基于低空可見光譜的植被覆蓋率計算

卞 雪, 馬群宇, 劉楚燁, 趙言文

(南京農業大學 資源與環境科學學院, 江蘇 南京 210095)

基于低空可見光譜的植被覆蓋率計算

卞 雪, 馬群宇, 劉楚燁, 趙言文

(南京農業大學 資源與環境科學學院, 江蘇 南京 210095)

[目的] 將低空遙感技術應用到水土保持設施驗收中，從可見光譜遙感影像提取區域植被信息，提出可準確、客觀計算水土保持設施驗收指標中植被覆蓋率的方法，以減少工作人員的業外工作量，提高測算效率。[方法] 將僅含有可見波譜信息的低空遙感圖像作為研究對象，在利用植被指數紅綠比指數(RGRI)，過綠指數(EXG)，可見光波段差異植被指數(VDVI)，歸一化綠藍差異指數(NGBDI)和歸一化綠紅差異指數(NRGRDI)分析圖像波譜特性的基礎上，采用雙峰直方圖法和最大熵值法確定各植被指數的閾值，再使用ENVI軟件提取圖像的植被信息，并計算植被覆蓋率，與參照結果進行比對。[結果] 利用可見光譜差異指數(VDVI)提取的植被信息精度高達95.32%。由此計算得到的植被覆蓋率為54.43%，與實際情況最為接近。[結論] 基于可見光譜遙感影像計算植被覆蓋率的方法具有可行性，該方法人工干預少，結果準確度高，可為水土保持設施驗收提供實時的數據支撐。

可見光譜; 水土保持設施驗收; 植被覆蓋率

水土保持設施驗收技術評估報告是水行政部門驗收審批建設項目的重要技術支撐[1]，新時期政策調整對水土保持工作提出了更高的要求，《關于貫徹落實國發[2015]58號文件進一步做好水土保持行政審批工作的通知》(辦水保[2015]247號)中明確提出現場核查需在行政許可規定時間(15個工作日)內完成，根據《關于印發<水利部水土保持設施驗收技術評估工作要點(試行)>的通知》(水保監便字[2015]第187號)文件要求，新時期生產建設項目水土保持設施驗收技術評估的內容中需要對生產建設項目水土流失防治任務完成情況進行評估，強調將防治效果量化。林草植被覆蓋率作為防治任務6大指標中的一項，是評價水土保持工作是否合格的重要依據，而目前驗收人員主要使用的核查方法仍以目測法和樣方測算法等為主，這類方法主觀隨意性強、效率低，局限了水土保持工作的高效開展?！渡a建設項目水土保持監測技術規程》中明確要求“線性項目山區(丘陵區)長度不小于5 km，平原區長度不小于20 km的應增加遙感監測方法?！被谶b感技術和通訊技術發展起來的無人機低空遙感驗收方法，也受到水行政主管部門的肯定與鼓勵。

無人機遙感技術以其靈活性高、影像反饋及時、成本低廉、高危地區探測等優勢，在森林資源調查、農情實時監測、災情調查等方面發揮著巨大作用，如Alistair等[2]使用無人機對野外環境的進行多種類植被分析，李冰等[3]對冬小麥不同生長階段的蓋度進行無人機遙感監測，雷添杰等[4]利用無人機遙感系統獲取了北川縣地震后的高分辨率影像，為救災工作提供詳細信息。在水土保持領域，楊超等[5]通過無人機和RT-GPS分別獲取研究區影像及地面控制點坐標，生成高精度DEM，通過目視遙感解譯和現場調查，快速估算研究區土壤侵蝕速率。而無人機遙感在植物措施核查方面的應用主要為簡單的獲取影像資料，其圖像視角廣、范圍大、清晰度高的優點并未得到體現。章文波等[6],路炳軍等[7]等利用數碼相機拍攝的圖像快速獲取植被蓋度，而對無人機影像的研究主要集中于地面信息的識別，在植被覆蓋率的計算上研究較少。

近年來，隨著各級城市電網的完善和環境保護政策的落實，輸變電工程的數量迅速增多、距離越建越長，建設單位保護水土資源的意識也逐漸加強，這就要求水土保持工作技術不斷創新、效率不斷提高。利用無人機低空拍攝項目區的實時高分辨率影像，不僅可對人車難以到達區域進行空中取證，保證水土保持設施的核查率，而且通過提取影像的植被信息可計算驗收結果，提高驗收精度、避免人為因素干擾。無人機遙感影像的植被信息提取大多基于可見光—近紅外波段，而常規無人機搭載的普通相機僅能拍攝可見光譜影像。為了提高可見光遙感圖像的利用率和植被覆蓋率計算的準確度，有必要完善可見光譜影像在植物措施核查方面的定量應用。

本文擬通過對基于可見光譜植被指數的分析，從遙感圖像中提取植被信息并計算區域植被覆蓋率，將5種植被指數計算得到的植被覆蓋率與參照結果進行對比，旨在找到適用于低空遙感影像植被覆蓋率的估算方法，為核查水土保持設施驗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 試驗材料

