一、引言

随着全球气候变化和人类活动的不断加剧，生物多样性面临着前所未有的威胁。近地观测平台作为一种新兴的观测手段，具有高精度、高效率和高自动化等特点，为生物多样性研究提供了新的契机。

北京星视图科技有限公司推出的科研一杆通（SCI-in-One）是一种综合的近地观测平台，该产品具有植被、气象、土壤、水文等多因子集成观测功能，实现一套系统多种应用的模式。

经过星视图公司科研人员的研发，目前将一杆通的功能拓展到多技术融合的生物多样性观测。通过融合环境因子、多光谱与声纹技术，构建了近地观测平台的生物多样性综合观测系统，已经可以实现对植物、哺乳动物和鸟类等生物种类的全面、系统、连续的观测，为生物多样性保护提供科学依据。

科研一杆通产品的功能扩展，不仅在于推动生物多样性研究的深入发展，更在于为生物多样性保护提供科学依据。通过构建基于近地观测平台的生物多样性综合观测系统，我们可以更加深入地了解生物多样性的分布、数量、动态变化等信息，为制定更加科学、有效的保护措施提供有力支持。同时，本研究还可以为其他领域的研究提供有益的借鉴和参考，推动科学研究的不断创新和发展。

二、观测对象

2.1植物

在植物观测中，智能多光谱相机的应用为我们提供了全新的视角。这种相机能够捕捉到植物在不同光谱波段下的反射特性，从而揭示出植物内部的生理状态和生化过程。例如，通过监测植物叶片的红边特征，我们可以评估植物的光合作用效率和水分状况，这对于理解植物对环境变化的响应机制具有重要意义。

在植物观测的过程中，还需关注植物与环境的相互作用。例如，植物对土壤养分、水分和光照等环境因子的响应机制，科研一杆通的多参数观测功能，为实现上述参数一体化观测提供了可能。基于上述观测，我们可以更好地理解植物在生态系统中的作用和地位，为生物多样性保护和生态恢复提供科学依据。

2.2哺乳动物

在哺乳动物的观测研究中，采用了多种技术方法，以全面揭示它们的生态习性和行为特征。首先，利用智能红外相机对哺乳动物的活动规律进行了长期监测；通过对拍摄到的图像进行分析，可以发现不同物种的活动时间、活动范围和食物选择存在显著差异。例如，某些夜行性哺乳动物在黄昏和黎明时分最为活跃，而日间活动的哺乳动物则在这些时段内较为隐蔽。此外，还可发现不同物种的食物选择也受到环境因素的影响，如季节变化、食物资源的丰度和分布等。

在哺乳动物的声音记录方面，系统还采用了声纹技术。通过对不同物种的叫声进行采集和分析，我们建立了丰富的声纹库，并实现了对动物声音的自动识别。这一技术的应用不仅提高了数据处理的效率，还为我们提供了更多关于动物行为的信息。例如，通过分析叫声的频率、持续时间和变化模式，我们可以推断出动物的性别、年龄、情绪状态等。

为了更深入地了解哺乳动物的生态适应性，系统结合大数据和机器学习技术，对观测数据进行了深入分析。通过建立物种识别模型、数量统计模型和行为分析模型，可以揭示哺乳动物种群动态、栖息地选择和种间关系等方面的规律。这些模型的建立不仅提高了我们对哺乳动物生态学的认识，还为生态保护和管理提供了科学依据。 

2.3鸟类

声纹技术通过记录和分析鸟类的声音特征，能够实现对鸟类物种的自动识别和行为分析。通过声纹技术，我们建立了鸟类声纹库，将不同鸟类的声音特征进行数字化存储和比对，从而实现对鸟类物种的快速识别。此外，声纹技术还可以用于分析鸟类的行为模式，如鸣叫声的频率、时长和节奏等，从而揭示鸟类的生活习性和迁徙规律。

除了声纹技术，近地观测平台还可以结合其他观测手段，如红外相机对鸟类进行多尺度的观测。这些观测手段能够提供丰富的数据支持，帮助我们更加全面地了解鸟类的生活习性和迁徙规律。例如，通过红外相机，我们可以记录鸟类在夜间的活动情况，从而揭示鸟类在黑暗环境中的适应机制。

在鸟类研究中，我们还可以借鉴生态学、行为学等多学科的理论和方法，对鸟类与环境的相互作用进行深入分析。例如，我们可以运用生态学理论，分析鸟类在不同生态环境中的分布和数量变化，从而揭示生态环境对鸟类种群的影响。同时，我们还可以运用行为学理论，研究鸟类的行为模式和适应机制，为鸟类保护和生态恢复提供科学依据。

