基于騰訊街景的林地郁閉度提取方法研究*

余付蓉 高 峻,2 付 晶,2

(1. 上海師范大學環(huán)境與地理科學學院，上海 200234；2. 上海師范大學城市發(fā)展研究院，上海 200234)

郁閉度作為森林生態(tài)系統(tǒng)的重要指標之一，已被廣泛應用于林業(yè)、城市氣候、大氣污染和城市熱島效應等研究中。傳統(tǒng)的郁閉度提取方法為樣地法，即依賴粗集合統(tǒng)計和較小規(guī)模的調查進行森林郁閉度提取。隨著科研水平的提高和技術的進步，郁閉度的計算和提取方法也得到了長足的發(fā)展。朱教君等[1]應用全天空照片實現(xiàn)了郁閉度的估算；祁有祥等[2]通過將數(shù)碼照片轉換成魚眼照片，采用Photoshop、ArcGIS等軟件實現(xiàn)了郁閉度的快速提??；劉芳等[3]對傳統(tǒng)樹冠投影法和基于GIS的樹冠投影法進行了比較研究，結果表明，基于GIS的樹冠投影法能提高精度和工作效率；任德智等[ 4]提出 “緩沖區(qū)法” 進行郁閉度定量求算。但以上方法均有明顯的局限性，需要進行實地調查，受到高成本和強勞動條件的制約，同時主觀因素影響較大。這些局限性極大的限制了研究人員對郁閉度數(shù)據(jù)集的廣泛獲取和使用。

隨著新興的網(wǎng)絡大數(shù)據(jù)的發(fā)展，在線街景服務為林地郁閉度的提取開辟了一條新的思路。本研究以上海植物園為研究對象，基于騰訊街景數(shù)據(jù)，利用圖像拼接技術將圓柱形全景圖轉換成方位角魚眼圖像，經(jīng)圖像增強、圖像二值化等處理后，對上海植物園內林地的郁閉度進行提取。把提取結果與通過非監(jiān)督分類法計算得出的郁閉度以及實地勘測的郁閉度進行比較，以驗證該方法的可行性和準確性。此種方法的應用，為衡量城市特征指標提供了比以往更高的采集頻率及更精細的地理尺度。

1 研究方法

1.1 實地勘測法

實地勘測數(shù)據(jù)是通過調查時先將所要測定的樹木進行定位，從多個方位測量每株樹木的樹冠邊緣至樹干的水平間距，并將其按比例繪制于圖紙中，即通過樹冠投影法計算得出郁閉度，是調查郁閉度較為準確的方法。

1.2 非監(jiān)督分類法

非監(jiān)督分類法是按照像元之間的聯(lián)系程度進行歸類的一種多元統(tǒng)計分析方法。本研究采用該方法的主要原因是其人工干預較少，因此數(shù)據(jù)獲取具有相對科學性。

1.3 基于騰訊街景的林地郁閉度提取方法

1.3.1全景圖塊收集

騰訊街景是由8個水平攝像機拍攝的8幅原始圖像按順序拼接而成的360°全景圖，具有360°的水平覆蓋范圍以及180°的垂直覆蓋范圍。研究中首先通過騰訊地圖上的林地點位獲取經(jīng)緯度數(shù)據(jù)，再將獲取的經(jīng)緯度數(shù)據(jù)通過Python編寫代碼以獲取8個水平方向的圖塊，鏡頭視場角為45°，因此8個圖像可以覆蓋360°水平視野。同時每個方向的圖塊依次獲取3個垂直視角圖塊以及頂部90°垂直視角圖塊1張，共25張圖塊。上海市植物園其中一個樣點的全景圖塊見圖1。

1.3.2全景圖拼接

從騰訊街景中下載的圖像是單獨的圖塊，因此需要將單獨的圖塊拼接成全景圖像。Hugin是由D′Angelo創(chuàng)建的開放軟件[5-6]，能夠將獨立的方形圖塊組合成單個全景圖，同時可以根據(jù)圖塊在三維半球上的偏航角及俯仰角來校準不同的圖像位置 (圖2)。

將每個樣點下載的25個圖塊導入到Hugin中，手動輸入每個圖塊與其水平視野的相對位置，包括偏航角、俯仰角及翻滾角度，圖塊則按重疊順序排列 (圖2a、b)。圖塊排列完成之后，通過Hugin自動計算所有產(chǎn)生的變形以及圖像之間的重疊控制點，同時通過優(yōu)化工具將邊緣進行柔化處理 (圖2c)，調整三維半球視場角和水平及垂直視野得到植物冠層魚眼圖像 (圖2d)。

