11-19草 业 科 学第 38 卷第 1 期1/2021PRATACULTURAL SCIENCE Vol.38, No.1
DOI: 10.11829/j.issn.1001-0629.2020-0115
伏帅，张勇辉，李佳吕，王萌榛，彭璐，冯琦胜，梁天刚. 不同植被指数和无人机航高对草地盖度估测精度的影响. 草业科学, 2021, 38(1): 11-19.gamez
FU S, ZHANG Y H, LI J L, WANG M Z, PENG L, FENG Q S, LIANG T G. Influence of different vegetation indices and heights of UAVs on the accuracy of grassland coverage estimation. Pratacultural Science, 2021, 38(1): 11-19.
吸血鬼日记第二季10
不同植被指数和无人机航高对草地盖度
估测精度的影响
伏 帅，张勇辉，李佳吕，王萌榛，彭 璐，冯琦胜，梁天刚
（兰州大学草地农业生态系统国家重点实验室 / 兰州大学农业农村部草牧业创新重点实验室 /
兰州大学草地农业教育部工程研究中心 / 兰州大学草地农业科技学院，甘肃 兰州 730020）
摘要：搭载高清数码相机的无人机在草地资源调查等方面具有成本低廉、机动性高、观察范围大等突出优势，拥有广阔的发展前景。本研究使用小型无人机(unmanned aerial vehicle, UAV)、手机相机等设备获取草地盖度数据，选用植被因子指数(vegetative index, VEG)、超绿指数(excess green index, ExG)、超绿超红差分指数(excess green minus excess red index, ExGR)和绿叶指数(green leaf index, GLI) 4种基于可见光的植被指数提取草地盖度信息，从无人机航高、草地盖度水平等方面分析各植被指数的适用性。结果表明：1) VEG和ExG方法估测草地盖度的效果较好，平均精确度均在93%以上。ExGR与GLI方法的估测效果较差，平均精度仅75%～80%。2) 4种方法的估测精度均随盖度增加而降低。VEG方法估测草地盖度的精度受盖度水平影响最小，ExG方法次之，ExGR和GLI方法对高盖度草地的估测效果较差。3) VEG方法在高、中盖度水平下的最适航高为100 m，在低盖度水平下为40 m；ExG和ExGR方法在高、中盖度水平下的最适航高为100 m，在低盖度水平下为80 m；GLI方法在高盖度水平下的最适航高为100 m，在中、低盖度水平下为20 m。
关键词：无人机；可见光波段；草地；盖度；植被指数；数码相机；RGB
文献标志码：A 文章编号：1001-0629(2021)01-0011-09
Influence of different vegetation indices and heights of UAVs on the
accuracy of grassland coverage estimation
FU Shuai, ZHANG Yonghui, LI Jialyu, WANG Mengzhen, PENG Lu, FENG Qisheng, LIANG Tiangang (State Key Laboratory of Grassland Agro-ecosystems / Key Laboratory of Grassland Livestock Industry Innovation, Ministry of Agriculture and Rural Affairs / Engineering Rearch Center of Grassland Industry, Ministry of Education / College of Pastoral Agriculture Science and Technology, Lanzhou University, Lanzhou 730020, Gansu, China)
Abstract: Unmanned aerial vehicles (UAVs) equipped with high-definition digital cameras have various advantages such as low cost, high mobility, and large obrvation range in the field of grassland resource surveys and have a developmental potential. In this study, small UAVs and mobile phone cameras were ud to obtain grassland coverage data. The vegetative index (VEG), excess green index (ExG), excess green minus excess red index (ExGR), and green leaf index (GLI) were lected to extract the grassland coverage information bad on the visible light vegetation index, and the applicability of
收稿日期：2020-03-13 接受日期：2020-07-21
基金项目：国家自然科学基金(31702175、31672484、41805086、41801191)；现代农业产业技术体系建设专项资金(CARS-34)；中国工程院咨询研究项目(2020-XZ-29、2018-XZ-25)；长江学者和创新团队发展计划(IRT_17R50)；兰州大学中央高校基本科研业务费专项资金(lzujbky-
2020-kb29)
第一作者：伏帅(1999-)，男，陕西渭南人，在读本科生，研究方向为草业科学。E-mail: **************
