基于低空可見(jiàn)光譜的植被覆蓋率計(jì)算

卞 雪, 馬群宇, 劉楚燁, 趙言文

(南京農(nóng)業(yè)大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 江蘇 南京 210095)

基于低空可見(jiàn)光譜的植被覆蓋率計(jì)算

卞 雪, 馬群宇, 劉楚燁, 趙言文

(南京農(nóng)業(yè)大學(xué) 資源與環(huán)境科學(xué)學(xué)院, 江蘇 南京 210095)

[目的] 將低空遙感技術(shù)應(yīng)用到水土保持設(shè)施驗(yàn)收中，從可見(jiàn)光譜遙感影像提取區(qū)域植被信息，提出可準(zhǔn)確、客觀計(jì)算水土保持設(shè)施驗(yàn)收指標(biāo)中植被覆蓋率的方法，以減少工作人員的業(yè)外工作量，提高測(cè)算效率。[方法] 將僅含有可見(jiàn)波譜信息的低空遙感圖像作為研究對(duì)象，在利用植被指數(shù)紅綠比指數(shù)(RGRI)，過(guò)綠指數(shù)(EXG)，可見(jiàn)光波段差異植被指數(shù)(VDVI)，歸一化綠藍(lán)差異指數(shù)(NGBDI)和歸一化綠紅差異指數(shù)(NRGRDI)分析圖像波譜特性的基礎(chǔ)上，采用雙峰直方圖法和最大熵值法確定各植被指數(shù)的閾值，再使用ENVI軟件提取圖像的植被信息，并計(jì)算植被覆蓋率，與參照結(jié)果進(jìn)行比對(duì)。[結(jié)果] 利用可見(jiàn)光譜差異指數(shù)(VDVI)提取的植被信息精度高達(dá)95.32%。由此計(jì)算得到的植被覆蓋率為54.43%，與實(shí)際情況最為接近。[結(jié)論] 基于可見(jiàn)光譜遙感影像計(jì)算植被覆蓋率的方法具有可行性，該方法人工干預(yù)少，結(jié)果準(zhǔn)確度高，可為水土保持設(shè)施驗(yàn)收提供實(shí)時(shí)的數(shù)據(jù)支撐。

可見(jiàn)光譜; 水土保持設(shè)施驗(yàn)收; 植被覆蓋率

水土保持設(shè)施驗(yàn)收技術(shù)評(píng)估報(bào)告是水行政部門驗(yàn)收審批建設(shè)項(xiàng)目的重要技術(shù)支撐[1]，新時(shí)期政策調(diào)整對(duì)水土保持工作提出了更高的要求，《關(guān)于貫徹落實(shí)國(guó)發(fā)[2015]58號(hào)文件進(jìn)一步做好水土保持行政審批工作的通知》(辦水保[2015]247號(hào))中明確提出現(xiàn)場(chǎng)核查需在行政許可規(guī)定時(shí)間(15個(gè)工作日)內(nèi)完成，根據(jù)《關(guān)于印發(fā)<水利部水土保持設(shè)施驗(yàn)收技術(shù)評(píng)估工作要點(diǎn)(試行)>的通知》(水保監(jiān)便字[2015]第187號(hào))文件要求，新時(shí)期生產(chǎn)建設(shè)項(xiàng)目水土保持設(shè)施驗(yàn)收技術(shù)評(píng)估的內(nèi)容中需要對(duì)生產(chǎn)建設(shè)項(xiàng)目水土流失防治任務(wù)完成情況進(jìn)行評(píng)估，強(qiáng)調(diào)將防治效果量化。林草植被覆蓋率作為防治任務(wù)6大指標(biāo)中的一項(xiàng)，是評(píng)價(jià)水土保持工作是否合格的重要依據(jù)，而目前驗(yàn)收人員主要使用的核查方法仍以目測(cè)法和樣方測(cè)算法等為主，這類方法主觀隨意性強(qiáng)、效率低，局限了水土保持工作的高效開(kāi)展?！渡a(chǎn)建設(shè)項(xiàng)目水土保持監(jiān)測(cè)技術(shù)規(guī)程》中明確要求“線性項(xiàng)目山區(qū)(丘陵區(qū))長(zhǎng)度不小于5 km，平原區(qū)長(zhǎng)度不小于20 km的應(yīng)增加遙感監(jiān)測(cè)方法?！被谶b感技術(shù)和通訊技術(shù)發(fā)展起來(lái)的無(wú)人機(jī)低空遙感驗(yàn)收方法，也受到水行政主管部門的肯定與鼓勵(lì)。