1.3.3魚眼圖像增強

魚眼圖像的實質是半球圖像。將三維半球向上看時，一個半球形的鏡頭提供了整個天空的完整視圖。在這樣的視圖中，由中心的頂點和邊緣的地平線產(chǎn)生了一個圓形圖像。由于視圖方向向上，因此相對于北方，東方為逆時針方向，西方為順時針方向。每個魚眼圖像的位置對應著可以用天頂角 (θ) 和方位角 (α) 表示的天空方向 (圖3)。由于在魚眼圖像中，天空比冠層更亮，因此對魚眼圖像增強處理可以更準確地對 “冠層像素” 和 “天空像素” 進行分類。研究中通過Photoshop先改變照片的色調值，將彩色圖像進行亮度和對比度的調整，使 “冠層像素” 和 “天空像素” 之間具有最佳的對比度。

1.3.4魚眼圖像二值化

圖像增強后，需根據(jù)灰度將“冠層像素”和“天空像素”分開，即對圖像進行二值化處理。Glatthorn等[7]對比分析了前人常用的二值化方法：邊緣檢測法、IsoData法、最大熵法、最小錯誤法、最小值法、最小直方圖法以及Otsu法，發(fā)現(xiàn)最小直方圖法效果最好。因此本研究采用DHPT軟件中的最小直方圖法進行圖像二值化。

圖1騰訊街景全景圖塊
Fig.1 Panorama block of Tencent Street View

圖2騰訊街景全景圖像拼接過程
Fig.2 Panoramic image mosaic process of Tencent Street View

圖3魚眼圖像投影
Fig.3 Fish-eye image projection

研究中先將彩色圖像轉換成8位灰度圖像，將確定表示為 “冠層像素” 和 “天空像素” 的灰度像素通過灰度極限閾值顯示出來，繼而在灰度上找出最大像素頻率的灰度值。為了避免出現(xiàn)灰度值的突然變化引起的錯誤最大值，通常應用20個值的移動平均值將灰度值進行平滑處理。找到第1個最大值后，繼續(xù)找第2個最大像素頻率的灰度值 (仍在平滑值上)。2個最大像素值分別對應冠層和天空。2個最大像素頻率值確定之后，選取最小值，該最小值則對應于閾值。如果像素值低于閾值，則將其歸于黑色 (R=0，G=0，B=0)，即 “冠層像素”。相反，如果像素值高于閾值，則將其歸于白色 (R=255，G=255，B=255)，即 “天空像素”[8-9]。二值化結果見圖4。

1.3.5郁閉度提取

郁閉度可以通過樹冠面積與照片總面積的比例從數(shù)字半球圖像中獲得[7]。通過魚眼圖像不同的顏色通道，并利用植物色素和天空顏色之間的差異，可以增強樹冠和天空的分離，將分離后統(tǒng)計的 “冠層像素” 值與總像素值進行比值分析，即可計算出魚眼圖像郁閉度。

2 結果與分析

2.1 不同方法郁閉度提取結果

3種方法提取的郁閉度結果見表1。

實地勘測法是調查郁閉度較為準確的方法，因此研究中以實地勘測法所獲取的郁閉度為實測值，而通過騰訊街景法與非監(jiān)督分類法獲取的郁閉度為估測值。對估測值與實測值的絕對誤差進行分析[10-12]，結果見表2。

圖4魚眼圖像二值化
Fig.4 Fish-eye image binarization

表1 3種方法計算的郁閉度值Table 1 The values of canopy closure calculated by 3 methods

由表2可知，騰訊街景法的絕對誤差平均值 (0.036) 小于非監(jiān)督分類法的 (0.038)，表明騰訊街景法估測的郁閉度相對于實測值的偏離程度比非監(jiān)督分類的小。騰訊街景法的標準差 (0.042) 大于非監(jiān)督分類法 (0.034)，表明騰訊街景法估測的郁閉度值不如非監(jiān)督分類法穩(wěn)定。這主要是由于樣地5的|ΔX1|大于誤差范圍0.10所致，可能是由于樣地5外圍有花卉溫室，對該地魚眼圖像邊緣處的劃分造成了影響，從而使估測郁閉度值偏小。因此把樣地5的|ΔX1|值作為異常值。剔除異常值后，|ΔX1|的平均值(0.027) 小于|ΔX2|的 (0.038)，|ΔX1|的標準差(0.031) 小于|ΔX2|的 (0.034)，表明騰訊街景法估測的郁閉度值要優(yōu)于非監(jiān)督分類法的。因此，利用騰訊街景法提取林地郁閉度是有效的、可行的。

