基于无人机影像的植被覆盖度估算研究

2021-04-18 23:22刘丽王涛陈阳
科技风 2021年10期
关键词:植被指数无人机

刘丽 王涛 陈阳

摘 要:随着无人机技术的不断成熟,无人机已被广泛应用于林业、农业、应急監测等各个方面。本文通过对无人机获取研究区可见光影像信息,再利用Pix4DMapper软件对无人机获取的图像进行处理,生成研究区的DOM,在ENVI软件的支持下进行背景阈值掩膜裁剪,分析其植被指数,估算研究区域植被覆盖度,对林业调查、农业监测等研究提供一定的参考。

关键词:无人机;DOM;阈值掩膜;植被指数;植被覆盖度

中图分类号:P237 文献标识码: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

无人机(unmanned aerial vehicle,UAV)是指通过无线电遥控与规划航线飞行的无人驾驶飞机[1]。在植被覆盖度的估算和提取方面,很多学者开始运用无人机进行相关研究分析。如利用无人机影像对所获植被的纹理、结构、光谱等进行研究;对作物生长状况或病虫害现象进行实时监测等。目前,无人机技术在遥感领域所发挥的作用越来越重要,成为不可或缺的一部分[2]。植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区域总面积的百分比,是衡量地表植被覆盖状况的一个重要指标[3]。不同区域的植被覆盖度是不同的,对其区域的生态环境影响也不同。

1 研究区域及影像数据采集

1.1 研究区域概况

根据无人机影像高分辨率的特点,研究选取了具有代表性的地物类型丰富的区域来开展影像数据的采集。本文研究区域位于云南省玉溪市元江县的某村民小组,该地区植被茂盛,地表覆盖状况良好。研究区内含植被、房屋、道路、裸地等,地物要素种类多样。

1.2 影像数据采集

无人机采集影像前需要航线进行规划设计,包括飞行高度、飞行速度、航摄重叠度等,如果要进行工程应用,还需在合适的位置布设地面像控点。本次航拍飞行高度为80m,飞行速度为6m/s,航向重叠度和旁向重叠度均为85%,采用规划好的航线进行影像采集。

1.3 影像数据处理

数据采集完成后,利用Pix4DMapper软件对无人机航空影像进行处理,获取该研究区域的DOM,如下图1所示。

2 植被覆盖度估算研究

2.1 背景阈值掩膜裁剪

背景阈值掩膜的目的是剔除植被以外的地物类型。在掩膜之前首先需要确定阈值,然后把背景掩膜成0值或一个固定的值,本文通过ENVI中的Raster Color Slice工具调整阈值,最终确定较为合适的阈值为0.04。

阈值确定后,启动Band Math波段计算器,输入如下公式:

上式中若像元值大于等于0.04则保持不变;若像元值小于0.04则更改为0。掩膜完成后对多余的部分进行裁剪。

2.2 植被指数分析

植被指数是根据植被的光谱特征、纹理、结构信息等,将卫星可见光与近红外波段进行组合,形成的各种植被指数。目前在遥感领域中提出的植被指数有100多种[4],而大部分是以可见光——近红外为基础。

相对于卫星遥感来说,无人机可见光缺少近红外波段,只有红、绿、蓝三个波段,卫星遥感数据获取的植被指数不能应用到可见光波段[5],而且获取的无人机影像不包含波长信息,需手动添加。

在实际操作中本文使用了VDVI(可见光波段差异植被指数)。VDVI也叫做GLI(Green Leaf Index),它们所使用的公式都是同一个,如下:

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

2.3 植被覆盖度提取

植被指数计算完成后,加载图像,在波段计算器中去除异常值、归一化等,启动ENVI中的精准农业工具包(envicropscienceXXX-win.exe),在此工具中计算植被覆盖度,从而提取研究区的植被覆盖度,最后输出其矢量图,如图2所示。

图中植被覆盖度划分的标准如下表所示:

由此可知,在精准农业工具包中做了归一化处理后就可得到研究区的植被覆盖度,因为在正常情况下,标准的VDVI指数值范围应同NDVI一样,都介于-1~1之间,发现异常值,则需排除异常值,用VDVI来做归一化处理,DN值累计百分率在5%以下的全部规定为0,即没有植被覆盖,为裸地;DN值累计百分率在95%以上的全部规定为1,即纯粹的植被覆盖,该值归一化后DN值在10%以下的全为裸地,研究区中植被覆盖度的值在0~1之间,越接近1,说明覆盖度越大。

通过计算机统计可知,研究区域的植被面积为40831835108m2,研究区域的总面积为72575.904136m2,即区域植被面积与区域总面积的比值约为56.26%,但值得注意的是,所得的这个比值并不是所要计算的植被覆盖度,而是植被覆盖的比率,真正的植被覆盖度在归一化处理后就可直接在Compute Statistics中得知,即该研究区的植被覆盖度均值为82%,但其提取的精度会受到植被阴影及具有覆盖现象的突出地物的影响。

3 结论

植被覆盖度的高低对一个地区的水土保持、水源涵养、区域气候等方面发挥着重要的作用,结果表明VDVI在无人机影像植被覆盖度提取中所发挥的作用较明显,但由于其只应用于无人机影像中,大多数只有三个波段,波段数目少,很容易受水泥路、房屋、树木阴影等有覆盖现象的突出地物的干扰,从而影响提取的精度。

参考文献:

[1]邹湘伏,何清华,贺继林.无人机发展现状及相关技术[J].飞航导弹,2006(10):9-14.

[2]李冰,刘镕源,刘素红,刘强,刘峰,周公器.基于低空无人机遥感的冬小麦覆盖度变化监测[J].农业工程学报,2012,28(13):160-165.

[3]杨敏莹,陈秋艳,王杰.干热河谷的植被覆盖度算法应用研究——以元谋为例[J].水土保持应用技术,2019(01):26-29.

[4]傅银贞,汪小钦.基于北京一号CCD数据的植被指数特性分析[J].测绘科学,2010,35(06):35-38.

[5]谢兵,杨武年,王芳.无人机可见光光谱的植被覆盖度估算新方法[J].测绘科学,2020,45(09):72-77.

基金项目:无人机倾斜摄影测量技术在矿山地形测绘方面的应用(201911390023)

作者简介:刘丽(1999— ),女,彝族,云南镇沅人,学生,研究方向:土地资源管理。

*通讯作者:王涛(1987— ),男,汉族,陕西西安人,硕士,助教,研究方向:无人机影像数据处理。

猜你喜欢
植被指数无人机
高分一号提取植被信息方法对比
基于遥感影像的不同植被指数比较研究
浅谈植被指数的分类与应用
高职院校新开设无人机专业的探讨
一种适用于输电线路跨线牵引无人机的飞行方案设计
浅析无人机技术在我国的发展前景