基于無人機(jī)可見光數(shù)據(jù)荒漠灌木覆蓋度提取方法研究

崔萬新,李錦榮,司前程,王 茹,羅祥英,楊 鋒,李映坤

(1.內(nèi)蒙古農(nóng)業(yè)大學(xué),呼和浩特 010018;2.水利部 牧區(qū)水利科學(xué)研究所,呼和浩特 010020)

中國灌叢面積分布廣泛，超過全國陸地面積的20%[1]。隨著荒漠化加劇，生態(tài)系統(tǒng)變得脆弱，而灌木因?yàn)榉倍嗟姆N類、分布地區(qū)的廣泛、頑強(qiáng)的生命力、對惡劣環(huán)境極強(qiáng)的適應(yīng)力和寬泛的適生范圍等特點(diǎn)，在改良土壤、水土保持、防風(fēng)固沙、恢復(fù)荒漠生態(tài)系統(tǒng)和維持荒漠生態(tài)系統(tǒng)的生物多樣性方面有重要作用[2]。

植被生物量是反映植被生產(chǎn)力的重要體現(xiàn)，生物量的準(zhǔn)確估算不僅是確定植被碳儲量的主要任務(wù)，還是確定生態(tài)系統(tǒng)中能量分配、轉(zhuǎn)化和固定的主要指標(biāo)[3]。因此準(zhǔn)確估算灌木生物量，可為荒漠灌木估算碳庫提供依據(jù)。生物量的估算一般依據(jù)生物量模型，模型常用指標(biāo)有植被覆蓋度、株高、冠幅等易測因子[4]。其中，植被覆蓋度是模型中的一個(gè)常用因子。植被覆蓋度一般以樣方法估算，灌木樣方大小一般為5 m×5 m或者10 m×10 m。受區(qū)域氣候影響，荒漠灌木分布稀疏，小面積的測量代表性差，大面積調(diào)查受到人力、物力等限制。衛(wèi)星遙感影像作為植被指數(shù)提取的主要數(shù)據(jù)源，通過植被指數(shù)與植被覆蓋度建立數(shù)量關(guān)系去估算植被覆蓋度，在大尺度區(qū)域上受到青睞[5-6]。與傳統(tǒng)的衛(wèi)星遙感相比，無人機(jī)遙感具有高時(shí)效性、數(shù)據(jù)易獲取、空間分辨率高等優(yōu)勢，且成本低、不受云層干擾[7]。其應(yīng)用也逐漸擴(kuò)展到森林資源清查與森林病蟲害防治[8]、野外植被蓋度調(diào)查[9]、地上生物量估算[10]和植被生態(tài)修復(fù)等[11]領(lǐng)域。這些優(yōu)勢使得無人機(jī)在區(qū)域植被調(diào)查方面有著巨大應(yīng)用前景。

目前，關(guān)于無人機(jī)植被提取的指數(shù)種類繁多，大部分植被指數(shù)都是由近紅外和可見光波段構(gòu)建的[7,12]。由于傳感器成本等原因，可見光波段的植被指數(shù)使用也更廣泛。作為一種特殊的物體，植物的反射光譜曲線具有獨(dú)特的形狀，不同種類的植物光譜曲線差異很大。而植被提取就是依據(jù)植物的反射率隨波長的變化，適當(dāng)選擇和組合不同的波段去區(qū)分不同類型的植物。目前在無人機(jī)植被提取方法應(yīng)用主要集中農(nóng)田地物[13-15]、森林資源[16-17]、草原生態(tài)系統(tǒng)[18-19]、城市綠地較多[12,20-21]，植被生長狀況較好的區(qū)域，關(guān)于荒漠地區(qū)灌木涉及較少[9,22]?；哪貐^(qū)生境嚴(yán)酷、植被稀疏、葉面積退化、形成肉質(zhì)莖和葉綠素含量較少[23]，造成可見光波段380～700 mm的反射率較低[24]，進(jìn)一步導(dǎo)致荒漠植被光譜特征相近、區(qū)分效果較差和識別精度低。無人機(jī)可見光植被指數(shù)在荒漠植被提取的適用性、各指數(shù)的敏感性和影響因素尚無報(bào)道。鑒于此，本文以荒漠灌木為研究對象，利用無人機(jī)可見光數(shù)據(jù)對比幾種應(yīng)用比較廣泛的植被指數(shù)在荒漠灌叢植被提取方面的敏感性，從直方圖特征、閾值計(jì)算方法、地面像素分辨率對提取精度的影響，提出適用于荒漠灌木的植被指數(shù)和合理的適航高度，以期為無人機(jī)野外調(diào)查以及后期圖像處理方面提供參考。

