基于不同數(shù)碼相機和圖像處理方法的高寒草地植被蓋度估算的比較

任世龍，宜樹華，陳建軍，秦 彧，王曉云

(1.中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所冰凍圈科學(xué)國家重點實驗室，甘肅 蘭州 730000；2.中國科學(xué)院研究生院，北京 100049)

前植物生產(chǎn)層

基于不同數(shù)碼相機和圖像處理方法的高寒草地植被蓋度估算的比較

任世龍1，2，宜樹華1 ，2，陳建軍1，2，秦 彧1，王曉云1

(1.中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所冰凍圈科學(xué)國家重點實驗室，甘肅 蘭州 730000；2.中國科學(xué)院研究生院，北京 100049)

植被蓋度的準確估算對于土壤侵蝕、地-氣交換研究等具有重要意義。數(shù)碼照相法是地面植被蓋度估算工作中最普遍和有效的方法，但是目前缺少高效和準確處理數(shù)碼照片獲取植被蓋度的方法。本研究選取疏勒河上游不同類型高寒草地，采用多光譜相機(綠、紅和近紅外，ADC)、改裝多光譜相機(藍、綠和近紅外，XNite)和普通相機(藍、綠和紅，COMMON)獲取植被蓋度數(shù)碼照片。以WinCAM商業(yè)軟件獲取的植被蓋度為基準值，對比分析了本研究開發(fā)的數(shù)碼照片處理系統(tǒng)(Digital Photos Processing System，DPPS)和L*a*b*色彩空間法的估算效果和效率。結(jié)果表明,1)XNite和普通相機的估算精度高于ADC，而普通相機在價格和分辨率方面的優(yōu)勢使其更適合于高寒草地植被蓋度估算研究；2)DPPS系統(tǒng)比L*a*b*色彩空間法更精確、更靈活。本研究開發(fā)的DPPS系統(tǒng)以及廉價的普通相機能夠用來高效和準確地獲取高寒草地植被蓋度。

植被蓋度；數(shù)碼相機；高寒草地；多光譜相機；數(shù)碼照片處理系統(tǒng)

植被覆蓋度定義為觀測區(qū)域內(nèi)植被垂直投影面積占地表面積的百分比[1]，是植被生長狀況的直觀量化指標[2]，也是一個重要的生態(tài)學(xué)參數(shù)，在土壤侵蝕[3]、水土保持[4-5]、陸-氣相互作用[6]、荒漠化治理[7]等諸多研究中都需要精確定量化的蓋度信息。目前，主要的蓋度估算方法有遙感估算和地面估算兩種，遙感估算主要應(yīng)用在流域等大尺度的研究中[8-10]，地面估算研究除了應(yīng)用于樣方尺度的生態(tài)研究外，還用于為遙感估算和相關(guān)模型提供地面驗證和參數(shù)。地面蓋度的估算方法包括目估法、點測法、儀器法和數(shù)碼照相法[11]，其中，數(shù)碼照相法是目前最普遍、有效的方法。數(shù)碼照片的蓋度估算方法主要包括以下兩方面：一方面，通過監(jiān)督分類法獲取高精度的估算結(jié)果[12-14]，它常用來為其他估算方法做驗證，但是該方法比較耗時，不適合大量獲取蓋度信息；另一方面，通過波段運算和色彩空間變換[1,15-17]可以使植被信息增強，植被和土壤信息之間的區(qū)分度變大。該方法的精度取決于所選算法和研究對象，其優(yōu)勢是可以通過編程批量處理照片，大大提高蓋度估算的效率和自動化。在相機的選擇上，除了常用的RGB相機之外，還有一些包含其他波段的數(shù)碼相機可以用作蓋度估算研究，如美國農(nóng)業(yè)相機(ADC)[18]。

