基于不同数码相机和图像处理方法的高寒草地植被盖度估算的比较

任世龙，宜树华，陈建军，秦 彧，王晓云

(1.中国科学院寒区旱区环境与工程研究所冰冻圈科学国家重点实验室，甘肃 兰州 730000；2.中国科学院研究生院，北京 100049)

前植物生产层

基于不同数码相机和图像处理方法的高寒草地植被盖度估算的比较

任世龙1，2，宜树华1 ，2，陈建军1，2，秦 彧1，王晓云1

(1.中国科学院寒区旱区环境与工程研究所冰冻圈科学国家重点实验室，甘肃 兰州 730000；2.中国科学院研究生院，北京 100049)

植被盖度的准确估算对于土壤侵蚀、地-气交换研究等具有重要意义。数码照相法是地面植被盖度估算工作中最普遍和有效的方法，但是目前缺少高效和准确处理数码照片获取植被盖度的方法。本研究选取疏勒河上游不同类型高寒草地，采用多光谱相机(绿、红和近红外，ADC)、改装多光谱相机(蓝、绿和近红外，XNite)和普通相机(蓝、绿和红，COMMON)获取植被盖度数码照片。以WinCAM商业软件获取的植被盖度为基准值，对比分析了本研究开发的数码照片处理系统(Digital Photos Processing System，DPPS)和L*a*b*色彩空间法的估算效果和效率。结果表明,1)XNite和普通相机的估算精度高于ADC，而普通相机在价格和分辨率方面的优势使其更适合于高寒草地植被盖度估算研究；2)DPPS系统比L*a*b*色彩空间法更精确、更灵活。本研究开发的DPPS系统以及廉价的普通相机能够用来高效和准确地获取高寒草地植被盖度。

植被盖度；数码相机；高寒草地；多光谱相机；数码照片处理系统

植被覆盖度定义为观测区域内植被垂直投影面积占地表面积的百分比[1]，是植被生长状况的直观量化指标[2]，也是一个重要的生态学参数，在土壤侵蚀[3]、水土保持[4-5]、陆-气相互作用[6]、荒漠化治理[7]等诸多研究中都需要精确定量化的盖度信息。目前，主要的盖度估算方法有遥感估算和地面估算两种，遥感估算主要应用在流域等大尺度的研究中[8-10]，地面估算研究除了应用于样方尺度的生态研究外，还用于为遥感估算和相关模型提供地面验证和参数。地面盖度的估算方法包括目估法、点测法、仪器法和数码照相法[11]，其中，数码照相法是目前最普遍、有效的方法。数码照片的盖度估算方法主要包括以下两方面：一方面，通过监督分类法获取高精度的估算结果[12-14]，它常用来为其他估算方法做验证，但是该方法比较耗时，不适合大量获取盖度信息；另一方面，通过波段运算和色彩空间变换[1,15-17]可以使植被信息增强，植被和土壤信息之间的区分度变大。该方法的精度取决于所选算法和研究对象，其优势是可以通过编程批量处理照片，大大提高盖度估算的效率和自动化。在相机的选择上，除了常用的RGB相机之外，还有一些包含其他波段的数码相机可以用作盖度估算研究，如美国农业相机(ADC)[18]。

但是，目前关于不同相机和不同数码照片提取算法的研究还很匮乏。本研究以疏勒河上游不同类型高寒草地为研究对象，采用多光谱相机(绿、红和近红外，ADC)、改装多光谱相机(蓝、绿和近红外，XNite)和普通相机(蓝、绿和红，COMMON)拍摄植被数码照片，以WinCAM商业软件获取的植被盖度为基准值，对比分析本研究开发的数码照片处理系统(Digital Photos Processing System，DPPS)和L*a*b*色彩空间法的估算效果和效率，旨在为数码照相法盖度估算研究提供理论依据和科学参考。

