基于无人机影像的植被覆盖度估算研究

20214科技创新
DOI：10.19392/ko1671-7341.202110005基于无人机影像的植被覆盖度估算研究
刘丽王涛*陈阳
玉溪师范学院地理与国土工程学院云南玉溪653100
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、应急监测等各个方面。

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
Research on vegetation coverage estimation based on UAV images
Liu Li Wang Tao*Chen Yang
Colleges of Resources and Environmerit,Yuxi Normal University YunnariYuxi653100 Abstract:With the development of UAV technolo/y,UAV has been widely used in forestiy,aariculture,emeraenca monitorin/and other aspects.In this paper,through the UAV1o obtain the visible ima/e information of the study aree,and then uss pixAdmapper soft­ware1o process the imaae acquired by the UAV1o/enerate the DOM of the research aree.With the suppoi of ENVI softhare,the back-/round threshold mask is cut,the veeetation index is analyzed,and the veeetation ccvera/e of the research aree is estimated,which pro­vides ceiain referencc fo the research of forestro—▼630x800-and aaycultural monitorin/.
Key wordt:UAV；DOM；Threshold mask；Vegetation index；Vegetation ccvera/e
无人机(unmanned aeyal 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⑴。

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⑵。

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⑶。

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80叫飞行速度为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PixADMaps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。

图1本文研究区DOM
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
9
科技创新
20214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:
(bl ge 0.04) *bl + ( b1 It 0.04) *0 (1)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 是以可见光一一近红外为基础。

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⑸，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：
G l #_ ( Green-Red) +( Green 一)*e )
( )
-(2 * GREEN ) +Red+Blue ()
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(envi-eopscienceXXX-win. exc)，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。

裸地
研究区植被覆盖度
低植被覆盖度
中低植被覆盖度中植被覆盖度高植被覆盖度
图例
植被覆盖度
图2研究区植被覆盖度
图中植被覆盖度划分的标准如下表所示:
研究区植被覆盖度划分标准表
裸地<10%低覆盖
10% ~30%中低覆盖30% ~45%
中覆盖
45% ~60%
高覆盖
>60%
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
40831. 835108m 2，研究区域的总面积为72575. 904136m 2,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 Statistice 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) ：9P4.
:2］李冰,刘裁源，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。

10。