但是，目前關(guān)于不同相機和不同數(shù)碼照片提取算法的研究還很匱乏。本研究以疏勒河上游不同類型高寒草地為研究對象，采用多光譜相機(綠、紅和近紅外，ADC)、改裝多光譜相機(藍、綠和近紅外，XNite)和普通相機(藍、綠和紅，COMMON)拍攝植被數(shù)碼照片，以WinCAM商業(yè)軟件獲取的植被蓋度為基準值，對比分析本研究開發(fā)的數(shù)碼照片處理系統(tǒng)(Digital Photos Processing System，DPPS)和L*a*b*色彩空間法的估算效果和效率，旨在為數(shù)碼照相法蓋度估算研究提供理論依據(jù)和科學(xué)參考。

1 材料與方法

1.1 研究區(qū)概況

疏勒河流域為我國三大內(nèi)陸河流域之一，位于青藏高原東北緣(圖1)，發(fā)源于青海省境內(nèi)祁連山西段的疏勒南山和托勒南山之間。其上游流域(38.2°-40.0° N，96.6°-99.0° E)主要由疏勒南山、托勒南山和疏勒河谷組成，山區(qū)地勢高峻，谷地地形相對低緩。海拔介于2 100～5 750 m，平均海拔約為3 900 m。該地區(qū)在氣候上屬于大陸性干旱荒漠氣候，主要受西風(fēng)氣流控制，干冷多風(fēng)，降水稀少，且多集中于夏季[18-19]。據(jù)疏勒河流域上游最近的氣象站——托勒氣象站(98.4° E,38.8° N)多年觀測資料顯示，該站點多年平均氣溫-2.7 ℃、年均降水量349.22 mm。該研究區(qū)的草地類型主要是高寒草甸和高寒草原，地表植被的整體覆蓋度較低，區(qū)域內(nèi)多年凍土廣泛發(fā)育[19]，主要植物物種有高山嵩草(Kobresiapygmaea)、圓囊苔草(Carexorbicularis)、紫花針茅(Stipapurpurea)，西藏嵩草(Kobresiatibetica)，青藏苔草(C.moorcroftii)，紫菀(Astertataricus)等。

1.2 試驗設(shè)計

本研究采用3種數(shù)碼相機作為研究工具，分別為多光譜相機(ADC，美國，Tetracam inc.)、改裝的多光譜相機(XNiteCanonSX230NDVI，美國，LDP LLC)和普通相機[J35，中國，F(xiàn)ujifilm(China)]，各相機分別具有不同的波段(表1)。2012年5月下旬在研究區(qū)布設(shè)了16個遙感樣地(圖1)，用于為流域蓋度估算提供地面驗證，但本文未涉及該部分研究。為了對比不同相機的估算效果，在遙感樣地的周圍隨機設(shè)置了22個樣點，其中4個樣點的典型物種為圓囊苔草、紫花針茅、西藏嵩草和紫菀，用于比較植物物種蓋度估算效果。2012年8月中下旬，采用以上3種相機分別對典型物種進行了拍攝，每個樣點隨機設(shè)置5個樣方(0.5 m×0.5 m)，用0.5 m×0.5 m的鐵絲框做標記，分析鐵絲框內(nèi)的部分，共拍攝多光譜照片、改裝多光譜相機照片和普通照片各110張。

圖1 樣地分布概況

相機類型Typesofcamera拍照花費時間Timeoftakingaphoto/s處理花費時間Timeofprocessingaphoto/min價格Prices/CNY分辨率Resolution/megapixels波段數(shù)BandADC101～2300003.0近紅外、紅、綠(NIR,Red,Green)XNite51～250004.5近紅外、藍、綠(NIR,Blue,Green)COMMON51～280012.0紅、綠、藍(Red,Greeb,Blue)

1.3 研究方法

本研究以基于像素的分類方法[20]處理所有試驗照片，其基本原理是通過給像素值設(shè)定閾值，將像素分成綠色植被和土壤兩類。通常情況下，單波段的綠色植被和土壤類像素值之間的差異不顯著，但通過波段組合運算之后，二者之間的差異性變大，便于準確分類。本研究中，由于各種相機的波段不同，采用不同的波段運算公式。對于ADC、XNite、COMMON 3種相機，波段運算公式分別如下：

NIR-R>threshold

(1)

NIR+G-2B>threshold

(2)

2G-R-B>threshold

(3)