無(wú)人機(jī)遙感技術(shù)以其靈活性高、影像反饋及時(shí)、成本低廉、高危地區(qū)探測(cè)等優(yōu)勢(shì)，在森林資源調(diào)查、農(nóng)情實(shí)時(shí)監(jiān)測(cè)、災(zāi)情調(diào)查等方面發(fā)揮著巨大作用，如Alistair等[2]使用無(wú)人機(jī)對(duì)野外環(huán)境的進(jìn)行多種類植被分析，李冰等[3]對(duì)冬小麥不同生長(zhǎng)階段的蓋度進(jìn)行無(wú)人機(jī)遙感監(jiān)測(cè)，雷添杰等[4]利用無(wú)人機(jī)遙感系統(tǒng)獲取了北川縣地震后的高分辨率影像，為救災(zāi)工作提供詳細(xì)信息。在水土保持領(lǐng)域，楊超等[5]通過(guò)無(wú)人機(jī)和RT-GPS分別獲取研究區(qū)影像及地面控制點(diǎn)坐標(biāo)，生成高精度DEM，通過(guò)目視遙感解譯和現(xiàn)場(chǎng)調(diào)查，快速估算研究區(qū)土壤侵蝕速率。而無(wú)人機(jī)遙感在植物措施核查方面的應(yīng)用主要為簡(jiǎn)單的獲取影像資料，其圖像視角廣、范圍大、清晰度高的優(yōu)點(diǎn)并未得到體現(xiàn)。章文波等[6],路炳軍等[7]等利用數(shù)碼相機(jī)拍攝的圖像快速獲取植被蓋度，而對(duì)無(wú)人機(jī)影像的研究主要集中于地面信息的識(shí)別，在植被覆蓋率的計(jì)算上研究較少。

近年來(lái)，隨著各級(jí)城市電網(wǎng)的完善和環(huán)境保護(hù)政策的落實(shí)，輸變電工程的數(shù)量迅速增多、距離越建越長(zhǎng)，建設(shè)單位保護(hù)水土資源的意識(shí)也逐漸加強(qiáng)，這就要求水土保持工作技術(shù)不斷創(chuàng)新、效率不斷提高。利用無(wú)人機(jī)低空拍攝項(xiàng)目區(qū)的實(shí)時(shí)高分辨率影像，不僅可對(duì)人車難以到達(dá)區(qū)域進(jìn)行空中取證，保證水土保持設(shè)施的核查率，而且通過(guò)提取影像的植被信息可計(jì)算驗(yàn)收結(jié)果，提高驗(yàn)收精度、避免人為因素干擾。無(wú)人機(jī)遙感影像的植被信息提取大多基于可見(jiàn)光—近紅外波段，而常規(guī)無(wú)人機(jī)搭載的普通相機(jī)僅能拍攝可見(jiàn)光譜影像。為了提高可見(jiàn)光遙感圖像的利用率和植被覆蓋率計(jì)算的準(zhǔn)確度，有必要完善可見(jiàn)光譜影像在植物措施核查方面的定量應(yīng)用。

本文擬通過(guò)對(duì)基于可見(jiàn)光譜植被指數(shù)的分析，從遙感圖像中提取植被信息并計(jì)算區(qū)域植被覆蓋率，將5種植被指數(shù)計(jì)算得到的植被覆蓋率與參照結(jié)果進(jìn)行對(duì)比，旨在找到適用于低空遙感影像植被覆蓋率的估算方法，為核查水土保持設(shè)施驗(yàn)收的植物措施效果提供更客觀、高效的途徑。

