基于無人機影像的植被覆蓋度估算研究

劉麗 王濤 陳陽

摘 要：隨著無人機技術的不斷成熟，無人機已被廣泛應用于林業、農業、應急監測等各個方面。本文通過對無人機獲取研究區可見光影像信息，再利用Pix4DMapper軟件對無人機獲取的圖像進行處理，生成研究區的DOM，在ENVI軟件的支持下進行背景閾值掩膜裁剪，分析其植被指數，估算研究區域植被覆蓋度，對林業調查、農業監測等研究提供一定的參考。

關鍵詞：無人機;DOM;閾值掩膜;植被指數;植被覆蓋度

中圖分類號：P237 文獻標識碼：A

Abstract：With the development of UAV technology，UAV has been widely used in forestry，agriculture，emergency monitoring and other aspects.In this paper，through the UAV to obtain the visible image information of the study area，and then use pix4dmapper software to process the image acquired by the UAV to generate the DOM of the research area.With the support of ENVI software，the background threshold mask is cut，the vegetation index is analyzed，and the vegetation coverage of the research area is estimated，which provides certain reference for the research of forestry investigation and agricultural monitoring.

Key words：UAV;DOM;Threshold mask;Vegetation index;Vegetation coverage

無人機（unmanned aerial vehicle，UAV）是指通過無線電遙控與規劃航線飛行的無人駕駛飛機[1]。在植被覆蓋度的估算和提取方面，很多學者開始運用無人機進行相關研究分析。如利用無人機影像對所獲植被的紋理、結構、光譜等進行研究;對作物生長狀況或病蟲害現象進行實時監測等。目前，無人機技術在遙感領域所發揮的作用越來越重要，成為不可或缺的一部分[2]。植被覆蓋度是指植被（包括葉、莖、枝）在地面的垂直投影面積占統計區域總面積的百分比，是衡量地表植被覆蓋狀況的一個重要指標[3]。不同區域的植被覆蓋度是不同的，對其區域的生態環境影響也不同。

1 研究區域及影像數據采集

1.1 研究區域概況

根據無人機影像高分辨率的特點，研究選取了具有代表性的地物類型豐富的區域來開展影像數據的采集。本文研究區域位于云南省玉溪市元江縣的某村民小組，該地區植被茂盛，地表覆蓋狀況良好。研究區內含植被、房屋、道路、裸地等，地物要素種類多樣。

1.2 影像數據采集

無人機采集影像前需要航線進行規劃設計，包括飛行高度、飛行速度、航攝重疊度等，如果要進行工程應用，還需在合適的位置布設地面像控點。本次航拍飛行高度為80m，飛行速度為6m/s，航向重疊度和旁向重疊度均為85%，采用規劃好的航線進行影像采集。

1.3 影像數據處理

數據采集完成后，利用Pix4DMapper軟件對無人機航空影像進行處理，獲取該研究區域的DOM，如下圖1所示。

2 植被覆蓋度估算研究

2.1 背景閾值掩膜裁剪

背景閾值掩膜的目的是剔除植被以外的地物類型。在掩膜之前首先需要確定閾值，然后把背景掩膜成0值或一個固定的值，本文通過ENVI中的Raster Color Slice工具調整閾值，最終確定較為合適的閾值為0.04。

閾值確定后，啟動Band Math波段計算器，輸入如下公式：

上式中若像元值大于等于0.04則保持不變;若像元值小于0.04則更改為0。掩膜完成后對多余的部分進行裁剪。

2.2 植被指數分析

植被指數是根據植被的光譜特征、紋理、結構信息等，將衛星可見光與近紅外波段進行組合，形成的各種植被指數。目前在遙感領域中提出的植被指數有100多種[4]，而大部分是以可見光——近紅外為基礎。

相對于衛星遙感來說，無人機可見光缺少近紅外波段，只有紅、綠、藍三個波段，衛星遙感數據獲取的植被指數不能應用到可見光波段[5]，而且獲取的無人機影像不包含波長信息，需手動添加。

在實際操作中本文使用了VDVI（可見光波段差異植被指數）。VDVI也叫做GLI（Green Leaf Index），它們所使用的公式都是同一個，如下：

GLI=（Green-Red）+（Green-Blue）（2*GREEN）+Red+Blue（2）

2.3 植被覆蓋度提取

植被指數計算完成后，加載圖像，在波段計算器中去除異常值、歸一化等，啟動ENVI中的精準農業工具包（envicropscienceXXX-win.exe），在此工具中計算植被覆蓋度，從而提取研究區的植被覆蓋度，最后輸出其矢量圖，如圖2所示。

圖中植被覆蓋度劃分的標準如下表所示：

由此可知，在精準農業工具包中做了歸一化處理后就可得到研究區的植被覆蓋度，因為在正常情況下，標準的VDVI指數值范圍應同NDVI一樣，都介于-1～1之間，發現異常值，則需排除異常值，用VDVI來做歸一化處理，DN值累計百分率在5%以下的全部規定為0，即沒有植被覆蓋，為裸地;DN值累計百分率在95%以上的全部規定為1，即純粹的植被覆蓋，該值歸一化后DN值在10%以下的全為裸地，研究區中植被覆蓋度的值在0～1之間，越接近1，說明覆蓋度越大。

通過計算機統計可知，研究區域的植被面積為40831835108m2，研究區域的總面積為72575.904136m2，即區域植被面積與區域總面積的比值約為56.26%，但值得注意的是，所得的這個比值并不是所要計算的植被覆蓋度，而是植被覆蓋的比率，真正的植被覆蓋度在歸一化處理后就可直接在Compute Statistics中得知，即該研究區的植被覆蓋度均值為82%，但其提取的精度會受到植被陰影及具有覆蓋現象的突出地物的影響。

3 結論

植被覆蓋度的高低對一個地區的水土保持、水源涵養、區域氣候等方面發揮著重要的作用，結果表明VDVI在無人機影像植被覆蓋度提取中所發揮的作用較明顯，但由于其只應用于無人機影像中，大多數只有三個波段，波段數目少，很容易受水泥路、房屋、樹木陰影等有覆蓋現象的突出地物的干擾，從而影響提取的精度。

參考文獻：

[1]鄒湘伏，何清華，賀繼林.無人機發展現狀及相關技術[J].飛航導彈，2006（10）：9-14.

[2]李冰，劉镕源，劉素紅，劉強，劉峰，周公器.基于低空無人機遙感的冬小麥覆蓋度變化監測[J].農業工程學報，2012，28（13）：160-165.

[3]楊敏瑩，陳秋艷，王杰.干熱河谷的植被覆蓋度算法應用研究——以元謀為例[J].水土保持應用技術，2019（01）：26-29.

[4]傅銀貞，汪小欽.基于北京一號CCD數據的植被指數特性分析[J].測繪科學，2010，35（06）：35-38.

[5]謝兵，楊武年，王芳.無人機可見光光譜的植被覆蓋度估算新方法[J].測繪科學，2020，45（09）：72-77.

基金項目：無人機傾斜攝影測量技術在礦山地形測繪方面的應用（201911390023）

作者簡介：劉麗（1999— ），女，彝族，云南鎮沅人，學生，研究方向：土地資源管理。

*通訊作者：王濤（1987— ），男，漢族，陜西西安人，碩士，助教，研究方向：無人機影像數據處理。