基于無人機(jī)可見光遙感和閾值法的玉米植被覆蓋度提取

楊煥波,趙 靜,蘭玉彬,魯力群,賈 鵬,李志銘

(1.山東理工大學(xué)農(nóng)業(yè)工程與食品科學(xué)學(xué)院；2.山東理工大學(xué)國際精準(zhǔn)農(nóng)業(yè)航空應(yīng)用技術(shù)研究中心；3.山東理工大學(xué)交通與車輛工程學(xué)院，山東 淄博 255000)

玉米是我國重要的糧食作物，為了保證我國玉米糧食產(chǎn)業(yè)的快速平穩(wěn)發(fā)展，需要對玉米相關(guān)生長參數(shù)進(jìn)行有效監(jiān)測.植被覆蓋度(fractional vegetation cover,FVC)通常是指植被(葉、莖、枝)在單位面積內(nèi)垂直投影面積所占百分比[1-5]，一定程度上反映農(nóng)作物光合作用能力，表征作物的生長發(fā)育和生物產(chǎn)量，是農(nóng)學(xué)領(lǐng)域的一個重要參數(shù)[6].因此，估測玉米覆蓋度對指導(dǎo)生產(chǎn)管理和進(jìn)行農(nóng)業(yè)生態(tài)系統(tǒng)評價有重要的意義.

目前，常見的植被覆蓋度獲取方法有地表實(shí)測法和遙感監(jiān)測法.地表實(shí)測法受人力、物力條件限制，無法大面積推廣.遙感監(jiān)測法主要是利用衛(wèi)星遙感影像[7]以及地面采集的數(shù)字影像[8]兩種方式.通過衛(wèi)星影像提取植被覆蓋度受大氣和混合像元影響較大，時空分辨率較低，往往難以滿足田塊尺度上的高精度提取要求；通過地面采集的影像提取植被覆蓋度信息，雖然植被覆蓋度提取精度較高，但在大面積范圍內(nèi)作業(yè)費(fèi)時費(fèi)力，成本高，難以完成田塊尺度上的作業(yè)要求.無人機(jī)遙感系統(tǒng)具有影像分辨率高、受大氣影響小和靈活性高等優(yōu)點(diǎn)，可以彌補(bǔ)以上兩種監(jiān)測方法的不足[9-10].

許多學(xué)者利用無人機(jī)遙感技術(shù)獲取的數(shù)據(jù)對植被覆蓋度提取進(jìn)行了相關(guān)研究.李冰等[4]通過分析無人機(jī)獲取的冬小麥拔節(jié)期、挑旗期、抽穗期、開花期、灌漿期的多光譜圖像，利用時序交點(diǎn)閾值法結(jié)合歸一化差值植被指數(shù)(NDVI)、土壤調(diào)整植被指數(shù)(SAVI)成功地提取了冬小麥上述5個時期的植被覆蓋度信息；高永平等[11]通過建立無人機(jī)可見光圖像的植被指數(shù)與植被覆蓋度的關(guān)系模型，成功地提取了荒漠區(qū)的植被覆蓋度；田振坤等[12]基于NDVI植被指數(shù)統(tǒng)計(jì)法成功的提取了玉米和小麥生長周期內(nèi)多光譜影像的植被覆蓋度信息，且提取精度較高.

上述研究中大多數(shù)植被指數(shù)是基于作物冠層在紅色波段的低反射率和近紅外波段強(qiáng)反射率的特性構(gòu)建的，雖然具有較高提取精度，但多光譜相機(jī)價格昂貴，不宜推廣.與多光譜相機(jī)比較，可見光相機(jī)雖然包含的光譜信息較少，但其具有拍攝圖像分辨率高、成本低、操作簡單等優(yōu)勢.為提供一種低成本的玉米植被覆蓋度快速檢測方法，本研究通過無人機(jī)平臺搭載可見光相機(jī)，拍攝玉米四葉期、拔節(jié)期和抽穗期可見光圖像，用時序交點(diǎn)閾值法和最大熵閾值法提取3個生長期玉米植被覆蓋度，并對比其效果，尋找一種有效提取玉米生長階段植被覆蓋度的方法，為無人機(jī)遙感技術(shù)在監(jiān)測玉米植被覆蓋度方向的定量應(yīng)用提供依據(jù).