式中，R、G、B、NIR分別代表紅、綠、藍、近紅外波段的亮度值，threshold表示為公式設(shè)定的閾值。

為了提高數(shù)碼照片處理精度和效率，本研究開發(fā)了數(shù)碼照片處理系統(tǒng)(DPPS)，所有的波段運算以及蓋度估算過程均通過該系統(tǒng)完成(圖2)。該系統(tǒng)具有很大的靈活性，既可以單張地精細處理，也可以批量處理以提高效率。此外，分類結(jié)果可以及時顯示，便于使用者及時做判斷，判斷的標準是分類后的圖標范圍是否與原圖相吻合，如果吻合的好，說明分類結(jié)果較為理想；如果不吻合，則可以通過調(diào)整閾值獲取較為理想的分類結(jié)果。在處理之前，為消除邊緣變形的影響，所有照片均裁切出樣框內(nèi)的部分，以*.TIFF格式保存。

圖2 數(shù)碼照片處理系統(tǒng)

WinCAM顏色分析軟件(WinCAM 2012a，加拿大，Regent Instruments inc.)是一款專業(yè)的色彩分析軟件，通過訓(xùn)練樣本對圖片進行分類，類似于監(jiān)督分類[13]。由于兩人以上WinCAM處理結(jié)果的均值與真實值之間并沒有顯著差異[21]，本研究選取所有普通相機拍攝的照片，用兩人WinCAM處理結(jié)果的均值作為該樣方的“真實”蓋度值，用以驗證其他處理方法的準確性。數(shù)據(jù)分析和處理使用SPSS(SPSS Inc.,Chicago,IL,USA)和Origin 8.0(OriginLab Inc.,USA)軟件。

2 結(jié)果與分析

2.1 ADC、XNite和普通相機的植被蓋度估算效果

由于有一張ADC照片損壞，在本研究中只使用了余下的109張照片的蓋度值。通過配對T檢驗分析發(fā)現(xiàn)，3種相機估算結(jié)果與真實值之間均有極顯著差異(P<0.01)(圖3)。但與真實值之間都有明顯的線性相關(guān)性，相關(guān)系數(shù)均高于0.8，而COMMON(0.941)和XNite(0.926)的相關(guān)性好于ADC(0.831)(圖4)。比較三者的平均蓋度值發(fā)現(xiàn)，COMMON(29.47%)和XNite(37.35%)比ADC(41.20%)的估算結(jié)果更接近于真實蓋度值( 33.82%)(圖3)。總體而言，ADC相機明顯高估了樣方的實際蓋度值，XNite相機略有高估，而普通相機略低于真實值，COMMON和XNite相機的估算效果好于ADC相機。

圖3 3種相機估算的蓋度均值

注：**表示與“真實”值相比差異極顯著(P<0.01)。表2同。

Note:**indicate the value significantly differe from WinCAM value at 0.01 level.The same in Table 2.

圖4 WinCAM與相機估算結(jié)果之間的線性關(guān)系

2.2 3種相機在典型物種蓋度估算方面的效果

用WinCAM方法分別估算研究區(qū)的4種典型物種的蓋度，結(jié)果表明，西藏嵩草、圓囊苔草、紫菀、紫花針茅的蓋度分別為69.76%、49.49%、29.92%和9.71%(表2)。紫花針茅主要分布于高寒草原區(qū)和草原化草甸區(qū)，ADC(P=0.01)的估算結(jié)果與真實值之間有極顯著差異，而XNite(P=0.682)和COMMON(P=0.946)的結(jié)果與真實值的結(jié)果十分接近。葉形較為寬展的紫菀主要生長于凍土退化區(qū)，ADC(P=0.221)的估算結(jié)果好于XNite和普通相機，后兩者均出現(xiàn)了明顯的低估。圓囊苔草和西蔵嵩草都只分布于高寒草甸和沼澤草甸， COMMON估算圓囊苔草(P=0.23)的效果明顯好于ADC(P=0.008)和XNite(P=0.005)；但對于西藏嵩草，3種相機的估算效果都比較差(表3)。總體而言，COMMON和XNite相機的估算精度要高于ADC，ADC相機只適合于估算寬葉型的植被，而XNite和COMMON更適合于估算針葉型和低蓋度的植被，但是當(dāng)植被蓋度較高時，3種相機的估算精度都有所降低。

表2 植被物種的4個不同處理的蓋度估算結(jié)果之間的比較

表3 不同物種蓋度“真實值”與相機估算值的相關(guān)系數(shù)

注：*和**表示顯著(P<0.05)和極顯著(P<0.01)相關(guān)。

Note: * and ** mean significant correlation at 0.05 and 0.01 level, respectively.