三、仪器配置

3.1智能多光谱相机

系统配置带云台变焦多光谱物候相机，这种设备能够捕捉到植物在不同光谱波段下的细微变化，从而揭示出植物的生长状态、健康状况以及其与环境的交互关系。智能多光谱相机还具备高时空分辨率的特点，能够实现对植物群落动态变化的连续监测。通过时间序列的影像数据，可以构建植物物候模型，分析植物的生长周期和节律变化，进而预测其对气候变化的响应。

3.2声纹记录仪

声纹技术，作为一种生物识别技术，其原理基于声音信号的独特性和稳定性。每个人的声音，甚至每种动物的声音，都包含着独特的频率、音调和节奏等特征，这些特征构成了声纹的基础。在动物声音识别中，声纹技术通过捕捉和分析这些声音特征，能够实现对动物种类的准确识别。

声纹技术还可以用于动物行为分析。通过分析动物声音的变化，可以了解它们的行为模式、情绪状态以及生态环境的变化。例如，当动物处于紧张或恐惧状态时，它们的声音可能会发生变化，这种变化可以通过声纹技术进行检测和分析。这对于研究动物的生态习性和保护动物的生态环境具有重要意义。

四、软件平台

4.1植物物种识别模块

在生物多样性综合观测系统中，基于大数据机器学习的植物物种识别模块发挥着至关重要的作用。该模块利用海量的图像数据，通过深度学习算法，实现对植物物种的自动识别和分类。相较于传统的植物分类方法，基于大数据机器学习的植物物种识别模块具有更高的准确性和效率。

该模块首先通过智能多光谱相机获取植物的高清图像，然后利用图像预处理技术，对图像进行去噪、增强等操作，以提高图像质量。接着，通过训练好的深度学习模型，对预处理后的图像进行特征提取和分类。最后，根据分类结果，生成相应的物种识别报告，为生态学家和植物学家提供有力的数据支持。

4.2果实数量自动计数模块

基于先进的图像处理和机器学习算法，能够实现对植物果实数量的快速、准确计数。通过引入深度学习模型，该模块能够识别并区分不同种类的果实，进而实现自动计数。在实际应用中，该模块已经取得了显著的效果。

通过对植物果实数量的准确计数，研究人员可以深入了解植物的繁殖策略和种群动态，为生态保护和恢复提供科学依据。同时，该模块还可以为农业生产和林业管理提供决策支持，促进农业可持续发展。

4.3绿度指数时序分析模块

植物绿度指数时间序列分析模块是近地观测平台生物多样性综合观测系统的重要组成部分。该模块通过对植物绿度指数进行时间序列分析，可以揭示植物的生长状况、生态环境变化以及生态系统健康状况。在数据分析过程中，我们采用了时间序列分析方法，对植物绿度指数时间序列进行了平稳性检验、季节性分析等操作。通过这些分析，我们不仅能够了解植物绿度指数的变化趋势，还能够预测未来一段时间内植物的生长状况。此外，我们还采用了回归分析等方法，进一步探讨了植物绿度指数与环境因素之间的关系，为生态系统的管理和保护提供了科学依据。

4.4花期自动记录与识别模块

花期作为植物生命周期中的关键阶段，不仅影响着植物的繁殖和生存，还是评估生态系统健康状况的重要指标。因此，准确、高效地记录与识别植物花期，对于理解植物生态学和保护生物多样性具有重要意义。

植物花期自动记录与识别模块的研发，得益于大数据和机器学习技术的快速发展。通过构建大规模的植物图像数据库，结合深度学习算法，我们可以训练出高效的植物花期识别模型。这些模型能够自动分析植物图像，准确识别出植物的花期阶段，从而极大地提高了观测效率和准确性。

此外，花期自动记录与识别模块的应用不仅局限于野外观测。在园艺、农业等领域，该模块同样具有广泛的应用前景。例如，在园艺设计中，我们可以利用该模块来预测花卉的开花时间，从而合理安排花卉的种植和展示。在农业生产中，该模块可以帮助农民及时掌握作物的生长状况，为精准农业管理提供决策依据。

4.5基于声纹技术的动物物种自动识别模块

利用先进的声纹识别技术，通过对动物声音的独特特征进行捕捉和分析，实现了对动物物种的高效、准确识别。相较于传统的动物物种识别方法，声纹识别不仅提高了识别的准确性，还大大提升了观测的效率和范围。

基于声纹技术的动物物种自动识别模块通过收集和分析大量的动物声音数据，建立了庞大的声纹数据库。这一数据库包含了各种动物的声音特征，为后续的声纹识别提供了坚实的基础。同时，该模块还采用了先进的机器学习算法，通过对声纹数据的不断学习和优化，提高了识别的准确性和稳定性。

