基于無人機(jī)圖像的草地植被蓋度估算方法比較

伏 帥，馮琦勝，黨菁陽，雷可欣，喬萬鑫，梁天剛，潘冬榮，孫 斌，姜佳昌

（1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室 / 農(nóng)業(yè)農(nóng)村部草牧業(yè)創(chuàng)新重點(diǎn)實(shí)驗(yàn)室 / 草地農(nóng)業(yè)教育部工程研究中心 /蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院, 甘肅 蘭州 730020；2.甘肅省草原技術(shù)推廣總站, 甘肅 蘭州 730000）

植被蓋度通常指植被的莖、葉、枝等部分在地面的垂直投影面積占統(tǒng)計(jì)區(qū)面積的百分比，是反映植被基本情況的客觀指標(biāo)和重要參數(shù)，在水土保持、荒漠治理、植被資源調(diào)查等諸多方面的研究中具有重要意義[1-2]。植被蓋度的估測通常采用地面樣方與遙感估測結(jié)合的方式進(jìn)行植被蓋度的監(jiān)測[3]。其中在遙感估測方面，無人機(jī)(unmanned aerial vehicle, UAV)作為地面監(jiān)測和高空遙感之間的有效補(bǔ)充手段，具有成本低廉、靈活度高、操作簡便等突出優(yōu)勢，已被廣泛應(yīng)用于生態(tài)系統(tǒng)監(jiān)測[4]、工程測繪[5]、農(nóng)業(yè)生產(chǎn)[6]等方面的研究中。而可見光遙感技術(shù)進(jìn)一步降低了對遙感影像波段的要求、圖像采集的難度和成本，尤其在區(qū)域范圍的遙感作業(yè)中能發(fā)揮很大的作用[7]。目前已有很多學(xué)者將無人機(jī)技術(shù)應(yīng)用到各個(gè)領(lǐng)域的研究中，如基于最大類間方差法對無人機(jī)照片中的冬小麥(Triticum aestivum)進(jìn)行的識別研究[8]；利用無人機(jī)獲取草地影像，估算草地蓋度和生物量的研究[9]；根據(jù)無人機(jī)影像中的可見光波段提取植被信息的研究[10]；使用無人機(jī)影像進(jìn)行植被黃龍病的識別和監(jiān)測[11]。為了從遙感影像中精確提取植被信息，國內(nèi)外諸多學(xué)者構(gòu)建了一系列植被指數(shù)，并成為遙感監(jiān)測生態(tài)系統(tǒng)生產(chǎn)力[12]、生物量[13]、植被蓋度[14]、植被識別[7]、病理識別[15]等研究的重要技術(shù)手段。目前常用的植被指數(shù)多以可見光和近紅外組合的形式構(gòu)建，且缺乏對植被環(huán)境的考慮，對于西北干旱荒漠地區(qū)的植被調(diào)查研究相對較少[16]。因此，迫切需要構(gòu)建一種具有普遍適用性且適用于荒漠地區(qū)無人機(jī)可見光波段的植被指數(shù)。

為此，本研究以西北地區(qū)草地植被無人機(jī)影像作為研究對象，在分析荒漠草地?zé)o人機(jī)影像的地物可見光反射特點(diǎn)的基礎(chǔ)上，提出了一種能夠有效估測荒漠草地植被蓋度的荒漠植被指數(shù)(desert vegetation index, DVⅠ)，并對基于可見光波段的8 種植被指數(shù)展開對比研究，從草甸草地、典型草地、荒漠草地3 種草地類型出發(fā)分析不同植被指數(shù)估算植被蓋度的效果，以期為無人機(jī)技術(shù)在植被資源調(diào)查、植被識別等方面的應(yīng)用提供理論依據(jù)和參考。

1 材料與方法

1.1 數(shù)據(jù)獲取

無人機(jī)圖像獲取于2018 年7 月19 日至8 月10日，主要對于典型草地、荒漠草地和草甸草地[17]這3 種類型的地勢平坦的草地，使用大疆Phantom 4 pro無人機(jī)在天氣晴朗、陽光充足的條件下于20 m 航高垂直對地進(jìn)行拍攝采樣，調(diào)查地域涉及新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和甘肅省，研究地區(qū)海拔在500 - 2000 m，氣候類型以溫帶大陸性氣候?yàn)橹?。每個(gè)草地類型各調(diào)查10 個(gè)樣地，總計(jì)調(diào)查樣地30 個(gè)。采樣點(diǎn)分布情況如表1 所列。