1 材料與方法

1.1 試驗(yàn)地概況及數(shù)據(jù)采集

研究區(qū)域位于山東省淄博市南定鎮(zhèn)(36°44′36″N，118°3′23″E).淄博市地處暖溫帶，屬半濕潤半干旱的溫帶季風(fēng)氣候，南定鎮(zhèn)位于淄博市張店區(qū)南端，氣候常年比較溫暖、濕潤，土地肥沃，自然資源豐富.試驗(yàn)地概況如圖1所示，試驗(yàn)區(qū)域面積約為6 000 m2.

圖1 試驗(yàn)地概況Fig.1 Experimental site overviews

飛行平臺為DJI Phantom4 Advanced無人機(jī)，有效載荷2 kg，續(xù)航時間30 min.不同光照條件對玉米可見光圖像的影響很大，為了保證圖像采集時刻光照條件的一致性，選擇中午晴朗無風(fēng)天氣,12:00左右分別在玉米生長四葉期(2018-07-20)、拔節(jié)期(2018-07-29)和抽穗期(2018-08-10)共進(jìn)行3次數(shù)據(jù)采集，3次數(shù)據(jù)采集飛行高度相同，均為40 m.無人機(jī)飛行航線的旁向和航向重疊度均設(shè)為80%，單次作業(yè)采集180張JPEG格式可見光圖像，圖像分辨率為5 472像素×3 648像素，地面分辨率為0.68 cm.通過Pix4DMapper軟件對每次采集的圖像進(jìn)行拼接，獲取玉米四葉期、拔節(jié)期和抽穗期試驗(yàn)田全景正射圖像.

1.2 夏季玉米植被覆蓋度的提取方法

1.2.1 植被指數(shù)的選取 目前可見光波段的植被指數(shù)相對較少，主要有借鑒多光譜波段植被指數(shù)構(gòu)造原理，利用紅色波段的吸收和綠色波段的反射特性構(gòu)建歸一化綠藍(lán)差異指數(shù)(NGBDI)[13]、可見光波段差異(VDVI)和過綠指數(shù)(EXG),計(jì)算公式表示如下：

(1)

EXG=2G-R-B

(2)

(3)

式中:G表示地物綠色波段的像素值；B表示地物藍(lán)色波段的像素值；R表示地物紅色波段的像素值；g表示歸一化處理后綠色波段的像素值；b表示歸一化處理后藍(lán)色波段的像素值.

1.2.2 植被覆蓋度提取閾值的確定 植被指數(shù)閾值法是通過波段運(yùn)算，擴(kuò)大土壤和玉米植被差異，選取合適的閾值進(jìn)行植被覆蓋度提取.本試驗(yàn)通過時序交點(diǎn)閾值法和最大熵閾值法確定3種可見光植被指數(shù)的閾值，將VDVI、EXG和NGBDI植被指數(shù)大于閾值的像素歸為植被，小于閾值的像素歸為土壤[14].

時序交點(diǎn)閾值法[5]：研究區(qū)域像元主要由植被像元和土壤像元兩部分組成，隨著作物的生長，研究區(qū)域內(nèi)植被的像元增多，其增加量來源于區(qū)域內(nèi)裸土像元的減少量.因此可以將低植被覆蓋度和較高植被覆蓋度的植被指數(shù)直方圖的交點(diǎn)作為植被覆蓋度提取閾值，即植被指數(shù)小于閾值的像元為裸土像元，而大于閾值的像元則為植被像元.

最大熵閾值法[15,16]：首先假設(shè)植被和土壤的分類閾值為t，則閾值t將圖像分為目標(biāo)O與背景B兩大類.目標(biāo)區(qū)域的熵為HO(t)，背景區(qū)域的熵為HB(t)，則使總熵H(t)= HO(t)+HB(t)取得最大值時所對應(yīng)的t值即為最佳閾值.

1.2.3 植被覆蓋度的提取 將上述3類植被指數(shù)大于閾值的部分作為植被像元，小于閾值的部分作為土壤像元，分別統(tǒng)計(jì)研究范圍內(nèi)玉米像元數(shù)和土壤像元數(shù)，并按式(4)計(jì)算植被覆蓋度.

(4)

式中：Ncorn表示玉米像元統(tǒng)計(jì)個數(shù)；Nsoil表示土壤像元統(tǒng)計(jì)個數(shù).

