《Rangeland Ecology & Management》:Very-Fine Resolution Multispectral Imagery for Rangeland Forage Quality Assessment
编辑推荐:
理解牧场景观尺度上的饲草营养动态,对于可持续放牧管理和野生动物生境保护至关重要。传统野外采样方法受到空间覆盖有限、耗时且劳动密集型流程的制约。本研究旨在评估半干旱牧场中原生禾草营养含量的光谱关系与时间关系。为此,研究人员于2023年11月至2024年5月期间,
理解牧场景观尺度上的饲草营养动态,对于可持续放牧管理和野生动物生境保护至关重要。传统野外采样方法受到空间覆盖有限、耗时且劳动密集型流程的制约。本研究旨在评估半干旱牧场中原生禾草营养含量的光谱关系与时间关系。为此,研究人员于2023年11月至2024年5月期间,按月对单一种植小区开展无人机飞行,目标物种包括粉穗须芒草(pink pappusgrass,Pappophorum bicolor E. Fourn)、海滨须芒草(seacoast bluestem,Schizachyrium scoparium var. littorale [Nash] K.N. Gandhi & F.E. Smeins)和细柄格兰马草(slender grama,Bouteloua repens [Kunth] Scribn. & Merr.)。研究采用搭载MicaSense Altum多光谱传感器的DJI Matrice 210无人机,采集5个光谱波段,即蓝光、绿光、红光、红边和近红外(near-infrared,NIR)。植被样品按月采集,并采用近红外光谱法(near-infrared spectroscopy,NIRS)分析粗蛋白和可消化有机物。研究人员开展了探索性回归分析,以建立光谱数据与营养参数之间的关系。结果显示,粉穗须芒草的粗蛋白范围为6%–14%(均方根误差,root mean square error,RMSE = 1.86),可消化有机物最高达70%(RMSE = 7.92)。海滨须芒草的粗蛋白为3%–8%(RMSE = 1.36),可消化有机物最高达65%(RMSE = 5.22);细柄格兰马草的粗蛋白为5%–10%(RMSE = 1.47),可消化有机物为50%–60%(RMSE = 4.03)。光谱数据与营养含量之间的回归分析表明,R2介于0.48至0.80。归一化红光指数(Normalized Red,NormR)和增强型归一化差异植被指数(Enhanced Normalized Difference Vegetation Index,ENDVI)能够稳定解释粗蛋白的变异,而蓝光、红光和NIR波段则能够解释3种物种可消化有机物的变异。多光谱影像的光谱信息具有用于评估半干旱景观中牧场植物物种营养价值的潜力。本研究为在半干旱景观中整合遥感技术与传统牧场监测方法提供了新的认识。
该文发表于《Rangeland Ecology》。研究聚焦半干旱牧场饲草营养质量的精细化监测问题。牧场生态系统中,植被质量尤其是粗蛋白和可消化有机物,直接关系到家畜与野生有蹄类动物的维持、生长、繁殖及栖息地质量评估,也是放牧调控、补饲安排和恢复管理的重要依据。然而,传统营养监测主要依赖地面样方收割和实验室化验,存在空间代表性不足、时间分辨率有限、劳动与成本投入高等局限,难以适应半干旱区植被在降雨脉冲、温度变化和生长物候驱动下表现出的强烈时空异质性。与此同时,尽管卫星与无人机遥感已广泛用于植被状况监测,但针对半干旱牧场原生C
4禾草营养参数与光谱特征之间定量联系的研究仍然较少,尤其缺乏物种层面的高空间分辨率证据。因此,研究人员以美国南得克萨斯地区3种代表性原生禾草为对象,试图建立超高空间分辨率多光谱影像与粗蛋白、可消化有机物之间的关系,为牧场饲草质量遥感评估提供依据。
研究人员在Texas A&M University-Kingsville所属South Texas Natives Project Farm开展研究,选取粉穗须芒草、海滨须芒草和细柄格兰马草3个单物种种植小区作为研究对象。研究结果表明,这3种南得克萨斯原生禾草在2023年11月至2024年5月期间表现出明显的季节性营养波动,其中粉穗须芒草整体营养水平最高,海滨须芒草粗蛋白最低,而细柄格兰马草维持中等且相对稳定的水平。更重要的是,多光谱波段及植被指数与营养参数之间存在中等到较强的统计关联,粗蛋白的解释变量以NormR和ENDVI最为稳定,可消化有机物则主要由蓝光、红光和NIR波段解释,模型R
2范围为0.48–0.80。研究说明,无人机多光谱遥感能够在半干旱牧场中捕捉与饲草营养质量相关的精细光谱信号,为传统地面监测提供扩展手段,并为未来构建物种特异性光谱库、开展景观尺度营养价值制图奠定基础。
