基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究

doi:10.11733/j.issn.1007-0435.2020.02.031

草地学报 ›› 2020, Vol. 28 ›› Issue (2): 547-557.DOI: 10.11733/j.issn.1007-0435.2020.02.031

基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究

于璐^1,2,3, 王迅^1,2,3, 柴沙驼^1,2,3, 刘书杰^1,2,3

1. 青海大学畜牧兽医科学院, 青海西宁 810016;
2. 青海省高原放牧家畜动物营养与饲料科学重点实验室, 青海西宁 810016;
3. 青海省牦牛工程技术研究中心, 青海西宁 810016

收稿日期:2019-11-04 修回日期:2019-12-16 出版日期:2020-04-15 发布日期:2020-04-11
通讯作者: 柴沙驼
作者简介:于璐(1994-),女,黑龙江哈尔滨人,硕士研究生,主要从事草地遥感研究,E-mail:1131892090@qq.com
基金资助:
国家自然科学基金项目（41461081，31660673）；国家重点研发计划课题（2018YFD0502301）资助

Seasonal Dynamic Inversion of Natural Grassland Forage Content Based on High-resolution Satellite Remote Sensing

YU Lu^1,2,3, WANG Xun^1,2,3, CHAI Sha-tuo^1,2,3, LIU Shu-jie^1,2,3

1. Qinghai Academy of Animal Husbandry and Veterinary Sciences in Qinghai University, Qinghai University, Xining, Qinghai Province 810016, China;
2. Key Laboratory of Plateau Grazing Animal Nutrition and Feed Science of Qinghai Province, Qinghai University, Xining 810016, Qinghai Province, China;
3. Yak Engineering Technology Research Center of Qinghai Province, Xining, Qinghai Province 810016, China

Received:2019-11-04 Revised:2019-12-16 Online:2020-04-15 Published:2020-04-11

摘要/Abstract

摘要： 本试验选取了青海省海北地区的海晏县作为研究区域，按照返青期（4-6月）、盛草期（7-9月）、枯黄期（10-12月）和枯草期（1-3月）4个阶段，试图通过实地测量、实验室分析与高分遥感影像相结合，分别筛选与草地各营养指标含量相关性最优的植被指数，建立草地营养含量月际动态估测模型，旨在将高分卫星影像与地面高光谱数据相结合，初步探寻天然草地各营养指标含量的月际动态规律，对指导冷季补饲及实现草地资源最优配置具有重要意义。结果表明：结合高分遥感数据，针对不同月份分别筛选最佳反演模型，对各营养指标含量进行反演，以此分析草场各营养含量月际动态变化规律是可行的；牧草干物质、粗蛋白、钙和磷含量随着返青期-盛草期-枯黄期-枯草期的变化趋势，基本呈现先增后减型变化。4个阶段中，草场干物质和磷含量最大相差约6倍，粗蛋白含量最大相差约7倍，钙含量最大相差约17倍。

关键词: 天然草地, 牧草, 营养含量, 反演模型, 植被指数, 高分卫星遥感

Abstract: Haiyan in Haibei area of Qinghai Province is selected as the research area. According to the four stages of the regreening period (April-June),the grass-bearing period (July-September),the yellowing period (October-December),and the dry grass period (January-March),it attempted to combine the field measurement,laboratory analysis and high-resolution remote sensing images. Based on the remote sensing vegetation index with the best correlation between nutrient output and the dynamic estimation model of forage grass nutrient content. It is intended to combine high-resolution satellite imagery with terrestrial hyperspectral data to initially explore the monthly dynamics of the nutrient content of natural grassland pastures,and play a guiding role in formulating a reasonable supplementary feeding plan and realizing the optimal allocation of grassland resources. The results showed that it was feasible to screen the best inversion models for different months and to invert the content of each nutrient index in combination with high-scoring remote sensing data,so as to analyze the monthly dynamics of nutrient content in grassland. The changing trend of the content of dry matter(DM),crude protein (CP),calcium (Ca) and phosphorus (P) in pastures at the period-to-grass stage-leaf stage-wild stage increased first and then decreased,the difference between dry matter and phosphorus content was about 6 times,the maximum difference of crude protein content was about 7 times,and the maximum difference of calcium content was about 17 times.

Key words: Natural glassland, Grass, Nutrient content, Inversion model, Vegetation index, High-resolution satellite remote sensing

中图分类号:

S812
S153

于璐, 王迅, 柴沙驼, 刘书杰. 基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究[J]. 草地学报, 2020, 28(2): 547-557.