1.2.4 植被覆蓋度提取結(jié)果的評價方法 傳統(tǒng)的植被覆蓋評價方法主要是通過人機(jī)交互的方式，逐步將試驗(yàn)田圖像分為植被像元和土壤像元，此方法受人為主觀因素、人力和物力條件的限制，不適合作為復(fù)雜環(huán)境下大面積區(qū)域的植被提取結(jié)果真值.隨著機(jī)器視覺的發(fā)展，其逐漸成為植被覆蓋度評價的重要工具，支持向量機(jī)監(jiān)督分類具有算法簡單、魯棒性較好和分類精度高的優(yōu)點(diǎn).牛亞曉等[4]將支持向量機(jī)監(jiān)督分類結(jié)果作為真值評價棉花植被覆蓋度，得到了較好的提取精度.利用支持向量機(jī)監(jiān)督分類雖然能夠取得較好的分類效果，但進(jìn)行支持向量機(jī)監(jiān)督分類的過程中，為了提高分類精度需要進(jìn)行大量訓(xùn)練樣本的選取，人工參與較多，且隨著樣本數(shù)量的增加，分類過程需要占用大量的存儲空間和耗費(fèi)大量的時間.最大熵閾值法和時序交點(diǎn)閾值法具有操作簡單、人工參與較少、耗時短和對計(jì)算機(jī)性能要求較低等優(yōu)點(diǎn)，因此本研究將監(jiān)督分類法提取的玉米3個時期的植被覆蓋度信息作為真值驗(yàn)證最大熵閾值法和時序交點(diǎn)閾值法的植被覆蓋度提取精度，探究利用最大熵閾值法和時序交點(diǎn)閾值法提取玉米四葉期、拔節(jié)期和抽穗期植被覆蓋度的可行性.通過下式計(jì)算植被覆蓋度提取誤差：

(5)

式中:EF表示植被覆蓋度提取誤差；Fsup表示通過監(jiān)督分類法獲取的夏季玉米植被覆蓋度；FⅥ表示通過閾值法獲取的夏季玉米植被覆蓋度.

2 結(jié)果與分析

2.1 基于時序交點(diǎn)閾值法的提取結(jié)果

通過ENVI軟件統(tǒng)計(jì)分析玉米VDVI、EXG和NGBDI的直方圖[4]，發(fā)現(xiàn)EXG統(tǒng)計(jì)直方圖較為復(fù)雜，難以確定其統(tǒng)計(jì)直方圖交點(diǎn).因此本文僅將VDVI和NGBDI較低植被覆蓋度的四葉期和較高植被覆蓋度拔節(jié)期的統(tǒng)計(jì)直方圖交點(diǎn)作為玉米3個生長時期的植被覆蓋度提取閾值，統(tǒng)計(jì)直方圖如圖2所示，VDVI玉米3個時期植被覆蓋度提取閾值為0.122；NGBDI玉米3個生長時期的植被覆蓋度提取閾值為0.107.

圖2 VDVI和NGBDI統(tǒng)計(jì)直方圖Fig.2 The statistical histograms of VDVI and NGBDI

2.2 基于最大熵閾值法的閾值提取

通過ENVI軟件中熵統(tǒng)計(jì)工具，分別統(tǒng)計(jì)玉米3個時期VDVI、EXG和NGBDI的最大熵信息，將統(tǒng)計(jì)結(jié)果中最大熵區(qū)域?qū)?yīng)的3類植被指數(shù)的數(shù)值作為植被覆蓋度的提取閾值，3個時期的提取閾值如表1所示.

表1 基于最大熵閾值法的閾值提取結(jié)果Table 1 Threshold extraction results based on maximum entropy threshold method

2.3 植被覆蓋度提取結(jié)果及其評價

通過目視判讀的方法在上述玉米的3個生長時期內(nèi)的遙感圖像中各選取70個典型的玉米植株和70個相對獨(dú)立的裸土區(qū)域作為訓(xùn)練樣本進(jìn)行支持向量機(jī)監(jiān)督分類，選取50個玉米植株和50個相對獨(dú)立的土壤區(qū)域作為測試樣本并進(jìn)行混淆矩陣驗(yàn)證.通過樣本可分離性計(jì)算工具分析玉米3個生長時期的樣本可分離性，發(fā)現(xiàn)土壤和玉米的可分離性均在1.95以上，訓(xùn)練樣本選擇合理.將上述3個時期的玉米試驗(yàn)田分為土壤和玉米植被兩類，核函數(shù)為線性核函數(shù).3個時期的混淆矩陣總體分類精度為98.73%、97.69%和95.82%.對應(yīng)3個時期玉米植被所占比例為64.4%、93.50%和94.6%，玉米覆蓋度變化基本符合玉米3個時期的生長特征.利用上述時序交點(diǎn)閾值法和最大熵閾值法確定閾值，提取夏季玉米3個時期的植被覆蓋度，四葉期、拔節(jié)期和抽穗期植被覆蓋度提取圖像如圖3～8所示，其中綠色部分代表玉米，白色部分代表土壤.利用式(4)進(jìn)行玉米植被覆蓋度計(jì)算，將監(jiān)督分類結(jié)果當(dāng)作真值，并利用式(5)進(jìn)行植被覆蓋度提取效果評價.時序交點(diǎn)閾值法的植被覆蓋度和精度評價結(jié)果如表2所示.基于最大熵閾值法的植被覆蓋度提取結(jié)果和精度評價如表3所示.