1 材料与方法

1.1 研究区概况

疏勒河流域为我国三大内陆河流域之一，位于青藏高原东北缘(图1)，发源于青海省境内祁连山西段的疏勒南山和托勒南山之间。其上游流域(38.2°-40.0° N，96.6°-99.0° E)主要由疏勒南山、托勒南山和疏勒河谷组成，山区地势高峻，谷地地形相对低缓。海拔介于2 100～5 750 m，平均海拔约为3 900 m。该地区在气候上属于大陆性干旱荒漠气候，主要受西风气流控制，干冷多风，降水稀少，且多集中于夏季[18-19]。据疏勒河流域上游最近的气象站——托勒气象站(98.4° E,38.8° N)多年观测资料显示，该站点多年平均气温-2.7 ℃、年均降水量349.22 mm。该研究区的草地类型主要是高寒草甸和高寒草原，地表植被的整体覆盖度较低，区域内多年冻土广泛发育[19]，主要植物物种有高山嵩草(Kobresiapygmaea)、圆囊苔草(Carexorbicularis)、紫花针茅(Stipapurpurea)，西藏嵩草(Kobresiatibetica)，青藏苔草(C.moorcroftii)，紫菀(Astertataricus)等。

1.2 试验设计

本研究采用3种数码相机作为研究工具，分别为多光谱相机(ADC，美国，Tetracam inc.)、改装的多光谱相机(XNiteCanonSX230NDVI，美国，LDP LLC)和普通相机[J35，中国，Fujifilm(China)]，各相机分别具有不同的波段(表1)。2012年5月下旬在研究区布设了16个遥感样地(图1)，用于为流域盖度估算提供地面验证，但本文未涉及该部分研究。为了对比不同相机的估算效果，在遥感样地的周围随机设置了22个样点，其中4个样点的典型物种为圆囊苔草、紫花针茅、西藏嵩草和紫菀，用于比较植物物种盖度估算效果。2012年8月中下旬，采用以上3种相机分别对典型物种进行了拍摄，每个样点随机设置5个样方(0.5 m×0.5 m)，用0.5 m×0.5 m的铁丝框做标记，分析铁丝框内的部分，共拍摄多光谱照片、改装多光谱相机照片和普通照片各110张。

图1 样地分布概况

相机类型Typesofcamera拍照花费时间Timeoftakingaphoto/s处理花费时间Timeofprocessingaphoto/min价格Prices/CNY分辨率Resolution/megapixels波段数BandADC101～2300003.0近红外、红、绿(NIR,Red,Green)XNite51～250004.5近红外、蓝、绿(NIR,Blue,Green)COMMON51～280012.0红、绿、蓝(Red,Greeb,Blue)

1.3 研究方法

本研究以基于像素的分类方法[20]处理所有试验照片，其基本原理是通过给像素值设定阈值，将像素分成绿色植被和土壤两类。通常情况下，单波段的绿色植被和土壤类像素值之间的差异不显著，但通过波段组合运算之后，二者之间的差异性变大，便于准确分类。本研究中，由于各种相机的波段不同，采用不同的波段运算公式。对于ADC、XNite、COMMON 3种相机，波段运算公式分别如下：

NIR-R>threshold

(1)

NIR+G-2B>threshold

(2)

2G-R-B>threshold

(3)

式中，R、G、B、NIR分别代表红、绿、蓝、近红外波段的亮度值，threshold表示为公式设定的阈值。

为了提高数码照片处理精度和效率，本研究开发了数码照片处理系统(DPPS)，所有的波段运算以及盖度估算过程均通过该系统完成(图2)。该系统具有很大的灵活性，既可以单张地精细处理，也可以批量处理以提高效率。此外，分类结果可以及时显示，便于使用者及时做判断，判断的标准是分类后的图标范围是否与原图相吻合，如果吻合的好，说明分类结果较为理想；如果不吻合，则可以通过调整阈值获取较为理想的分类结果。在处理之前，为消除边缘变形的影响，所有照片均裁切出样框内的部分，以*.TIFF格式保存。

图2 数码照片处理系统

WinCAM颜色分析软件(WinCAM 2012a，加拿大，Regent Instruments inc.)是一款专业的色彩分析软件，通过训练样本对图片进行分类，类似于监督分类[13]。由于两人以上WinCAM处理结果的均值与真实值之间并没有显著差异[21]，本研究选取所有普通相机拍摄的照片，用两人WinCAM处理结果的均值作为该样方的“真实”盖度值，用以验证其他处理方法的准确性。数据分析和处理使用SPSS(SPSS Inc.,Chicago,IL,USA)和Origin 8.0(OriginLab Inc.,USA)软件。

