利用智能手機圖像無損快速估測荒漠灌木地上生物量

王洋洋 孫偉 賈永倩 石洪亮

摘要：荒漠灌木是干旱區脆弱生態系統的重要組成部分，其生物量至關重要，但野外測量難度較大。以新疆生產建設兵團第六師102團區域內的荒漠灌木梭梭為例，利用智能手機攝像頭拍照并獲取梭梭高度（H）、側面寬度（D）、側面像元面積（S）等參數，建立基于這些參數組合的梭梭地上生物量擬合方程。結果表明，側面像元面積（S）與梭梭灌木的地上生物量密切相關，呈正相關關系，相關系數高達0.949。經檢驗，以梭梭灌木側面照相面積（S）、側面寬度（D）等為自變量建立回歸模型，可用來快速估測灌木地上生物量，這為無損快速估測灌木地上生物量提高工作效率。

關鍵詞：梭梭；生物量；數碼相機；無損估測；荒漠灌木；地上生物量；野外調查；信息獲取效率

中圖分類號： TP391.4；S126文獻標志碼： A

文章編號：1002-1302（2017）11-0171-03[HS）][HT9.SS]

森林資源調查與監測是森林科學經營與管理的重要數據來源，傳統的森林資源調查方法多為人為調查，分級上報的方法不但費時、費力，而且可能所得數據具有一定的主觀性，存在一定程度的誤差[1]。自20世紀80年代以來，隨著網絡技術、“3S”技術和物聯網技術的逐步引進，森林資源調查與監測技術在數據獲取、處理與分析等方面有許多創新與發展[2]。但是，現階段主要采用傳統的地面調查結合“3S”技術以及計算模型等技術手段測定森林生物量，且多聚集在喬木上，對灌木林的相關研究較少[3-6]。較喬木林野外調查與測量，灌木林的植株矮小、近地面分枝多、樹冠距離地面近，它的主要測樹因子[如冠幅直徑（C）、地徑（D）和植株高度（H）等]獲取難度偏大，野外調查和室內數據處理的工作量都比較大，不能直接照搬喬木林測量中較為成熟的測量手段和方法。因此，尋求一種快速、有效、精準的森林資源調查和監測的方法具有一定意義。到目前為止，國內外有一些學者做了相關研究，例如Sah等通過以植株高度與冠幅直徑平方的乘積為自變量來估測生物量，取得了良好的效果[7]；Damiran等通過數碼相機拍攝的圖片獲取灌木的葉面積值，成功估測了灌木的生物量[8]；Foroughbakhch等在對墨西哥東北部的灌木研究時，以灌木枝條的數量為自變量，估算的灌木葉子生物量R2值大部分在0.8以上，尤其自變量是有規則形狀的冠幅體積，得到的結果較為理想[9]；李榮春等用數碼相機拍攝大田玉米拔節和大喇叭口期的冠層圖像，提取的圖像覆蓋度CC與干物質積累量間極顯著相關[10]；吳秀花等利用照相技術對枸杞地上生物量建立了擬合方程，發現側面照相面積與枸杞的生長狀況密切相關[11]；蘇占雄等利用數碼拍照法對狼牙刺等灌木建立了生物量擬合方程，估算精度較好[12]。由此可見，通過利用圖像無破壞的估測灌木的生物量技術，有效地開展野外調查是目前可行的方法。盡管這些學者對生物量估測模型進行了研究，但吳秀花等在圖像中讀取標尺長度時會引進人為測量誤差，從而導致最后估測模型的結果也存在誤差[11-12]。因此，本研究在前人研究的基礎上，通過利用智能手機攝影測量技術和圖像分析技術對荒漠灌木生物量進行快速、無損、精準估測，尋求一種適用于灌木林大面積野外調查的推廣應用，進而降低勞動強度和數據采集成本，提高灌木林的信息獲取效率，提升森林生態系統資源數據采集的智能化水平。

