伏帥，張勇輝，李佳呂，王萌榛，彭璐，馮琦勝，梁天剛

（蘭州大學(xué)草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室/蘭州大學(xué)農(nóng)業(yè)農(nóng)村部草牧業(yè)創(chuàng)新重點(diǎn)實(shí)驗(yàn)室/蘭州大學(xué)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）

草地蓋度指觀測(cè)區(qū)域內(nèi)植物的垂直投影面積占觀測(cè)區(qū)地表總面積的百分比，是描述生態(tài)系統(tǒng)特征和草地生長(zhǎng)狀況的重要生態(tài)學(xué)參數(shù)和量化指標(biāo)[1]，可作為評(píng)價(jià)植被生產(chǎn)力、生態(tài)系統(tǒng)恢復(fù)程度、生態(tài)系統(tǒng)健康、生態(tài)系統(tǒng)服務(wù)功能等的有效指標(biāo)之一[2]。

目前，草地蓋度的估測(cè)方法主要包括實(shí)地測(cè)量和遙感估測(cè)兩種途徑。傳統(tǒng)的地表實(shí)測(cè)方法包括目估法、針刺法和儀器法等，這些傳統(tǒng)方法由于費(fèi)時(shí)、費(fèi)力等缺陷而逐漸難以滿足目前的草地調(diào)查工作[3]。照相法是垂直于地面照相后，通過照片估算草地蓋度的方法[4]。隨著數(shù)字?jǐn)z影技術(shù)的快速發(fā)展，將數(shù)碼相機(jī)與圖像處理技術(shù)相結(jié)合的照相法因其具有準(zhǔn)確、迅速、低價(jià)、簡(jiǎn)便等優(yōu)勢(shì)在傳統(tǒng)地表實(shí)測(cè)方法中脫穎而出，目前已成為最普遍、最有效的蓋度測(cè)量方法[4-5]。然而，地表實(shí)測(cè)法缺乏宏觀性，其觀測(cè)范圍往往被限制在較小的空間尺度范圍內(nèi)，不利于快速對(duì)較大范圍的草地進(jìn)行觀測(cè)。無人機(jī)(unmanned aerial vehicle,UAV)是一種自備動(dòng)力裝置和導(dǎo)航模塊的無人駕駛航空器[6]。近年來，UAV 及其相關(guān)技術(shù)發(fā)展迅速，其能夠?qū)崟r(shí)獲取高分辨率遙感影像數(shù)據(jù)，機(jī)動(dòng)性強(qiáng)，成本低廉，操作簡(jiǎn)便，正逐步成為地面監(jiān)測(cè)和高空遙感的有效補(bǔ)充手段[7]，現(xiàn)已被廣泛用于生態(tài)系統(tǒng)監(jiān)測(cè)[8]、工程測(cè)繪[9]、災(zāi)害監(jiān)測(cè)[10]、農(nóng)業(yè)生產(chǎn)[11]等方面。植被指數(shù)是植被遙感監(jiān)測(cè)中被廣泛應(yīng)用的參數(shù)之一，是對(duì)地表植被狀況簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量[12]。國(guó)內(nèi)外學(xué)者為了方便植被狀況的識(shí)別，利用綠色植物在可見光波段的反射特征，構(gòu)建了一系列植被指數(shù)，如超綠指數(shù)(excess green index,ExG)[13]、植被因子指數(shù)(vegetativeindex,VEG)[14]、綜合指數(shù)(combined index,COM)[15]等。這些植被指數(shù)能夠增強(qiáng)綠色植物與其他地物的對(duì)比，通過波段計(jì)算和閾值設(shè)定，從而精確分離綠色植被和背景。目前，已有學(xué)者將無人機(jī)與植被指數(shù)結(jié)合，開展了一些關(guān)于植被調(diào)查、蓋度計(jì)算等方面的研究。如丁雷龍等[16]以小麥(Triticum aestivum)為研究對(duì)象，選取歸一化綠紅差值指數(shù)(normalized green-red difference index,NGRDI)、 超 綠 指 數(shù)(excess green index,Ex G)、超綠超紅差分指數(shù)(e x c e s s g r e e n minus excess r ed i ndex,ExGR)和綠葉指數(shù)(g r een l ea f index,GLI)4 種植被指數(shù)，基于最大類間方差法對(duì)無人機(jī)圖像中的植被區(qū)域與非植被區(qū)域進(jìn)行識(shí)別，結(jié)果表明4 種植被指數(shù)均有較高的識(shí)別精度。劉艷慧等[5]利用無人機(jī)獲取草地大樣方圖像，通過計(jì)算植被指數(shù)從而估算草地蓋度和生物量。但是，目前的相關(guān)研究多集中在植被指數(shù)的應(yīng)用和評(píng)價(jià)上，關(guān)于無人機(jī)航高、草地蓋度等可控應(yīng)用條件的研究還很匱乏。

