综述：草地植物生物多样性和功能性状的遥感监测

这篇综述系统总结了2018-2024年遥感技术（包括无人机UAV、卫星和航空影像）在监测草地植物生物多样性（如α/β多样性）和功能性状（如叶面积指数LAI、粗蛋白CP、氮磷钾N/P/K）中的应用进展，强调多尺度数据整合、机器学习（如随机森林RF）和光谱数据库构建的未来发展方向。

　　

ABSTRACT

近年来，遥感技术在草地植物生物多样性和功能性状监测中的应用显著增长。无人机（UAV）作为桥梁，填补了卫星影像（十米级）与地面点尺度数据之间的空白，同时机器学习方法为海量遥感数据提供了新的分析工具。本文综述了2018-2024年间遥感监测草地生物多样性及六种功能性状（叶干物质含量LDMC、粗蛋白CP、钾K、磷P、氮N和叶面积指数LAI）的研究进展，提出未来需重点关注跨尺度观测整合、误差系统性分析、高光谱卫星数据应用及全球草地光谱数据库建设。

1 Introduction

草地覆盖地球陆地表面的30%-40%，贡献了陆地净初级生产力的三分之一，具有水源调节、侵蚀控制等重要生态功能。自然和半自然草地通常具有较高的群落复杂性，是植物生物多样性的重要载体。实验表明，草地生物多样性提升可增加产量稳定性并促进碳汇。然而，土地利用变化和集约农业导致草地面积减少和生物多样性下降。

植物功能性状（如高LDMC、低比叶面积）是草地适应环境的关键特征，与生态系统功能（如碳储存、胁迫耐受）密切相关。光学遥感通过分析植物与电磁波的相互作用，可提取物种多样性（图1）和功能性状信息。近年来，卫星传感器的空间、光谱和时间分辨率提升，结合无人机技术（毫米级分辨率），为草地监测提供了多样化工具。

2 Literature Search and Filtering Criteria

通过Web of Science数据库检索2018-2024年文献，筛选标准包括：研究主题相关性、遥感方法创新性及非近端传感器使用。最终纳入125篇论文（去重后112篇），涵盖生物多样性（37篇）和功能性状（如LAI 35篇、CP 10篇）。

3 Remote Sensing of Grassland Biodiversity

3.1 Spectral Variation Hypothesis

光谱变异假说（SVH）认为物种光谱特征差异可反映多样性。研究表明，空间分辨率显著影响SVH效果：1 mm-10 cm像素下物种丰富度与光谱多样性（SD）相关性最强，但超过10 cm后关系减弱。例如，Sentinel-2数据在1 m分辨率下与Simpson指数显著相关，而5 m分辨率则无。

混杂因素如裸土比例、物候阶段（开花时间）和垂直结构（负相关）需通过多时相分析或光谱端元分解（减少土壤干扰）等方法校正。例如，Sentinel-2时间序列中，时序SD比空间SD更能稳定预测物种多样性。

3.2 Machine Learning

随机森林（RF）模型在多个研究中表现最优。例如，结合Landsat-8和气候数据的RF模型预测西藏草地多样性（R²=0.6）；Sentinel-2数据与RF结合在德国草地中Shannon指数预测R²达0.68。深度学习（如卷积神经网络）在物种分类中准确率可达88%，但泛化能力仍需提升。

3.3 Other Methods

替代方法包括无人机影像手动计数（检出71种 vs. 样方63种）、Sentinel-2近红外/绿波段比值（R²=0.44），以及结合历史NDVI与民族学的跨学科研究，为土地管理提供文化实践依据。

4 Functional Traits

4.1 Leaf Area Index

高分辨率：无人机高光谱结合PROSAIL模型在内蒙古单种草地的LAI预测R²达0.87。

中分辨率：Sentinel-2的NDVI与LAI相关性（R²=0.62-0.93），雷达数据可改善高密度植被区饱和问题。

低分辨率：全球LAI产品（如GLASS）在草地中表现不一，GLOBMAP在草甸中最佳（R²<0.4），但时间分辨率影响突发变化检测。

4.2 Leaf Dry Matter Content

LDMC遥感研究较少，无人机高光谱在德州恢复草地的PLSR模型解释73%变异，而西藏研究因缺乏1450/1950 nm波段（水分吸收特征）仅达R²=0.3。

4.3 Potassium, Phosphorus, and Nitrogen

多光谱：Sentinel-2的RF模型在德国牧场预测N/P（R²=0.47-0.85），图形理论伪高光谱提升磷预测（R²=0.74）。

高光谱：飞机数据在内蒙古实验地的N/P预测R²分别为0.87/0.54，但自然草地因物种丰富度降低精度（NEON数据R²<0.5）。

4.4 Crude Protein

CP预测表现最优：西藏MODIS数据RF模型（R²>0.7）、哥伦比亚无人机波段指数（R²=0.8），但商业化草地因模型迁移问题失败。

5 Discussion and Recommendations

未来需突破四大瓶颈：

1. 跨尺度观测整合（毫米至公里级）

2. 误差源系统分析（如土壤、物候干扰）

3. 高光谱卫星（如EnMAP）广泛应用

4. 构建全球草地光谱数据库（链接光谱-物种-功能性状）