1 材料與方法

1.1 試驗(yàn)材料

本研究以泰州特高壓變電站送出工程為例進(jìn)行試驗(yàn)，該項(xiàng)目建設(shè)內(nèi)容包括變電站和線路兩部分。項(xiàng)目地處江蘇省泰州市，屬于蘇北中部里下河平原區(qū)，地形平坦，線路沿線以農(nóng)田為主，道路周邊分散有少量自然生長(zhǎng)灌木。輸變電項(xiàng)目線路工程的因措施數(shù)量多、范圍廣，而使得現(xiàn)場(chǎng)核查工作量大、人工測(cè)算面積難度大。故本研究選用該項(xiàng)目的線路工程作為研究對(duì)象，使用無(wú)人機(jī)低空拍攝水土保持植物措施實(shí)施效果影像。

此次試驗(yàn)采用的是大疆精靈4號(hào)無(wú)人機(jī)，最大起飛重量1 200 g，可續(xù)航25 min，搭配實(shí)時(shí)圖傳后可以顯示飛行高度和GPS定位等信息。無(wú)人機(jī)搭載的攝像機(jī)型號(hào)為FC 330相機(jī)，最大分辨率4 000×3 000像素。

1.2 試驗(yàn)方法

1.2.1 可見(jiàn)光遙感影像的獲取 影像拍攝于2016年8月30日，拍攝期間天氣狀況良好，拍攝時(shí)飛行高度約260 m，屬低空飛行，獲得的圖像不受大氣因素影響。拍攝時(shí)無(wú)人機(jī)相機(jī)鏡頭保持垂直向下，定點(diǎn)懸停拍攝。本研究對(duì)中心波長(zhǎng)的位置和波段范圍并無(wú)嚴(yán)格要求，故對(duì)所獲取的影像沒(méi)有進(jìn)行的輻射定標(biāo)[8]。因項(xiàng)目線路工程核查數(shù)量大，此次研究選取了拍攝影像中具有代表性的一張，試驗(yàn)所用的影像具有紅、綠、藍(lán)3個(gè)波段，空間分辨率為4 000×3 000像素。

1.2.2 基于可見(jiàn)光譜的植被指數(shù) 健康綠色植被在可見(jiàn)光譜的反射光譜具有藍(lán)色、紅色強(qiáng)烈吸收，綠色強(qiáng)烈反射的特征。植被遙感領(lǐng)域已提出大量基于可見(jiàn)光—紅外波段計(jì)算的植被指數(shù)用于增強(qiáng)影像中的植被信息，如歸一化植被指數(shù)NDVI (normalized difference vegetation index)、比值植被指數(shù)[9]RVI(ration vegetation index)、增強(qiáng)型植被指數(shù)[10]EVI (enhanced vegetation index)等?；诳梢?jiàn)光譜的植被指數(shù)主要有紅綠比指數(shù)RGRI(red-green ratio index)、過(guò)綠指數(shù)[11]EXG (excess green)、可見(jiàn)光波段差異植被指數(shù)[12]VDVI (visible-band difference vegetation index)、歸一化綠紅差異指數(shù)[13]NGRDI (normalized green-red difference index)、歸一化綠藍(lán)差異指數(shù)NGBDI(normalized green-blue difference index)等，計(jì)算公式如下：

(1)

EXG=2G-R-B

(2)

(3)

(4)

(5)

其中可見(jiàn)光譜差異植被指數(shù)VDVI，是借鑒了國(guó)內(nèi)外使用最多且提取效果較好的歸一化差值植被指數(shù)NDVI而構(gòu)建得來(lái)。在可見(jiàn)光波段內(nèi)，綠色植被對(duì)綠光波段的反射較強(qiáng)，利用該特性，VDVI公式中用綠光代替了NDVI中近紅外波段，用紅光波段和藍(lán)光波段的和代替NDVI中的紅光波段，并將綠光波段乘以2使其在數(shù)值上與紅藍(lán)波段和相當(dāng)。具體構(gòu)造過(guò)程見(jiàn)公式(7)。

(6)

(7)

式中：NIR——近紅外波段的像元值。

1.2.3 基于閾值的植被信息提取 利用可見(jiàn)光譜植被指數(shù)對(duì)遙感圖像進(jìn)行計(jì)算，在分析各植被指數(shù)計(jì)算結(jié)果的基礎(chǔ)上，選用合適方法設(shè)定閾值，將植被指數(shù)計(jì)算值高于閾值的歸為植被，小于閾值的歸為非植被，從而提取出圖像的植被信息。提取結(jié)果的精確度取決于閾值的設(shè)定。因此，本文根據(jù)各植被指數(shù)計(jì)算結(jié)果，采用雙峰直方圖法、最大熵值法得到各植被指數(shù)的閾值。

