使用卫星定位设备同步记录该样方的经纬度、海拔、坡度、坡向信息。人工验证样方设置在每个30m×30m样方内部，依据植被空间差异，随机布设不少于5个0.5m×0.5m人工验证样方，作为实地核查的基准单元。划定0.5m×0.5m样方边界后，至少在两个角点设置固定标记，方便长期定位观测。无人机飞行遥测规范为保障飞行安全与数据质量，需逐项确认气象、空域与设备状态：作业气象评估：优先选择晴朗少云时段；遇降水、浓雾或风速＞6m/s，不得作业；设备状态检查：作业前1天完成整机、载荷、电池与航线调试。数据采集机载可见光影像采集飞行作业要求完成样地选址后，使用卫星定位设备设备记录样地坐标，便于后期查找与图像地理配准，再开展无人机可见光影像采集。正式作业前再次确认评估区域边界、面积、地形起伏、最大高差、起降点、植被组成，以及电池与遥控器电量。使用通用的无人机飞行航线规划软件执行自动航拍。a)针对1km×1km大样地，主航线宜与样地边界平行。建议相对飞行高度300m，等时间或等距间隔拍摄，飞行速度8～10m/s；航向与旁向重叠率均设置为不低于65%。为获取物候特征差异，每块大样地每年应在非生长季（3～5月）与生长季（7～9月）各至少获取1期影像。b)针对30m×30m观测样方专属航拍时，需将样方完整纳入单张画面，影像范围应比样方外扩边界约1/3，推荐相对飞行高度40～50m。其余基础航空摄影操作参照CH/Z3001规定执行。其余操作按照CH/Z3001-2010相关要求执行。数据质量控制依据CH/Z3005对影像质量进行检查，需满足：——画面清晰、无拖影、无几何畸变；——无明显阴影、烟雾、过曝等干扰要素。地面验证数据采集对于5.4.3布设的人工验证样方，在每个样方内选取9个测量点，记录物种信息（难以鉴定可到科/属），并测量植株自然高度。在样方正上方1m处垂直向下拍摄样方全貌可见光照片。现场详细填报《人工验证样方调查记录表》（规范格式见附录A）。植被参数获取提取0.5m×0.5m样方地面影像，利用软件将其按20×20网格划分为400个单元格，抽取100个交叉特征点。逐点判读该点覆盖类别（单子叶植物、双子叶次生植被、无覆盖裸土），据此测算各类别的相对盖度。数据汇总和预处理无人机图像拼接数据整理时，将同一样地、同一时段拍摄的所有影像归入同一文件夹，按“样地名称/拍摄时间”命名，单样地影像数量一般在150–200张。采用自动化软件进行影像拼接，主要流程包括：影像对齐、密集点云生成、正射影像生成等。拼接结果如图2所示，最终得到一张完整的无人机样地TIF栅格图像。完成后导出带地理坐标的TIF栅格，在地理信息系统中加载使用。蓝色部分表示一张单独的无人机图像在自动化软件中进行无人机图像拼接无人机图像配准与校正拼接完成后，为保证空间位置准确，需进行地理配准与几何校正。将1km×1km拼接影像导入地理信息系统，各样地至少包含生长季与非生长季两期数据。以参考遥感影像为基准，检查偏移与变形，如存在偏差，使用软件配准工具校正，使影像与实地位置一致。卫星遥感影像获取为实现大范围黑土滩宏观提取，需同步获取测区内中高分辨率多光谱卫星影像数据。利用遥感计算平台调取目标年份及前后的长时序数据，经过去云、去雪掩膜计算，合成无缝的高质量生长季与非生长季影像序列（操作规范及范式详见附录B）。高寒草甸监督分类学习样本选取以0.5m×0.5m样方为基准，结合生长季、非生长季30m×30m样方影像，通过目视解译划分地表类型，选取草毡层、黑土滩、高寒草原、灌木、森林、岩石、水体七类验证点（评估区域内没有的地表覆盖类型则不选取）。选取规则：（1）岩石、水体特征明显，可直接确定；（2）森林、灌木在生长季呈深绿色、盖度高；非生长季乔木保持绿色，灌木呈深褐色，纹理与草地差异显著；（3）高寒草原无草毡层结构，植被盖度偏低；（4）草毡层在生长季呈绿色或浅绿色，在非生长季呈黄色或浅黄色。黑土滩在生长季呈绿色或深绿色，在非生长季呈黑褐色或深棕色。通过生长季与非生长季无人机影像的对比，并结合人工验证样方区分草毡层、黑土滩。在30m×30m影像上选取各类别样本点，点间距不小于0.5m。全部样本点按8:2随机拆分，80%作为训练样本，20%作为验证样本，用于精度评价与混淆矩阵计算。实施监督分类无人机图像的分类在地理信息系统中，将同一样地的生长季与非生长季无人机正射影像执行波段合成。导入训练样本集，选用随机森林（RandomForest）、最大似然法（MaximumLikelihood）等成熟机器学习算法，建立分类模型并执行监督分类，输出样地尺度的精细分类图。大尺度卫星合成影像的分类，可将无人机分类结果作为先验样本，在遥感计算平台进行降尺度特征上推，获得区域级退化空间分布格局。卫星遥感影像的分类大范围卫星影像分类在遥感计算平台完成：加载研究区边界，调用目标年份及前后两年共5年影像，筛选云量＜20%数据，去云去雪。按时段分为春季（3–5月）、夏季（6–9月）、秋季（10–11月），冬季影像因冰雪覆盖弃用。计算各时段影像平均值，生成年度代表影像。将多季节影像融合，以无人机样地分类结果为样本，完成卫星影像监督分类，最终得到全域草毡层、黑土滩空间分布，可为生态评价与牧业管理提供支撑。分类精度评价监督分类完成后，必须使用未参与模型训练的20%独立验证样本集对分类结果进行精度评估。基于验证点构建混淆矩阵（ConfusionMatrix），计算并输出总体分类精度（OverallAccuracy）和Kappa系数。针对“草毡层”与“黑土滩”类别的分类，总体精度原则上应不低于85%，若未达标需补充提纯样本或优化算法后进行二次分类。黑土滩比例与草地退化程度判定基于多尺度遥感监督分类获取的地表空间分布格局，结合地面调查的植被盖度参数，对调查区域内的高寒草甸开展草地质量判定与退化分级。草地退化程度分级重点依据评估单元（如1km×1km样地）内黑土滩（裸露及次生毒杂草）面积的相对占比为核心判别指标，综合定级如下：一等质量（未明显退化）：草地生态结构稳定，原生单子叶植物群落占据优势，底层草毡层结构保持完整，黑土滩裸露斑块面积占区域总面积＜10%；二等质量（中度退化）：草毡层出现明显的减薄与斑块状龟裂、分离，地表双子叶杂类草逐渐侵入增加，黑土滩斑块面积占比在10%～30%（含10%）之间；三等质量（重度退化）：原生植被大幅衰退，草毡层大面积剥落解体或完全消失，深色土壤严重裸露或已完全被双子叶次生植被占据，黑土滩斑块面积占比≥30%，呈现典型的重度退化黑土滩景观。