1材料與方法

1.1研究區概況

研究區位于新疆生產建設兵團第六師，地處天山東段北麓，準噶爾盆地東南緣（43°31′16″～45°33′20″N、86°07′30″～91°11′48″E），屬溫帶大陸性氣候，光照充足，晝夜溫差大，氣溫變化劇烈，降水量少；最高氣溫40～42 ℃，最低氣溫-38～-43 ℃，年均降水量200 mm；海拔420～610 m，地勢由東南向西北傾斜，栽植的作物被列為新疆維吾爾自治區保護的有梭梭[Haloxylon ammodendron（C. A. Mey.） Bunge]、紅柳（Tamarix ramosissima）、新疆阿魏（Ferula sinkiangensis K. M. Shen）、胡楊（Populus euphratica）、西伯利亞落葉松（Larix sibirica Ledeb）等，這些植物都為荒漠固沙起到了十分重要的作用。

1.2圖像數據與地上生物量的獲取

2015年9月下旬，在新疆生產建設兵團第六師102團內選擇生長良好、地徑集中在1.5～10 cm之間、高度在3 m以下、冠幅在30～170 cm范圍之間、并能很好反映試驗區內梭梭實際生長狀況的樣本，樣地設置為30 m×50 m，隨機布設4塊樣地，每塊樣地選取10株樣木，共計40株樣木。拍照前準備好白色背景布、手機（相機）、測量標桿，選擇冠幅為東西面和南北面作為拍攝的側面，以白色背景布作為植株的拍攝背景，拍照時保持背景布與地面垂直，同時在植株右側樹立1根3 m高的測量標桿，保持相機鏡頭和梭梭側面垂直，調節相機與梭梭的水平距離，使相機中相片顯示的最上端和最下端恰好與測量標桿的最高點和最低點重合，以保證最后拍攝照片的實際高度為3 m，每株樣本的東西面與南北面分別拍攝有效照片2張。

拍攝完成后，實地測量并記錄每株梭梭的株高、地徑、冠幅等數據，記錄植株附近的環境要素，將梭梭地上部分全部收割并編號，帶回實驗室截成若干部分，置于真空干燥箱內，在85 ℃恒溫下烘干至恒質量，用精度為1 g的電子天平對每株樣本分別稱質量，逐一記錄下干質量。

1.3圖像數據處理方法

應用Adobe Photoshop CS6電腦版軟件處理圖像，打開圖像后，圖像大小面板中顯示的高度值（H1）即為3 m測量標桿對應的像素大小，記錄此時顯示的H1值，然后根據梭梭灌木植株圖像的最大高度和寬度裁剪照片，調整曲線值，消除因拍攝角度等造成的背景白色差別，從而使梭梭灌木圖像易于從白色背景中區分出來。記錄此時圖像大小面板中顯示的寬度值W和高度值H2，根據公式（1）計算出梭梭的實際高度值（H），求得的數值單位為cm；根據公式（2）計算出梭梭的實際寬度（D）的值。

[JZ（]H=[SX（]300×H2H1[SX）]；[JZ）][JY]（1）

[JZ（]D=[SX（]W×HH2[SX）]。[JZ）][JY]（2）

在直方圖中顯示的像素大小就是整個矩形圖像的像素，記為P。選擇灌木圖像時，經過多次試驗，發現設置取樣大小為3×3平均，容差設置為80時取樣效果較好，可適當調整選區，此時直方圖窗口中顯示的像素值即為所選灌木圖像的像素，記為P1。每株灌木選取圖片效果較好的正面（S正）與側面（S側）各1張，梭梭灌木植株的像元面積（S）可通過公式（3）、（4）、（5）計算：

[JZ（]S正=[SX（]灌木圖像的像素（P1正）×矩形的實際面積（H×D正）矩形像素（P正）[SX）]；[JZ）][JY]（3）

[JZ（]S側=[SX（]灌木圖像的像素（P1側）×矩形的實際面積（H×D側）矩形像素（P側）[SX）]；[JZ）][JY]（4）

[JZ（]S=[SX（]S正+S側2[SX）]。[JZ）][JY]（5）

1.4生物量模型構建

所有數據的統計和檢驗均采用SPSS 19.0和Microsoft Excel 2010 軟件進行。目前在估測喬木和灌木生物量的研究中擬合模型有一元線性函數、冪函數、指數函數等，但最為常見的模型是冪函數模型[13-20]。

在40個樣本中，選取其中30個作為建模樣本，先將梭梭地上生物量與不同自變量進行相關性分析，并根據分析結果，選出最佳的建模數據構建實測生物量與圖像提取的參數構建生物量模型。用剩下的10個樣本作為檢驗樣本，利用檢驗數據預測每株灌木的地上生物量，并與實測值進行比較。采用常用的相關系數（r2）、均方根差（RMSE）對模型的估測值和實測值之間的符合度進行驗證和評價，均方根差可用公式（6）計算。

