无人机照片

DOI: 10.11829/.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.

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.

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沈庆之 , 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

InfluenceofdifferentvegetationindicesandheightsofUAVsonthe

accuracyofgrasslandcoverageestimation

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: **************.cn

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: ***************.cn

11-19

草 业 科 学

第 38 卷第 1 期

1/2021PRATACULTURAL SCIENCEVol.38, No.1

each vegetation index was analyzed from the 团圆饼 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 婚礼誓言词 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 levels.

Keywords: unmanned aerial vehicle (UAV); visible band; grassland; coverage; vegetation index; digital camera; RGB

Correspondingauthor:LIANG Tiangang E-mail: ***************.cn

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(Triticumaestivum)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

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10408′ − 10409′ E，

3555′ − 3556′ 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

Table1Comparisonofdifferentcoverageleve女性补肾 ls

盖度水平

Coverage level

样地照片

Sample photo

部分样方照片

Part of the sample photo

参考盖度

Reference coverage/%

高盖度

High coverage

75

84

中盖度

Medium coverage

63

58

低盖度

Low coverage

28

38

表中样地照片均为40 m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。

03300

30m

50m

70m

100m

像素Pixels

535068007850

图2不同航高无人机图像对比图

Figure2UAVimagesatdifferentaltitudes

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生日文案 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

Figure3UAVimageandvegetationcoverageextraction

effectofthesampledland

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.

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：

图例Legend

N

4月采样点

SamplesitesinApril

5月采样点

SamplesitesinMay

0100200m

图1研究区及采样点分布图

Figure1Studyareaanddistributionofsamplingpoints

14

草 业 科 学

第 38 卷

MAE=

n∑

i=0

xi−x′

n

;(1)

SD=

1

n−1

n∑

i=1

(

x

i−x′

)2;(2)

Acc=

(

1−

|

xi−x′|

x

′

)

100%。(3)

