一種利用可見光波段無人機(jī)遙感的林下植被覆蓋識(shí)別方法

朱雄斌， 汪小欽， 周小成

(福州大學(xué)空間數(shù)據(jù)挖掘和信息共享教育部重點(diǎn)實(shí)驗(yàn)室， 福建省空間信息工程研究中心， 福建 福州 350116)

0 引言

林下植被作為森林生態(tài)系統(tǒng)的一個(gè)重要組成部分， 在維持生態(tài)系統(tǒng)的多樣性、 生態(tài)系統(tǒng)功能的穩(wěn)定性、 森林生態(tài)系統(tǒng)營(yíng)養(yǎng)元素的積累和循環(huán)、 水土涵養(yǎng)方面有重要的生態(tài)作用[1-3]， 尤其在水土保持方面， 林下植被的作用尤為突出[4-6]. 如何利用遙感技術(shù)開展林下植被覆蓋狀態(tài)監(jiān)測(cè)與研究一直是相關(guān)領(lǐng)域的難點(diǎn)問題. 當(dāng)前林下植被覆蓋監(jiān)測(cè)的相關(guān)研究主要是通過激光雷達(dá)(light detection and ranging, LIDAR)技術(shù)來開展[7-10]. 但是該方法存在諸多不足， 如林下植被信息受林上冠層干擾嚴(yán)重， 激光點(diǎn)云數(shù)據(jù)限于局部或樣地尺度， 相對(duì)于光學(xué)遙感數(shù)據(jù)， LIDAR數(shù)據(jù)的獲取和處理成本均較大等[11-12]. 當(dāng)影像的空間分辨率足夠高， 喬木冠層沒有完全閉合時(shí)， 理論上利用光學(xué)遙感影像是可以通過監(jiān)測(cè)喬木林間空地的植被覆蓋情況推斷林下植被覆蓋狀況的. 近些年新興的無人機(jī)遙感技術(shù)具有成本低、 操作簡(jiǎn)單、 獲取影像速度快、 地面分辨率高等傳統(tǒng)遙感技術(shù)所無法比擬的優(yōu)勢(shì)， 為林下植被覆蓋監(jiān)測(cè)提供了可能[13-14]. 基于無人機(jī)遙感的植被指數(shù)更是拓展了其應(yīng)用領(lǐng)域范圍[15-19]， 其中歸一化紅綠差異指數(shù)NGRDI作為一種典型可見光植被指數(shù)， 具有構(gòu)建簡(jiǎn)單、 不同地物識(shí)別精度高等優(yōu)點(diǎn)而得到廣泛的應(yīng)用[20]. 但是這些研究大多數(shù)集中在作物生物量以及農(nóng)作物產(chǎn)量估算等方面[21-23]， 而利用NGRDI指數(shù)識(shí)別植被類別的相關(guān)研究較為少見. 本研究針對(duì)目前應(yīng)用最為廣泛的僅含有可見光波段的無人機(jī)影像， 擬采用NGRDI植被指數(shù)并結(jié)合面向?qū)ο蠹夹g(shù)， 以期獲得一種快速識(shí)別林下植被覆蓋的方法.

1 材料與方法

1.1 可見光無人機(jī)影像獲取

采用2015年所拍攝的福建省長(zhǎng)汀縣河田鎮(zhèn)朱溪河小流域無人機(jī)遙感影像為例進(jìn)行試驗(yàn). 研究區(qū)域地處116°16′～116°30′E， 25°35′～25°46′N， 流域地勢(shì)自東北向西南傾斜， 海拔268～684 m， 氣候?qū)賮啛釒Ъ撅L(fēng)氣候， 災(zāi)害性天氣較多， 年平均氣溫18.3 ℃， 年降水量1 500 mm， 流域內(nèi)地形復(fù)雜， 山地丘陵地貌且以低山為主， 地勢(shì)陡峭[13].

注： 圖中標(biāo)注綠色五角星為實(shí)地考察部分點(diǎn)位 圖1 研究區(qū)域無人機(jī)影像Fig.1 UAV images of study area

拍攝采用大疆SPREADING WINGS S900無人機(jī)， 搭載索尼NEX- 5N數(shù)碼相機(jī)， 焦距為21.754 788 mm的最高分辨率為4 912 px × 3 264 px. 福建省森林基本以常綠喬木為主， 受季相影響較小； 而草本植被受季相影響較大， 夏季長(zhǎng)勢(shì)較好， 冬季基本枯黃， 不利于草本植被的監(jiān)測(cè). 為更好地監(jiān)測(cè)林下植被狀態(tài)， 影像拍攝時(shí)間選擇在2015年8月中上旬， 拍攝高度為300 m， 拍攝時(shí)無風(fēng)無云， 天氣狀況較為良好. 影像具有3個(gè)可見光波段， 其中心波長(zhǎng)分別為660、 532、 435 nm， 空間分辨率為0.1 m. 由于影像具有超高空間分辨率的特點(diǎn)， 選取影像中包含地物類別豐富且較具代表性的區(qū)域影像開展方法研究(如圖1所示)， 影像中包含11 468像元×8 558像元， 面積約為3.9 km2.