為此，本研究以蘭州大學(xué)榆中校區(qū)草地為研究對(duì)象，選用ExG、VEG、ExGR[17]、GLI[18]4 種可見光植被指數(shù)，通過提取無人機(jī)圖像的草地植被信息，計(jì)算草地蓋度。以地面照相法獲取的草地蓋度為參考值，從無人機(jī)航高和蓋度水平兩個(gè)方面對(duì)比分析4 種植被指數(shù)方法的草地蓋度估算效果，研究4 種植被指數(shù)在草地蓋度估測(cè)方面的適用性，以期為無人機(jī)在草地資源監(jiān)測(cè)中的應(yīng)用提供理論依據(jù)和參考。

1 材料與方法

1.1 研究區(qū)概況

試驗(yàn)在蘭州大學(xué)榆中校區(qū)校園內(nèi)草地、試驗(yàn)田進(jìn)行。試驗(yàn)區(qū)位于甘肅省榆中縣，地理位置104°08′?104°09′E，35°55′?35°56′N。氣候?qū)儆跍貛Т箨懶詺夂?，年均?.6℃，年降水量3 0 0～4 0 0mm，海拔1 7 2 0m。

1.2 數(shù)據(jù)獲取

根據(jù)目視估計(jì)法將待測(cè)樣地按蓋度大小分為3 個(gè)水平：高蓋度(70%～100%)、中蓋度(40%～70%)和低蓋度(40%以下)(表1)。在校區(qū)內(nèi)，每個(gè)蓋度水平選取2 個(gè)地勢(shì)平坦、生長(zhǎng)狀況均一的樣地，每個(gè)樣地大小為25m×1 5 m(圖1)。每一樣地采用五點(diǎn)法布設(shè)樣方，樣方大小為0.5m×0.5m 個(gè)樣方中心記錄GPS(全球定位系統(tǒng),Gl oba l Pos i t i on i ng System)經(jīng)緯度和高程信息。利用手機(jī)相機(jī)于樣方中心上方約1m 高處垂直向下拍攝記錄。手機(jī)照片分辨率為2976×3968 像素，對(duì)每個(gè)照片用Pho t oShop2018 軟件按照樣方大小進(jìn)行裁剪，以便后期處理。使用大疆Phantom4 p r o 無人機(jī)(搭載相機(jī)2 000 萬像素，鏡頭焦距8.8mm，1 英寸影像傳感器)從2 0 m 航高開始，每隔10m 航高對(duì)同一樣地進(jìn)行拍攝，拍攝到1 0 0 m航高為止，得到無人機(jī)圖像，同樣使用PhotoShop 2018 軟件對(duì)相同區(qū)域進(jìn)行裁剪(圖2)，以便后期處理。無人機(jī)照片于2019年4 月?5 月草地生長(zhǎng)期間拍攝。

表 1 各蓋度水平樣地比較Table 1 Comparison of different coverage levels

圖 1 研究區(qū)及采樣點(diǎn)分布圖Figure 1 Study area and distribution of sam p ling points

圖 2 不同航高無人機(jī)圖像對(duì)比圖Figure 2 UAV images at different altitudes圖中不同航高無人機(jī)圖像之間以原始尺寸比例顯示。In the figure,the UAV images at different altitudes are displayed in proportion totheoriginal size.