表2 郁閉度絕對誤差Table 2 The absolute error of canopy density

注：|ΔX1|為實地勘測郁閉度與騰訊街景郁閉度的絕對誤差；|ΔX2|為實地勘測郁閉度與非監(jiān)督分類郁閉度的絕對誤差。

2.2 精度評價

將2組估測值分別和實測值進行線性擬合，通過模型的決定系數(shù) (R2) 和均方根誤差 (RMSE) 來評價估測值的精度，擬合結果見圖5和表3。

由表3可知，騰訊街景法的決定系數(shù)為0.977，均方根誤差為0.054，為較優(yōu)估測模型，而非監(jiān)督分類法的決定系數(shù)為0.969，均方根誤差為0.050，精度稍低于騰訊街景法。同時比較擬合直線方程斜率發(fā)現(xiàn)，騰訊街景法的擬合線方程斜率為0.952，小于1，表明騰訊街景法的整體估測值偏小；而非監(jiān)督分類法的擬合線方程斜率為1.013，大于1，則表明非監(jiān)督分類法的整體估測值偏大。2種方法的擬合線方程斜率均為正，說明騰訊街景提取的郁閉度以及非監(jiān)督分類法計算出的郁閉度與實地勘測獲得的郁閉度數(shù)據(jù)存在顯著的正相關關系?？偟膩碚f，2種方法的估測精度差異較小，均可以用于估算林地郁閉度，并保證其測量精度。

圖5 線性擬合結果Fig.5 Linear fitting results

郁閉度計算方法擬合線方程R2RMSE騰訊街景法y=0.952x-0.0130.9770.054非監(jiān)督分類法y=1.013x+0.0080.9690.050

3 結論與討論

通過郁閉度提取結果分析和精度評價，得出以下結論： 1) 剔除異常值后，騰訊街景法的絕對誤差平均值 (0.027) 和標準差 (0.031) 均小于非監(jiān)督分類法的，說明騰訊街景法的絕對誤差離散程度小、相對穩(wěn)定。2) 騰訊街景法的決定系數(shù)為0.977，均方根誤差為0.054，為較優(yōu)的估測模型。而非監(jiān)督分類法的決定系數(shù)為0.969，均方根誤差為0.050，精度稍低于騰訊街景法。3) 騰訊街景法的擬合線斜率為0.952，表明騰訊街景法的整體估測值偏?。欢潜O(jiān)督分類法的擬合線斜率為1.013，則表明非監(jiān)督分類法的整體估測值偏大。2種方法的擬合線方程斜率均為正，說明估測值和實測值存在顯著的正相關關系。

本研究基于豐富的城市街景開源圖像數(shù)據(jù)提出了利用騰訊街景圖像來計算林地郁閉度的方法，與傳統(tǒng)郁閉度測定方法相比,騰訊街景法能夠避免主觀人為拍攝的誤差以及實地采集照片的費時費力，有利于獲取大范圍或區(qū)域的林地郁閉度，進一步促進林地資源調查及管理工作的進行。同時騰訊街景圖像允許水平和垂直表示，能夠全方位覆蓋360°水平環(huán)境和180°垂直環(huán)境，更具客觀化以及合理性。結果表明，騰訊街景圖像能夠彌補人工野外調查的不足, 有效地獲取較大范圍的精準數(shù)據(jù), 提供適合評估林地郁閉度的方法，后期可以大范圍應用于測量街道綠化。根據(jù)騰訊街景圖像的特點，本研究使用了不同視角的騰訊街景圖像，該方法對于評估林地郁閉度也更加合理。因此，騰訊街景圖像提取的郁閉度可以幫助城市規(guī)劃者和其他人進一步了解城市植物的遮蔭功能。騰訊街景數(shù)據(jù)可以作為互補、豐富遙感影像提供的城市綠色信息的附加信息。隨著開放數(shù)字數(shù)據(jù)的日益增加以及大數(shù)據(jù)獲取手段的豐富，本研究將計算機視覺工具應用于量化植被指標，提出了一個現(xiàn)實、準確、易操作的林地郁閉度計算方式，為林地郁閉度提取提供了一條新的思路。