1.2 研究方法

根據(jù)地理學(xué)第一定律可知： 空間上越接近的地方屬性越相似； 距離越接近的兩個(gè)地物， 其空間聯(lián)系以及交互作用越強(qiáng). 據(jù)此推定： 在一定尺度范圍內(nèi)地表植被覆蓋情況具有相似性. 即對(duì)林地分割所獲得對(duì)象的林間空地為裸土地時(shí)， 可推斷該對(duì)象內(nèi)喬木林下無植被覆蓋； 當(dāng)林間為草本植被覆蓋時(shí)， 則該對(duì)象內(nèi)喬木林下有植被覆蓋. 因此， 既需要從像元角度分析喬木、 草本和裸土的光譜特征， 也需要把研究區(qū)域分割成一定大小的對(duì)象單元， 分析判斷不同對(duì)象單元內(nèi)是喬木和草本的組合， 還是喬木和裸土的組合.

1.2.1 光譜特征分析

理論上， 只要森林郁閉度低于100%， 遙感影像的空間分辨率足夠高， 林間的裸土或灌草等信息是可以被識(shí)別的. 所獲取無人機(jī)影像空間分辨率高達(dá)0.1 m， 認(rèn)為不存在混合像元， 林下植被覆蓋狀況可以得到較好反映， 如圖2所示.

由于林地是否有植被覆蓋是以尺度分割對(duì)象為研究對(duì)象的， 林下無植被覆蓋指的是在分割對(duì)象范圍內(nèi)地表覆蓋是由喬木和裸土組成， 林下有植被覆蓋指的是在分割對(duì)象范圍內(nèi)地表覆蓋是由喬木和草地組成. 為觀察不同地物在光譜上的可分離性， 分別從像元尺度和對(duì)象尺度對(duì)典型地表覆蓋的光譜特征進(jìn)行統(tǒng)計(jì)(如圖3所示). 在像元尺度上， 統(tǒng)計(jì)喬木、 草地、 裸土等地表覆蓋在不同波段的光譜特征(包括最大值、 最小值、 平均值及標(biāo)準(zhǔn)偏差等)， 其中喬木受到地形起伏等因素影響導(dǎo)致光譜差異顯著， 故分為受地形影響喬木和不受地形影響喬木分別統(tǒng)計(jì). 在對(duì)象尺度， 統(tǒng)計(jì)林下有植被和林下無植被兩類對(duì)象的光譜差異.

圖2 林下無植被與林下有植被覆蓋典型區(qū)域Fig.2 Typical area of forest understory with vegetation or not

圖3 典型地物在可見光波的光譜差異Fig.3 Spectral difference of visible light between typical objects

從圖3(a)中可以看出， 在像元尺度上： 1) 喬木、 草地和裸土在可見光波段的區(qū)分度總體上還是比較大的, 但也存在部分同物異譜和異物同譜交叉的現(xiàn)象； 2) 喬木綠光波段大于紅光波段， 不受地形影響喬木光譜曲線滿足ρgreen>ρred>ρblue， 符合典型健康植被光譜曲線， 而受地形影響的喬木光譜曲線為ρblue>ρgreen>ρred， 且像元值均處于較低水平； 3) 草地與不受地形影響喬木的光譜趨勢(shì)基本一致， 均是綠光波段最大， 但是草地的像元值要高于對(duì)應(yīng)波段上喬木的像元值； 4) 裸土的像元值最高， 且隨著波長(zhǎng)增大而增加， 光譜曲線滿足ρred>ρgreen>ρblue. 從圖3(b)中可以看出， 在對(duì)象尺度上： 1) 林下無植被覆蓋區(qū)域光譜值均大于林下有植被覆蓋區(qū)域?qū)?yīng)波段的光譜值， 且與健康植被光譜特征曲線有著相同的變化趨勢(shì)； 2) 林下有植被覆蓋區(qū)域和林下無植被覆蓋區(qū)域在各個(gè)波段光譜值混淆嚴(yán)重.