2.3 L*a*b*色彩空間法的比較分析

L*a*b*色彩空間是勻色空間，由一個明度因數(shù)L*和兩個色度因數(shù)a*、b*組成，其中a*為綠色通道，從紅色變化到綠色(-120～120)，適宜用來提取綠色植被，負值代表綠色，正值代表紅色[22]。為了研究L*a*b*色彩空間法在高寒草地蓋度估算中的使用效果，本研究選擇了6張普通照片，分別利用WinCAM、DPPS系統(tǒng)和L*a*b*色彩空間法進行處理。結(jié)果表明(表4)，L*a*b*色彩空間法的估算效果比較差，當(dāng)植被覆蓋較大時，其結(jié)果與“真實值”最大差值達35%。相比之下，DPPS系統(tǒng)的估算效果比較理想，與真實值之間的差異比較小(<15%)。在高寒草地生態(tài)系統(tǒng)，綠色植被、枯草以及部分石頭和地衣并存，物質(zhì)組成較耕地復(fù)雜，植土對比度沒有耕地明顯，這可能是L*a*b*色彩空間法效果比較差的原因。

表4 普通相機與L*a*b*法的蓋度比較

3 討論

3.1 DPPS系統(tǒng)下影響數(shù)碼照片蓋度提取的因素

影響數(shù)碼照片蓋度提取精度的因素主要有以下幾個方面。首先，本研究拍攝照片的時間為8月中下旬，這一階段高寒草地植被逐漸從生長旺期進入枯黃期。此外，本研究植被蓋度的觀測期長達21 d，從而導(dǎo)致不同時期的植被葉片有不同的綠度。在觀測期末，本研究拍攝的植被照片包含一些黃綠色的葉片(圖5)，這些葉片仍然含有很多的葉綠素[23]。包含近紅外波段的ADC相機和XNite相機對葉綠素很敏感，可以很容易地分辨出這部分葉片，因而將其作為綠色植被，而COMMON相機卻無法分辨出這部分葉片。使用WinCAM軟件獲取樣方尺度上植被蓋度的“真實”蓋度值時，黃綠色的葉片也可以通過處理者的眼睛部分地被分類出來，從而造成ADC和XNite相機估算的結(jié)果偏高、COMMON相機估算的結(jié)果偏低。但是，如果將植被蓋度的觀測期選擇在生物量最大的時期進行，并縮短拍攝的時間跨度，避免黃綠色葉片對估算結(jié)果的影響，可能會極大地提高估算精度。第二，DPPS處理系統(tǒng)仍然很難避免處理人員的主觀性所帶來的影響。使用該程序判斷處理結(jié)果好壞的一個基本準則是觀察分類結(jié)果與照片中物體的吻合程度，但實際上二者很難達到100%的吻合，不同處理人員的判斷會影響最終的處理結(jié)果。本研究建議取兩人以上處理結(jié)果的均值作為最終的蓋度值，估算精度會更高。另外，ADC、XNite和COMMON相機有不同的分辨率，這也會影響照片蓋度的提取精度。

圖5 ADC、XNite和普通相機的樣方照片

3.2 不同相機拍攝和處理效率比較

從估算精度上看，無論是葉形寬展的植被和針葉型的植被，與ADC相機相比，XNite和普通相機的估算精度都更高。從拍攝效率上看，用ADC相機拍攝一張照片約需要10 s(表1)，但XNite和普通數(shù)碼相機用時卻不到5 s。在照片處理效率上，ADC、XNite和普通相機是相同的。普通相機具有價格低廉、分辨率更高等的特點，因此更適合于高寒草地植被蓋度的估算。