表1 采樣點(diǎn)分布及其草地類型Table 1 Distribution of sampling points and grassland types

1.2 研究方法

1.2.1 植被指數(shù)

本研究選取了基于可見光波段的8 種植被指數(shù)(表2)。這些植被指數(shù)方法常用于植被識別、蓋度計(jì)算等農(nóng)業(yè)數(shù)字信息提取方面的研究，具有高效、可靠的優(yōu)點(diǎn)。

表2 植被指數(shù)公式表Table 2 Formula table of vegetation index

常見的可見光顏色空間包括RGB、Lab 以及HSV 顏色空間。RGB 顏色空間由紅(R)、綠(G)、藍(lán)(B) 3 個(gè)顏色通道組成，具有色彩表示原理簡單，便于計(jì)算機(jī)實(shí)現(xiàn)等優(yōu)點(diǎn)，常見的可見光植被指數(shù)多是基于RGB 顏色空間構(gòu)建的；Lab 顏色空間由亮度(L)以及a、b 兩個(gè)顏色通道組成；HSV 顏色空間由色調(diào)(H)、飽和度(S)、明度(V)組成，直接對應(yīng)人眼視覺特性，更符合人類對顏色的認(rèn)知[26]。

為了提高無人機(jī)影像對荒漠草地植被和非植被的識別精度，考慮到歸一化植被指數(shù)(normalized difference vegetation index, NDVⅠ)是常用的增強(qiáng)影像中植被信息的有效手段[27]，故借鑒其構(gòu)建原理，在考慮荒漠草地植被可見光反射特點(diǎn)的基礎(chǔ)上，提出一種基于可見光的植被指數(shù)。通常情況下，綠色植物在綠光波段有強(qiáng)反射，在藍(lán)光和紅光波段有強(qiáng)吸收，植被指數(shù)通過強(qiáng)化綠光反射的方式區(qū)別植被和非植被[28]。在荒漠草地中，植被的綠光反射效果不佳，可能導(dǎo)致植被指數(shù)的綠光強(qiáng)化效果較差，進(jìn)而導(dǎo)致植被識別效果較差[29]。然而植被的可見光吸收率往往大于非植被，可以根據(jù)影像的明與暗、顏色的飽滿程度區(qū)分植被與非植被，即通過強(qiáng)化HSV 顏色空間的飽和度和明度的差異，更有效地區(qū)分植被與非植被?；贖SV 顏色空間構(gòu)建的荒漠植被指數(shù)(DVⅠ)，其計(jì)算公式：

式中：s、v分別為HSV 顏色空間的飽和度、明度灰度值。

1.2.2 草地蓋度計(jì)算

采用閾值法計(jì)算草地?zé)o人機(jī)圖像的蓋度。首先進(jìn)行植被指數(shù)計(jì)算，使影像中的每一個(gè)像元均得到一個(gè)植被指數(shù)值，然后設(shè)置一個(gè)閾值與每一個(gè)像元的植被指數(shù)值進(jìn)行比較，若像元的植被指數(shù)值大于閾值，則該像元?dú)w為植被，否則歸為非植被，將影像二值化得到二分像元模型，不斷調(diào)整閾值大小直到得到最符合原影像植被分布情況的二分像元模型，最后將二分像元模型中的植被像元數(shù)量占總像元數(shù)量的百分比作為該影像的植被蓋度值[30-31]。因?yàn)橹脖恢笖?shù)閾值的確定是蓋度計(jì)算的關(guān)鍵，本研究取3 次閾值的平均值作為最終適用閾值。

1.2.3 參考數(shù)據(jù)

利用Photoshop 2020 軟件對草地?zé)o人機(jī)影像進(jìn)行處理，勾勒出草地?zé)o人機(jī)圖像中的植被與非植被部分，并將圖像二值化構(gòu)成二分像元模型，將二分像元模型中的植被像元數(shù)量占總像元數(shù)量的百分比作為該影像的植被蓋度參考值。為減少主觀性誤差，植被蓋度參考值取3 次處理的平均值。圖1 為無人機(jī)影像處理流程圖。