本研究以泰州特高壓變電站送出工程為例進行試驗，該項目建設內容包括變電站和線路兩部分。項目地處江蘇省泰州市，屬于蘇北中部里下河平原區，地形平坦，線路沿線以農田為主，道路周邊分散有少量自然生長灌木。輸變電項目線路工程的因措施數量多、范圍廣，而使得現場核查工作量大、人工測算面積難度大。故本研究選用該項目的線路工程作為研究對象，使用無人機低空拍攝水土保持植物措施實施效果影像。

此次試驗采用的是大疆精靈4號無人機，最大起飛重量1 200 g，可續航25 min，搭配實時圖傳后可以顯示飛行高度和GPS定位等信息。無人機搭載的攝像機型號為FC 330相機，最大分辨率4 000×3 000像素。

1.2 試驗方法

1.2.1 可見光遙感影像的獲取 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。拍攝時無人機相機鏡頭保持垂直向下，定點懸停拍攝。本研究對中心波長的位置和波段范圍并無嚴格要求，故對所獲取的影像沒有進行的輻射定標[8]。因項目線路工程核查數量大，此次研究選取了拍攝影像中具有代表性的一張，試驗所用的影像具有紅、綠、藍3個波段，空間分辨率為4 000×3 000像素。

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

(1)

EXG=2G-R-B

(2)

(3)

(4)

(5)

其中可見光譜差異植被指數VDVI，是借鑒了國內外使用最多且提取效果較好的歸一化差值植被指數NDVI而構建得來。在可見光波段內，綠色植被對綠光波段的反射較強，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使其在數值上與紅藍波段和相當。具體構造過程見公式(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 利用可見光譜植被指數對遙感圖像進行計算，在分析各植被指數計算結果的基礎上，選用合適方法設定閾值，將植被指數計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。提取結果的精確度取決于閾值的設定。因此，本文根據各植被指數計算結果，采用雙峰直方圖法、最大熵值法得到各植被指數的閾值。

(1) 雙峰直方圖法。直方圖中有2個明顯的坡峰，2個峰值對應于對象內部與外部較多數目的點，2個峰之間的坡谷對應于對象邊緣相對較少數目的點，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O和背景B，當兩者的總熵H(t)=HO(t)+HB(t)取最大值時，所對應的t即為最佳閾值[15]。

1.2.4 植被覆蓋率的估算 根據遙感圖像的植被提取結果，分別統計各植被指數提取圖中植被像素和整張圖像像素的數量，計算植被覆蓋度(即為植被像素數與圖像總像素數之比)[16]，并與實測結果進行分析比較，得到適用于植被覆蓋率計算的方法。

2 結果與分析

2.1 可見光植被指數的計算

圖像中地物類型簡單，植被主要為農田和綠色灌木，且顏色差異不大，因此將其都歸為植被。非植被地物分為塔基、水面、道路和其他4種類型。對每類典型地物各選取10個感興趣區域分別統計紅、綠、藍3個波段的像元平均值和標準差，并分析地物各波段的像元值差異和像元波動范圍。統計結果如表1所示。

表1 典型物在紅、綠、藍波段的像元統計特征值

從表1中可看出，植被區域各波段的像元值呈現出：綠波段>紅波段>藍波段的規律，與健康綠色植被的光譜特性相符合。非植被區域各波段像素呈現：藍波段>綠波段>紅波段、藍波段>紅波段>綠波段的規律。但各地物波段數據標準差較大，數據離散程度高，所以均值相近的數據會有較多交集。在紅波段，非植被地物的塔基和植被有部分重合；在藍波段，植被與非植被沒有重合；在綠波段，非植被類型的塔基與植被有較大重合。說明只包含綠色波段、或是僅包含紅色和綠色波段的植被指數無法較準確的區別圖像的植被與非植被。利用公式(1)—(5)分別計算遙感圖像可見光譜植被指數，得到各植被指數分布圖(圖1)。VDVI，NGRDI和NGBDI計算值范圍為[-1,1]，EXG值范圍為[-255，255]。

圖1 各植被指數分布

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

為了更細致地分析各植被指數計算結果，采用抽樣法分別在各植被指數分布圖(圖1)中選取與典型地物相同的ROI區域進行特征值統計，結果如表2。

表2 RGRI，EXG，VDVI，NGBDI和NGRDI的植被指數分布圖統計特征值

從表2可看出，RGRI和NGRDI中非植被地物的其他與植被的指數值有重疊現象，會造成提取誤差，故RGRI和NGRDI在進行無人機植被信息的提取時，準確度可能較低。EXG，VDVI，NGBDI各地物的指數值沒有交叉，都可用于植被信息提取，但EXG的植被指數范圍大且標準差較大，可能影響植被提取效果。