1.2.2 歸一化紅綠差異指數(shù)NGRDI特征分析

上述分析可知， 不同地物在各個(gè)波段光譜值均存在交叉現(xiàn)象， 僅利用波段原始信息無法很好地區(qū)分出不同的地物， 故引入植被指數(shù)， 最大程度提高植被與非植被、 喬木與草地的可分性. 植被指數(shù)， 本質(zhì)上是基于綠色植被在不同波段光譜特征具有明顯差異， 在綜合考慮各光譜信號(hào)的基礎(chǔ)上， 把多波段反射率通過一定的數(shù)學(xué)變換， 使其在增強(qiáng)植被信息的同時(shí)， 非植被信息最小化[24-25]. 對(duì)于只含有可見光波段的遙感數(shù)據(jù)， 綠色植被具有在綠光通道的反射率高， 在紅光和藍(lán)光波段通道的反射率低的特點(diǎn). 因此, 通常將綠光通道與紅或藍(lán)光通道光譜值進(jìn)行運(yùn)算生成可見光植被指數(shù)， 其中NGRDI指數(shù)具有構(gòu)建簡(jiǎn)單， 并且能夠消除不同輻照度對(duì)植被光譜特征影響等優(yōu)點(diǎn)， 計(jì)算公式為：

(1)

式中： DNG、 DNR分別代表紅、 綠波段的DN值； NGRDI取值范圍為-1～1.

為對(duì)比分析NGRDI指數(shù)較其它常見可見光植被指數(shù)在識(shí)別不同地物能力的差異性， 選擇了過綠指數(shù)[16](EXG)、 歸一化藍(lán)綠差異指數(shù)[26](NGBDI)、 可見光波段差異指數(shù)[13](VDVI)， 并對(duì)不同指數(shù)結(jié)果進(jìn)行對(duì)比分析， 以便篩選出合適的植被指數(shù)用于林下植被覆蓋識(shí)別.

以圖2(a)中無人機(jī)影像為研究對(duì)象， 其各植被指數(shù)計(jì)算結(jié)果如圖4所示. 可以發(fā)現(xiàn)： 1) NGRDI中喬木亮度最高、 草地亮度次之呈灰色、 裸地呈黑色， 在受地形起伏影響較大處的喬木區(qū)域的亮度值并未受到明顯影響， 這說明NGRDI不僅能夠較好區(qū)分三種不同地物同時(shí)也能夠較好消除地形因子影響； 2) 其他指數(shù)下不同地物之間混淆嚴(yán)重， 且指數(shù)值受地形影響嚴(yán)重， 故不適合用于不同地類的識(shí)別.

圖4 各植被指數(shù)計(jì)算結(jié)果局部圖Fig.4 Calculation results of each vegetation index

上述植被指數(shù)中， NGRDI、 NGBDI和VDVI值的范圍為[-1, 1]， 而EXG的值取值范圍為[-255，255]. 為了更好地比較不同植被指數(shù)之間的差異， 將EXG指數(shù)值除以255從而歸一化到[-1,1]. 分別計(jì)算像元尺度和對(duì)象尺度各植被指數(shù)統(tǒng)計(jì)特征值， 如圖5所示.

圖5 不同植被指數(shù)下地物統(tǒng)計(jì)特征值Fig.5 Vegetation index value of different type objects

從圖5(a)中可以看出： 1) NGRDI不同地物特征值區(qū)分明顯且僅存在局部交叉現(xiàn)象， 屬于相同地類的受地形影響喬木特征值與不受地形影響喬木特征值相近， 且均明顯高于其他地類的特征值， 這進(jìn)一步說明NGDRI能夠很好地消除地形因素影響； 2) EXG指數(shù)中受地形影響喬木和裸土特征值混淆嚴(yán)重， VDVI不受地形影響喬木和草地之間以及受地形影響喬木與裸土特征值混淆嚴(yán)重， NGBDI受地形影響喬木與不受地形影響喬木的特征值差距較大， 且裸土特征值與這兩者交叉嚴(yán)重， 故上述指數(shù)不適合用于林下植被覆蓋識(shí)別. 從圖5(b)中可以看出： 1)NGRDI指數(shù)中， 雖然林下有植被覆蓋最小值與林下無植被覆蓋最大值存在局部交叉， 但兩者均值與標(biāo)準(zhǔn)差范圍內(nèi)基本沒有重疊現(xiàn)象； 2)EXG、 NGBDI、 VDVI指數(shù)中林下有植被覆蓋與林下無植被覆蓋的特征值均存在較嚴(yán)重交叉， 這表明以上幾種植被指數(shù)無法有效區(qū)分林下有/無植被覆蓋對(duì)象. 綜合以上分析可以認(rèn)為， 采用NGRDI指數(shù)進(jìn)行林下植被覆蓋識(shí)別是可行的.