4.6基于声纹技术的动物节律分析模块

在动物物种节律分析方面，基于声纹技术的模块能够实现对动物声音信号的长时间连续记录，进而分析动物的活动节律、繁殖行为等重要生态信息。例如，通过对鸟类鸣叫声的录制和分析，可以揭示鸟类在不同季节、不同时间段的鸣叫频率和强度变化，从而推断其繁殖、迁徙等生态行为。

基于声纹技术的动物物种节律分析模块还具有高度的自动化和智能化特点。通过机器学习算法的训练和优化，该模块能够实现对动物声音信号的自动分类和识别，大大提高了观测的准确性和效率。同时，该模块还能够结合其他观测数据，如环境温度、湿度等，综合分析动物物种的节律变化与环境因素的关系，为生态学研究提供更为深入和全面的数据支持。

五、结语

我们将继续深化近地观测平台在生物多样性综合观测系统中的应用。一方面，我们将致力于提升观测设备的智能化和自动化水平，如优化智能多光谱相机和声纹技术的性能，以提高观测数据的准确性和效率。另一方面，我们将探索更多种类的生物观测对象，如昆虫、爬行动物等，以更全面地了解生物多样性的分布和变化。此外，我们还将关注生态系统间的相互作用和影响，以揭示生物多样性变化的深层次原因。

展望未来，我们期望通过持续的研究和创新，构建一个更加完善的生物多样性综合观测系统。这一系统将能够实时监测和预警生物多样性的变化，为生态保护和环境治理提供科学依据。同时，我们也期待通过跨学科的合作与交流，推动生物多样性研究的深入发展，为人类的可持续发展贡献力量。

  著名生态学家E.O. Wilson有言：生物多样性是地球生命的基石，是我们生存和发展的基础。我们将继续致力于生物多样性综合观测系统的研究，响应国家“绿水青山就是金山银山”的可持续发展理念，为保护地球生物多样性和推动生态文明建设贡献我们的力量。

一、研究背景

1、近地遥感观测技术

  第五版《遥感概论》《Introduction to Remote Sensing》中，对遥感有明确的定义：通过地表发射或者反射的电磁辐射，获取地球表面信息的技术。  

图1.1遥感图像

近地遥感：在距离地面50m以内，利用安装在桅杆或者高塔上光学传感器探测地物光谱信息（Richardson et al., 2013）。尹占娥的《现代遥感导论》中，明确了地面遥感的概念：平台处在地面或近地面的遥感， 地面平台有三脚架、遥感车、遥感塔和船等。

根据以上介绍可以得知，设备的主体为可以发射或接收电磁波、并能够处理这些电磁波信号、提取有用的地表信息的光（辐射）学传感器；传感器的运行平台有铁塔、三脚架等固定式平台，也有无人机、遥感车等移动式平台。

图1.2

2、物候的概念

物候，顾名思义为“生物的时候”：对动植物的生长、发育现象出现时日的观测。  物候学(phenology)是生物学的一个分支学科，主要是研究自然界中的植物、动物和周期变化的环境条件（气候、水文、土壤等条件）之间相互关系的科学。  几千年来，劳动人民注意了草木荣枯、候鸟去来等自然现象同气候的关系，据以安排农事。比如中国的二十四节气中，大部分以物候现象来描述，甚至直接以物候现象来命名，如惊蛰、谷雨、芒种等。

图1.3中国物候观测网

3、植被指数的概念

能够表征植被特征的光谱组合。  使用植被指数的目的是突出植被特征，方便在光谱曲线或者图像中快速识别（提取）植被结构、长势、健康等方面的参数。常见的植被指数：GCC相对绿度指数，NDVI归一化植被指数，其计算公式如下：

图1.4植被指数

4、物候与植被指数的关系

植被指数可以很好的反应植被的生长状态和健康状况，所以通常把植被指数（如NDVI）作为植物物候的一个量化指标。长期连续的植被指数观测，可以获取植物生长随时间的变化趋势和物候期时间节点。

5、近地遥感方法中测量植物物候的方法

植物物候需要长期连续的观测，所以需要基于固定式平台的仪器。物候相机是当前主流监测植物物候的仪器：相比于早期人工物候观测法，人工成本少，环境干扰小；能够实现自动观测，远程数据回传等功能，可以通过算法提取多种植被指数，作为物候指标。  早期的物候相机为普通RGB彩色相机，在自动定时拍照获取时间序列彩色图片的同时，可扩展获取GCC、RCC、BCC、GVI等一系列的宽波段植被指数；这些指数在早期的物候研究中常有用到。

图1.5.1 宽波段植被指数与RGB彩色相机

  由于绿色植物的波谱特性（从图1.6.2可以看出，健康植被在近红外的变化特征明显强于绿波段），NDVI归一化植被指数相比GCC、GVI等指数，能够更好的反应植被绿度、光合作用潜力，反映植被代谢强度及其季节和年际变化，所以NDVI逐渐被植物研究领域所重视。