2.2 植被提取與精度評價

除RGRI外，其他植被指數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分布圖中提取植被信息，得到植被分布結果如圖2所示，并與參照圖進行精度驗證(表3)。為評價提取效果，本研究使用ENVI軟件中的最大似然分類法，并結合局部人工分類，得到圖2a作為精度評價的參考提取圖。

結合表3和圖2可看出，RGRI和NGRDI提取結果總正確率較低，靠近道路的植被區域有明顯的漏提現象。NGBDI提取結果正確率較高、植被提取較為全面，但在植被稀疏區域提取效果不理想。EXG和VDVI總體精度大于93%，提取結果較其他植被指數更全面，植被與非植被交界處細節清晰，與參照圖結果相近。所以EXG和VDVI更適合用于無人機低空可見光影像的植被提取。

表3 各植被指數提取精度評價

圖2 各植被指數提取結果

2.3計算植被覆蓋度

從提取結果圖中統計植被像元數量，計算得到各個植被指數植被提取后的植被覆蓋率，結果如表4所示。

表4 各植被指數的植被覆蓋率計算結果 %

從表4中可看出，各植被指數提取的植被覆蓋度均小于參照圖的值，存在低估情況。其中VDVI與參照結果最為接近，EXG次之。其由于VDVI的計算公式構造合理體現了植被在可見光波段的反射特點，并且充分利用了遙感圖像可見光波段數據，所以，強化植被信息的效果較EXG更為顯著，覆蓋率計算結果的準確度更高。由于參照圖是通過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域，會將部分顏色接近植物的非植被信息歸為植被，加上人工糾錯的不全面性，所以由參照圖而計算得到的植被覆蓋率雖與實際情況接近，但略有高估。

綜上所述，利用植被指數提取的植被信息來計算覆蓋率的方法所得結果均與實際情況接近，其中VDVI的估算結果最為準確，更適合無人機可見光影像的植被覆蓋率計算。

2.4 驗證試驗

為驗證該植被覆蓋率計算方法的適用性和可靠性，選用與試驗圖像同一時間拍攝的，該線路另一處塔基區圖像，利用同樣的植被指數和分類方法獲得該區域植被覆蓋率和參照圖與上述結論相同，EXG和VDVI的提取效果更為良好。以參考圖為基準，評估各植被指數提取精度如表5所示，精度評價結果顯示VDVI植被提取精度達到97.47%，與其他植被指數提取結果結果相比，準確度最高。計算得到的植被覆蓋率與現場實測結果如表6所示，由VDVI植被分類結果得到的植被覆蓋率與實際數值最為接近。所以利用植被指數提取植被信息提取植被信息的方法可以高效、客觀的計算植被覆蓋率，且VDVI的估算結果較為準確。

表5 驗證試驗提取精度評價

表6 驗證試驗的植被覆蓋率結果

3 討論與結論

本文利用可見光植被指數RGRI，VDVI，EXG，NGBDI和NGRDI處理可見光遙感圖像，通過設定閾值，提取植被信息的方法，計算區域植被覆蓋率，并與最大似然分類法的參照結果相比較，結果得出利用VDVI得到植被覆蓋率與實際最為接近。文中提出的植被覆蓋率計算方法可有效提高測算效率，減少人為干預因素，用較小的成本獲得較為準確可靠的結果，在水土保持設施驗收方面有著廣闊的應用前景。

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域植被信息提取結果不盡理想，若有可根據植被密度分布情況自動化確定閾值的方法，可大大提高植被覆蓋率估算的準確度。

[1] 夏玉慧,王江,辛靜.開發建設項目水土保持設施驗收技術評估工作面臨的問題及其對策[J].水土保持通報,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.基于低空無人機遙感的冬小麥覆蓋度變化監測[J].農業工程學報,2012,28(13):160-165.

[4] 雷添杰,李長春,何孝瑩.無人機航空遙感系統在災害應急救援中的應用[J].自然災害學報,2011,20(1):178-183.

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

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

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

[8] 鄧繼忠,任高生,蘭玉彬,等.基于可見光波段的無人機超低空遙感圖像處理[J].華南農業大學學報,2016(1):16-22.

[9] 張正健,李愛農,邊金虎,等.基于無人機影像可見光植被指數的若爾蓋草地地上生物量估算研究[J].遙感技術與應用,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,等.基于可見光波段無人機遙感的植被信息提取[J].農業工程學報,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.基于數碼照片的草地植被覆蓋度快速提取方法[J].草業科學,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

文獻參數： 卞雪, 馬群宇, 劉楚燁, 等.基于低空可見光譜的植被覆蓋率計算[J].水土保持通報，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

國家自然科學基金重點項目“農村發展中生態環境管理研究”(70833001)

卞雪(1991—),女(漢族),江蘇省溧陽市人,碩士研究生,研究方向為水土保持、環境規劃與評價。E-mail:bx19911229@qq.com。

趙言文(1965—),男(漢族),江蘇省徐州市人,博士,教授,博士生導師,主要從事水土保持、環境生態學、環境影響評價研究。E-mail:ywzhao@njau.edu.cn。