通信作者：梁天刚(1967-)，男，甘肃崇信人，教授，博士，主要从事草地遥感与地理信息系统方向的科研和教学工作。E-mail: ***************
each vegetation index was analyzed from the viewpoint of UAV flight height and grassland coverage level. The results showed that (1) VEG and ExG can effectively estimate grassland coverage, with an average accuracy of more than 93%. The estimation results of ExGR and GLI were poor, with an average accuracy of only 75%～80%. (2) The estimation accuracy of the four methods reduced with increasing coverage. VEG had the worst performance in terms of accuracy of grass coverage estimation, followed by ExG. ExGR and GLI were less effective in estimating high-coverage grasslands. (3) The optimal UAV heights for VEG were 100 m for the high and middle coverage levels and 40 m for the low coverage level. The optimal UAV heights for ExG and ExGR were 100 m for the high and middle coverage levels and 80 m for the low coverage level. The UAV optimum heights for GLI were 100 m for the high coverage level and 20 m for the middle and low coverage lev
els. Keywords: unmanned aerial vehicle (UAV); visible band; grassland; coverage; vegetation index; digital camera; RGB Corresponding author: LIANG Tiangang E-mail: ***************
草地盖度指观测区域内植物的垂直投影面积占观测区地表总面积的百分比，是描述生态系统特征和草地生长状况的重要生态学参数和量化指标[1]，可作为评价植被生产力、生态系统恢复程度、生态系统健康、生态系统服务功能等的有效指标之一[2]。
目前，草地盖度的估测方法主要包括实地测量和遥感估测两种途径。传统的地表实测方法包括目估法、针刺法和仪器法等，这些传统方法由于费时、费力等缺陷而逐渐难以满足目前的草地调查工作[3]。照相法是垂直于地面照相后，通过照片估算草地盖度的方法[4]。随着数字摄影技术的快速发展，将数码相机与图像处理技术相结合的照相法因其具有准确、迅速、低价、简便等优势在传统地表实测方法中脱颖而出，目前已成为最普遍、最有效的盖度测量方法[4-5]。然而，地表实测法缺乏宏观性，其观测范围往往被限制在较小的空间尺度范围内，不利于快速对较大范围的草地进行观测。无人机(unmanned aerial vehicle, UAV)是一种自备动力装置和导航模块的无人驾驶航空器[6]。近年来，UAV及其相关技术发展迅速，其能够实时获取高分辨率遥感影像数据，机动性强，成本低廉，操作简便，正逐步成为地面监测和高空遥感的有效补充手段[7]，现已被广泛用于生态系统监测[8]、工程测绘[9]、灾害监测[10]、农业生产[11]等方面。植被指数是植被遥感监测中被广泛应用的参数之一，是对地表植被状况简单、有效和经验的度量[12]。国内外学者为了方便植被状况的识别，利用绿色植物在可见光
波段的反射特征，构建了一系列植被指数，如超绿指数(excess green index, ExG)[13]、植被因子指数(vegetative index, VEG)[14]、综合指数(combined index, COM)[15]等。这些植被指数能够增强绿色植物与其他地物的对比，通过波段计算和阈值设定，从而精确分离绿色植被和背景。目前，已有学者将无人机与植被指数结合，开展了一些关于植被调查、盖度计算等方面的研究。如丁雷龙等[16]以小麦(Triticum aestivum)为研究对象，选取归一化绿红差值指数(normalized green-red difference index, NGRDI)、超绿指数(excess green index, ExG)、超绿超红差分指数(excess green minus excess red index, ExGR)和绿叶指数(green leaf index, GLI) 4种植被指数，基于最大类间方差法对无人机图像中的植被区域与非植被区域进行识别，结果表明4种植被指数均有较高的识别精度。刘艳慧等[5]利用无人机获取草地大样方图像，通过计算植被指数从而估算草地盖度和生物量。但是，目前的相关研究多集中在植被指数的应用和评价上，关于无人机航高、草地盖度等可控应用条件的研究还很匮乏。
为此，本研究以兰州大学榆中校区草地为研究对象，选用ExG、VEG、ExGR[17]、GLI[18] 4种可见光植被指数，通过提取无人机图像的草地植被信息，计算草地盖度。以地面照相法获取的草地盖度为参考值，从无人机航高和盖度水平两个方面对比分析4种植被指数方法的草地盖度估算效果，研究4种植被指数在草地盖度估测方面的适用性，以期为无人机在草地资源监测中的应用提供理论依据和参考。