圖3 2018年7月20日時序交點(diǎn)閾值法分類圖像Fig.3 Classified images based on time-series intersection threshold method on July 20,2018

由植被覆蓋度提取結(jié)果可知，利用時序交點(diǎn)閾值法確定的閾值提取玉米3個時期的植被覆蓋度時，VDVI和NGBDI在拔節(jié)期植被覆蓋度提取精度較高，四葉期和抽穗期階段提取誤差較大.提取精度變化的主要原因是隨著玉米的生長，玉米拔節(jié)期的葉綠素含量顯著升高.

圖4 2018年7月30日時序交點(diǎn)閾值法分類圖像Fig.4 Classified images based on time-series intersection threshold method on July 30,2018

圖5 2018年8月10日時序交點(diǎn)閾值法分類結(jié)圖像Fig.5 Classified images based on time-series intersection threshold method on August 10,2018

圖6 2018年7月20日最大熵閾值法分類圖像Fig.6 Classified images based on maximum entropy threshold method on July 20,2018

圖7 2018年7月30日最大熵閾值法分類圖像Fig.7 Classified images based on maximum entropy threshold method on July30,2018

圖8 2018年8月10日最大熵閾值法分類圖像Fig.8 Classified images based on maximum entropy threshold method on August 10,2018

表2 基于時序交點(diǎn)閾值法的植被覆蓋度提取結(jié)果Table 2 Vegetation coverage extraction results based on time-series intersection threshold method

從VDVI和NGBDI時序交點(diǎn)圖像可看出，VDVI和NGBDI數(shù)值顯著增大，抽穗期生長階段的玉米由于玉米穗和葉片的反光增大現(xiàn)象出現(xiàn)，導(dǎo)致VDVI和NGBDI值偏小.若采用單一閾值進(jìn)行玉米3個時期的植被覆蓋度提取，則提取精度變化較大，四葉期和拔節(jié)期VDVI和NGBDI時序交點(diǎn)確定的閾值，土壤部分包含大量四葉期和少量抽穗期的玉米像元，所以采用時序交點(diǎn)閾值法確定的閾值會造成玉米四葉期和抽穗期的提取誤差較大.通過最大熵閾值法確定的閾值提取玉米3個時期的植被覆蓋度時，VDVI整體提取效果最好，其次是NGBDI和EXG.與最大熵閾值法相比，雖然以時序交點(diǎn)法確定的VDVI植被指數(shù)閾值提取玉米拔節(jié)期植被覆蓋度精度較高，但在玉米四葉期和抽穗期生長階段，最大熵閾值法確定的VDVI和NGBDI閾值明顯優(yōu)于采用時序交點(diǎn)閾值法提取的閾值.因此利用VDVI或者NGBDI結(jié)合最大熵閾值法可以有效完成夏季玉米四葉期、拔節(jié)期和抽穗期植被覆蓋度的監(jiān)測工作.

表3 基于最大熵閾值法的植被覆蓋度提取結(jié)果Table 3 Vegetation coverage extraction results based on maximum entropy threshold method

3 小結(jié)

(1)以時序交點(diǎn)閾值法結(jié)合VDVI確定的閾值提取玉米植被覆蓋度，在拔節(jié)期精度較高，誤差為2.46%；在四葉期和抽穗期誤差較大，分別為51.71%和9.83%.

(2)利用最大熵閾值法結(jié)合VDVI和NGBDI確定的閾值提取玉米四葉期、拔節(jié)期和抽穗期的植被覆蓋度精度較高，VDVI對應(yīng)3個時期的提取誤差分別為4.66%、3.42%和5.81%，NGBDI對應(yīng)3個時期的提取誤差分別為3.26%、6.31%和6.66%.

(3)以最大熵閾值法和時序交點(diǎn)閾值法確定的VDVI閾值提取玉米植被覆蓋度，時序交點(diǎn)閾值法在拔節(jié)期的精度較高，而最大熵閾值法在玉米四葉期和抽穗期提取誤差低.

(4)在整個玉米生長期，以最大熵閾值法結(jié)合植被指數(shù)提取植被覆蓋度的效果優(yōu)于時序交點(diǎn)閾值法.