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

Table2Formulatableofthevegetationindicesstudied

植被指数

Vegetation index

公式

Formula

植被因子指数 Vegetative index, VEG

g

r0.667b0.333

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

2.14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

无人机照片为样本索溪峪的野 ，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

Table3Theestimationerrortableofgrasslandcoverage

badonfourvegetationindices

%

植被指数

Vegetation index

平均绝对误差

MAE

标准差

SD

精确度

Acc

植被因子指数

VEG

4.535.7493.16

超绿指数

ExG

9.4310.5893.60

超绿超红差分指数

ExGR

14.7015.7780.60

绿叶指数

GLI

13.7114.9275.95

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四年级作文我的家乡 影响

15

y=−0.0266x+94.691

R2=0.5661

50

60

70

80

90

100

50

60

70

80

90

100

50

60

70

80

90

100

50

60

70

80

90

100

050100

050100

050100

050100

VEG

y=−0.1126x+100.090

R2=0.8376

ExG

y=−0.2069x+92.532

R2=0.8185

参考盖度值Referencevalueofcoverage/%

ExGR

y=−0.2426x+89.943

R2=0.8033

参考盖度值Referencevalueofcoverage/%

GLI

精

确

度

A

c

c

u

r

a

c

y

/

%

精

确

度

A

c

c

u

r

a

c

y

/

%

图4植被指数估算精确度与盖度趋势分析

Figure4Relationshipbetweentheaccuracyofthevegetationindicesandcoverage

50

60

70

80

90

100

精

确

度

A

c

c

u

r

a

c

y

/

%

50

60

70

80

90

100

高盖度Highcoverage

中盖度Middlecoverage

低盖度Lowcoverage

50

60

70

80

90

100VEG

ExG

050100

050100

航高

Flightheight/m

ExGR

航高Flightheight/m

GLI

50

60

70

80

90

100

精

确

度

A

c

c

u

r

a

c

y

/

%

图5各盖度水平下植被指数估测精度与无人机航高的关系

Figure5RelationshipbetweentheestimationaccuracyofthevegetationindicesandUAV

flightheightatdifferentcoveragelevels

16

草 业 科 学

第 38 卷

航高盖度估测精度无明显的差异，准确度保持在

90%以上；但是低盖度水平下的精度在航高高于40 m

时，随航高升高而迅速下降，准确度由96%降低至

66%。VEG方法在高、中盖度水平下保持着较高的

精度，且与航高变化无明显关系，为了发挥无人机

大面积快速监测的优势，可选择航高100 m进行高、

中盖度水平的观测；其在低盖度水平下的精度随航

高上升而迅速下降，选择40 m航高进行观测能尽可

能发挥无人机大面积观测的优势，同时能够保持较

高的精度。ExG方法在高、中盖度水平下的估测精

度随航高无明显变化；在低盖度水平下的估测精度

具有较大的波动，其趋势线波动幅度随航高上升不

断增大，尤其是航高高于80 m时，趋势线波动幅度

最大达到15%，说明高于80 m航高后其观测性能极

不稳定。ExG方法在高、中盖度水平下均可选择

100 m航高进行观测，而在低盖度水平下最好于80 m

航高进行观测。ExGR方法在高盖度与中盖度水平

下的估测精度随航高无明显变化，但在低盖度水平

下出现明显的波动，即航高在高于80 m后企业计划 精度陡然

上升，之后呈现下降趋势，这表明ExGR方法在航高

高于80 m后不稳定因素增加。因此，ExGR方法在

高、中盖度水平下可选择100 m航高进行观测，在低

盖度水平下应在最高80 m航高进行观测，以达到最

大观测面积和保持较稳定的观测性能。GLI方法在

高盖度水平下的精度随航高变化趋势不明显；但其

在中、低盖度水平下的精度随航高升高而明显下

降，准确度下降幅度达到10%。所以，GLI方法在高

盖度水平可选择100 m进行观测，在中、低盖度水平

最好选择20 m航高进行观测以保持较高的精度。

为了更直观地查看各植被指数最适航高的分析

结果，表4列出了不同植被指数在各盖度水平下的

最适航高。

3讨论

VEG与ExG草地盖度估测精度均达在93%以

上，具有优秀的估测性能，并且估测精度随盖度增

加而降低，这与丁肖等[19]对手机拍摄相片的草地植

被盖度估算的研究结果相似。ExGR与GLI草地盖

度估测效果较差，这在一定程度上反映了这两种方

法对经验阈值法的不适用性，另外人为主观因素也

可能是导致其误差较大的重要因素之一。本研究中

的草地盖度信息是通过基于经验阈值法的处理方

式而获取的，所以处理人员的主观性会不可避免地

对处理结果造成一定影响。为了提高估测精度，应

尽量取多人处理结果的均值为最终盖度估测值。

无人机的航高决定了其草地观测面积的大小，

100 m航高的对地观测面积几乎是20 m航高对地

观测面积的25倍，因此提高无人机航高能够有效增

加观测面积洗衣液广告 ，提高草地监测效率。本研究确定最适

航高的目的是为提高无人机草地监测的效率，在确

定最适航高时，选择精度差距在可接受的范围内选

择更高的飞行高度。由此确定了VEG、ExG、ExGR

和GLI 4种方法的盖度估测最适航高，并归纳在表4

中。在盖度计算时，若航高过高，拍摄的照片可能会

不够清晰，对草地的识别效果产生影响。葛静等[3]