1.3 研究方法

本研究選用植被因子指數(shù)(VEG)、超綠指數(shù)(ExG)、超綠超紅差分指數(shù)(ExGR)、綠葉指數(shù)(GLI)4 種植被指數(shù)方法，利用ENVI5.3 軟件的波段計(jì)算模塊對(duì)所有照片進(jìn)行處理(圖3)，植被指數(shù)的計(jì)算公式參考表2。通過反復(fù)調(diào)試設(shè)定閾值，準(zhǔn)確劃分草地像元與背景像元，并以草地像元占圖像總像元數(shù)量的比例作為草地蓋度。為了減少人為主觀誤差，每2 人計(jì)算得到初步結(jié)果后，由第3 人審核并校正錯(cuò)誤值，取校正后的平均值為蓋度估測(cè)值。

圖 3 樣地?zé)o人機(jī)圖像及植被蓋度提取效果Figure 3 UAV im age and vegetation coverage extraction effect of the samp led land

為了客觀定量地進(jìn)行植被指數(shù)的適用性分析，本研究以照相法獲得的蓋度平均值作為樣地的蓋度參考值，引入平均絕對(duì)誤差(mean absoluteerror,MAE)、標(biāo)準(zhǔn)差(standard deviation,SD)和精確度[19](accuracy,Acc)3 種評(píng)價(jià)方法。計(jì)算公式如下：

式中：x′為草地蓋度參考值，xi為草地蓋度估測(cè)值，n 為樣本總數(shù)。

表 2 植被指數(shù)公式Table 2 Formula table of the vegetation indices studied

2 結(jié)果與分析

2.1 4 種植被指數(shù)精度評(píng)價(jià)

將本研究中所有無人機(jī)照片的蓋度計(jì)算誤差匯總成表3。從4 種植被指數(shù)的估測(cè)誤差來看，VEG、ExG 方法的估測(cè)精度較高，ExGR、GLI 方法的估測(cè)精度較低。VEG 和ExG 方法的精確度均在90%以上，其中，VEG 方法的MAE 最低，為4.53%，ExG方法的平均精度最高，為93.60%；ExGR 和GLI 方法的MAE 均超過10%，GLI 方法的平均精度最低，為75.95%。從估測(cè)數(shù)據(jù)的波動(dòng)性來看，VEG 方法的標(biāo)準(zhǔn)差最小，ExG 方法次之，ExGR 和GLI 方法的波動(dòng)性較大。綜上，本研究中VEG、ExG 方法的估算精度較高，誤差較為穩(wěn)定；ExGR 和GLI 方法的精度較低，誤差相對(duì)不穩(wěn)定。

表 3 基于4 種植被指數(shù)的草地蓋度估測(cè)誤差表Table 3 The estimation error table of grassland coverage based on four vegetation indices %

2.2 不同草地蓋度水平對(duì)草地蓋度估測(cè)精度的影響

為了評(píng)價(jià)不同草地蓋度水平對(duì)基于植被指數(shù)的草地蓋度估測(cè)精度的影響，以6 個(gè)不同樣地的54 張無人機(jī)照片為樣本，利用植被指數(shù)計(jì)算草地蓋度。以蓋度參考值為橫軸，以樣地的平均精度為縱軸，作散點(diǎn)圖進(jìn)行趨勢(shì)分析，對(duì)比分析草地植被蓋度對(duì)植被指數(shù)估測(cè)精度的影響。

基于4 種植被指數(shù)的草地蓋度估測(cè)精確度整體上均呈現(xiàn)出隨蓋度水平的增加而降低的趨勢(shì)(圖4)。ExGR 和GLI 方法的回歸系數(shù)均較小，決定系數(shù)均大于0.8，說明其估測(cè)精度受草地蓋度水平的影響較大，精度趨于降低，其在低蓋度水平擁有80%以上的估測(cè)精度，但在高蓋度水平迅速降低至70%左右。因此，這兩種方法對(duì)低蓋度草地有更好的估測(cè)效果，在高蓋度草地上的估測(cè)效果明顯降低。VEG和ExG 方法的回歸系數(shù)均接近0，表明其估測(cè)精度受蓋度變化的影響較小。其中VEG 方法的回歸系數(shù)最接近0，精度從低蓋度的93%左右降低至高蓋度的90%左右，可見其估測(cè)精度受蓋度的影響很小，在任何蓋度水平的草地上均能發(fā)揮較好的估測(cè)效果；ExG 方法的決定系數(shù)為0.837 6，回歸斜率為?0.112 6，其在低蓋度有高達(dá)97%的精確度，在高蓋度降低至90%，表明其估測(cè)精度雖隨蓋度增加而減少，但不影響其估測(cè)性能的發(fā)揮。

2.3 無人機(jī)航高適用性分析

為了評(píng)價(jià)不同草地植被蓋度水平下無人機(jī)航高對(duì)草地植被蓋度估測(cè)精度的影響，本研究以6 個(gè)樣地拍攝的不同航高的54 張無人機(jī)照片為樣本，計(jì)算20～100m 航高下的草地植被蓋度。以無人機(jī)航高為橫軸，以高、中、低3 種蓋度水平估測(cè)的平均精度為縱軸，作散點(diǎn)圖進(jìn)行分析(圖5)。