(1) 雙峰直方圖法。直方圖中有2個(gè)明顯的坡峰，2個(gè)峰值對(duì)應(yīng)于對(duì)象內(nèi)部與外部較多數(shù)目的點(diǎn)，2個(gè)峰之間的坡谷對(duì)應(yīng)于對(duì)象邊緣相對(duì)較少數(shù)目的點(diǎn)，坡谷一般即為閾值選取處[14]。

(2) 最大熵值法。若閾值為t，則圖像分為目標(biāo)O和背景B，當(dāng)兩者的總熵H(t)=HO(t)+HB(t)取最大值時(shí)，所對(duì)應(yīng)的t即為最佳閾值[15]。

1.2.4 植被覆蓋率的估算 根據(jù)遙感圖像的植被提取結(jié)果，分別統(tǒng)計(jì)各植被指數(shù)提取圖中植被像素和整張圖像像素的數(shù)量，計(jì)算植被覆蓋度(即為植被像素?cái)?shù)與圖像總像素?cái)?shù)之比)[16]，并與實(shí)測(cè)結(jié)果進(jìn)行分析比較，得到適用于植被覆蓋率計(jì)算的方法。

2 結(jié)果與分析

2.1 可見(jiàn)光植被指數(shù)的計(jì)算

圖像中地物類型簡(jiǎn)單，植被主要為農(nóng)田和綠色灌木，且顏色差異不大，因此將其都?xì)w為植被。非植被地物分為塔基、水面、道路和其他4種類型。對(duì)每類典型地物各選取10個(gè)感興趣區(qū)域分別統(tǒng)計(jì)紅、綠、藍(lán)3個(gè)波段的像元平均值和標(biāo)準(zhǔn)差，并分析地物各波段的像元值差異和像元波動(dòng)范圍。統(tǒng)計(jì)結(jié)果如表1所示。

表1 典型物在紅、綠、藍(lán)波段的像元統(tǒng)計(jì)特征值

從表1中可看出，植被區(qū)域各波段的像元值呈現(xiàn)出：綠波段>紅波段>藍(lán)波段的規(guī)律，與健康綠色植被的光譜特性相符合。非植被區(qū)域各波段像素呈現(xiàn)：藍(lán)波段>綠波段>紅波段、藍(lán)波段>紅波段>綠波段的規(guī)律。但各地物波段數(shù)據(jù)標(biāo)準(zhǔn)差較大，數(shù)據(jù)離散程度高，所以均值相近的數(shù)據(jù)會(huì)有較多交集。在紅波段，非植被地物的塔基和植被有部分重合；在藍(lán)波段，植被與非植被沒(méi)有重合；在綠波段，非植被類型的塔基與植被有較大重合。說(shuō)明只包含綠色波段、或是僅包含紅色和綠色波段的植被指數(shù)無(wú)法較準(zhǔn)確的區(qū)別圖像的植被與非植被。利用公式(1)—(5)分別計(jì)算遙感圖像可見(jiàn)光譜植被指數(shù)，得到各植被指數(shù)分布圖(圖1)。VDVI，NGRDI和NGBDI計(jì)算值范圍為[-1,1]，EXG值范圍為[-255，255]。

圖1 各植被指數(shù)分布

圖1中，RGRI分布圖色調(diào)越暗的區(qū)域表示植被指數(shù)值越大，越亮的區(qū)域表示植被指數(shù)值越小，而其余植被指數(shù)分布圖暗色區(qū)表示植被指數(shù)值小，亮色區(qū)表示植被指數(shù)值大。觀察圖1可發(fā)現(xiàn)EXG，VDVI，NGBDI指數(shù)分布圖中植被與非植被灰度值差異較為明顯，植被區(qū)域顯示為亮白色，非植被區(qū)域顯示為暗黑色。NGRDI和RGRI指數(shù)中部分道路和植被灰度值相近而出現(xiàn)交界處分類混淆的情況，這易引起植被信息提取產(chǎn)生誤差。

為了更細(xì)致地分析各植被指數(shù)計(jì)算結(jié)果，采用抽樣法分別在各植被指數(shù)分布圖(圖1)中選取與典型地物相同的ROI區(qū)域進(jìn)行特征值統(tǒng)計(jì)，結(jié)果如表2。