2 结果与分析

2.1 ADC、XNite和普通相机的植被盖度估算效果

由于有一张ADC照片损坏，在本研究中只使用了余下的109张照片的盖度值。通过配对T检验分析发现，3种相机估算结果与真实值之间均有极显著差异(P<0.01)(图3)。但与真实值之间都有明显的线性相关性，相关系数均高于0.8，而COMMON(0.941)和XNite(0.926)的相关性好于ADC(0.831)(图4)。比较三者的平均盖度值发现，COMMON(29.47%)和XNite(37.35%)比ADC(41.20%)的估算结果更接近于真实盖度值( 33.82%)(图3)。总体而言，ADC相机明显高估了样方的实际盖度值，XNite相机略有高估，而普通相机略低于真实值，COMMON和XNite相机的估算效果好于ADC相机。

图3 3种相机估算的盖度均值

注：**表示与“真实”值相比差异极显著(P<0.01)。表2同。

Note:**indicate the value significantly differe from WinCAM value at 0.01 level.The same in Table 2.

图4 WinCAM与相机估算结果之间的线性关系

2.2 3种相机在典型物种盖度估算方面的效果

用WinCAM方法分别估算研究区的4种典型物种的盖度，结果表明，西藏嵩草、圆囊苔草、紫菀、紫花针茅的盖度分别为69.76%、49.49%、29.92%和9.71%(表2)。紫花针茅主要分布于高寒草原区和草原化草甸区，ADC(P=0.01)的估算结果与真实值之间有极显著差异，而XNite(P=0.682)和COMMON(P=0.946)的结果与真实值的结果十分接近。叶形较为宽展的紫菀主要生长于冻土退化区，ADC(P=0.221)的估算结果好于XNite和普通相机，后两者均出现了明显的低估。圆囊苔草和西蔵嵩草都只分布于高寒草甸和沼泽草甸， COMMON估算圆囊苔草(P=0.23)的效果明显好于ADC(P=0.008)和XNite(P=0.005)；但对于西藏嵩草，3种相机的估算效果都比较差(表3)。总体而言，COMMON和XNite相机的估算精度要高于ADC，ADC相机只适合于估算宽叶型的植被，而XNite和COMMON更适合于估算针叶型和低盖度的植被，但是当植被盖度较高时，3种相机的估算精度都有所降低。

表2 植被物种的4个不同处理的盖度估算结果之间的比较

表3 不同物种盖度“真实值”与相机估算值的相关系数

注：*和**表示显著(P<0.05)和极显著(P<0.01)相关。

Note: * and ** mean significant correlation at 0.05 and 0.01 level, respectively.

2.3 L*a*b*色彩空间法的比较分析

L*a*b*色彩空间是匀色空间，由一个明度因数L*和两个色度因数a*、b*组成，其中a*为绿色通道，从红色变化到绿色(-120～120)，适宜用来提取绿色植被，负值代表绿色，正值代表红色[22]。为了研究L*a*b*色彩空间法在高寒草地盖度估算中的使用效果，本研究选择了6张普通照片，分别利用WinCAM、DPPS系统和L*a*b*色彩空间法进行处理。结果表明(表4)，L*a*b*色彩空间法的估算效果比较差，当植被覆盖较大时，其结果与“真实值”最大差值达35%。相比之下，DPPS系统的估算效果比较理想，与真实值之间的差异比较小(<15%)。在高寒草地生态系统，绿色植被、枯草以及部分石头和地衣并存，物质组成较耕地复杂，植土对比度没有耕地明显，这可能是L*a*b*色彩空间法效果比较差的原因。

