方格法与数字图像法测定盐碱化草地植被盖度的比较

关法春，梁正伟，王忠红，关志华

（1.西藏农牧学院植物科学技术学院，西藏 林芝 860000；2.中国科学院东北地理与农业生态研究所，长春 130012）

植被依据生态系统中肥、水、热、气等状况，调控其内部与外部的物质、能量交换[1]，植被盖度的变化是地球内部因素（成土母质、土壤类型、水文状况等）与外部因素（气温、降水、湿度等）的综合作用结果[2]，可为生态、植物、水土保持、土壤等领域的定量研究提供基础数据，是区域生态系统环境变化的重要指示。在草地监测和评价中，盖度常常被作为反映植被群落结构的一个重要数量指标来使用[3]，植被盖度的测算是否精准很大程度上影响着与之相关的研究结论是否科学合理。

在草地植物群落野外调查中，盖度的测定方法有样方图解法、样点截取法、目测法和方格法等[4-7]。其中常用的是目测法和方格法，目测法简单、快捷，但是受人为主观因素影响较大；与之相比，方格法在测量盖度指标时相对更常用一些，准确度稍高，也较为简便，但估测的结果准确度也不高。可见，当前草地植被盖度测量中急需一种既准确度高又简单方便的测量技术。

随着现代科技的发展，现代数字图像法已广泛应用于多种环境下的植被盖度测量工作中[8-11]，但在盐碱化草地植被盖度的测量方面应用较少。本文以传统的方格法和现代数字图像法进行精度评价和应用评价的对比，分析小样方尺度（1 m×1 m）下盐碱化草地植被覆盖度不同测算方法的特点、优势和不足，以期建立精准、快速的盐碱化草地植被覆盖度测算方法。

1 研究区概况

试验于2007年8月下旬，在中国科学院东北地理与农业生态所碱地生态试验站内进行，该站位于松嫩平原西部吉林省大安市红岗子乡境内（45°35′58″N～45°36′28″N，123°50′27″E～123°51′31″E），占地面积约100 hm2。该地区属典型大陆性季风气候，冬夏季风更替明显，温差较大。年均气温4.3℃，7月份平均气温23.5℃，年均降水量413.7 mm，且7～9月份降水量占年降水量的73%，年均蒸发量1 749.0 mm，为降水量的4～5倍，年均日照时数2 972.1 h，年均太阳有效辐射量2 568.7 MJ·m-2，≥10℃年积温2 921.3℃，年无霜期137 d[12]。该地区地势较平坦，草地由于人为过度放牧已发生严重的盐碱化，其植被组成较简单均一，主要建群种有虎尾草（Chlorisvirgata），角碱蓬（Suaeda glauca）、星星草（Puccinellia tenuiflora）等。

2 研究方法

2.1 盖度测定方法

在站区选择不同盖度的样地，在样地上随即选取1 m×1 m的样方，分别采用传统方格法和现代数字图像处理法对同一样方内的植被盖度进行测量，重复测定3次。数据采用DPS软件进行差异显著性分析。

2.1.1 方格法

自制长、宽、高分别为0.5 m、0.5 m、0.1 m，内含250个小方格的方格框。将待测1 m×1 m的样方均匀划分成4份，然后将方格框扣在1/4样方上方（根据植被高度调节方格框高度），植株出现在方格框内小方格的面积超过1/2时记为1，少于1/2时记为0，分别连续4次测定，最后统计小方格内的数值占方格框内方格的总数即为实际盖度值。

2.1.2 数字图像法

本方法的数据获取包括图像获取（即样地彩色影像的拍摄）和数值获取两部分。图像获取采用CanonIXUS60型400万像素数码相机，于中午12∶00在垂直于地面对选定测定样方区域进行拍摄，获得拍摄样方草地彩色图像。草地样方数字图像法处理前和处理后的图像见图1。

图1 草地样方处理前图像（a）和处理后的图像（b）Fig.1 Image of grassland square and the image derived from image processing

图像数据获取利用Photoshop软件进行，主要操作步骤如下：首次打开目标图片，选择工具栏中的“缩放工具”至视野范围内；点按快捷键“Ctrl+A”，获得整个图层的选区，查看“窗口——直方图”中的像素值并记为B1，即得到了整个图片的像素数；取消全部选择，在工具栏中选择“魔术棒”，在选项栏中勾选“加选”和“连续”，然后多次选择与土地颜色相近的区域，使图像内未被植被覆盖的区域全部被选中，之后记录“直方图”中的像素值，并记为B2，即未被覆盖的地面的像素数；计算照片视野内的植被盖度 S（%）=（1-B2/B1）×100%。

2.2 测定技术的精度衡量

①拼接一个长、宽均为0.5 m的矩形白纸（相当于样方框），在矩形白纸中画出若干矩形、三角形、平行四边形及圆形等基本几何图形（见图2），用绿色填充这些图形（代表绿色植被）；②用直尺测量并计算所画各种几何图形面积；③分别采用上述的方格法和数字图像法测定矩形白纸中各种几何图形的总面积在整个矩形中所占的百分率；与通过直尺测量和计算的实际面积相对比。

图2 用于精度评价的矩形（相当于样方框）和其中的各种几何图形（相当于绿色植被）Fig.2 Rectangle used in precision assessment(which is similar to quadrat frame)and a variety of geometric forms in the rectangle(which is similar to green vegetation)