表2 RGRI，EXG，VDVI，NGBDI和NGRDI的植被指數(shù)分布圖統(tǒng)計(jì)特征值

從表2可看出，RGRI和NGRDI中非植被地物的其他與植被的指數(shù)值有重疊現(xiàn)象，會(huì)造成提取誤差，故RGRI和NGRDI在進(jìn)行無(wú)人機(jī)植被信息的提取時(shí)，準(zhǔn)確度可能較低。EXG，VDVI，NGBDI各地物的指數(shù)值沒(méi)有交叉，都可用于植被信息提取，但EXG的植被指數(shù)范圍大且標(biāo)準(zhǔn)差較大，可能影響植被提取效果。

2.2 植被提取與精度評(píng)價(jià)

除RGRI外，其他植被指數(shù)的直方圖均具有較明顯的雙峰特征。RGRI采用最大熵值法得到的閾值為0.741，EXG，VDVI，NGBDI和NGRDI通過(guò)雙峰直方圖法求得的閾值分別為44.039，0.098，0.122，0.096。

利用確定的閾值從各植被指數(shù)分布圖中提取植被信息，得到植被分布結(jié)果如圖2所示，并與參照?qǐng)D進(jìn)行精度驗(yàn)證(表3)。為評(píng)價(jià)提取效果，本研究使用ENVI軟件中的最大似然分類法，并結(jié)合局部人工分類，得到圖2a作為精度評(píng)價(jià)的參考提取圖。

結(jié)合表3和圖2可看出，RGRI和NGRDI提取結(jié)果總正確率較低，靠近道路的植被區(qū)域有明顯的漏提現(xiàn)象。NGBDI提取結(jié)果正確率較高、植被提取較為全面，但在植被稀疏區(qū)域提取效果不理想。EXG和VDVI總體精度大于93%，提取結(jié)果較其他植被指數(shù)更全面，植被與非植被交界處細(xì)節(jié)清晰，與參照?qǐng)D結(jié)果相近。所以EXG和VDVI更適合用于無(wú)人機(jī)低空可見(jiàn)光影像的植被提取。

表3 各植被指數(shù)提取精度評(píng)價(jià)

圖2 各植被指數(shù)提取結(jié)果

2.3計(jì)算植被覆蓋度

從提取結(jié)果圖中統(tǒng)計(jì)植被像元數(shù)量，計(jì)算得到各個(gè)植被指數(shù)植被提取后的植被覆蓋率，結(jié)果如表4所示。

表4 各植被指數(shù)的植被覆蓋率計(jì)算結(jié)果 %

從表4中可看出，各植被指數(shù)提取的植被覆蓋度均小于參照?qǐng)D的值，存在低估情況。其中VDVI與參照結(jié)果最為接近，EXG次之。其由于VDVI的計(jì)算公式構(gòu)造合理體現(xiàn)了植被在可見(jiàn)光波段的反射特點(diǎn)，并且充分利用了遙感圖像可見(jiàn)光波段數(shù)據(jù)，所以，強(qiáng)化植被信息的效果較EXG更為顯著，覆蓋率計(jì)算結(jié)果的準(zhǔn)確度更高。由于參照?qǐng)D是通過(guò)最大似然法加以人工糾正得到，而最大似然法在植被覆蓋度低的區(qū)域，會(huì)將部分顏色接近植物的非植被信息歸為植被，加上人工糾錯(cuò)的不全面性，所以由參照?qǐng)D而計(jì)算得到的植被覆蓋率雖與實(shí)際情況接近，但略有高估。

綜上所述，利用植被指數(shù)提取的植被信息來(lái)計(jì)算覆蓋率的方法所得結(jié)果均與實(shí)際情況接近，其中VDVI的估算結(jié)果最為準(zhǔn)確，更適合無(wú)人機(jī)可見(jiàn)光影像的植被覆蓋率計(jì)算。

2.4 驗(yàn)證試驗(yàn)