[JZ（]RMSE=[KF（][SX（]∑[DD（]ni=1[DD）]（yi-y[DD（-1*2][HT6]^[DD）]i）2n[SX）][KF）]。[JZ）][JY]（6）

式中：yi和 y[DD（-1*2][HT6]^[DD）]i分別為實測值和估測值；n為樣本數。

2結果與分析

2.1實測梭梭地上生物量與不同自變量的相關性分析

對各個自變量分別與實測梭梭灌木生物量作相關性分析，結果如表1所示。由表1可見，H、S、D、D2H、DH2、DH與實測梭梭地上生物量均有較好的相關性，以S與地上生物量的相關關系最好，相關系數達0.949，且呈現正相關；其次是D2H，相關系數為0.945。

2.3手機圖像估算地上生物量模型的檢驗

為了檢驗檢測模型的合理性，有必要對所建模型進行精度檢驗。以S（r2值最高）為例，即以S為自變量估測模型進行梭梭地上生物量的反演，將未參加回歸模型的10個檢驗樣本數據代入模型，對地上生物量估測值和實測值的符合度進行檢驗，并繪制估測值和實測值的1 ∶[KG-*3]1比較圖，其擬合優度指數為0.902 8，結果如圖1所示。

2.4實地測量與圖像估測地上生物量的差別

為了檢驗本研究方法與實地測量值估測模型方法的差別，在采集的40個樣本中，利用人工測量側面寬度（D）、高度（H）、冠幅面積（C）等相關參數的建模方法，選擇其中30個作為建模樣本，由于人工測量值無法獲取到側面像元面積（S）值，所以不能利用S為自變量進行建模，用相關性分析結果較好的自變量建立回歸模型，結果如表4所示。

從表4中的r2值可以看出，只有以DH2為自變量建立模型的r2值（0.814 9）高于利用圖像提取DH2為自變量建立模型的r2值（0.801 7），其他以D、D2H、DH、CH為自變量建立的r2值分別為0.920 7、0.927 5、0.877 4、0.799 9，均不如手機圖像估測生物量模型的r2值高。使用未參加回歸模型的10個樣本進行驗證，對地上生物量估測值和實測值的符合度進行檢驗，以D為自變量檢驗時，擬合優度指數為0.861 2，以D2H檢驗時，擬合優度指數為0.884 9，以DH2檢驗時，擬合優度指數為0.811 6，以DH檢驗時，擬合優度指數為[JP2] 0.852 5。通過實地測量方法得到的生物量估測模型相對誤差值為8.72%～45.13%，相對平均誤差為14.31%。而利用手機圖像提取的梭梭灌木像元面積（S）值為自變量進行擬合時，相對誤差為10.178%～44.98%，相對平均誤差為13.26%，由此可見，利用圖像提取出S值所建立的估測模型相對平均誤差略低于以實地測量值所建立估測模型的相對平均誤差。因此，以灌木像元面積（S）為自變量建立模型的方法是切實可行的，能夠更準確、快速、無損估算梭梭灌木地上生物量。[JP]

3結論與討論

本研究以40株梭梭灌木地上生物量為例，利用冪函數構建側面像元面積（S）與梭梭灌木的地上生物量模型，對實地測量與圖像估測地上生物量這2種方法進行詳細的對比分析，得知圖像估測方法能有效估測梭梭地上生物量，擬合效果比較接近。總體而言，本研究所選用圖像估測幾種方法的精度都相對較高，這與蘇占雄等利用數碼相片估算狼牙刺等灌木生物量模型中結論[12]基本一致。

利用含有S的估測模型對梭梭地上生物量進行預測，估測值與實測值的相關系數為0.902 8，可計算出梭梭灌木的地上生物量值，顯示了利用手機圖像估測單株梭梭灌木生物量的可行性。其方法新穎，數據獲取速度快，能夠實現無損測量，可解決傳統人工目測和手工測量方法帶來的誤差，減少主觀人為因素，節省人力、物力，也節約獲取梭梭灌木地上生物量的時間，對于無損獲取梭梭灌木這種國家二級保護植物的生物量來講，具有很大的應用價值。