4 結(jié)論

本研究選取不同類型高寒草地典型植被為研究對象，采用多光譜和普通相機為研究工具，以兩人WinCAM的結(jié)果作為真實值，對比分析了ADC、XNite和COMMON 3種相機以及DPPS和L*a*b*色彩空間法對于植被蓋度估算的效果。結(jié)果顯示，就不同相機而言，XNite和COMMON相機的估算精度高于ADC相機；ADC相機只適合于估算寬葉型的植被，而XNite和COMMON相機更適合于估算針葉型和低蓋度的植被；當(dāng)蓋度較高時，3種相機的估算精度都比較低；COMMON相機在價格和分辨率方面的優(yōu)勢，使其具有較高的普適性。由于高寒草地生態(tài)系統(tǒng)下墊面較為復(fù)雜，L*a*b*色彩空間法的估算結(jié)果很不理想，相比之下DPPS系統(tǒng)比較精確和靈活，同時具有很高的處理效率，因此更適合于高寒草地植被蓋度的估算。

[1] 章文波,劉寶元,吳敬東.小區(qū)植被覆蓋度動態(tài)快速測量方法研究[J].水土保持通報，2001,21(6):60-63.

[2] 張學(xué)霞,朱清科,吳根梅,孫丹珠.數(shù)碼照相法估算植被蓋度[J].北京林業(yè)大學(xué)學(xué)報,2008,30(1):164-169.

[3] De Roo A P J,Offermans R J E,Cremers D TLISEM:A single-event physically-based hydrological and soil erosion model for drainage basins I:Theory,input and output[J].Hydrological Processes,1996(10):1107.

[4] 張興昌,劉國彬,付會芳.不同植被覆蓋度對流域氮素徑流流失的影響[J].環(huán)境科學(xué),2000(6):16-19.

[5] 郭忠升.水土保持植被的有效蓋度、臨界蓋度和潛勢蓋度[J].水土保持通報,2000,20(2):60-62.

[6] 劉樹華,黃子琛,劉立超.半干旱區(qū)植被覆蓋度對邊界層氣候熱力影響的數(shù)值模擬[J].氣象學(xué)報,1996,54(3):303-311.

[7] 丁國棟.區(qū)域荒漠化評價中植被的指示性及蓋度分級標準研究——以毛烏素沙區(qū)為例[J].水土保持學(xué)報2004,18(1):158-160,188.

[8] 高志強,劉紀遠,莊大方.基于遙感和GIS的中國土地利用土地覆蓋的現(xiàn)狀研究[J].遙感學(xué)報,1999,3(2):134-138.

[9] 高彥春,牛錚,王長耀.遙感技術(shù)與其全球變化的研究[J].地球科學(xué)信息,2000(2):42-46.

[10] 張學(xué)霞,葛全勝,鄭景云.遙感技術(shù)在植物物候研究中的應(yīng)用綜述[J].地球科學(xué)進展,2003,18(4):534-544.

[11] 章文波,符素華,劉寶元.目估法測量植被覆蓋度的精度分析[J].北京師范大學(xué)學(xué)報(自然科學(xué)版),2001,37(3):402-408.

[12] 關(guān)法春,梁正偉,王忠紅,關(guān)志華.方格法與數(shù)字圖像法測定鹽堿化草地植被蓋度的比較[J].東北農(nóng)業(yè)大學(xué)學(xué)報,2010,41(1):130-133.

[13] 張清平,章山山,陳露,沈禹穎.應(yīng)用WinCAM 軟件判識分析草坪蓋度[J].草業(yè)科學(xué),2010,27(7):13-17.

[14] 李苗苗.植被覆蓋度的遙感估算方法研究[D].北京:中科院研究生院,2003:67-95.

[15] 李存軍,王紀華,劉良云,王人潮.基于數(shù)字照片特征的小麥覆蓋度自動提取研究[J].浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版),2004,30(6):650-656.