表4 普通相机与L*a*b*法的盖度比较

3 讨论

3.1 DPPS系统下影响数码照片盖度提取的因素

影响数码照片盖度提取精度的因素主要有以下几个方面。首先，本研究拍摄照片的时间为8月中下旬，这一阶段高寒草地植被逐渐从生长旺期进入枯黄期。此外，本研究植被盖度的观测期长达21 d，从而导致不同时期的植被叶片有不同的绿度。在观测期末，本研究拍摄的植被照片包含一些黄绿色的叶片(图5)，这些叶片仍然含有很多的叶绿素[23]。包含近红外波段的ADC相机和XNite相机对叶绿素很敏感，可以很容易地分辨出这部分叶片，因而将其作为绿色植被，而COMMON相机却无法分辨出这部分叶片。使用WinCAM软件获取样方尺度上植被盖度的“真实”盖度值时，黄绿色的叶片也可以通过处理者的眼睛部分地被分类出来，从而造成ADC和XNite相机估算的结果偏高、COMMON相机估算的结果偏低。但是，如果将植被盖度的观测期选择在生物量最大的时期进行，并缩短拍摄的时间跨度，避免黄绿色叶片对估算结果的影响，可能会极大地提高估算精度。第二，DPPS处理系统仍然很难避免处理人员的主观性所带来的影响。使用该程序判断处理结果好坏的一个基本准则是观察分类结果与照片中物体的吻合程度，但实际上二者很难达到100%的吻合，不同处理人员的判断会影响最终的处理结果。本研究建议取两人以上处理结果的均值作为最终的盖度值，估算精度会更高。另外，ADC、XNite和COMMON相机有不同的分辨率，这也会影响照片盖度的提取精度。

图5 ADC、XNite和普通相机的样方照片

3.2 不同相机拍摄和处理效率比较

从估算精度上看，无论是叶形宽展的植被和针叶型的植被，与ADC相机相比，XNite和普通相机的估算精度都更高。从拍摄效率上看，用ADC相机拍摄一张照片约需要10 s(表1)，但XNite和普通数码相机用时却不到5 s。在照片处理效率上，ADC、XNite和普通相机是相同的。普通相机具有价格低廉、分辨率更高等的特点，因此更适合于高寒草地植被盖度的估算。

4 结论

本研究选取不同类型高寒草地典型植被为研究对象，采用多光谱和普通相机为研究工具，以两人WinCAM的结果作为真实值，对比分析了ADC、XNite和COMMON 3种相机以及DPPS和L*a*b*色彩空间法对于植被盖度估算的效果。结果显示，就不同相机而言，XNite和COMMON相机的估算精度高于ADC相机；ADC相机只适合于估算宽叶型的植被，而XNite和COMMON相机更适合于估算针叶型和低盖度的植被；当盖度较高时，3种相机的估算精度都比较低；COMMON相机在价格和分辨率方面的优势，使其具有较高的普适性。由于高寒草地生态系统下垫面较为复杂，L*a*b*色彩空间法的估算结果很不理想，相比之下DPPS系统比较精确和灵活，同时具有很高的处理效率，因此更适合于高寒草地植被盖度的估算。

[1] 章文波,刘宝元,吴敬东.小区植被覆盖度动态快速测量方法研究[J].水土保持通报，2001,21(6):60-63.

[2] 张学霞,朱清科,吴根梅,孙丹珠.数码照相法估算植被盖度[J].北京林业大学学报,2008,30(1):164-169.

[3] De Roo A P J,Offermans R J E,Cremers D TLISEM:A single-event physically-based hydrological and soil erosion model for drainage basins I:Theory,input and output[J].Hydrological Processes,1996(10):1107.

[4] 张兴昌,刘国彬,付会芳.不同植被覆盖度对流域氮素径流流失的影响[J].环境科学,2000(6):16-19.

[5] 郭忠升.水土保持植被的有效盖度、临界盖度和潜势盖度[J].水土保持通报,2000,20(2):60-62.

[6] 刘树华,黄子琛,刘立超.半干旱区植被覆盖度对边界层气候热力影响的数值模拟[J].气象学报,1996,54(3):303-311.

[7] 丁国栋.区域荒漠化评价中植被的指示性及盖度分级标准研究——以毛乌素沙区为例[J].水土保持学报2004,18(1):158-160,188.

[8] 高志强,刘纪远,庄大方.基于遥感和GIS的中国土地利用土地覆盖的现状研究[J].遥感学报,1999,3(2):134-138.

[9] 高彦春,牛铮,王长耀.遥感技术与其全球变化的研究[J].地球科学信息,2000(2):42-46.

[10] 张学霞,葛全胜,郑景云.遥感技术在植物物候研究中的应用综述[J].地球科学进展,2003,18(4):534-544.

[11] 章文波,符素华,刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报(自然科学版),2001,37(3):402-408.

[12] 关法春,梁正伟,王忠红,关志华.方格法与数字图像法测定盐碱化草地植被盖度的比较[J].东北农业大学学报,2010,41(1):130-133.