圖 4 植被指數(shù)估算精確度與蓋度趨勢(shì)分析Figure 4 Relationship between the accuracy of the vegetation indices and coverage

圖 5 各蓋度水平下植被指數(shù)估測(cè)精度與無人機(jī)航高的關(guān)系Figure 5 Relationship between the estimation accuracy of the vegetation indices and UAV flight height at different coverage levels

VEG 方法于高、中蓋度水平下的精度與航高無明顯關(guān)系，具有較大波動(dòng)性，高航高估測(cè)精度與低航高蓋度估測(cè)精度無明顯的差異，準(zhǔn)確度保持在90%以上；但是低蓋度水平下的精度在航高高于40m時(shí)，隨航高升高而迅速下降，準(zhǔn)確度由96%降低至66%。VEG 方法在高、中蓋度水平下保持著較高的精度，且與航高變化無明顯關(guān)系，為了發(fā)揮無人機(jī)大面積快速監(jiān)測(cè)的優(yōu)勢(shì)，可選擇航高100m 進(jìn)行高、中蓋度水平的觀測(cè)；其在低蓋度水平下的精度隨航高上升而迅速下降，選擇40m 航高進(jìn)行觀測(cè)能盡可能發(fā)揮無人機(jī)大面積觀測(cè)的優(yōu)勢(shì)，同時(shí)能夠保持較高的精度。ExG 方法在高、中蓋度水平下的估測(cè)精度隨航高無明顯變化；在低蓋度水平下的估測(cè)精度具有較大的波動(dòng)，其趨勢(shì)線波動(dòng)幅度隨航高上升不斷增大，尤其是航高高于80m 時(shí)，趨勢(shì)線波動(dòng)幅度最大達(dá)到15%，說明高于80m 航高后其觀測(cè)性能極不穩(wěn)定。ExG 方法在高、中蓋度水平下均可選擇100m 航高進(jìn)行觀測(cè)，而在低蓋度水平下最好于8 0 m航高進(jìn)行觀測(cè)。ExGR 方法在高蓋度與中蓋度水平下的估測(cè)精度隨航高無明顯變化，但在低蓋度水平下出現(xiàn)明顯的波動(dòng)，即航高在高于80m 后精度陡然上升，之后呈現(xiàn)下降趨勢(shì)，這表明ExGR 方法在航高高于80m 后不穩(wěn)定因素增加。因此，ExGR 方法在高、中蓋度水平下可選擇100m 航高進(jìn)行觀測(cè)，在低蓋度水平下應(yīng)在最高80m 航高進(jìn)行觀測(cè)，以達(dá)到最大觀測(cè)面積和保持較穩(wěn)定的觀測(cè)性能。GLI 方法在高蓋度水平下的精度隨航高變化趨勢(shì)不明顯；但其在中、低蓋度水平下的精度隨航高升高而明顯下降，準(zhǔn)確度下降幅度達(dá)到10%。所以，GLI方法在高蓋度水平可選擇100m 進(jìn)行觀測(cè)，在中、低蓋度水平最好選擇20m 航高進(jìn)行觀測(cè)以保持較高的精度。

為了更直觀地查看各植被指數(shù)最適航高的分析結(jié)果，表4 列出了不同植被指數(shù)在各蓋度水平下的最適航高。

3 討論

VEG 與ExG 草地蓋度估測(cè)精度均達(dá)在93%以上，具有優(yōu)秀的估測(cè)性能，并且估測(cè)精度隨蓋度增加而降低，這與丁肖等[19]對(duì)手機(jī)拍攝相片的草地植被蓋度估算的研究結(jié)果相似。ExGR 與GLI 草地蓋度估測(cè)效果較差，這在一定程度上反映了這兩種方法對(duì)經(jīng)驗(yàn)閾值法的不適用性，另外人為主觀因素也可能是導(dǎo)致其誤差較大的重要因素之一。本研究中的草地蓋度信息是通過基于經(jīng)驗(yàn)閾值法的處理方式而獲取的，所以處理人員的主觀性會(huì)不可避免地對(duì)處理結(jié)果造成一定影響。為了提高估測(cè)精度，應(yīng)盡量取多人處理結(jié)果的均值為最終蓋度估測(cè)值。

