3、数据采集准备：遥感影像、实地调查、无人机航拍、传感器数据等获取方式与预处理

景区生态图谱绘制的数据基础决定了图谱的精度、时效性与生态解释力。本章聚焦于四类核心数据源的获取路径、适用场景、技术参数与预处理流程，帮助学员建立从“原始数据”到“可用图层”的标准化工作链路。数据采集不是简单的“拍照”或“下载”，而是涉及传感器选型、空间分辨率匹配、时间一致性控制、几何校正与辐射归一化的系统工程。

3.1 遥感影像获取与预处理

核心原理

遥感影像通过卫星或航空平台搭载的多光谱、高光谱传感器，记录地表物体对太阳辐射的反射与发射特性。不同生态要素（植被、水体、裸土、建筑）在可见光—近红外—短波红外波段具有独特的波谱响应曲线，这是生态图谱反演的理论基础。常用数据源包括 Sentinel-2（10m 多光谱）、Landsat-8/9（30m 多光谱）、高分系列（亚米级全色/多光谱）以及 Planet 等商业星座。

操作流程

1. 数据源选择：根据景区面积与生态制图比例尺确定空间分辨率。1:1万以上大比例尺建议使用无人机或高分影像；1:5万以下中小比例尺可选用 Sentinel-2 或 Landsat。
2. 时相选择：优先选择植被生长旺季（6-9月）且云量低于10%的影像；多时相分析需保证季相一致性。
3. 几何校正：利用地面控制点（GCP）或影像自配准，消除地形与传感器姿态引起的几何形变，误差控制在0.5个像元内。
4. 辐射定标与大气校正：将 DN 值转换为地表反射率，常用工具包括 ENVI 的 FLAASH、ERDAS 的 ATCOR 或开源 SNAP 平台。

3.2 实地调查数据采集

核心原理

实地调查是生态图谱的“地面真值”来源，用于遥感解译样本训练、精度验证以及遥感无法获取的微观生态信息（如物种组成、土壤理化性质、人为干扰痕迹）。调查设计需遵循统计学抽样原则，兼顾空间代表性与可达性。

调查方法体系

• 样方法：在典型植被群落内设置 10m×10m（乔木）、2m×2m（灌木）、1m×1m（草本）样方，记录物种名、盖度、株数、胸径等。
• 样线法：沿海拔梯度或环境梯度布设样线，用于动物痕迹、林缘效应、干扰分布调查。
• 踏查法：对景区全域进行快速踏查，标记特殊生态敏感点（如古树、珍稀植物群落、侵蚀沟、非法建设）。
• GPS/RTK 定位：所有样方、样线端点、敏感点均需厘米级定位，并记录航向、坡度、坡向等微地形因子。

案例拆解：某山地型景区植被调查

该景区面积约 45km²，海拔跨度 300-1800m。调查团队采用分层随机抽样，按海拔每 200m 划分一层，每层布设 8 个 20m×20m 乔木样方，共 60 个样方。每个样方内记录乔木种类、数量、冠幅、郁闭度，并采集 5 点土壤混合样本。调查历时 12 天，共记录维管植物 287 种，发现 3 种国家级保护植物。这些数据随后用于 Sentinel-2 影像的监督分类训练，将分类精度从 72% 提升至 89%。

3.3 无人机航拍数据采集

核心原理

无人机航拍填补了卫星影像与地面调查之间的尺度空缺，可提供厘米级分辨率的正射影像（DOM）与三维点云（LiDAR 或摄影测量生成）。对于景区生态图谱，无人机数据主要用于精细植被分类、单木识别、栈道/设施分布提取、以及灾害（如滑坡、虫害）快速评估。

航拍作业流程

1. 航线规划：使用 DJI Pilot 或 Pix4Dcapture 规划航线，设置航向重叠率≥80%，旁向重叠率≥60%，飞行高度根据地面分辨率需求确定（如 100m 高度对应约 3cm/像素）。
2. 像控点布设：在测区四角与中心布设 5-9 个地面像控点，使用 RTK 测量其坐标，用于后期空三加密。
3. 数据采集：按规划航线自动飞行，注意光照均匀（10:00-14:00 最佳），风速小于 5 级。
4. 内业处理：使用 ContextCapture、Pix4Dmapper 或大疆智图进行空三计算、密集匹配、DSM/DOM 生成。

3.4 传感器数据获取与预处理

核心原理

传感器数据提供连续、实时的环境因子监测，包括气象站（温度、湿度、风速、降雨）、土壤墒情站（土壤水分、温度、电导率）、水质监测浮标（pH、溶解氧、浊度、叶绿素 a）以及空气负氧离子监测仪。这些数据用于生态图谱的动态更新与模型驱动。

数据接入与质量控制

• 数据格式统一：将不同厂商的 JSON、CSV、Modbus 协议数据转换为标准时间序列格式（如 NetCDF 或 Parquet）。
• 异常值检测：采用阈值法（如温度超出 -20~50℃ 范围标记异常）与滑动窗口法（3σ 原则）识别传感器漂移或故障。
• 缺失值插补：短期缺失（<6h）用线性插值；长期缺失需结合邻近站点回归或气候数据再分析产品（如 ERA5）。
• 空间化处理：将点状传感器数据通过克里金插值或梯度距离反比法扩展到景区面域，生成连续环境因子栅格。

案例拆解：某湿地景区水质监测网络

该景区布设 6 个水质浮标，每 30 分钟采集一次 pH、溶解氧、浊度、叶绿素 a 数据。初始数据存在两个问题：一是 3 号浮标溶解氧传感器在夏季高温期频繁漂移，数据波动异常；二是 5 号浮标因太阳能供电不足，夜间数据缺失严重。处理方案：对 3 号浮标采用基于温度补偿的校正模型，并设置每周自动清洗程序；对 5 号浮标调整采样频率为每小时一次，并增加备用电池组。经过预处理后，数据完整率从 82% 提升至 97%，为湿地富营养化预警提供了可靠数据支撑。

3.5 多源数据融合与统一预处理

核心原理

单一数据源难以完整刻画景区生态系统，多源数据融合是生态图谱绘制的必然选择。融合的关键在于空间基准统一、时间一致性匹配和属性语义对齐。

统一预处理流程

1. 投影与坐标系统一：所有矢量与栅格数据统一到 CGCS2000 / UTM 投影，确保空间叠加分析无偏移。
2. 分辨率重采样：将不同分辨率栅格统一到目标分辨率（如 10m），采用最近邻（分类数据）或双线性（连续数据）重采样。
3. 时间窗口对齐：遥感影像与实地调查时间差不超过 15 天，传感器数据取同期均值。
4. 数据质量标记：为每个图层添加质量标识字段（如云覆盖、传感器故障、样方代表性），便于后续分析权重调整。