图1.5.2 绿色植物的波谱特性

于是，市面上逐渐出现了可以计算NDVI的物候相机。相比原始的RGB相机，有了一个很大的提升，但目前可测量NIR图像并能计算NDVI的物候相机，多为宽波段的物候相机。

图1.5.3 相机传感器宽波段响应光谱曲线 

这里的波段“宽”是相比于卫星遥感数据的光谱带宽，比如Landsat8卫星的数据，在红光和近红外波段的光谱带宽为30nm，而目前宽波段的NDVI相机的红和近红外，通常是依赖于成像传感器的响应特性；比如红光的响应范围，可从500多纳米延伸到700多纳米，带宽接近200nm，包含部分绿和近红外的反射，并不是真正的红色。   因此，宽波段物候相机只能得到近似于遥感监测的植被指数，只能用来做一些定性的判断，无法做到遥感物候定量评价。  在植被指数准确观测的方案中，也有利用光谱相机观测物候的应用案例：如在植物物候（生长节律）观测研究中有较多应用的Sequoia多光谱相机，原为无人机用光谱相机，可获取660nm红光和790nm近红外的窄波段光谱图像。但是这类相机不适合作为植物物候观测，主要原因如下：

图1.5.4 PARROT SEQUOIA 多光谱相机

1）使用场景不同：无人机使用的相机对野外环境耐受性和稳定性要求不高，反而对高度精密、轻量化方面有很高要求，这会导致其不适合野外长期自动运行。

2）工作模式不一样：无人机使用的相机往往不考虑定时自动运行、远程数据传输与远程控制等相关技术的支持，所以在野外应用方面需要深度开发，技术要求高。

3）数据处理思路不一样：无人机使用的相机更加注重空间数据的处理，比如图像拼接；而物候相机更加注重时间序列数据的处理，比如合成植被指数变化曲线。

4）设计理念不同：无人机光谱相机采用多目（多传感器镜头）摄像头，便于其在移动中 同时获取多个光谱数据；而物候相机不移动，多目设计，不但成本高，而且由于相机每个传感器镜头的位置不同，视野也不一样。在无人机使用过程中由于观测距离远而几乎没有影响，但在物候观测中由于地面架设导致距离目标比较近，视野偏差则会变得非常明显，如下图，这会导致在后期多波段数据的局部处理中会存在位置对应误差。

图1.5.5 多目摄像头带来的成像视野差异示意图

二、窄波段光谱物候相机

为了解决以上问题，北京星视图科技有限公司自主研发了单目窄波段光谱物候相机。

1、窄波段光谱相机获取的数据

该相机每次拍摄都会获得两类数据：1）正常的RGB彩色图像数据，能够自动计算GCC、GVI等宽波段植被指数。2）窄波段的光谱图像数据（波段可定制，目前比较成熟的是650±10nm红和850±10nm近红外），并能够合成一张混合NDVI图像，该图像包含了：650nm光谱灰度图、850nm光谱灰度图和NDVI灰度图。其中NDVI灰度图是由另外两张图的每个像素的DN值根据NDVI公式计算而来，图中亮的像素即NDVI值高，反之则低。

图2.1.1

2、星视图光谱物候相机的特点

获取的NDVI值几乎不受阴影影响，NDVI图像能够很好的反映植被分布及长势情况。

图2.2.1 星视图光谱物候相机同时获取的RGB图像和NDVI图像

将NDVI混合图像导入北京星视图公司的SmartViewer物候图像处理系统软件，可将其拆分为三张灰度图片，分别为650nm光谱灰度图、850nm光谱灰度图和NDVI灰度图。
拆分后的NDVI灰度图像中没有了原本实景中的铁塔阴影。说明仪器对于NDVI值的计算，在常规使用环境中，不受光线强弱变化的影响，抗干扰能力很强。同时，由于单目摄像头的设计，650nm和850nm两个灰度图的成像完全一致，所以合成的NDVI图像也与原图的取景完全一致，是真正意义上的NDVI分布图像。  从植被指数的准确性上，窄波段的NDVI植被指数要比宽波段的GCC植被指数要更加的稳定和精确。

图2.2.3 宽波段光谱指数GCC与窄波段合成指数NDVI的数据比较 

星视图光谱物候相机具有如下特点：1）波段一致性：波段设置与遥感卫星完全一致；2）辐射一致性：通过辐射定标，能够得到与遥感观测一致的辐射产品；3）参数一致性：窄波段物候相机能够得到真正意义的植被指数（NDVI），满足科学研究的需要。  总结：窄波段光谱成像技术的引入，使星视图的物候相机相比传统物候相机，性能明显提升，是一个质的飞跃。