（规范性）

人工验证样方调查记录表见表A.1。人工验证样方调查记录表日期：时间：记录人：地点：样方编号：地面验证样方编号观测点植被种类或科属植被高度（cm）123456789

（资料性）

卫星遥感影像数据质量要求数据处理平台与遥感影像面积、波段、时相要求鉴于长时序、大区域卫星数据的庞大体量，推荐利用具备大规模算力的遥感云计算平台通过编写代码或构建工作流进行批量预处理。为全面反映监测区域植被状况，遥感影像应完全覆盖监测区域的全部范围。可通过裁剪、拼接等方法移除监测区域范围外的影像数据或补充监测范围内缺失的数据。为全面获取植被特征、提高分类精度，遥感影像必须包含3个可见光波段（蓝光波段波长490±20nm；绿光波段波长560±20nm；红光波段波长665±15nm）和至少1个近红外波段（波长833±50nm）为降低单一年份气象降水异常波动造成的极端影响，在提取影像底图时宜扩展时间窗口，将目标评价年份向前后分别延伸，得到至少覆盖监测年份在内的3到5年的“时序影像数据池”。数据降噪与特征合成策略按照高寒草甸物候规律，将“时序影像数据池”内的卫星影像划分为“生长季”（如6月～9月）与“非生长季”（如11月～次年3月）。每年的生长季和非生长季至少各包含一张遥感影像。调用卫星产品自带的像素质量评估波段，设定云量容忍阈值（通常提取含云量＜20%的影像），并利用云雪掩膜算法彻底剔除受云影、厚薄云及积雪污染的无效像元。对去云去雪后得到的有效时序序列，在像素级尺度上逐点计算同一位置的像元中位数（Median），从而生成一幅无缝、无云且能够完美代表该区域多年生长季/非生长季常态化地表物理特征的合成影像底图，将其作为后续大尺度监督分类模型的数据输入。

（资料性）

嘉塘草原高寒草甸草毡层与黑土滩识别实例说明研究区概况嘉塘草原位于青海省玉树藏族自治州称多县珍秦镇，地理范围为97.2°~97.8°E、33.2°~33.5°N，总面积约1200km²，海拔区间4150~5100m，年均降水量400~500mm，年均温约-1℃，扎曲自西向东横穿全域。该区域是青藏高原东部典型的高寒草甸分布区，也是当地传统的季节性放牧草场，具备高寒草甸退化梯度完整、人类放牧活动特征鲜明的特点，适合作为本规程方法的村镇尺度应用实例。工作实施流程三级数据采集体系卫星遥感数据：选取Landsat系列卫星影像，覆盖1990年、2000年、2010年、2020年四个时间节点，每个年份均纳入生长季与非生长季影像，采用当年及前后2年共5年的影像进行合成，降低单一年份气候波动的干扰。无人机遥感数据：在嘉塘草原按退化梯度布设14块1km×1km永久无人机样地，每块样地分别在生长季、非生长季开展航拍，累计完成无人机调查45架次，获取高分辨率可见光影像。实地样方数据：在无人机样地内设置17块30m×30m草地观测样方、101块0.5m×0.5m人工验证样方，累计开展实地调查303次。无人机样地与地面验证点的采集分布如图C.1所示。嘉塘草原的无人机样地和地面验证点分布数据预处理无人机影像：完成影像拼接、几何校正与地理配准，生成每块样地的1km×1km正射影像产品。卫星影像：完成云雪剔除、辐射校正，按生长季、非生长季分别进行波段合成，形成全域多季影像底图。两级随机森林监督分类严格执行规程规定的两级分类流程：第一级分类：以实地样方目视解译结果为训练与验证样本，对无人机正射影像开展随机森林监督分类，得到1km×1km样地尺度的精细分类结果。第二级分类：以无人机分类结果作为先验训练样本，对全域卫星影像开展随机森林监督分类，最终得到嘉塘全区域地表覆盖分类结果，分类体系包含草毡层、黑土滩、灌木、非植被四类。嘉塘草原2020年地表覆盖类型分类结果分类精度评价以2020年分类结果为例，采用混淆矩阵法开展精