比较了航高为30和100 m时无人机航拍计算草地

盖度的效果，发现航高30 m的拍摄方法远优于航高

100 m的方法，分析原因可能是无人机搭载的相机

在100 m航高下不能满足拍摄需求。而本研究中应

用的植被指数方法在部分盖度水平下，航高对盖度

估测精度的影响中国工农红军 差异不显著，说明本研究中无人机

搭载的相机在较高的航高下也能满足盖度估算的

需求。因此，改进无人机技术、提高其相机分辨率对

表4各盖度水平下UAV最适航高

Table4Theoptimalairworthyheightof

UAVsateachcoveragelevel

植被指数

Vegetation index

盖度水平

Coverage level

最适航高

Optimal airworthy

height/m

植被因子指数

VEG

高 High100

中 Middle100

低 Low40

超绿指数

ExG

高 High100

中 Middle100

低 Low80

超绿超红差分指数

ExGR

高 High100

中 Middle100

低 Low80

树叶指数

GLI

高 High100

中 Middle20

低 Low20

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

17

未来草地资源调查的应用和发展具有重要的作用。

4结论

本研究以兰州大学榆中校区草地为研究对象，

选用VEG、ExG、ExGR和GLI 4种植被指数估测草

地盖度，评估了4种植被指数的估测性能，从无人

机航高、草地盖度等角度进行了植被指数的适用性

分析，得出以下结论：

1) VEG和ExG方法的平均精确度均在93%以

上，属于较精确的草地盖度估测方法。其中VEG方

法精度高、误差稳定，其估测效果优于其他方法；

ExG方法的估测精确度最高，达到93.60%，但其误

差稳定性不如VEG方法；ExGR与GLI方法的精度

与误差稳定性均较低，估测性能较差。

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的影响

最小，在不同盖度水平的草地上均具有较精确的估

测效果；ExG方法次之，其估测精度随草地盖度增

加而有轻幅度的降低，但依然能够保持高精度估

测；ExGR和GLI方法对高盖度草地的估测效果较

差，其估测精度随盖度增加明显降低。

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。

本研究中，基于经验法的阈值确定方法可能会

对研究结果产生影响。因此，研究各类植被指数区

分植被和非植被的阈值自动提取算法将是基于RGB

图像的草地盖度监测亟待解决的问题之一。本研究

使用无人机技术与RGB植被指数方法相结合估测

草地盖度，这种方法对草地动态监测、植被调查等

方面的快速、精准作业具有重要意义，成功实现处

理自动化与批量化将是后续研究的重要方向。

参考文献References:

徐金勤, 邱新法, 丁肖, 何永健, 王丹丹. 基于数码照片的草地植被盖度快速提取方法对比. 江苏农业学报, 2018, 34(2): 313-319.

XU J Q, QIU X F, DING X, HE Y J, WANG D D. Rearch on the rapid extraction approach of grassland vegetation coverage

bad on digital photos. Jiangsu Journal of Agricultural Sciences, 2018, 34(2): 313-319.

［1］

随金明, 宋乃平, 薛毅, 陈娟, 陈晓莹, 吴婷, 李敏岚. 基于照相法的荒漠草原植被覆盖度测定方法. 中国草地学报, 2019, 41(2):

58-64.

SUI J M, SONG N P, XUE Y, CHEN J, CHEN X Y, WU T, LI M L. The method of extracting vegetation coverage in the dert

steppe bad on photographic. Chine Journal of Grassland, 2019, 41(2): 58-64.

［2］

葛静, 孟宝平, 杨淑霞, 高金龙, 冯琦胜, 梁天刚, 黄晓东, 高新华, 李文龙, 张仁平, 王云龙. 基于UAV技术和MODIS遥感数据

的高寒草地盖度动态变化监测研究: 以黄河源东部地区为例. 草业学报, 2017, 26(3): 1-12.

GE J, MENG B P, YANG S X, GAO J L, FENG Q S, LIANG T G, HUANG X D, GAO X H, LI W L, ZHANG R P, WANG Y L.

Dynamic monitoring of alpine grassland coverage bad on UAV technology and MODIS remote nsing data: A ca study in the

headwaters of the Yellow River. Acta Prataculturae Sinica, 2017, 26(3): 1-12.

［3］

温庆可, 张增祥, 刘斌, 乔竹萍. 草地覆盖度测算方法研究进展. 草业科学, 2009, 26(12): 30-36.

WEN Q K, ZHANG Z X, LIU B, QIAO Z P. Rearch progress in grassland fractional coverage estimation methods. Pratacultural

Science, 2009, 26(12): 30-36.

［4］

刘艳慧, 蔡宗磊, 包妮沙, 刘善军. 基于无人机大样方草地植被覆盖度及生物量估算方法研究. 生态环境学报, 2018, 27(11):

2023-2032.

LIU Y H, CAI Z L, BAO N S, LIU S J. Rearch of grassland vegetation coverage and biomass estimation method bad on major

quadrat from UAV photogrammetry. Ecology and Environmental Sciences, 2018, 27(11): 2023-2032.

［5］

李德仁, 李明. 无人机遥感系统的研究进展与应用前景. 武汉大学学报(信息科学版), 2014, 39(5): 505-513, 540.

LI D R, LI M. Rearch advance and application prospect of unmanned aerial vehicle remote nsing system. Geomatics and

Information Science of Wuhan University, 2014, 39(5): 505-513, 540.

［6］

潘冬荣, 韩天虎, 孙斌, 姜佳昌, 李霞, 柳小妮. 无人机遥感技术在草原生态学研究中的应用. 中国草食动物科学, 2019, 39(5):［7］

18

草 业 科 学

第 38 卷

57-59.

