数字图像技术在草原植被生长状况监测中的应用

刘子恒，强 鹏

(甘肃民族师范学院 物理与水电工程系，甘肃 合作 747000)

中国是世界上草原资源最丰富的国家之一，草原总面积将近4亿hm2，占全国土地总面积的40.9%[1]。草原植被颜色的深浅和植被覆盖的疏密程度均会不同程度导致植被冠层光谱反射特性的变化。计算机视觉技术是利用图像传感器获取物体的图像，同时将图像转换成数字图像再利用计算机识别[2-3]，以达到由定性判断到定量计算的目的。目前，许多学者通过获取作物冠层图像参数的方法和手段对绿色植物进行了诊断分析[4-6]，表明利用数字图像分析技术提取植物外部形态特征的可行性，并提出这种手段的广阔应用前景[7-8]，计算机技术在农作物生长态势、监测农产品分级方面也有应用[9-10]，利用计算机视觉技术参考物法测量叶片面积的可行性，并且测量的精确度和效率都很高[11-12]。利用图像技术对具体的作物研究报道较多，然而利用图像技术手段监测草原植被生长状况的研究报道较少。本研究旨在通过色彩参数对草原植被生长状况的3个指标，即植被平均高度、植被覆盖率[13]、单位面积株数进行分析，探究色彩参数与植被生长状况的内在联系，构建快速诊断的模型，达到快速、无损监测草原植被生长状况的目的。

1 材料与方法

1.1 采样地概况

研究地位于甘肃省合作市西2.5 km处的当周草原，东经102.92°，北纬34.99°，面积约570 hm2，属高寒湿润类型，年均气温零下0.5 ℃到3.5 ℃，极端最高气温28 ℃，极端最低气温-23 ℃。年均降水量约550 mm，地表径流深200～350 mm，年蒸发量约1 200 mm。

1.2 试验设计

在当周草原不同方位随机选择长势均匀且无损草原植被作为研究对象，每个方位选取4个，共选取16个正方形的样方，样方边长为1 m，使用白色标志线作为样方的边框。

1.3 图像色彩参数

试验于2019年9月20日上午10时进行，晴，西北风，风向角度315°，风力1～2级，全天气温0～17 ℃，相对湿度69%，能见度:25 km。选用图像传感器尼康D560单反数码相机(像素2 000万～2 999 万)关闭闪光灯模式下进行，拍摄时摄像头向下固定在支架上,镜头与样方垂直成90°，高度保持1.2 m，图像用原图无处理格式导入计算机，用Photoshop 8.0软件中的RGB模型提取色素参数，记录红光(R)、绿光(G)、蓝光(B)参数的平均值。

1.4 生长状况指标

用植被平均高度、植被覆盖率、单位面积株数3个指标来反映植被生长状况。植被平均高度采用样方内所有种类植被的平均值。将样方图像打印成缩小10%大小的照片，即10 cm×10 cm大小的照片，照片平放，将透明的方格纸平铺到照片上，计量出覆盖草的格点数，得出植被覆盖面积。单位面积株数需要统计出每个样方有多少根草，统计的数据精确到百位。

植被覆盖率=植被覆盖面积/样方面积

1.5 数据处理与模型评估

16个样方数据按照Kennard-Stone方法以5 ∶3的比例分为10个预测集和6个校正集 。使用Photoshop 8．0软件、Excel软件、Spss统计学软件进行分析处理。

2 分析与结果

2.1 色彩参数

将图像数据导入计算机软件Photoshop 8.0，用软件中的RGB模型提取光照环境相同的情况下草原植被的RGB色彩参数值，取10个样方图像的平均色彩参数，具体见表1。

2.2 植被生长状况指标

草原植被的生长状况可以用植被覆盖率、平均高度以及单位面积上的株数定量地反映，不同方位随机选取10个样方，计算出植被覆盖率、高度和单位面积株树，具体见表2。

2.3 不同植被生长状况指标的相似度评价

植被生长状况指标植被覆盖率、平均高度及单位面积株数均不同程度地反映了草原植被的生长状况，植被生长状况指标与色彩参数进行线性回归分析，决定系数(R2)反应生长状况指标通过回归关系被色彩参数解释的比例，即回归中可解释离差平方和与总离差平方和之比值，其结果介于0到1之间，越接近1，回归拟合效果越好。具体见表2。

在统计学中对变量进行线性回归分析，采用最小二乘法进行参数估计，从表2可以看出，植被生长状况指标与色彩参数进行线性回归，决定系数(R2)均大于0.6。其中,覆盖率指标与3个色彩参数的线性回归的决定系数最高，均大于0.8，单位面积株树与3个色彩参数的线性回归的决定系数最低，均未超过0.8，统计学中一般认为决定系数超过0.8的模型拟合度比较高，模型精确，回归效果显著。