[13] 张清平,章山山,陈露,沈禹颖.应用WinCAM 软件判识分析草坪盖度[J].草业科学,2010,27(7):13-17.

[14] 李苗苗.植被覆盖度的遥感估算方法研究[D].北京:中科院研究生院,2003:67-95.

[15] 李存军,王纪华,刘良云,王人潮.基于数字照片特征的小麦覆盖度自动提取研究[J].浙江大学学报(农业与生命科学版),2004,30(6):650-656.

[16] 任杰,柏延臣,王锦地.从数码照片中快速提取植被覆盖度的方法研究[J].遥感技术与应用,2010,25(5):719-724.

[17] 贾建华,胡勇,刘良云.青藏高原数字照片植被覆盖度自动算法与应用[J].地球信息科学学报,2010,12(6):880-885.

[18] 宜树华,王增如,谢霞,杨时海,黄磊,叶柏生.高寒草地植被盖度估算及其与冻土的关系[J].草业科学,2011,28(3):353-358.

[19] 周兆叶.祁连山典型流域多年冻土区高寒草地对气候变化的响应研究[D].北京:中科院研究生院,2012:19.

[20] Lukina E V,Stone M L,Raun W R.Estimating vegetation coverage in wheat using digital images[J].Journal of Plant Nutrition,1999,22(2):341-350.

[21] Yi S H,Zhou Z Y,Ren S L,Xu M,Qin Y,Chen S Y,Ye B S．Effects of permafrost degradation on alpine grassland in a semi-arid basin on the Qinghai-Tibetan Plateau[J].Environmental Research Letters,2011,6(4):doi:10.1088/1748-9326/6/4/045403．

[22] Liu Y,Mu X,Wang H.A novel method for extracting the fractional vegetation cover from digital images[J].Journal of Vegetation Science,2012,23:406-418.

[23] Crimmins M A,Crimmins T M.Monitoring plant phenology using digital repeat photography[J].Environmental Management,2008,41:949-958.

(责任编辑 武艳培)

Comparisons of alpine grassland fractional vegetation cover estimation using different digital cameras and different image analysis methods

REN Shi-long1，2, YI Shu-hua1，2, CHEN Jian-jun1，2, QIN Yu1, WANG Xiao-yun1

(1.Cold and Arid Regions Environmental and Engineering Research Institute, CAS, Lanzhou 730000, China;2.Graduate University of Chinese Academy of Science, Beijing 100049, China)

Fractional vegetation cover (FVC) is an important indicator of grassland. Accurate estimation FVC has great emphasis for researches of soil erosion and the exchanges of water and CO2between land surface and atmosphere. Estimating FVC with digital photos has become the most popular and efficient method in ground observation. Different types of cameras and different methods have been employed to estimate FVC. To best of our knowledge, none of studies compared the advantages and disadvantages among them. In the current study, photos from different types of alpine grassland in Shule River Basin on the Qinghai-Tibetan Plateau were taken using 3 different cameras, i.e. a multispectral camera (ADC, with red, green and near infrared rays), a modified multispectral camera (XNite, with blue, green, and near-infrared rays), and a conventional camera (COMMON, with blue, green, and red rays) . With the FVCs retrieved with WinCAM (a commercial software) as “real” values, accuracy and efficiency of the Digital Photos Processing System (DPPS) and L*a*b*method were compared. The performances of XNite and COMMON cameras were better than that of ADC. DPPS system was more accurate and flexible than L*a*b*method. With the combination of DPPS and conventional camera, FVCs of alpine grassland can be estimated accurately and efficiently.

fractional vegetation cover; digital camera; alpine grassland; multi-spectral camera; digital photos processing system

YI Shu-hua E-mail:yis@lzb.ac.cn

10.11829j.issn.1001-0629.2013-0303

2013-06-07 接受日期：2013-06-25

国家重点基础研究发展计划(973计划)项目(2007CB411502)；中科院百人计划；面上基金(41271089)；冰冻圈自主课题(SKLCS-ZZ-2012-2-2)

任世龙(1986-)，男，山东聊城人，在读硕士生，研究方向为高寒草地植被盖度估算。E-mail:rslrsln@163.com

宜树华(1978-)，男，江苏如皋人，研究员，博士，研究方向为寒区生态。E-mail:yis@lzb.ac.cn

S812-05;S127

A

1001-0629(2014)06-1007-07*1