YU Lu, WANG Xun, CHAI Sha-tuo, LIU Shu-jie. Seasonal Dynamic Inversion of Natural Grassland Forage Content Based on High-resolution Satellite Remote Sensing[J]. Acta Agrestia Sinica, 2020, 28(2): 547-557.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://manu40.magtech.com.cn/Jweb_cdxb/CN/10.11733/j.issn.1007-0435.2020.02.031

https://manu40.magtech.com.cn/Jweb_cdxb/CN/Y2020/V28/I2/547

参考文献

[1] 林慧龙,王钊齐,张英俊. 综合系统评价视角下的草畜平衡机制刍议[J]. 草地学报,2011,19(05):717-723
[2] 尚占环,董全民,施建军,等. 青藏高原“黑土滩”退化草地及其生态恢复近10年研究进展——兼论三江源生态恢复问题[J]. 草地学报,2018,26(01):1-21
[3] 鹿海员. 牧区“水-土-草-畜”平衡调控模式与方法研究[D]. 北京:中国水利水电科学研究院,2017:146
[4] 金花. 基于3S技术支持的草地营养与载畜量评价研究[D]. 呼和浩特:内蒙古农业大学,2008:89
[5] 才红梅. 青海省天然草地牧草营养价值研究综述[J]. 养殖与饲料,2012(05):34-35
[6] 郭雅婧,薛冉,李春涛,等. 青藏高原草畜供求的月际平衡模式研究[J]. 中国草地学报,2014,36(02):29-35
[7] 崔光欣. 青藏高原高寒植物及牦牛奶抗氧化特性研究[D]. 兰州:兰州大学,2016:100
[8] 多立安,赵树兰. 新西兰草地畜牧业特征[J]. 草地学报,2004(02):158-161
[9] 张树淼. 高山美利奴种公羊放牧营养监测及其能量与蛋白质营养需要研究[D]. 兰州:兰州大学,2019:74
[10] 王向涛,陈懂懂,李奇,等. 青海湖南岸天然草场牧草生产力和养分季节动态[J]. 兰州大学学报(自然科学版),2019,55(02):199-203
[11] 李治国. 内蒙古家庭牧场资源优化配置与适应性管理模拟研究[D]. 呼和浩特:内蒙古农业大学,2015:125
[12] 闫琦. 青藏高原典型牧区畜群结构及载畜量研究[D]. 兰州:兰州大学,2019:62
[13] 严建武,李春娥,袁雷,等. EOS-MODIS数据在草地资源监测中的应用进展综述[J]. 草业科学,2008(04):1-9
[14] 赵芸君,哈尔·阿力,雒诚龙,等. 阿勒泰富蕴县春秋牧场生产能力的研究[J]. 草地学报,2018,26(04):1020-1025.
[15] 查勇,Jay Gao,倪绍祥. 国际草地资源遥感研究新进展[J]. 地理科学进展,2003(06):607-617
[16] 程丽娟,孙林,姚延娟,等. 植被生化组分定量遥感反演研究进展[J]. 大气与环境光学学报,2011,6(03):163-178
[17] 侯尧宸. 基于遥感和牧草饲用价值的高寒草地资源评价方法研究[D]. 兰州:兰州大学,2015:70
[18] 李薇薇. 高光谱数据库的地物特征反演研究[D]. 武汉:华中师范大学,2012:51
[19] 贺丹,张静. 深度学习方法在高分遥感影像绿地提取和生物量估计中的应用研究[J]. 农家参谋,2019(19):155+119
[20] 任成冕,计春祥,张禾,等. 高分辨率遥感影像在茶叶种植区监测中的应用[J]. 资源信息与工程,2018,33(06):138-139+141
[21] 黄金龙,居为民,郑光,等. 基于高分辨率遥感影像的森林地上生物量估算[J]. 生态学报,2013,33(20):6497-6508
[22] KNOX N M,SKIDMORC A K,PRINS H H T. Remote sensing of forage nutrients Combining ecological and spectral absorption feature data[J]. ISPRS Journal of Photogrammctry and Remote Sensing,2012,72:27-35
[23] RAMOCLO A,CHO M A,MATHICU R. Estimating grass nutrients and biomass as an indicator of rangeland(forage) quality and quantity using remote sensing in Savanna ecosystems[C]. 9th International Conference of the African Association of Remote Sensing and the Environment Eljadida,Morocco:AARSE,2012:43-51
[24] 贾良良,寿丽娜,李斐,等. 遥感技术在植物氮营养诊断和推荐施肥中的应用之研究进展[J]. 中国农学通报,2007(12):396-401
[25] 王迅,刘书杰,张晓卫,等. 基于HJ-1A/1B数据的高寒草地牧草营养动态监测模型[J]. 国土资源遥感,2013,25(03):183-188
[26] STARlKS P J,ZHAO D,PHILLIPS W Al. Herbage mass,nutritive value and canopy spectral reflectance of bermudagrass pastures[C]. Grass Forage Science,2006,61:101-111
[27] 杜雪燕,王迅,柴沙驼,等. 天然牧草营养成分的近红外光谱定量分析[J]. 中国农学通报,2015,31(17):6-11