2.4 植被覆盖率与色彩参数的定量分析

为了进一步探究植被生长状况指标与色彩参数之间的更加理想的定量关系，选择决定系数较高的植被覆盖率与色彩参数分别构建线性和非线性回归方程模型(直线方程函数、对数方程函数、二次方程函数、幂方程函数和指数方程函数)，建立线性、非线性等多种模型，见表 4。

结果表明：色彩参数反演植被覆盖率所构建的回归模型决定系数均超过0.8的水平，反演能力均很理想。与R值建立的直线方程函数、对数方程函数、二次方程函数、幂方程函数和指数方程函数的决定系数分别为0.837 9、0.834 4、0.921 8、0.856 2、0.857 9；与G值建立的以上5个模型的决定系数分别为0.899 4、0.897 7、0.920 3、0.903 1、0.904 7；与B值的分别为0.869 9、0.867 9、0.915 9、0.882 9、0.884 9。在所有回归方程中，R值建立的二次方程表现最优，且考虑到直线方程模型预测的简便性和快捷性，故本研究选取植被覆盖率与色彩参数G值和R值分别建立直线方程和二次方程作为最佳评估预测方程模型[14-15]，见图1。

2.5 植被覆盖率的模型验证

为了验证植被覆盖率方程模型的适应性及准确性，利用预测集进行验证，使用模型计算的植被覆盖率的预测值与实测值相比较，用决定系数(R2)、均方根误差(RMSE)和相对误差(RE，%)3 个指标综合考察模型的准确性(图2)。

结果表明，利用色彩参数[9]G值和R值与植被覆盖率建立的估算预测模型，其实际测量值与估算预测值之间的决定系数(R2)分别为 0.648 2和0.803 8。其中均方根误差(RMSE)分别为2.64和2.27，相对误差(RE，%)分别为3.31%和2.8%，R值在评估植被覆盖率时决定系数、均方根误差和相对误差3项评价指标均优于G值的评估结果。

3 结果与分析

1)通过对反映植被生长状况的植被覆盖率、平均高度及单位面积株数3个指标与色彩参数进行线性回归分析[16-18]，发现色彩参数在评价植被覆盖率时最优，决定系数均超过0.8，其中色彩参数中G值最高为0.899 4。

2)进一步研究植被覆盖率与色彩参数之间的定量关系，建立不同类型的回归方程模型，分别构建直线方程函数、对数方程函数、二次方程函数、幂方程函数和指数方程函数等线性和非线性共5个回归模型，分析比较后选取植被覆盖率与色彩参数G值和R值分别建立直线方程和二次方程作为最佳评估预测方程模型，模型方程为y=0.310 5x+40.943和y=-0.008x2+1.409 8x+9.462 6。这两个预测模型的决定系数分别为0.899 4和 0.921 8，反应了植被覆盖率通过这两个回归关系被色彩参数解释的比例达到89.94%和92.18%。

3)模型的好坏不但理论上预测率要高，更重要的是须通过验证才能得出初步的评价结果。用校正集数据进行模型验证，发现用R值作为自变量构建的二次方程(y=-0.008x2+1.409 8x+9.462 6)预测出的植被覆盖率的理论值与真实测量值之间的决定系数为0.803 8，均方根误差(RMSE)为2.27，相对误差(RE，%)为2.8%，3项指标均优于G值所建立的线性方程(y=0.310 5x+40.943)的评价指标。

4 结论与展望

1)本研究分析了植被生长状况指标(植被覆盖率、平均高度及单位面积株数)与色彩参数R、G、B值之间的关系，分析结果证明数字图像技术在植被生长状况无损诊断的可行性[19-23]。然而，本研究在图像设备的选用上未作讨论，主要是未开展不同图像采集设备的大量对比试验，从而造成是否会因设备参数(拍摄角度、储存格式、拍摄时间和相机分辨率等)的区别造成不同的结果还有待进一步验证。模型的构建仅是适用当时试验时采集的样品得出的结果，是否不同的采集时间会影响模型结果也需今后进一步研究。

2)本研究更加完备性的结论需要今后对成像因素、试验场地、采集时期等进行深入的思考和规范，我国幅员辽阔，草原遍布大江南北，通过无人机遥感系统获取草原冠层数字化信息，监测草原的长势，并对生长状况作出快速判断，提高草原大面积监测的实时性和准确性，未来基于色彩参数的草原植被生长状况的无损诊断研究任重而道远。