圖 1 無人機(jī)影像處理流程Figure 1 Processing flow of UAV images

1.3 精度評價(jià)

確定每張草地植被蓋度參考值與估測值后，統(tǒng)計(jì)每一種植被指數(shù)估算結(jié)果的平均絕對誤差(mean absolute error, MAE)和均方根誤差(root mean squared error, RMSE)，用來描述各種蓋度估算方法的精度，以比較不同方法的優(yōu)劣。

式中：x′為草地蓋度參考值，xi為草地蓋度估測值，n為總樣本數(shù)。

為了進(jìn)一步客觀評價(jià)各種植被指數(shù)的草地蓋度計(jì)算精度，本研究將1.2.3 部分得到的二分像元模型和1.2.4 部分得到的參考二分像元模型在像元水平上進(jìn)行對比分析，構(gòu)建混淆矩陣。本研究以準(zhǔn)確率(accuracy, A)、精確率(precision, P)、召回率(recall,R)、特異度(specificity, S)以及F1得分作為精度評價(jià)指標(biāo)。

式中：TP表示將正例劃分為正例數(shù)；FP表示將負(fù)例劃分為正例數(shù)；TN表示將負(fù)例劃分為負(fù)例數(shù)；FN表示將正例劃分為負(fù)例數(shù)。A表示樣本中所有正確劃分的數(shù)量占總數(shù)的比例；P表示在所有劃分為正例的樣本中，將正例劃分為正例數(shù)所占的比例；R表示所有正例樣本中，將正例劃分為正例數(shù)所占的比例；S表示在所有反例樣本中，將反例劃分為反例數(shù)所占的比例；F1得分表示模型輸出的好壞。本研究中正例代表植被像元模型，反例代表非植被像元模型。

2 結(jié)果與分析

2.1 誤差統(tǒng)計(jì)

從總體上來看，所有植被指數(shù)草地蓋度估測值的誤差較小，大部分結(jié)果的平均相對誤差MAE 小于5%，其中ExGR 和COM 兩種植被指數(shù)在3 種草地類型下的草地蓋度估測MAE 總和均小于5%；每種植被指數(shù)的草地蓋度估測誤差的均方根誤差RMSE 與平均相對誤差MAE 表現(xiàn)一致，即MAE 較高的植被指數(shù)，其RMSE 也相對較高(表3)。

表3 草地植被蓋度估測誤差表Table 3 Estimation error table of grassland coverage

2.2 精度評價(jià)

各種植被指數(shù)構(gòu)建的二分像元模型準(zhǔn)確率大部分高于90% (圖2)。草甸草地類型中，ExG 植被指數(shù)的二分像元模型準(zhǔn)確率最高，為93.21%，其他的均高于90%；典型草地類型中，CⅠVE 植被指數(shù)的二分像元模型準(zhǔn)確率最高，為92.18%，WⅠ植被指數(shù)的二分像元模型準(zhǔn)確率低于90%，其他的均高于90%；荒漠草地類型中，各植被指數(shù)的二分像元模型準(zhǔn)確率均高于90%，無明顯差異。草甸草地和典型草地下的二分像元模型精確率和召回率普遍高于荒漠草地，說明這些植被指數(shù)對于荒漠草地的二分像元模型植被部分通常具有較差的估測性能。從草甸草地和典型草地類型來看，各植被指數(shù)構(gòu)建的二分像元模型對于植被部分具有較高的精度，精確率均高于94%，召回率均高于90%。從荒漠草地類型來看，所有植被指數(shù)的二分像元模型對于植被部分的估測精度均偏低， 精確率大部分在85%以下，召回率大部分在50%以下。對比另外兩種草地類型，這表明現(xiàn)有的這些植被指數(shù)具有比較明顯的缺陷，即具有較差的荒漠草地植被識別效果。植被指數(shù)關(guān)于荒漠草地類型的特異度非常高，特異度均在96%以上，最大達(dá)到98.4%，而關(guān)于草甸草地和典型草地兩種類型的特異度均偏低，典型草地的特異度最低。F1得分是精確率和靈敏度的調(diào)和平均數(shù)，能夠?qū)χ脖恢笖?shù)構(gòu)建的二分像元模型的估測精度進(jìn)行綜合評價(jià)，F(xiàn)1得分越接近1，則說明這種方法的二分像元模型精度越高。草甸草地類型的F1得分最高的為ExG 植被指數(shù)，超過0.95，其他植被指數(shù)的F1得分均在0.90 以上；典型草地類型中，各植被指數(shù)的F1得分均在0.93 以上；荒漠草地類型中，各植被指數(shù)的F1得分均處于較低的數(shù)值，大多的F1得分低于0.6。