為驗(yàn)證該植被覆蓋率計(jì)算方法的適用性和可靠性，選用與試驗(yàn)圖像同一時(shí)間拍攝的，該線路另一處塔基區(qū)圖像，利用同樣的植被指數(shù)和分類方法獲得該區(qū)域植被覆蓋率和參照?qǐng)D與上述結(jié)論相同，EXG和VDVI的提取效果更為良好。以參考圖為基準(zhǔn)，評(píng)估各植被指數(shù)提取精度如表5所示，精度評(píng)價(jià)結(jié)果顯示VDVI植被提取精度達(dá)到97.47%，與其他植被指數(shù)提取結(jié)果結(jié)果相比，準(zhǔn)確度最高。計(jì)算得到的植被覆蓋率與現(xiàn)場(chǎng)實(shí)測(cè)結(jié)果如表6所示，由VDVI植被分類結(jié)果得到的植被覆蓋率與實(shí)際數(shù)值最為接近。所以利用植被指數(shù)提取植被信息提取植被信息的方法可以高效、客觀的計(jì)算植被覆蓋率，且VDVI的估算結(jié)果較為準(zhǔn)確。

表5 驗(yàn)證試驗(yàn)提取精度評(píng)價(jià)

表6 驗(yàn)證試驗(yàn)的植被覆蓋率結(jié)果

3 討論與結(jié)論

本文利用可見(jiàn)光植被指數(shù)RGRI，VDVI，EXG，NGBDI和NGRDI處理可見(jiàn)光遙感圖像，通過(guò)設(shè)定閾值，提取植被信息的方法，計(jì)算區(qū)域植被覆蓋率，并與最大似然分類法的參照結(jié)果相比較，結(jié)果得出利用VDVI得到植被覆蓋率與實(shí)際最為接近。文中提出的植被覆蓋率計(jì)算方法可有效提高測(cè)算效率，減少人為干預(yù)因素，用較小的成本獲得較為準(zhǔn)確可靠的結(jié)果，在水土保持設(shè)施驗(yàn)收方面有著廣闊的應(yīng)用前景。

本研究采用雙峰直方圖法和最大熵值法確定的閾值，在植被密度較低的區(qū)域植被信息提取結(jié)果不盡理想，若有可根據(jù)植被密度分布情況自動(dòng)化確定閾值的方法，可大大提高植被覆蓋率估算的準(zhǔn)確度。

[1] 夏玉慧,王江,辛靜.開(kāi)發(fā)建設(shè)項(xiàng)目水土保持設(shè)施驗(yàn)收技術(shù)評(píng)估工作面臨的問(wèn)題及其對(duì)策[J].水土保持通報(bào),2015,35(3):149-151.

[2] Alistair R, Fabio R, Salah S. Multi-class classification of vegetation in natural environments using an Unmanned Aerial system[C]∥Robotics and Automation (ICRA), 2011 International Conference on IEEE, 2011:2953-2959.

[3] 李冰,劉镕源,劉素紅,等.基于低空無(wú)人機(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(13):160-165.

[4] 雷添杰,李長(zhǎng)春,何孝瑩.無(wú)人機(jī)航空遙感系統(tǒng)在災(zāi)害應(yīng)急救援中的應(yīng)用[J].自然災(zāi)害學(xué)報(bào),2011,20(1):178-183.

[5] 楊超,蘇正安,馬菁,等.基于無(wú)人機(jī)影像快速估算礦山排土場(chǎng)邊坡土壤侵蝕速率的方法[J].水土保持通報(bào),2016,36(6):126-130.

[6] 章文波,路炳軍,石偉.植被覆蓋度的照相測(cè)量及其自動(dòng)計(jì)算[J].水土保持通報(bào),2009,29(2):39-42.

[7] 路炳軍,劉洪鵠,符素華,等.照相法結(jié)合數(shù)字圖像技術(shù)計(jì)算植被覆蓋度精度研究[J].水土保持通報(bào),2007,27(1):78-80,85.

[8] 鄧?yán)^忠,任高生,蘭玉彬,等.基于可見(jiàn)光波段的無(wú)人機(jī)超低空遙感圖像處理[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào),2016(1):16-22.

[9] 張正健,李愛(ài)農(nóng),邊金虎,等.基于無(wú)人機(jī)影像可見(jiàn)光植被指數(shù)的若爾蓋草地地上生物量估算研究[J].遙感技術(shù)與應(yīng)用,2016,31(1):51-62.