[28] 马维维. 草地类型及其品质参数的遥感反演方法研究[D]. 上海:中国科学院研究生院(上海技术物理研究所),2015:121
[29] 刘哲,王玉琴,薛树媛,等. 近红外漫反射光谱定量分析天然牧草营养成分[J]. 草地学报,2018,26(01):249-255
[30] NA Q. Hyperspectral and Nutrition of Medicago sativa L and Bromus ciliatus L.Correlation Research[D]. Hohhot:Inner Mongolia Agricultural University,2010:65
[31] 杨铭. 海晏县天然草地分布规律调查研究[J]. 今日畜牧兽医,2018,34(09):62+61
[32] 韩小东,刘慧丽,郝力壮,等. 高寒草甸牧草常规营养成分与总能预测模型的建立[J]. 西北农业学报,2018,27(10):1416-1422
[33] Rouse J W Jr,Haas R H,Schell J A,et al. Monitoring vegetation systems in the great plains with ERTS[C]//The 3rd ERTS Symposium. Washington,DC:NASA,1973,351:309-317
[34] Liu H Q,Huete A R. A feedback based modification of the NDVI to minimize canopy background and atmospheric noise[J]. IEEE Transactions on Geoscience and Remote Sensing,1995,33(2):457-465
[35] Jordan C F. Derivation of leaf area index ffrom quality of light on the forest floor[J]. Ecology,1969,50:663-666
[36] Qi J A. Modified soil adjusted vegetation index[J]. Remote Sens. Environ,1994,48:119-126
[37] 颜春燕,刘强,牛铮,等. 冠层光谱的多项式分析及生化参量反演[J]. 中国科学(D辑:地球科学),2005(09):85-94
[38] 韩兆迎,朱西存,刘庆,等. 黄河三角洲土壤有机质含量的高光谱反演[J]. 植物营养与肥料学报,2014,20(06):1545-1552
[39] 王晶. 基于多源遥感数据融合与数据同化的水稻信息提取研究[D]. 杭州:浙江大学,2016:189
[40] 张鲜花,朱进忠,孙宗玖,等. 放牧强度对草地牧草现存量及养分动态的影响[J]. 草业科学,2014,31(01):116-124
[41] 童涛,张开栋,吴玉江,等. 西藏那曲地区放牧草地营养和产量的季节性变化与西藏绒山羊采食喜好研究[J]. 草地学报,2019,27(01):104-111
[42] 周学辉,张力,郑中朝,等. 青藏高原高寒草甸草场土-草-畜生态系统中钙、磷、镁的季节变化研究[J]. 中国草食动物,2005(02):17-20
[43] 谢敖云,柴沙驼,王万邦,等. 高山草甸草地牧草产量及其营养变化规律[J]. 青海畜牧兽医杂志,1996(02):8-10
[44] 杨冬梅,李俊年,何岚,等.湘西地区土壤-牧草-山羊钙镁含量的季节性动态特征研究[J]. 生态环境学报,2010,19(06):1300-1305
[45] 郝力壮. 牦牛暖季补饲对改善肉品质的作用及机理研究[D]. 兰州:兰州大学,2019:154
[46] McD L R. Minerals in Animal and Human Nutrition[M]. London:Academic Press,1992:1-25,176-332
[47] 曲亚玲. 两种荒漠土壤和牧草矿物元素含量的比较研究[J]. 草业学报,1999,8(1):69-72
[48] 葛静,孟宝平,杨淑霞,等. 基于ADC和MODIS遥感数据的高寒草地地上生物量监测研究——以黄河源区为例[J]. 草业学报,2017,26(07):23-34
[49] 孟宝平. 基于UAV和机器学习方法的甘南地区高寒草地地上生物量遥感估测研究[D]. 兰州:兰州大学,2018:115
[50] 张爱武,郭超凡,鄢文艳. 区间优化提高牧草粗蛋白含量遥感估算精度[J]. 农业工程学报,2018,34(14):149-156
[51] Aase,J.K.,Tanaka,D.L.. Reflectance from four wheat residue cover densities as influenced by three soil backgrounds[J]. Agronomy Journal,1991,83(04):753-757
[52] Inoue Y,Sakaiya E,Zhu Y. Diagnostic mapping of canopy nitrogen content in rice based on hyperspectral measurements[J]. Remote Sensing of Environment,2012,(126):210-221
[53] 杨淑霞,冯琦胜,孟宝平,等. 三江源地区高寒草地地上生物量时空动态变化[J]. 草业科学,2018,35(05):956-968
[54] 蒙继华. 农作物长势遥感监测指标研究[D]. 北京:中国科学院研究生院(遥感应用研究所),2006:160
[55] 魏香琴. 面向应用的国产光学卫星数据应用性能评价研究[D]. 北京:中国科学院大学(中国科学院遥感与数字地球研究所),2017:112
[56] 李晓松. 干旱地区稀疏植被覆盖度高光谱遥感定量反演研究[D]. 北京:中国林业科学研究院,2008:129