1 研究區(qū)概況

研究區(qū)位于黃河烏蘭布和沙漠段東岸的杭錦旗和鄂托克旗境內(nèi)，地理坐標(biāo)東經(jīng)106°52.246′—107°11.07′，北緯40°8.267′—40°14.626′，平均海拔高度1 073 m。該區(qū)域氣候類型屬典型中溫帶大陸性季風(fēng)氣候，夏季高溫少雨，冬季寒冷干燥，年平均降雨量138.8 mm，年均蒸發(fā)量2 258.8 mm。年平均氣溫9.7℃，年平均風(fēng)速3.7 m/s，最大風(fēng)速15 m/s。土壤類型以風(fēng)沙土為主[25]。該區(qū)域天然植物約有455種，植被類型多為強(qiáng)旱生灌木，主要優(yōu)勢灌叢植物種有紅砂(Reaumuriasongarica)、四合木(Tetraenamongolica)、白刺(Nitrariatangutorum)、霸王(Zygophyllumxanthoxylon)、綿刺(Potaniniamongolica)、沙冬青(Ammopiptanthusmongolicus)，草本植物為沙米(Agriophyllumsqurrosum)、沙蒿(Artemisiaordosica)。

2.1 數(shù)據(jù)的來源及處理

為驗(yàn)證選取的植被指數(shù)的普遍適用性與可靠性，消除樣地地表差異對植被指數(shù)提取精度的影響，選擇植被群落相同、植被覆蓋度均為35%～40%的3個(gè)重復(fù)樣地作為研究區(qū)，分別位于杭錦旗的巴音恩格爾蘇木(107°11′43.46″E，40°14′24.34″N)和貢烏蘇(107°0′34.49″E，40°10′40.40″N)，鄂托克旗的陶思圖(106°52′24.74″E，40°8′17.82″N)3個(gè)樣地，相鄰樣地相距15～20 km。

天氣狀況以及太陽高度角都會影響影像拍攝效果?；哪参镏仓臧?、葉綠素含量低、葉面積較厚[26]，所以選擇在8月末植被長勢最好的時(shí)期進(jìn)行低空拍攝。拍攝時(shí)選擇晴天無風(fēng)或微風(fēng)天氣，時(shí)間11：00—15:00。航拍無人機(jī)型號DJI Phantom 4A，云臺內(nèi)置相機(jī)配備1英寸2 000萬像素CMOS影像傳感器。無人機(jī)采用等時(shí)間間隔拍照，橫向重疊率75%，縱向重疊率70%，云臺俯角-90°，飛行高度10～120 m，每10 m等間距航拍1次，每塊樣地航拍12次。研究表明，在稀疏、分布不均勻沙漠地區(qū)，50 m×50 m樣方是適宜的樣地大小[27]，所以本研究航拍范圍選擇50 m×50 m。后期使用Pix4 Dmapper軟件對影像進(jìn)行初始化處理、點(diǎn)云和紋理處理、影像鑲嵌；對于同一樣地，不同高度航拍數(shù)據(jù)正射影像數(shù)據(jù)利用ENVI 5.2進(jìn)行校正(圖1)。