[10] Verrelst J, Schaepman M E, Koetz B, et al. Angular sensitivity analysis of vegetation indices derived from CHRIS/PROBA data[J]. Remote Sensing of Environment, 2008,112(5):2341-2353.

[11] Mao Wenhua, Wang Yiming, Wang Yueqing. Real-time detection of between-row weeds using machine vision[C]∥2003 ASAE Annual Meeting. American Society of Agricultural and Biological Engineers, 2003.

[12] 汪小欽,王苗苗,王紹強(qiáng),等.基于可見(jiàn)光波段無(wú)人機(jī)遙感的植被信息提取[J].農(nóng)業(yè)工程學(xué)報(bào),2015,31(5):152-159.

[13] Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation[J].Remote Sensing of Environment, 1979,8(2):127-150.

[14] 梁華為.直接從雙峰直方圖確定二值化閾值[J].模式識(shí)別與人工智能, 2002,15(2):253-256.

[15] Kapur J N, Sahoo P K, Wong A K C. A new method for gray-level picture thresholding using the entropy of the histogram[J]. Computer Vision, Graphics, and Image Processing, 1985,29(3):273-285.

[16] 胡健波,張璐,黃偉,等.基于數(shù)碼照片的草地植被覆蓋度快速提取方法[J].草業(yè)科學(xué),2011,28(9):1661-1665.

VegetationCoverageCalculationBasedonLowAltitudeVisibleSpectrum

BIAN Xue, MA Qunyu, LIU Chuye, ZHAO Yanwen

(CollegeofResourcesandEnvironmentalSciences,NanjingAgricultureUniversity,Nanjing,Jiangsu210095,China)

[Objective] Applying low altitude remote sensing to the acceptance of soil and water conservation facilities so as to extract vegetation information based on visible spectrum from remote sensing image, and to propose an accurate and objective method to calculate the coverage rate which is an indicator of the soil and water conservation facilities evaluation in the hope of reducing workload and improving effectiveness. [Methods] The spectral characteristics of low-altitude remote sensing images containing only visible spectral information were analyzed by five vegetation indices as RGRI (ration vegetation index)， EXG (excess green)，VDVI (visible-band difference vegetation index)，NGBDI (normalized green-blue difference index) and NRGRDI (normalized green-red difference index). And the threshold of each vegetation index was determined by the maximum entropy method or bimodal histogram method. Furthermore, with the help of ENVI, the vegetation information was extracted and the vegetation coverage were then calculated and compared with references. [Results] The accuracy of vegetation information extracted from the visible-band difference vegetation index (VDVI) was as high as 95.32%, and the vegetation coverage was 54.43%, which was the closest to the actual value. [Conclusion] It is feasible to calculate vegetation coverage from remote sensing image based on visible band. The method can provide real-time data as supporting information for the acceptance assessment of soil and water conservation facilities with its advantage of few artificial intervention and high accuracy.

visualspectrum;acceptanceofsoilandwaterconservationfacilities;vegetationcoverage

B

1000-288X(2017)05-0270-06

S127

文獻(xiàn)參數(shù)： 卞雪, 馬群宇, 劉楚燁, 等.基于低空可見(jiàn)光譜的植被覆蓋率計(jì)算[J].水土保持通報(bào)，2017,37(5)：270-275.

10.13961/j.cnki.stbctb.2017.05.046； Bian Xue, Ma Qunyu, Liu Chuye, et al. Vegetation coverage calculation based on low altitude visible spectrum[J]. Bulletin of Soil and Water Conservation, 2017,37(5)：270-275.DOI:10.13961/j.cnki.stbctb.2017.05.046

2017-03-07

2017-03-30

國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“農(nóng)村發(fā)展中生態(tài)環(huán)境管理研究”(70833001)

卞雪(1991—),女(漢族),江蘇省溧陽(yáng)市人,碩士研究生,研究方向?yàn)樗帘３帧h(huán)境規(guī)劃與評(píng)價(jià)。E-mail:bx19911229@qq.com。

趙言文(1965—),男(漢族),江蘇省徐州市人,博士,教授,博士生導(dǎo)師,主要從事水土保持、環(huán)境生態(tài)學(xué)、環(huán)境影響評(píng)價(jià)研究。E-mail:ywzhao@njau.edu.cn。