基于高分卫星遥感的天然草地牧草营养含量季节动态反演的研究

Seasonal Dynamic Inversion of Natural Grassland Forage Content Based on High-resolution Satellite Remote Sensing

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	姚喜喜, 王立亚, 严振英, 张文娟, 孙海群, 周睿. 放牧对温性荒漠草原植物群落特征与牧草营养品质的影响[J]. 草地学报, 2021, 29(S1): 165-172.
[2]	黄家兴, 吴静, 李纯斌, 秦格霞, 钱娟冰, 李怀海. 基于Sentinel-2和Landsat 8数据的天祝县草地地上生物量遥感反演[J]. 草地学报, 2021, 29(9): 2023-2030.
[3]	肖云飞, 陈文业, 王斌杰, 谈嫣蓉, 邴丹珲, 朱丽, 刘鸿源. 祁连山国家级自然保护区土地利用时空变化及与气候因子关系研究[J]. 草地学报, 2021, 29(9): 2049-2057.
[4]	张金花, 何静, 张小彦, 张树衡, 张恒, 李彦湘. 除草剂胁迫下3种牧草浸提液对受体植物种子萌发和幼苗生长的影响[J]. 草地学报, 2021, 29(8): 1719-1728.
[5]	姚喜喜, 才华, 刘皓栋, 李长慧. 不同季节高寒草甸牧草瘤胃发酵特性和体外消化率分析[J]. 草地学报, 2021, 29(8): 1729-1737.
[6]	谢开云, 孟翔, 徐珍珍, 张力文, 万江春, 颜安, 李陈建. 新疆半干旱地区不同种类混播草地的牧草产量和营养价值研究[J]. 草地学报, 2021, 29(8): 1835-1842.
[7]	张峰, 赵天启, 乔荠瑢, 赵萌莉, 张心玥, 吴建新. 刈割留茬高度对大针茅草原生产力及可持续利用的影响[J]. 草地学报, 2021, 29(7): 1491-1498.
[8]	罗杨, 陈志飞, 周俊杰, 简春霞, 赖帅彬, 陈阳, 王绍妍, 靳媛, 徐炳成. 黄土丘陵区白羊草群落光谱特征对氮磷添加的响应[J]. 草地学报, 2021, 29(6): 1158-1165.
[9]	顾锡羚, 郭恩亮, 银山, 王永芳, 那仁满都拉, 万志强. 干旱对内蒙古植被生长的累积与滞后影响评估研究[J]. 草地学报, 2021, 29(6): 1301-1310.
[10]	郭超凡, 陈泽威, 张志高. 基于最优模型选择的牧草地上生物量遥感估算研究[J]. 草地学报, 2021, 29(5): 946-955.
[11]	宋奇, 高琪, 马自强, 王楠, 王明玥, 彭杰. 1990—2019年阿拉尔垦区植被覆盖时空变化特征分析[J]. 草地学报, 2021, 29(5): 1014-1024.
[12]	王晶, 伏兵哲. 基于文献计量分析的禾本科牧草染色体加倍研究进展[J]. 草地学报, 2021, 29(3): 413-424.
[13]	王斌, 杨彦军, 董秀, 李满有, 沈笑天, 曹立娟, 兰剑. 补播禾草对退化苜蓿草地生产性能及牧草品质的影响[J]. 草地学报, 2021, 29(3): 618-624.
[14]	苏贝贝, 张英, 道日娜. 4种豆科栽培牧草根际土壤细菌群落分布特征研究[J]. 草地学报, 2021, 29(2): 250-258.
[15]	苏贝贝, 张英, 道日娜. 4种豆科植物根际土壤真菌群落特征与土壤理化因子间相关性分析[J]. 草地学报, 2021, 29(12): 2670-2677.