圖1 研究區(qū)拼接后正射影像

2.2 植被提取

2.2.1 指數(shù)計(jì)算 利用10 m高度航拍數(shù)據(jù)，在灌木識別中選擇過綠指數(shù)(EXG)[21]、可見光波段差異植被指數(shù)(VDVI)[7]、紅綠比值指數(shù)(RGRI)[28]、歸一化綠藍(lán)差異指數(shù)(NGBDI)[29]、歸一化綠紅差異指數(shù)(NGRDI)[30]、過綠減過紅指數(shù)(EXG-EXR)[30]去提取樣地植被信息(公式1—6)。

EXG=2G-R-B

(1)

(2)

(3)

(4)

(5)

EXG-EXR=3g-2.4r-b

(6)

2.2.2 閾值的確定 任何一種閾值方法的確定都存在或明或暗的假設(shè)條件，從未有哪一種方法能在任何條件下都取得最佳結(jié)果[31]。閾值受影像色彩、影像分辨率的變化而變化，而固定閾值法沒有能力適應(yīng)這些變化。因此，本文通過直方圖閾值法和閾值迭代法獲取閾值。

直方圖閾值法首先計(jì)算像素平均灰度值avg、標(biāo)準(zhǔn)差σ，其次以平均灰度值作為分界線，分別計(jì)算前景灰度最大值avg1max和背景最大灰度值avg2max，二者之差大于標(biāo)準(zhǔn)差，求出新閾值t1=(avg1max+avg2max)/2；否則計(jì)算像素灰度中值點(diǎn)midpos，若midpos>avg，小峰在左，avg1=(avg+avg2max)/2；若midposσ，循環(huán)結(jié)束。閾值迭代法等同于數(shù)學(xué)公式上的逐步逼近與迭代。首先，計(jì)算圖像的最大灰度值Gmax和最小灰度值Gmin，得到初始閾值t=(Gmax+Gmin)/2。根據(jù)初始閾值將灰度圖分為前景灰度值avg1和背景灰度值avg2，分別求出前景、后景所在區(qū)間的平均灰度值(avg3，avg4)；根據(jù)平均灰度值求出新閾值t1=(avg3+avg4)/2，若t1≠t，將t1值賦予t；一直循環(huán)迭代，直到滿足t1=t，循環(huán)結(jié)束，t1即為圖像的最佳閾值。

2.2.3 植被信息提取和分類后處理 由于灌木是荒漠地區(qū)的優(yōu)勢植被類型，故本研究未對草本加以分析。然而在樣地中存在有少量草本的情況。在研究過程中，若草本垂直投影面積極小(如沙米)，受影像分辨率限制，無人機(jī)遙感不易識別出小草本的信息，因此可不作考慮；若草本垂直投影面積較大，通過過濾處理剔除小于100像元(面積為1.30×10-3m2)的圖斑，從而剔除草本帶來的干擾信息。

2.2.4 植被信息提取結(jié)果的評價(jià)方法 以人工目視解譯方法獲取的信息為基礎(chǔ)，利用混淆矩陣方式對各植被指數(shù)提取結(jié)果的總正確率(總體分類精度)進(jìn)行驗(yàn)證。

(7)

(8)

(9)

式中：DR1為植被/非植被的正確率；DR為總正確率(總體分類精度)；K為Kappa系數(shù)；n為類別；N為類別個(gè)數(shù)的像元總數(shù)；xii為誤差矩陣對角線元素；xi+為類別的列總和；x+i為類別的行總和。

3 結(jié)果與分析

3.1 植被指數(shù)計(jì)算結(jié)果

根據(jù)公式(1)—(6)，得到植被指數(shù)分布圖(圖2—4)。6個(gè)植被指數(shù)中，EXG的指數(shù)范圍為[-255,255]，EXG-EXR指數(shù)的范圍為[-2.4,3]，RGRI指數(shù)的范圍為[0,255]，VDVI，NGBDI和NGRDI指數(shù)的范圍均為[-1,1]。