1 材料与方法
1.1 研究区概况agatha什么意思
试验在兰州大学榆中校区校园内草地、试验田进行。试验区位于甘肃省榆中县，地理位置104°08′ − 104°09′ E，35°55′ − 35°56′ N。气候属于温带大陆性气候，年均温6.6 ℃，年降水量300～400 mm，海拔1 720 m。
12草 业 科 学第 38 卷
1.2 数据获取
根据目视估计法将待测样地按盖度大小分为3个水平：高盖度(70%～100%)、中盖度(40%～70%)和低盖度(40%以下) (表1)。在校区内，每个盖度水平选取2个地势平坦、生长状况均一的样地，每个样地大小为25 m × 15 m (图1)。每一样地采用五点法布设样方，样方大小为0.5 m × 0.5 m个样方中心记录GPS (全球定位系统, Global Positioning System)
表 1 各盖度水平样地比较bra是什么意思
Table 1 Comparison of different coverage levels
盖度水平
样地照片部分样方照片参考盖度
高度拍摄，样方照片均为1 m高度拍摄。
All samples in the table were taken at a height of 40 m, and all the photo samples were taken at a height of 1 m.
第 1 期伏帅 等：不同植被指数和无人机航高对草地盖度估测精度的影响13
经纬度和高程信息。利用手机相机于样方中心上方约1 m高处垂直向下拍摄记录。手机照片分辨率为2 976 × 3 968像素，对每个照片用PhotoShop 2018软件按照样方大小进行裁剪，以便后期处理。使用大疆Phantom 4 pro无人机(搭载相机2 000万像素，镜头焦距8.8 mm，1英寸影像传感器)从20 m航高
开始，每隔10 m航高对同一样地进行拍摄，拍摄到100 m 航高为止，得到无人机图像，同样使用PhotoShop 2018软件对相同区域进行裁剪(图2)，以便后期处理。无人机照片于2019年4月 − 5月草地生长期间拍摄。
0 3 300
30 m 50 m70 m
100 m
像素 Pixels
5 350
6 800
7 850
老师英文图 2 不同航高无人机图像对比图
Figure 2 UAV images at different altitudes
图中不同航高无人机图像之间以原始尺寸比例显示。
In the figure, the UAV images at different altitudes are displayed in proportion to the original size.
1.3 研究方法
本研究选用植被因子指数(VEG)、超绿指数(ExG)、超绿超红差分指数(ExGR)、绿叶指数(GLI)4种植被指数方法，利用ENVI 5.3软件的波段计算模块对所有照片进行处理(图3)，植被指数的计算公式参考表2。通过反复调试设定阈值，准确划分草地像元与背景像元，并以草地像元占图像总像元数量的比例作为草地盖度。为了减少人为主观误差，每2人计算得到初步结果后，由第3人审核并校正错误值，取校正后的平均值为盖度估测值。
图 3 样地无人机图像及植被盖度提取效果Figure 3 UAV image and vegetation coverage extraction
effect of the sampled land
左图为草地无人机航拍原图，右图为左图经过盖度提取处理的图像。右图中的黑色像元为植被像元，白色像元为非植被像元。 The left image is the original image of the grassland taken by the UAV, while the right image is the image of coverage extraction. The black pixels in the right image are vegetative pixels and the white pixels are non-vegetative pixels.stb
为了客观定量地进行植被指数的适用性分析，本研究以照相法获得的盖度平均值作为样地的盖度参考值，引入平均绝对误差(mean absolute error, MAE)、标准差(standard deviation, SD)和精确度[19](accuracy, Acc) 3种评价方法。计算公式如下：
培训平面设计
图例Legend
N
4月采样点Sample sites in April
5月采样点Sample sites in May
0100200 m
图 1 研究区及采样点分布图
Figure 1 Study area and distribution of sampling points
14草 业 科 学第 38 卷
式中：x′为草地盖度参考值，x i为草地盖度估测值，n为样本总数。
表 2 植被指数公式
Table 2 Formula table of the vegetation indices studied
植被指数Vegetation index
公式Formula
植被因子指数 Vegetative index, VEG
trade兼职英文翻译g
r0.667×b0.333
超绿指数 Excess green index, ExG2g−r−b
超绿超红差分指数
Excess green minus excess red index, ExGR ExG−(1.4r−g)
绿叶指数 Green leaf index, GLI 2g−r−b 2g+r+b
公式中r、g、b分别为照片红绿蓝彩色空间中的红、绿、蓝三通道灰度值的归一化值。
The r, g and b in the formula were reprented normalized values of gray values of red, green and blue channel in RGB (red, green, blue) color space.