[16] 任杰,柏延臣,王錦地.從數(shù)碼照片中快速提取植被覆蓋度的方法研究[J].遙感技術(shù)與應(yīng)用,2010,25(5):719-724.

[17] 賈建華,胡勇,劉良云.青藏高原數(shù)字照片植被覆蓋度自動算法與應(yīng)用[J].地球信息科學(xué)學(xué)報,2010,12(6):880-885.

[18] 宜樹華,王增如,謝霞,楊時海,黃磊,葉柏生.高寒草地植被蓋度估算及其與凍土的關(guān)系[J].草業(yè)科學(xué),2011,28(3):353-358.

[19] 周兆葉.祁連山典型流域多年凍土區(qū)高寒草地對氣候變化的響應(yīng)研究[D].北京:中科院研究生院,2012:19.

[20] Lukina E V,Stone M L,Raun W R.Estimating vegetation coverage in wheat using digital images[J].Journal of Plant Nutrition,1999,22(2):341-350.

[21] Yi S H,Zhou Z Y,Ren S L,Xu M,Qin Y,Chen S Y,Ye B S．Effects of permafrost degradation on alpine grassland in a semi-arid basin on the Qinghai-Tibetan Plateau[J].Environmental Research Letters,2011,6(4):doi:10.1088/1748-9326/6/4/045403．

[22] Liu Y,Mu X,Wang H.A novel method for extracting the fractional vegetation cover from digital images[J].Journal of Vegetation Science,2012,23:406-418.

[23] Crimmins M A,Crimmins T M.Monitoring plant phenology using digital repeat photography[J].Environmental Management,2008,41:949-958.

(責(zé)任編輯 武艷培)

Comparisons of alpine grassland fractional vegetation cover estimation using different digital cameras and different image analysis methods

REN Shi-long1，2, YI Shu-hua1，2, CHEN Jian-jun1，2, QIN Yu1, WANG Xiao-yun1

(1.Cold and Arid Regions Environmental and Engineering Research Institute, CAS, Lanzhou 730000, China;2.Graduate University of Chinese Academy of Science, Beijing 100049, China)

Fractional vegetation cover (FVC) is an important indicator of grassland. Accurate estimation FVC has great emphasis for researches of soil erosion and the exchanges of water and CO2between land surface and atmosphere. Estimating FVC with digital photos has become the most popular and efficient method in ground observation. Different types of cameras and different methods have been employed to estimate FVC. To best of our knowledge, none of studies compared the advantages and disadvantages among them. In the current study, photos from different types of alpine grassland in Shule River Basin on the Qinghai-Tibetan Plateau were taken using 3 different cameras, i.e. a multispectral camera (ADC, with red, green and near infrared rays), a modified multispectral camera (XNite, with blue, green, and near-infrared rays), and a conventional camera (COMMON, with blue, green, and red rays) . With the FVCs retrieved with WinCAM (a commercial software) as “real” values, accuracy and efficiency of the Digital Photos Processing System (DPPS) and L*a*b*method were compared. The performances of XNite and COMMON cameras were better than that of ADC. DPPS system was more accurate and flexible than L*a*b*method. With the combination of DPPS and conventional camera, FVCs of alpine grassland can be estimated accurately and efficiently.

fractional vegetation cover; digital camera; alpine grassland; multi-spectral camera; digital photos processing system

YI Shu-hua E-mail:yis@lzb.ac.cn

10.11829j.issn.1001-0629.2013-0303

2013-06-07 接受日期：2013-06-25

國家重點基礎(chǔ)研究發(fā)展計劃(973計劃)項目(2007CB411502)；中科院百人計劃；面上基金(41271089)；冰凍圈自主課題(SKLCS-ZZ-2012-2-2)

任世龍(1986-)，男，山東聊城人，在讀碩士生，研究方向為高寒草地植被蓋度估算。E-mail:rslrsln@163.com

宜樹華(1978-)，男，江蘇如皋人，研究員，博士，研究方向為寒區(qū)生態(tài)。E-mail:yis@lzb.ac.cn

S812-05;S127

A

1001-0629(2014)06-1007-07*1