圖2 巴音恩格爾蘇木植被指數(shù)計(jì)算結(jié)果

EXG，VDVI，EXG-EXR，NGBDI，NGRDI在提取植被時(shí)，植被亮度高于土壤；RGRI指數(shù)在陶思圖樣地提取植被時(shí)，植被亮度部分高于土壤(圖4)，其余樣地植被亮度部分低于土壤(圖2—3)。貢烏蘇樣地內(nèi)航拍受光線影響，影像色彩不均一(圖3B)，EXG，VDVI，RGRI，EXG-EXR和NGRDI指數(shù)灰度圖表現(xiàn)出明顯勻色現(xiàn)象；NGBDI指數(shù)灰度圖未出現(xiàn)該問題，表明NGBDI指數(shù)灰度圖不受光線影響(圖3)。

圖3 貢烏蘇植被指數(shù)計(jì)算結(jié)果

圖4 陶思圖植被指數(shù)計(jì)算結(jié)果

3.2 植被信息識別與精度評價(jià)

為更好地從影像上將植被、非植被區(qū)分出來，以巴音恩格爾蘇木樣地為例，對各植被指數(shù)分布直方圖進(jìn)行統(tǒng)計(jì)(圖5)。EXG和EXG-EXR為雙峰特征，其余為非雙峰特征，對其他兩個(gè)樣地直方圖統(tǒng)計(jì)，同一植被指數(shù)峰值特征相似。對于出現(xiàn)雙峰特征的植被指數(shù)采用直方圖閾值法計(jì)算閾值，對于出現(xiàn)非雙峰特征的使用閾值迭代法求取閾值。

圖5 各植被指數(shù)統(tǒng)計(jì)直方圖

分別計(jì)算出6個(gè)指數(shù)的最佳閾值，使用最佳閾值提取灌木植被信息。利用目視解譯方法獲得的灌木圖斑(圖6)，通過公式(7—9)得到正確率和kappa系數(shù)(表1)，對各指數(shù)提取精度及其一致性驗(yàn)證。

表1 各植被指數(shù)的植被提取精度評價(jià)

圖6 目視解譯提取結(jié)果

3個(gè)樣地的6個(gè)植被指數(shù)精度分析表明：VDVI提取精度最高，平均精度98.11%，其次是EXG-EXR，平均精度為87.25%；在研究區(qū)影像色彩不均一的樣地，NGBDI指數(shù)灰度圖未出現(xiàn)陰影紋理現(xiàn)象，且提取精度在80%以上，滿足提取要求；以上指數(shù)Kappa系數(shù)均大于0.7(K>0.61)，表明以上分類提取方法與實(shí)際結(jié)果具有高度一致性。NGRDI和RGRI提取效果一般，平均提取精度保持在67.89%～75.07%；EXG指數(shù)提取植被受影像紋理影響嚴(yán)重，提取精度保持在64.88%～77.03%，把植被錯(cuò)分為裸土，造成提取效果較差。結(jié)果表明，可見光植被指數(shù)同樣適用于荒漠灌木植被提取，其中VDVI植被指數(shù)的提取效果最佳，這與李東升[12]、朱孟[14]等研究結(jié)果一致。

3.3 不同分辨率對提取精度的影響

在同一研究區(qū)樣地，飛行當(dāng)天天氣、植物陰影、太陽高度角以及圖像的分辨率都會影響影像效果。對同一款無人機(jī)而言，航高和分辨率呈反比。針對不同航拍高度下影像分辨率可能造成植物扭曲或模糊等問題，分析不同影像分辨率對植被提取的影響。

以巴音恩格爾蘇木樣地不同分辨率的無人機(jī)影像為例，使用VDVI指數(shù)去提取植被，對比分析不同分辨率對提取精度的影響，結(jié)果見圖7。GSD 0.36 cm/px提取精度達(dá)到97.45%，GSD 0.40～1.39 cm/px提取精度為89.36%～82.49%。在GSD 1.39 cm/px之后提取精度顯著降低到71.11%，GSD 3.3 cm/px的提取精度僅為61.08%，無法滿足80%的提取精度。隨著高度遞增，圖像分辨率降低，提取精度降低。可見，隨著地面目標(biāo)地物距航拍距離的減小，地面分辨率提高，總體精度會增加[32]。