圖2 基于植被指數(shù)的像元二分模型的精度評價(jià)結(jié)果Figure 2 The accuracy of the dimidiate pixel model based on vegetation index

2.3 DVI 精度評價(jià)

DVⅠ指數(shù)的植被蓋度估測具有較小的誤差(圖3)，MAE 和RMSE 均為3%；準(zhǔn)確率達(dá)到93%，為所有植被指數(shù)的最大值；精確率為86%，高于上述大多數(shù)植被指數(shù)；召回率高達(dá)63%，而其他植被指數(shù)均不及50%，與其他植被指數(shù)的差值最大達(dá)到20%；F1得分達(dá)到0.71，而其他植被指數(shù)均在0.60 以下。根據(jù)精度評價(jià)結(jié)果，DVⅠ植被指數(shù)相較于其他植被指數(shù)具有顯著的荒漠草地植被蓋度估測優(yōu)勢，能夠有效彌補(bǔ)傳統(tǒng)植被指數(shù)對于荒漠草地植被蓋度估測效果差的缺陷。

圖3 荒漠草地的植被蓋度估測精度比較圖Figure 3 Comparison of accuracy of vegetation cover estimation in desert grasslands

2.4 閾值分析

選取不同草地類型的所有圖像，分析各植被指數(shù)平均閾值差異，結(jié)果如表4 所列。草甸草地和典型草地類型的閾值比較接近。CⅠVE、GLⅠ植被指數(shù)的閾值相同，變化幅度最??；ExG、ExGR、VEG 植被指數(shù)閾值波動在0.01 以內(nèi)，變化幅度較弱；WⅠ植被指數(shù)的閾值變化為0.03，變化幅度弱；COM 植被指數(shù)的閾值變化為0.06，變化幅度較大；Lab 植被指數(shù)的閾值變化超過1.00，變化幅度最大。相對與其他兩種草地類型，荒漠草地類型的閾值差異較大。GLⅠ植被指數(shù)閾值差異為0.01，差異最??； CⅠVE 的閾值差異為0.03，差異較??；ExG 植被指數(shù)的閾值差異為0.04～0.05，差異較大；其余植被指數(shù)閾值差異均大于0.10，Lab 閾值差異最大，超過10。綜上，在進(jìn)行閾值選取的過程中，GLⅠ和CⅠVE 植被指數(shù)可以不必考慮草地類型的變化；ExG、ExGR、VEG、WⅠ等植被指數(shù)可以不考慮草甸草地和典型草地類型的變化，但需要考慮荒漠草地類型的影響；COM和Lab 則需要考慮各種草地類型的影響。

表4 不同草地類型閾值變化情況Table 4 Changes of threshold under different types of grasslands

3 討論

本研究選取的8 種植被指數(shù)對荒漠草地的植被蓋度估測效果較差，而DVⅠ植被指數(shù)具有較高的估測精度，這可能與植被指數(shù)的顏色空間特性和荒漠草地植被特征有關(guān)。通常，植被指數(shù)是基于各自顏色空間，組合運(yùn)算各顏色通道以突顯綠色與其他顏色的差異來達(dá)到分離綠色植被的效果[28]。然而荒漠草地植被的綠度通常不如其他草地類型植被，甚至一些植被呈現(xiàn)褐色或黃褐色，同時(shí)荒漠草地非植被顏色更接近黃色，植被和非植被部分難以從顏色層面區(qū)分[29]。因此，基于RGB 顏色空間和Lab 顏色空間的植被指數(shù)難以在荒漠草地發(fā)揮作用?；贖SV顏色空間構(gòu)建的DVⅠ植被指數(shù)避開了顏色通道這個(gè)難題，從飽和度和明度兩個(gè)通道區(qū)分植被與非植被區(qū)域，更符合荒漠草地類型的植被特征。