3 结果与分析

3.1 不同方法测定实地盖度结果的比较

分别采用方格法和数字图像法对6块植被均匀但盖度不同的样地进行了实地植被盖度测定（见表1）。结果表明，采用这两种方法测定的样地盖度大小的排序一致，但测定数值差异较大，其中，植被盖度较小的1、2号样地采用方格法测定的数值明显小于数字图像法测定的数值，其中2号样地数字图像法的测定结果显著高于方格法的测定结果；植被盖度较大的5、6号样地采用方格法测定的数值明显大于数字图像法测定的数值，其中5号样地方格法的测定结果显著高于数字图像法的测定结果；植被盖度中等的3、4号样地采用两种测定方法得出的结果比较一致。

数字图像法比较客观，只要按照相同的方法和步骤，一般都会得到比较精确的结果，之所以产生差异，可能与方格法固有的测定缺陷和测定过程中人的视觉影响有关。当植被盖度较小时，按照方格法的统计规则，没有超过方格框内小方格面积1/2的植株面积记为0，相当一部分的细小及狭窄的叶片没有列入计数，致使测定数值偏低；当植被盖度大于某个数值后，植被间的空隙也被计入，也致使方格法统计的数值偏大。此外，人的视觉受到光线明暗、阴影、叶片形状和分布格局等的影响，也会产生一些错觉，造成植被盖度目视估测的误差。

3.2 不同测定方法精度评价的比较

结果见表2。

表1 方格法与数字图像法测定样地盖度结果比较Table 1 Comparison of coverage between the graticulation method and the digital image method (%)

表2 方格法与数字图像法精度评价的比较Table 2 Results of precision assessment (%)

使用直尺对不同形状图案的测量和计算得到的各几何图形总面积在矩形白纸中所占的实际百分率为42.8%；方格法和数字图像法的精确度评价分析结果表明，数字图像法测定精度远高于方格法（见表2），方格法的最大相对误差达到15.9%，相对误差范围为10.3%～15.9%；数字图像法3次测定的最大相对误差（绝对值）为1.2%，相对误差范围为0.7%～1.2%。数字图像法1%左右的误差精度较高，完全能满足植被盖度测定的需求，而方格法的误差较大，而且受不同人员主观估测的结果差异也较大。

4 讨论与结论

通过采用传统的方格法和现代的数字图像法对草地盖度测定的比较及其精度评价分析表明，两种方法对不同样地测定结果的排序一致，但与方格法相比，数字图像法测定的植被盖度测定误差在仅1%左右，使用普通的数码相机和Photoshop软件就能进行测定，具有测量结果精度较高和使用更为方便的优点，非常适合野外植被盖度的精确、快速测定。

数字图像法和方格法也各有优劣。方格法误差较大，准确性不高，虽然测定手段比较可靠，能基本满足野外低精度植被盖度测定的需要，但测定方法繁琐，无法适应大量取样并快速测定试验要求；数字图像法完全依赖设备，如果植被与背景土壤的颜色对比差异较小，则会降低Photoshop软件识别图像的能力，所以数字图像法的准确程度主要依赖植被与背景土壤的颜色差异对比，差异越大测定效果越好，为此需要根据样地情况选择特定时期、特定方法进行测定。一般夏季测定地表绿色植被和灰白地表颜色差异较大，效果较好，同时，为有效避免拍摄过程中植株枝叶产生阴影对图像处理结果产生不良影响，除了注意选择拍摄角度减少阴影外，建议尽量选择阴天或云遮日的时间段，在垂直样方的正上方进行拍照。

对于大面积的植被盖度测定，利用遥感影像或进行高空数码航拍等方法[2,4,10]，对准确估算草地植被盖度可能更加准确和省力。因此，随着当今时代数码技术快速发展和数码设备的普及，数字图像法有望成为今后草地植被盖度测量的主要方法。

[1]Schimcl D S.Terrestrial biogeochemical cycles∶global estimates with remote sensing[J].Remote Sensing of Environment,1995,51(1)∶49-56.

[2]孙红雨,王长耀,牛铮,等.中国地表植被覆盖变化及其与气候因子关系-基于NOAA时间序列数据分析[J].遥感学报,1998,2(3)∶204-210.

[3]俞斌华,侯扶江,林慧龙.牧草种群生长对家畜践踏的短期响应[J].草业学报,2005,14(4)∶119-124.

[4]Smith M O,Ustin S L,Adams J B.Vegetation in deserts∶I.A regional measure of abundance from multispectral image[J].Remote Sensing of Environment,1990,32∶1-26.

[5]Duncan J,Stow D,Franklin J.Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin[J].International Journal of Remote Sensing,1993,14∶3395-3416.

[6]冯冬霞,施生锦.叶面积测定方法的研究效果初报[J].中国农学通报,2005,21(6)∶150-153.

[7]Wimbush D J,Barrow M D,Costin A B.Color stereo-photography for the measurement of vegetation[J].Ecology,1967,48∶150-152.

[8]Zhou Q,Robson M.Automated rangeland vegetation cover and density estimation using ground digital images and a spectral contextual classifier[J].Remote Sensing,2001,22(17)∶3457-3470.

[9]Gitelson A A,Kaufman Y J,Stark R,et a1.Novel algorithms for remoteestimationofvegetationfraction[J].RemoteSensingofEnvironment,2002,80(1)∶76-87.

[10]张云霞,李晓兵,张云飞.基于数字相机、ASTER和MODIS影像综合测量植被盖度[J].植物生态学报,2007,31(5)∶842-849.

[11]White M A,Asner G P,Nemani R R.Measuring fractional cover and leaf area index in arid ecosystem∶Digital camera,radiation transmittance and laser altimetry methods[J].Remote Sensing of Environment,2000,74∶45-57.

[12]邓伟,裘善文,梁正伟.中国大安碱地生态试验站区域生态环境背景[M].北京∶科学出版社,2006.