研究所采用的关键技术方法可概括如下:第一,研究区设置于南得克萨斯平原生态区的单物种草地小区,2023年11月至2024年5月按月实施无人机航测;第二,采用搭载MicaSense Altum传感器的DJI Matrice 210获取蓝、绿、红、红边和近红外5个波段反射率,并生成正射镶嵌影像;第三,在每次飞行当天于3个物种小区内随机布设样方,共获得每个物种70份样品、总计210份植被样品;第四,样品经干燥、粉碎后,使用FOSS NIR 6500近红外光谱仪测定粗蛋白与可消化有机物;第五,基于波段值计算归一化差异植被指数(NDVI)、增强型归一化差异植被指数(ENDVI)、归一化绿红差异指数(NGRDI)和归一化红光指数(NormR),并结合Kruskal–Wallis检验、全子集回归与逐步回归分析光谱—营养关系。
在研究结果部分,论文首先报告了不同物种营养质量的季节变化。结果显示,粉穗须芒草在整个研究期间具有最高的营养水平。其粗蛋白在2023年11月至2024年2月维持在6%–8%,于2024年3月升至14%的峰值,至5月回落至9%;可消化有机物在11月至次年2月为29%–40%,于2024年4月达到70%,5月为62%。这一结果表明,粉穗须芒草在春季活跃生长期可提供较高蛋白和较高能量利用价值,是3个物种中营养贡献最突出的草种。
随后,论文给出了粉穗须芒草的回归建模结果。研究人员通过全子集回归和逐步回归发现,粉穗须芒草粗蛋白模型使用5个预测变量时达到R
2 = 0.73、调整R
2 = 0.709、RMSE = 1.86、Mallows Cp = 6.61;可消化有机物模型使用8个预测变量时达到R
2 = 0.803、调整R
2 = 0.778、RMSE = 7.92、Mallows Cp = 9.01。说明在该物种中,多光谱波段与植被指数对营养参数具有较强解释力。
关于细柄格兰马草,研究结果显示其粗蛋白介于5.5%–10%,峰值出现在3月和4月;可消化有机物在春季升高,超过50%,最高约60%。对应回归结果中,粗蛋白模型使用5个变量时,R
2 = 0.48、调整R
2 = 0.443、RMSE = 1.47、Mallows Cp = 6.11;可消化有机物模型使用4个变量时,R
2 = 0.69、调整R
2 = 0.672、RMSE = 4.03、Mallows Cp = 5.33。该结果说明,虽然细柄格兰马草粗蛋白的光谱解释度相对较低,但其可消化有机物仍可被多光谱信息较好预测。
关于海滨须芒草,研究表明其粗蛋白最低,范围为3%–8%,峰值出现在3月;可消化有机物在春季最高可达65%。其粗蛋白模型使用7个变量时,R
2 = 0.65、调整R
2 = 0.612、RMSE = 1.36、Mallows Cp = 8.02;可消化有机物模型使用7个变量时,R
2 = 0.72、调整R
2 = 0.686、RMSE = 5.22、Mallows Cp = 8.18。说明海滨须芒草虽然绝对营养值偏低,但其营养变化仍能通过多光谱变量获得较可靠刻画。
论文进一步综合比较了3个物种的光谱—营养关系,指出粗蛋白的变异在3个物种中均可由NormR和ENDVI持续解释,而可消化有机物在3个物种中均主要受蓝光、红光和NIR波段解释。此外,粉穗须芒草和海滨须芒草的粗蛋白还受到红边与NIR信息影响;其可消化有机物则还与绿光、红边、NGRDI及ENDVI相关。该结果强调,不同物种的营养参数虽存在共同的光谱响应规律,但具体模型结构具有明显物种特异性,因此有必要继续积累更高光谱分辨率数据,建立适用于原生牧草的数字光谱库。
讨论部分总结认为,本研究是较早报告南得克萨斯3种原生牧草蛋白含量的工作之一,证实这些物种在不同季节具有互补性的营养谱特征。粉穗须芒草在活跃生长期的粗蛋白和可消化有机物水平较高,显示出较强的牧草利用潜力;细柄格兰马草和海滨须芒草则在干旱适应性、持续性和季节性饲草供给方面具有补充作用。研究还指出,粗蛋白与可消化有机物在春季升高,与南得克萨斯冷季至春季的降雨和植被生长节律一致,提示管理者可依据季节营养波动安排补饲或调整放牧密度。更关键的是,研究证实无人机多光谱遥感与实验室营养测定相结合,能够在受控条件下建立精细的光谱—营养关系,为景观尺度饲草质量评估提供技术路径。论文同时指出,该方法尚未纳入动物对植物种类和取食部位的选择性信息,因此仍需结合其他方法进一步完善实际食物质量评价。
研究结论部分可译述为:本研究是较早报道南得克萨斯牧场中粉穗须芒草、细柄格兰马草和海滨须芒草蛋白含量的研究之一。南得克萨斯原生禾草多样化的营养谱构成了能够支持野生动物和家畜利用的多种饲草机会。该研究展示了将遥感技术与传统牧场监测方法相结合的新认识,为更高效、更全面地评估牧场饲草质量提供了新的可能。未来研究应在这些方法基础上拓展至更多营养参数,并探索其在不同牧场生态系统中的光谱关系。
总体而言,该研究围绕“超高精细分辨率多光谱影像能否用于半干旱牧场原生禾草营养质量评估”这一核心问题,构建了从无人机影像获取、地面样方采集、NIRS营养分析到统计建模的完整研究链条。其主要贡献在于:一是揭示了3种南得克萨斯原生C
4禾草在研究季内的营养动态差异;二是验证了多光谱波段与植被指数对粗蛋白和可消化有机物的解释能力;三是为牧场生态监测从传统点位采样向高时空分辨率遥感融合转型提供了实证支持。研究结论严格建立在原文数据与分析结果基础上,体现出无人机多光谱遥感在半干旱牧场营养监测中的现实应用前景。