本研究通過植被指數(shù)估測草地蓋度，將蓋度估測結(jié)果與參考數(shù)據(jù)對比得到了不同植被指數(shù)的草地蓋度估測效果差異。參考數(shù)據(jù)的可靠性是研究結(jié)果是否準(zhǔn)確的關(guān)鍵因素之一，傳統(tǒng)的參考數(shù)據(jù)的獲取方法主要有樣方布設(shè)法，即在樣地區(qū)域內(nèi)按照一定規(guī)律或隨機(jī)布設(shè)若干等大小的小樣方框，取這些樣方框內(nèi)草地的平均蓋度為參考數(shù)據(jù)，野外草地調(diào)查常用五點(diǎn)布樣法布設(shè)樣方。但是樣方布設(shè)法終究只是獲取了大范圍草地區(qū)域的局部部位，樣地的植被分布不均勻，則可能產(chǎn)生較大的誤差，難以準(zhǔn)確地代表整體樣地的真實(shí)情況。故本研究對草地?zé)o人機(jī)圖像整體進(jìn)行人工處理，取最適結(jié)果作為參考數(shù)據(jù)。

誤差統(tǒng)計(jì)反映了植被指數(shù)估測蓋度值與參考蓋度值之間的差異，能夠一定程度上表示蓋度估測效果的優(yōu)劣。但是誤差統(tǒng)計(jì)無法反映像元層面的估測效果，這樣的評價(jià)是不全面的。如本研究中各植被指數(shù)的蓋度估測誤差均較小，但根據(jù)像元層面的精度評價(jià)結(jié)果來看，荒漠草地的蓋度估測精度卻很低。因此對各植被指數(shù)的蓋度估測效果進(jìn)行全面客觀評價(jià)應(yīng)綜合考慮誤差統(tǒng)計(jì)和二分像元模型兩個(gè)不同層面的結(jié)果。

綜合誤差統(tǒng)計(jì)和精度評價(jià)的結(jié)果來看，草甸草地和典型草地的結(jié)果較為一致，各植被指數(shù)均具有較高的植被蓋度估測精度。草甸草地中，ExG 植被指數(shù)的蓋度估測具有最高的精度和最小的誤差，其F1得 分 大 于0.95，MAE 為1.65%，其 余 植 被 指 數(shù)F1得分均大于0.9，MAE 均小于5%；典型草地中，各植被指數(shù)的蓋度估測精度均較高且無明顯差異。各植被指數(shù)均具有較低的荒漠草地蓋度估測精度，F(xiàn)1得分通常低于0.6，而這一缺陷未在誤差統(tǒng)計(jì)中表現(xiàn)出來。本研究提出的DVⅠ植被指數(shù)很好地彌補(bǔ)了上述植被指數(shù)的缺陷，其荒漠草地植被蓋度估測精度較高。

4 結(jié)論

本研究對比分析了8 種植被指數(shù)在不同草地類型下的植被蓋度估測效果差異，并提出了適用于荒漠草地植被蓋度估測的植被指數(shù)DVⅠ。研究結(jié)果表明：VER、ExG、ExGR、GLⅠ、CⅠVE、COM、WⅠ和Lab 8 種植被指數(shù)對草甸草地和典型草地的蓋度估測效果較好，精度較高。草甸草地中ExG 植被指數(shù)蓋度估測效果最好，典型草地中各植被指數(shù)無明顯差異。8 種植被指數(shù)對荒漠草地植被蓋度估測效果較差，精度較低。DVⅠ具有較高的荒漠草地植被蓋度估測精度，能夠有效彌補(bǔ)上述植被指數(shù)的缺陷。GLⅠ和CⅠVE 植被指數(shù)的閾值對草地類型敏感性最弱，閾值的確定可不必考慮草地類型的影響；ExG、ExGR、VEG、WⅠ等植被指數(shù)的閾值對草甸草地和典型草地的變化敏感性較弱，但對荒漠草地的敏感性較強(qiáng)；COM 和Lab 植被指數(shù)對草地類型的敏感性最強(qiáng)。