圖7 無人機(jī)提取精度隨分辨率變化趨勢

4 討 論

4.1 植被指數(shù)直方圖特征

本研究中，當(dāng)?shù)匚飪H為灌木時(shí)，EXG和EXG-EXR指數(shù)出現(xiàn)雙峰特征，NGBDI，NGRDI，RGRI，VDVI為非雙峰特征。這同朱孟等[14]研究結(jié)果一致，當(dāng)影像中地物僅為火龍果時(shí)，EXG，EXG-EXR指數(shù)有較明顯雙峰特征，NGRDI的灰度直方圖雙峰效果不明顯；當(dāng)影像中存在多個(gè)類別地物時(shí)，如建筑物、農(nóng)田、草地和裸土等，EXG表現(xiàn)出非雙峰特征，VDVI，NGRDI，NGBDI，RGRI表現(xiàn)出較明顯雙峰特征[7,12,21]，與本研究中相同指數(shù)的峰值特征相悖。此外，多位學(xué)者研究表明，VDVI指數(shù)經(jīng)過提取后的灰度直方圖有時(shí)不具有雙峰特征的類似問題[20,33]。

4.2 植被提取精度的影響因素

無人機(jī)在獲取航拍影像時(shí)，受獲取過程中光學(xué)透鏡成像的不均勻性、大氣衰減、云層、煙霧以及向陽、背陽等造成的光照條件不同等因素的影響[34]，導(dǎo)致獲取的影像存在不同區(qū)域不同程度亮度和色調(diào)等差異[35]。這些差異會不同程度地影響后續(xù)航拍圖像和影像鑲嵌質(zhì)量的效果[36]，進(jìn)而導(dǎo)致圖像之間的拼接和鑲嵌結(jié)果出現(xiàn)明暗不均、色彩分布不協(xié)調(diào)[37]，不同程度地影響航拍影像的特征提取、目標(biāo)識別、分類、解譯等。3個(gè)樣地內(nèi)，貢烏蘇樣地航拍影像出現(xiàn)影像色彩不均一現(xiàn)象，其中EXG指數(shù)提取精度受影像紋理影響嚴(yán)重，提取精度僅為64.88%；在巴音恩格爾蘇木和陶思圖樣地的提取精度為76.21%，77.03%，這同朱孟[14]、程俊毅[38]等研究結(jié)果相近。

閾值可以被看成是目標(biāo)地物與圖像背景之間的分界線，它代表著一種分割準(zhǔn)則。閾值選取的合理與否直接關(guān)系圖像的分割效果與提取精度，因此如何選擇分割閾值方法成為確定閾值的關(guān)鍵。目前常用分割閾值方法有直方圖閾值法、OTSU算法和閾值迭代法，OTSU算法不需對直方圖做預(yù)處理就能直接計(jì)算求得二值化閾值，但是無人機(jī)遙感影像分辨率高和數(shù)據(jù)信息量大，使用該方法得到的分割效果不太理想[39]。本研究中對出現(xiàn)雙峰特征的植被指數(shù)，采用直方圖閾值法確定閾值；對于未出現(xiàn)雙峰特征的植被指數(shù)，使用閾值迭代法確定閾值。結(jié)果表明，根據(jù)植被指數(shù)直方圖特征選擇相應(yīng)的閾值計(jì)算方法可以合理確定閾值。

在可見光波段中，綠色植被在綠光通道反射率高，在紅光、藍(lán)光通道反射率低，因此通過綠光通道與紅光、藍(lán)光通道間的運(yùn)算能夠增強(qiáng)植被與周圍地物的差異，方便后期更加精確地提取目標(biāo)信息[40]?；谝陨瞎庾V原則，本文對6種指數(shù)提取精度分析，發(fā)現(xiàn)VDVI，EXG-EXR和NGBDI的植被提取效果高于其他指數(shù)，平均提取精度達(dá)80%以上，Kappa系數(shù)均大于0.7(K>0.61)，表明以上指數(shù)植被提取結(jié)果與實(shí)際結(jié)果具有高度一致性，適合提取荒漠地區(qū)植被。該結(jié)果與眾位學(xué)者在高原地區(qū)天然植被、礦山人工植被、城鎮(zhèn)農(nóng)田和天然植被地物提取精度相近[12,20-21]。