對于梭梭灌木的樹冠距離地面較近、近地面分枝較多來說，植株的顏色與地面的顏色不易區分，在提取有效的拍照面積時須要進行深入的探究，林齡較大的植株較高，在梭梭生長密集的區域內通過手機數碼相機進行拍攝就較為困難，在下一步利用智能手機平臺來處理圖像時要克服智能手機無專門的圖形加速器，需要計算量小、占用內存空間少的特性，這些問題都需要在今后的研究中進一步的探索。利用圖像分析技術對荒漠灌木生物量進行無損快速估測，可以降低勞動強度和數據采集成本，提升森林生態系統資源數據采集的智能化水平，具有一定的實際意義。

參考文獻：

[1]趙芳. 測樹因子遙感獲取方法研究[D]. 北京：北京林業大學，2014.

[2]喬永平. 森林資源產權場內交易分析——基于南方林業產權交易所的數據[J]. 江蘇農業科學，2014，42（9）：430-433.

[3]王遠，王德建，張剛，等. 基于數碼相機的水稻冠層圖像分割及氮素營養診斷[J]. 農業工程學報，2012，28（17）：131-136.

[4]白金順，曹衛東，熊靜，等. 應用數碼相機進行綠肥翻壓后春玉米氮素營養診斷和產量預測[J]. 光譜學與光譜分析，2013（12）：3334-3338.

[5]張慧春，鄭加強，周宏平. 精確林業GPS信標差分定位精度分析[J]. 農業工程學報，2011，27（7）：210-214.

[6]賈彪. 基于計算機視覺技術的棉花長勢監測系統構建[D]. 石河子：石河子大學，2014.

[7]Sah J P，Ross M S，Koptur S，et al. Estimating aboveground biomass of broadleaved woody plants in the understory of Florida Keys pine forests[J]. Forest Ecology&Management，2004，203（1）：319-329.

[8]Damiran D，Delcurto T，Johnson D E，et al. Estimating shrub forage yield and utilization using a photographic technique[J]. Northwest Science，2006，80（4）：259-263.

[9]Foroughbakhch R R，Reyes G，Alvarado V A，et al. Use of quantitative methods to determine leaf biomass on 15 woody shrub species in northeastern Mexico[J]. Forest Ecology&Management，2005，216（1）：359-366.[ZK）]

[10]李榮春，陶洪斌，張竹琴，等. 基于圖像處理技術的夏玉米群體長勢監測研究[J]. 玉米科學，2010（2）：128-132.

[11]吳秀花，劉清泉，郭永盛，等. 基于照相技術的枸杞地上生物量模型研究[J]. 林業調查規劃，2014，39（5）：20-24.[ZK）][HT][HJ][HT][FL）]

[KH*4D]

[HT8.]

[12]蘇占雄，石輝，郭晉偉，等. 利用數碼照片估算灌木地上生物量的研究[J]. 安徽農業科學，2010，38（7）：3620-3624.

[13]孫偉，馬志波，曹姍姍，等. 林業資源數據特征分析[J]. 西北林學院學報，2014，29（6）：200-206，233.

[14]尹英姬. 基于數字攝影測量的森林調查因子的提取[D]. 哈爾濱：東北林業大學，2012.

[15]閆飛. 森林資源調查技術與方法研究[D]. 北京：北京林業大學，2014.

[16]何列艷，亢新剛，范小莉，等. 長白山區林下主要灌木生物量估算與分析[J]. 南京林業大學學報（自然科學版），2011，35（5）：45-50.

[17]萬里強，李向林，蘇加楷，等. 長江三峽地區灌木生物量及產量估測模型[J]. 草業科學，2001，18（5）：5-10，15.

[18]黃勁松，邸雪穎. 帽兒山地區6種灌木地上生物量估算模型[J]. 東北林業大學學報，2011，39（5）：54-57.

[19]孫欽平，李吉進，鄒國元，等. 應用數字圖像技術對有機肥施用后玉米氮營養診斷研究[J]. 光譜學與光譜分析，2010（9）：2447-2450.

[20]李飛飛，呂國瑋，劉濤，等. 北京地區喬木郁閉度測量研究[J]. 林業資源管理，2011（1）：91-95，99.[ZK）][HT][HJ][FL）]