東北地理所在松嫩鹽堿化草地FVC/AGB無損監測研究中取得進展
準確、高效地監測草地覆蓋度（FVC）和地上生物量（AGB）兩項核心生態指標，是科學診斷草甸草原退化程度、評估生態系統恢復力、制定精準恢復與管理策略的關鍵基礎。傳統依賴人工野外調查的方法周期長、覆蓋范圍有限。近年來，“天空地一體化”監測體系的發展顯著提升了草地退化監測的速度與準確性。然而，發展高效、精準、低成本的無損監測技術仍是提升生態系統管理科學化水平的迫切需求。
針對這一挑戰，東北地理與農業生態研究所鹽堿地資源與利用學科組的研究人員成功開發出一套基于智能手機RGB圖像和深度學習的全新無損估算方法，顯著提升了AGB與FVC的評估效率和精度。研究團隊在中國吉林西部草甸草原采集了574張智能手機RGB圖像（圖1），并通過結合U-Net神經網絡與凸包掩膜自動識別1m × 1m樣方區域，將圖像分割精度從61.8%顯著提升至90.1%。研究比較了多種植被指數，發現植被顏色指數（CIVE）在草地圖像中的表現最為穩健，在鮮草樣地中FVC與AGB的相關系數分別達0.85與0.54。為應對干草與土壤之間的光譜混淆問題，特別是在干草占比超過10%的圖像中，團隊提出“先分割后重分類”的新流程，引入了TurboPixels超像素、邊緣引導分水嶺分割與k均值聚類等圖像處理技術，顯著提升了分類準確性（圖2）。
圖1 吉林省西部采樣點位置及典型樣方調查照片
建模過程中，研究采用了五種主流回歸算法（嶺回歸、k近鄰、支持向量回歸、隨機森林和偏最小二乘回歸），并分別在兩組輸入變量上開展訓練。結果表明，對鮮草和干草分別建模，平均可提升模型決定系數（R2）0.23，最大降低均方根誤差（RMSE）達41%。其中，融入植被高度信息對提升AGB估算精度尤為關鍵，最優模型R2可達0.62（圖3）。該研究所提出的技術框架僅依賴輕量化RGB影像和低成本計算資源，具備實地實時應用的巨大潛力，為多尺度草地遙感監測與生態評估提供了新的可靠工具。
圖2 基于深度學習與圖像處理技術的 FVC和AGB 估算流程圖
圖3 FVC與AGB實測值與預測值散點圖
相關研究成果以“Integrating image segmentation and auxiliary data for efficient estimation of FVC and AGB”為題，”發表在國際期刊《Smart Agricultural Technology》上，研究生張禧鳳為第一作者，博士后徐璐、馬紅媛研究員為通訊作者。研究得到國家自然科學聯合基金(No.U23A2004)、國家重點研發項目(No.2022YFF1300601)及中國科學院東北地理所創新團隊(2023CXTD02）等項目共同資助。
論文信息：
Zhang XF,Xu L*,Li YX,Yang Y, Li JG,Ma HY*. Integrating image segmentation and auxiliary data for efficient estimation of FVC and AGB,Smart Agricultural Technology,2025,12,101233.
論文鏈接：https://doi.org/10.1016/j.atech.2025.101233
附件下載：
吉公網安備22017302000214號