隨著地面像素分辨率GSD降低，像元尺寸增大，其對應(yīng)的位置精度逐漸降低，致使目標(biāo)地物的邊界鋸齒化現(xiàn)象嚴(yán)重，甚至可能出現(xiàn)一定的位置偏差，進(jìn)一步影響解譯精度[41]。以VDVI指數(shù)為例，在0.36～1.39 cm/px的分辨率下，提取精度為97.45%～82.49%(圖6)，大于1.39 cm/px分辨率下的提取精度低于80%。這與Hsieh等[32]所得的結(jié)論一致，隨著地面目標(biāo)地物距航拍距離的減小，總體分類誤差會減小，總體精度會增加。

4.3 無人機(jī)航拍最佳飛行高度

樹冠平均高度的3倍飛行高度，可以最大限度地降低較高喬木和灌木阻擋間隙內(nèi)影響植被特征的可能性[42]。荒漠灌木平均高度約3～6 m，10 m和20 m飛行高度滿足荒漠野外調(diào)查飛行高度。而影像后期拼接處理過程中，10 m高度正射影像拼接出現(xiàn)斑塊缺失；20～30 m高度出現(xiàn)影像色彩明暗不均一，影響提取精度；在60～120 m高度，影像分辨率降低，提取精度低于80%，不滿足植被提取要求；當(dāng)飛行高度達(dá)到120 m時(shí)，無人機(jī)屬于超視距飛行，存在空域問題。對野外植被調(diào)查而言，航拍耗電量、航拍高度、航拍時(shí)間以及數(shù)據(jù)的效果均是考慮的因素。Bipul等[43]用深度學(xué)習(xí)算法提取香蕉數(shù)量的研究中，飛行高度40 m和50 m的提取的正確率高達(dá)90%，建議作為野外調(diào)查優(yōu)先選擇的飛行高度，與本研究荒漠灌木在40 m和50 m航拍影像提取精度相近。綜合以上因素，本研究認(rèn)為40 m和50 m的飛行高度是野外調(diào)查的優(yōu)先選擇高度。

5 結(jié) 論

(1)在荒漠灌叢研究區(qū)內(nèi)，EXG和EXG-EXR指數(shù)直方圖為雙峰特征，其余均為非雙峰特征。指數(shù)直方圖出現(xiàn)雙峰特征時(shí)，采用直方圖閾值法獲取閾值；指數(shù)出現(xiàn)非雙峰時(shí)采用閾值迭代法計(jì)算閾值。

(2)針對荒漠植被灌木，VDVI，EXG-EXR和NGBDI的植被提取精度高于其他指數(shù)，平均提取精度達(dá)80%以上，Kappa系數(shù)均大于0.7(K>0.61)，提取結(jié)果與實(shí)際結(jié)果具有高度一致性，適合提取荒漠地區(qū)植被。影像出現(xiàn)明暗紋理不均一的情況下，提取精度除EXG指數(shù)明顯受到影響外，其他指數(shù)提取精度幾乎沒有受到影響，特別是NGBDI灰度圖并未表現(xiàn)出明暗紋理。地面像素分辨率降低，致使目標(biāo)提取物的邊界鋸齒化輪廓模糊，增大地物識別過程的錯(cuò)誤率，降低植被提取精度。在0.36～1.39 cm/px(10～50 m航高)分辨率下，提取精度為97.45%～82.49%，大于1.39 cm/px分辨率下的提取精度低于80%。綜合考慮地面像素分辨率、影像拼接效果(明暗度、完整性)對提取精度的影響，40 m和50 m的飛行高度是野外調(diào)查的優(yōu)先選擇高度。