PAN D R, HAN T H, SUN B, JIANG J C, LI X, LIU X N. Application of UAV remote nsing technology in grassland ecology

rearch. China Herbivore Science, 2019, 39(5): 57-59.

冯家莉, 刘凯, 朱远辉, 李勇, 柳林, 蒙琳. 无人机遥感在红树林资源调查中的应用. 热带地理, 2015, 35(1): 35-42.

FENG J L, LIU K, ZHU Y H, LI Y, LIU L, MENG L. Application of unmanned aerial vehicles to mangrove resources monitoring.

Tropical Geography, 2015, 35(1): 35-42.

［8］

王光彦, 姚坚, 李登富, 赵培. 低空无人机遥感在水利工程测绘中的应用研究. 测绘与空间地理信息, 2016, 39(5): 113-115, 118.

WANG G Y, YAO J, LI D F, ZHAO P. Study on application of remote nsing by unmanned aerial vehicle in hydraulic engineering

survey. Geomatics and Spatial Information Technology, 2016, 39(5): 113-115, 118.

［9］

吴现兴. 无人机摄影测量及数据处理技术在地质灾害应急调查中的应用: 以娄底市娄星区杉山镇同安村滑坡为例. 国土资源

导刊, 2019, 16(4): 65-68.

WU X X. Application of UAV photogrammetry and data processing technology in geological disaster emergency investigation:

Taking the landslide of Tong’an village, Shanshan Town, Louxing District, Loudi City as an example. Land and Resources Herald,

2019, 16(4): 65-68.

［10］

纪景纯, 赵原, 邹晓娟, 宣可凡, 王伟鹏, 刘建立, 李晓鹏. 无人机遥感在农田信息监测中的应用进展. 土壤学报, 2019, 56(4):

773-784.

JI J C, ZHAO Y, ZOU X J, XUAN K F, WANG W P, LIU J L, LI X P. Advancement in application of UAV remote nsing to

monitoring of farmlands. Acta Pedologica Sinica, 2019, 56(4): 773-784.

［11］

汪小钦, 王苗苗, 王绍强, 吴云东. 基于可见光波段无人机遥感的植被信息提取. 农业工程学报, 2015, 31(5): 152-159.

WANG X Q, WANG M M, WANG S Q, WU Y D. Extraction of vegetation information from visible unmanned aerial vehicle

images. Transactions of the Chine Society of Agricultural Engineering, 2015, 31(5): 152-159.

［12］

WOEBBECKE D M, MEYER G E, VON BARGEN K, MORTENSEN D A. Color indexes for weed identification under various

soil, residue, and lighting condition. Transactions of the American Society of Agricultural Engineers, 1995, 38(1): 259-269.

［13］

HAGUE T, TILLETT N D, WHEELER H. Automated crop and weed monitoring in widely spaced cereals. Precision Agriculture,

2006, 7(1): 21-32.

［14］

GUIJARRO M, PAJARES G, RIOMOROS I, HERRERA P J, BURGOS-ARTIZZU X P, RIBEIRO A. Automatic gmentation of

relevant textures in agricultural images. Computers and Electronics in Agriculture, 2011, 75(1): 75-83.

［15］

丁雷龙, 李强子, 杜鑫, 田亦陈, 袁超. 基于无人机图像颜色指数的植被识别. 国土资源遥感, 2016, 28(1): 78-86.

DING L L, LI Q Z, DU X, TIAN Y C, YUAN C. Vegetation extraction method bad on color indices from UAV images. Remote

Sensing for Land and Resources, 2016, 28(1): 78-86.

［16］

NETO J C. A combined statistical-soft computing approach for classification and mapping weed species in minimum-tillage

systems. PhD Thesis. Lincoln: The University of Nebraska, 2004.

［17］

LOUHAICHI M, BORMAN M M, JOHNSON D E. Spatially located platform and aerial photography for documentation of grazing

impacts on wheat. Geocarto International, 2001, 16(1): 65-70.

［18］

丁肖, 邱新法, 高佳琦, 龚敬瑜. 基于手机相片的草地植被盖度估算方法研究. 浙江农业学报, 2017, 29(6): 1017-1025.

DING X, QIU X F, GAO J Q, GONG J Y. Rearch on estimation approach of grassland vegetation coverage bad on cellphone

photo. Acta Agriculturae Zhejiangensis, 2017, 29(6): 1017-1025.

［19］

（责任编辑 张瑾）

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

19