表 4 各蓋度水平下UAV 最適航高Table 4 The optimal airworthy height of UAVs at each coverage level

無人機(jī)的航高決定了其草地觀測(cè)面積的大小，100m 航高的對(duì)地觀測(cè)面積幾乎是2 0 m 航高對(duì)地觀測(cè)面積的25 倍，因此提高無人機(jī)航高能夠有效增加觀測(cè)面積，提高草地監(jiān)測(cè)效率。本研究確定最適航高的目的是為提高無人機(jī)草地監(jiān)測(cè)的效率，在確定最適航高時(shí)，選擇精度差距在可接受的范圍內(nèi)選擇更高的飛行高度。由此確定了VEG、ExG、ExGR和GLI4 種方法的蓋度估測(cè)最適航高，并歸納在表4中。在蓋度計(jì)算時(shí)，若航高過高，拍攝的照片可能會(huì)不夠清晰，對(duì)草地的識(shí)別效果產(chǎn)生影響。葛靜等[3]比較了航高為30 和100m 時(shí)無人機(jī)航拍計(jì)算草地蓋度的效果，發(fā)現(xiàn)航高30m 的拍攝方法遠(yuǎn)優(yōu)于航高100m 的方法，分析原因可能是無人機(jī)搭載的相機(jī)在100m 航高下不能滿足拍攝需求。而本研究中應(yīng)用的植被指數(shù)方法在部分蓋度水平下，航高對(duì)蓋度估測(cè)精度的影響差異不顯著，說明本研究中無人機(jī)搭載的相機(jī)在較高的航高下也能滿足蓋度估算的需求。因此，改進(jìn)無人機(jī)技術(shù)、提高其相機(jī)分辨率對(duì)未來草地資源調(diào)查的應(yīng)用和發(fā)展具有重要的作用。

4 結(jié)論

本研究以蘭州大學(xué)榆中校區(qū)草地為研究對(duì)象，選用VEG、ExG、ExGR 和GLI 4 種植被指數(shù)估測(cè)草地蓋度，評(píng)估了4 種植被指數(shù)的估測(cè)性能，從無人機(jī)航高、草地蓋度等角度進(jìn)行了植被指數(shù)的適用性分析，得出以下結(jié)論：

1)VEG 和ExG 方法的平均精確度均在93%以上，屬于較精確的草地蓋度估測(cè)方法。其中VEG 方法精度高、誤差穩(wěn)定，其估測(cè)效果優(yōu)于其他方法；ExG 方法的估測(cè)精確度最高，達(dá)到93.60%，但其誤差穩(wěn)定性不如VEG 方法；ExGR 與GLI 方法的精度與誤差穩(wěn)定性均較低，估測(cè)性能較差。

2)4 種方法的估測(cè)精度均隨蓋度增加而降低。VEG 方法估測(cè)草地蓋度的精度受蓋度水平的影響最小，在不同蓋度水平的草地上均具有較精確的估測(cè)效果；ExG 方法次之，其估測(cè)精度隨草地蓋度增加而有輕幅度的降低，但依然能夠保持高精度估測(cè)；ExGR 和GLI 方法對(duì)高蓋度草地的估測(cè)效果較差，其估測(cè)精度隨蓋度增加明顯降低。

3)VEG 方法在高、中蓋度水平下的最適航高為100m，在低蓋度水平下為4 0 m；ExG 和ExGR 方法在高、中蓋度水平下的最適航高為100m，在低蓋度水平下為80m；GLI 方法在高蓋度水平下的最適航高為100m，在中、低蓋度水平下為2 0 m。

本研究中，基于經(jīng)驗(yàn)法的閾值確定方法可能會(huì)對(duì)研究結(jié)果產(chǎn)生影響。因此，研究各類植被指數(shù)區(qū)分植被和非植被的閾值自動(dòng)提取算法將是基于RGB圖像的草地蓋度監(jiān)測(cè)亟待解決的問題之一。本研究使用無人機(jī)技術(shù)與RGB 植被指數(shù)方法相結(jié)合估測(cè)草地蓋度，這種方法對(duì)草地動(dòng)態(tài)監(jiān)測(cè)、植被調(diào)查等方面的快速、精準(zhǔn)作業(yè)具有重要意義，成功實(shí)現(xiàn)處理自動(dòng)化與批量化將是后續(xù)研究的重要方向。