1.2.3 林下植被覆蓋識(shí)別方法

通過以上像元級(jí)和對(duì)象級(jí)光譜特征和常用植被指數(shù)的分析可知， NGRDI在林下植被覆蓋識(shí)別上有較大的優(yōu)勢(shì). 在尺度分割、 林地信息提取過程的基礎(chǔ)上， 通過NGRDI提取林下植被覆蓋區(qū)域. 其技術(shù)流程如圖6所示.

1) 尺度分割. 由于林下植被覆蓋是針對(duì)若干像元組成的對(duì)象而言， 如何選擇合適的分割尺度適用于后續(xù)林地信息提取以及林下植被覆蓋識(shí)別是關(guān)鍵的一步. 分割尺度選擇原則是在保證不同地類具有明顯分界線的前提下盡可能使分割的結(jié)果具有完整性. 通過實(shí)驗(yàn)發(fā)現(xiàn)， 無人機(jī)影像分割尺度設(shè)為135像素時(shí)， 分割的結(jié)果更具有代表性.

2) 林地信息提取. 為排除非林地(水泥地、 屋頂瓦、 裸土、 梯田)對(duì)林下植被覆蓋識(shí)別的干擾， 需進(jìn)行林地信息提取. 在尺度分割基礎(chǔ)上， 選擇合適的訓(xùn)練樣本， 并根據(jù)訓(xùn)練樣本間的特征差異(光譜特性、 亮度、 形狀以及紋理)將原始影像分成林地和非林地兩類， 由于部分草地也被分割成獨(dú)立對(duì)象， 為使后續(xù)研究更具嚴(yán)謹(jǐn)性， 故將草地單獨(dú)分為一類.

3) 林下植被覆蓋識(shí)別. 在林地信息提取的基礎(chǔ)上， 根據(jù)已篩選出來的歸一化綠紅差異指數(shù)(NDRGI)， 利用尺度分割方法獲取林下有植被覆蓋和林下無植被覆蓋這兩種對(duì)象. 由于不同地物NDRGI值差距明顯， 故包含喬木和草地的對(duì)象與包含喬木和裸土的對(duì)象之間NDGRI值差異也較為明顯， 最后選擇合適閾值將這兩種不同對(duì)象提取出來， 從而達(dá)到林下植被覆蓋識(shí)別目的， 并對(duì)提取結(jié)果進(jìn)行精度驗(yàn)證. 需要說明的是， 當(dāng)某一區(qū)域植被郁閉度非常大時(shí)， 由于上層冠木層的遮擋， 利用無人機(jī)影像無法判斷該區(qū)域是否屬于林下有植被區(qū)域， 但是通過實(shí)地考察發(fā)現(xiàn)這種類型區(qū)域均具有完整的植被層次結(jié)構(gòu)， 故可將這部分區(qū)域視為林下有植被區(qū)域. 因此， 林下無植被覆蓋區(qū)域是指在分割對(duì)象范圍內(nèi)郁閉度為0.2～0.7， 且地表無草地覆蓋的區(qū)域； 林下有植被覆蓋是指在分割對(duì)象范圍內(nèi)郁閉度為0.2～0.7， 但是地表有草地覆蓋， 或者郁閉度大于0.7區(qū)域.

圖6 林下植被覆蓋狀況識(shí)別技術(shù)流程Fig.6 Technique flow of recognizing vegetation cover of undergrowth

2 結(jié)果分析與討論

圖7 林下植被覆蓋狀況分布Fig.7 Distribute vegetation cover of undergrowth

利用以上所提出的方法， 完成實(shí)驗(yàn)區(qū)林下植被覆蓋狀況識(shí)別， 如圖7所示.

2.1 精度評(píng)價(jià)

為客觀評(píng)價(jià)林下植被覆蓋狀況分布的精度， 根據(jù)野外實(shí)地考察點(diǎn)和計(jì)算機(jī)隨機(jī)生成點(diǎn)位相結(jié)合開展結(jié)果驗(yàn)證， 共200個(gè)點(diǎn)均勻地分布在整個(gè)試驗(yàn)區(qū)域之中. 通過誤差矩陣表獲得生產(chǎn)者精度和用戶精度(如表1所示)， 并計(jì)算總精度和Kappa系數(shù).