2 结果与分析
2.1 4种植被指数精度评价
将本研究中所有无人机照片的盖度计算误差汇总成表3。从4种植被指数的估测误差来看，VEG、ExG方法的估测精度较高，ExGR、GLI方法的估测精度较低。VEG和ExG方法的精确度均在90%以上，其中，VEG方法的MAE最低，为4.53%，ExG 方法的平均精度最高，为93.60%；ExGR和GLI方法的MAE均超过10%，GLI方法的平均精度最低，为75.95%。从估测数据的波动性来看，VEG方法的标准差最小，ExG方法次之，ExGR和GLI方法的波动性较大。综上，本研究中VEG、ExG方法的估算精度较高，误差较为稳定；ExGR和GLI方法的精度较低，误差相对不稳定。
2.2 不同草地盖度水平对草地盖度估测精度的影响
为了评价不同草地盖度水平对基于植被指数的草地盖度估测精度的影响，以6个不同样地的54张无人机照片为样本，利用植被指数计算草地盖度。以盖度参考值为横轴，以样地的平均精度为纵轴，作散点图进行趋势分析，对比分析草地植被盖度对植被指数估测精度的影响。
基于4种植被指数的草地盖度估测精确度整体上均呈现出随盖度水平的增加而降低的趋势(图4)。ExGR和GLI方法的回归系数均较小，决定系数均大于0.8，说明其估测精度受草地盖度水平的影响较大，精度趋于降低，其在低盖度水平拥有80%以上的估测精度，但在高盖度水平迅速降低至70%左右。因此，这两种方法对低盖度草地有更好的估测效果，在高盖度草地上的估测效果明显降低。VEG 和ExG方法的回归系数均接近0，表明其估测精度受盖度变化的影响较小。其中VEG方法的回归系数最接近0，
精度从低盖度的93%左右降低至高盖度的90%左右，可见其估测精度受盖度的影响很小，在任何盖度水平的草地上均能发挥较好的估测效果；ExG方法的决定系数为0.837 6，回归斜率为−0.112 6，其在低盖度有高达97%的精确度，在高盖度降低至90%，表明其估测精度虽随盖度增加而减少，但不影响其估测性能的发挥。
2.3 无人机航高适用性分析
为了评价不同草地植被盖度水平下无人机航高对草地植被盖度估测精度的影响，本研究以6个样地拍摄的不同航高的54张无人机照片为样本，计算20～100 m航高下的草地植被盖度。以无人机航高为横轴，以高、中、低3种盖度水平估测的平均精度为纵轴，作散点图进行分析 (图5)。
VEG方法于高、中盖度水平下的精度与航高无明显关系，具有较大波动性，高航高估测精度与低
表 3 基于4种植被指数的草地盖度估测误差表Table 3 The estimation error table of grassland coverage
bad on four vegetation indices
%
植被指数Vegetation index 平均绝对误差
MAE
标准差
SD
ghost什么意思
精确度
Acc
植被因子指数
VEG 4.53 5.7493.16
超绿指数
ExG9.4310.5893.60
超绿超红差分指数
ExGR14.7015.7780.60
绿叶指数
GLI13.7114.9275.95
第 1 期伏帅 等：不同植被指数和无人机航高对草地盖度估测精度的影响15