從表1可以看出， 林下有植被和林下無植被總體精度為85.9%， Kappa系數(shù)為0.78， 總體分類精度較高. 林下有植被區(qū)域生產(chǎn)者精度和用戶精度分別為89.4%和85.0%， 表明本方法可以很好地識(shí)別林下有植被區(qū)域； 而林下無植被區(qū)域生產(chǎn)者和用戶精度分別為64.8%和77.8%， 表明林下無植被識(shí)別精度還有待進(jìn)一步提升， 造成這種現(xiàn)象的原因?yàn)榱窒聼o植被區(qū)域與林下有植被區(qū)域之間邊界難以精確界定， 分割尺度的選擇需要進(jìn)一步優(yōu)化等.

表1 林下植被覆蓋狀況分布混淆矩陣

2.2 方法適用性分析

為驗(yàn)證林下植被覆蓋識(shí)別方法的適用性和可靠性， 選取與實(shí)驗(yàn)影像同一時(shí)間段拍攝的福建省長(zhǎng)汀縣朱溪河小流域中另一區(qū)域的影像(如圖8(a)所示)作為驗(yàn)證區(qū)， 開展林下植被覆蓋情況識(shí)別. 影像計(jì)算的NDRGI結(jié)果及林下植被覆蓋識(shí)別結(jié)果如圖8(b)和8(c)所示.

圖8 驗(yàn)證區(qū)計(jì)算結(jié)果Fig.8 Results of validation area

對(duì)驗(yàn)證區(qū)林下植被覆蓋情況進(jìn)行精度檢驗(yàn)， 參考數(shù)據(jù)是基于野外實(shí)地考察下的人機(jī)交互解譯獲得(如圖9(a)所示)， 精度檢驗(yàn)結(jié)果(如圖9(c)、 9(d)所示)是由自動(dòng)識(shí)別區(qū)域(如圖9(b)所示)與參考結(jié)果對(duì)比得出的， 其結(jié)果是由正確識(shí)別區(qū)域、 錯(cuò)誤識(shí)別區(qū)域、 漏識(shí)別區(qū)域組成.

圖9 林下有/無植被覆蓋識(shí)別結(jié)果與精度檢驗(yàn)圖Fig.9 Recognition and precision interpretation of forest understory with vegetation or not

精度檢驗(yàn)公式如下：

(2)

式中： DR、 FAR、 MAR分別為正確率、 虛警率、 漏警率； TP為正確提取的林下無植被覆蓋區(qū)像元數(shù)量； FP為錯(cuò)誤提取的林下無植被覆蓋區(qū)像元數(shù)量； FN為未提取的林下無植被覆蓋區(qū)像元數(shù)量； TP+FN表示真值中林下無植被覆蓋區(qū)像元數(shù)量； TP+FP表示自動(dòng)提取的林下無植被覆蓋區(qū)像元數(shù)量. 林下有/無植被覆蓋識(shí)別的精度如表2所示.

表2 林下有/無植被覆蓋識(shí)別結(jié)果精度表

根據(jù)表2的精度評(píng)價(jià)， 整體上， 林下有植被覆蓋區(qū)域的精度高于林下無植被區(qū)域， 林下有植被區(qū)域的正確率高于林下無植被覆蓋區(qū)域， 而虛警率和漏警率均低于無植被區(qū)域. 驗(yàn)證影像中林下無植被覆蓋識(shí)別精度正確率達(dá)到82.9%、 林下有植被覆蓋識(shí)別精度正確率達(dá)到95.1%， 這說明當(dāng)影像地類單一時(shí)林下植被覆蓋識(shí)別精度能夠進(jìn)一步得到提升.

3 結(jié)語

1) 歸一化綠紅差異指數(shù)NGRDI不僅可以很好區(qū)分喬木、 草地和裸土等典型地表覆蓋， 也能消除地形因素對(duì)喬木帶來的影響， 同時(shí)也能夠較好地區(qū)分林下有植被覆蓋和林下無植被覆蓋區(qū)域.

2) 充分利用無人機(jī)影像的高空間分辨率特征， 實(shí)現(xiàn)了以NGRDI為主要特征的面向?qū)ο蟮牧窒轮脖桓采w識(shí)別的方法， 方法簡(jiǎn)單易用.

3) 利用本方法對(duì)林下植被識(shí)別的總體精度大于80%， 其中林下有植被覆蓋識(shí)別精度高于林下無植被覆蓋區(qū)域， 說明本方法識(shí)別林下植被覆蓋是可行的.