陳祖剛，巴圖娜存，徐芝英，胡云鋒＊

（1．中國(guó)科學(xué)院地理科學(xué)與資源研究所，北京100101；2．中國(guó)科學(xué)院大學(xué)，北京100049）

植被蓋度是指樣地中全部植物個(gè)體地上部分（包括葉、莖、枝等）的垂直投影面積占樣地總面積的百分比［1］。植被蓋度是表征生態(tài)系統(tǒng)植被群落生長(zhǎng)狀況及生態(tài)環(huán)境質(zhì)量的重要指標(biāo)［2］。植被蓋度對(duì)于分析和評(píng)估植物生長(zhǎng)態(tài)勢(shì)、土壤侵蝕強(qiáng)度及生態(tài)系統(tǒng)服務(wù)功能等有著重要作用，是評(píng)估土地退化、鹽漬化和沙漠化的有效指數(shù)［3］。

在草地植物群落野外調(diào)查中，傳統(tǒng)的草地植被蓋度測(cè)定方法有目測(cè)法、方格法、點(diǎn)測(cè)法、儀器測(cè)量法、遙感解譯法［1，4－5］等多種方法。目測(cè)法簡(jiǎn)單快捷，但受個(gè)人主觀因素影響較大［1，6］，章文波等［4］的研究指出其最大絕對(duì)誤差可達(dá)40%。方格法有較高的精度，但是手工工作量大，效率較低［6］。點(diǎn)測(cè)法是用應(yīng)用概率統(tǒng)計(jì)學(xué)原理而形成的蓋度估算技術(shù)，但實(shí)踐表明這種方法依然費(fèi)時(shí)費(fèi)力，精度也并不理想［1，7］。儀器法需使用購(gòu)置專門設(shè)備儀器，如空間定量計(jì)（spatial quantum sensor）和移動(dòng)光亮計(jì)（traversing quantum sell）等，經(jīng)濟(jì)成本較高，且野外攜帶和操作均不方便［1，8］。衛(wèi)星遙感反演算法僅能估算出大尺度區(qū)域上的草地蓋度［9］，需要尺度轉(zhuǎn)換后才能與小尺度樣地上的植被蓋度測(cè)量成果進(jìn)行比對(duì)分析。

2000年后，數(shù)碼相機(jī)迅速普及，科研人員開始應(yīng)用數(shù)碼相機(jī)和圖像處理技術(shù)開展草地蓋度測(cè)量［10－13］。已經(jīng)就其中的若干關(guān)鍵處理技術(shù)，如相片中心投影畸變糾正、綠色像素識(shí)別、測(cè)量精度平差和校驗(yàn)等進(jìn)行了廣泛研究，例如，Luscier等［6］借助遙感影像處理軟件eCognition做了植被蓋度測(cè)量實(shí)驗(yàn)；宋雪峰等［12］利用Photoshop吸管工具提取綠色植被像元測(cè)量了植被蓋度；張學(xué)霞等［14］針對(duì)中心投影引起的邊緣畸變進(jìn)行了探討；賈建華等［15］分析了青藏高原地表數(shù)字照片的顏色特征，并采用超綠算法和K均值聚類算法開發(fā)了植被蓋度自動(dòng)提取軟件。

基于數(shù)碼相機(jī)的蓋度測(cè)量方法操作簡(jiǎn)單，自動(dòng)化程度高，計(jì)算結(jié)果較為精確，但是不能滿足野外考察實(shí)時(shí)獲取測(cè)量結(jié)果與其他遙感參數(shù)產(chǎn)品作校驗(yàn)對(duì)比分析的要求［16－17］，研究人員獲取的只是某一草地塊的某一時(shí)刻的樣方照片，并未考慮諸如光照強(qiáng)度和草地蓋度本身變化對(duì)測(cè)量結(jié)果的影響。2010年以來(lái)，隨著新一代移動(dòng)智能設(shè)備（如iPhone／iPAD或各類Android Phone／PAD）的快速發(fā)展和普及，數(shù)碼相機(jī)、GPS及筆記本電腦等傳統(tǒng)設(shè)備得以綜合集成。最先進(jìn)的PAD和智能手機(jī)拍攝到的相片不僅能夠記錄GPS經(jīng)緯度、溫濕度、拍攝方向和水平傾仰角等重要環(huán)境背景信息，而且還可以在移動(dòng)設(shè)備上實(shí)時(shí)處理、計(jì)算得到植被覆蓋度、產(chǎn)草量等關(guān)鍵參量，甚至可以進(jìn)一步通過GPRS、3G、WIFI等通信網(wǎng)絡(luò)與互聯(lián)網(wǎng)、云存儲(chǔ)、云計(jì)算等服務(wù)連接起來(lái)，形成更廣闊的應(yīng)用領(lǐng)域。因此，在野外考察中運(yùn)用各類移動(dòng)智能設(shè)備拍攝草地樣方照片的同時(shí)，同步計(jì)算草地植被蓋度，并與有關(guān)遙感反演參數(shù)產(chǎn)品對(duì)比校驗(yàn)，這將成為地學(xué)移動(dòng)測(cè)量、天地一體化研究的重要發(fā)展方向。

為此，本研究首先設(shè)計(jì)了模擬野外考察和草地蓋度測(cè)量真實(shí)狀況的35種應(yīng)用場(chǎng)景，并使用智能平板設(shè)備在北京奧林匹克公園人工草地上完成了草地樣方拍攝工作；應(yīng)用RGB閾值法、HSV判別法和RGB決策樹法等3種蓋度測(cè)量方法，對(duì)草地植被蓋度測(cè)量成果進(jìn)行了對(duì)比研究，對(duì)影響測(cè)量精度的關(guān)鍵因素進(jìn)行了分析。

1 材料與方法

1．1 實(shí)驗(yàn)方案

為反映野外考察和植被蓋度測(cè)量時(shí)的真實(shí)情形，特別是考慮到測(cè)量結(jié)果可能隨蓋度變化而形成非線性響應(yīng)，同時(shí)考慮到太陽(yáng)光照角度、光照強(qiáng)度對(duì)數(shù)碼相片的影響，本研究設(shè)計(jì)了1個(gè)同時(shí)考慮植被蓋度變化和太陽(yáng)光照變化的實(shí)驗(yàn)方案。

植被蓋度變化包括5個(gè)水平，即低覆蓋（0～10%）、中低覆蓋（10%～20%）、中等覆蓋（20%～30%）、中高覆蓋（30%～50%）、高覆蓋（50%～80%）；太陽(yáng)光照變化則囊括夏季野外工作的7個(gè)主要時(shí)段，從早上6：00（6 AM）到下午6：00（6PM）、每隔2h一次，具體為6AM、8AM、10AM、12AM、14PM、16PM 和18PM 共7次太陽(yáng)光照環(huán)境。

2013年10月初，在北京市朝陽(yáng)區(qū)奧林匹克森林公園（116．3873°E，40．0056°N）內(nèi)的人工綠地內(nèi)，使用華碩（ASUS）的Eee Pad TF101平板電腦，進(jìn)行了上述實(shí)驗(yàn)方案規(guī)定的5（蓋度水平）×7（時(shí)段）共35種場(chǎng)景的草地樣方拍攝，草地樣方大小為32cm×25cm。

為控制拍攝效果、實(shí)時(shí)處理相片和計(jì)算樣方植被蓋度，作者使用Java語(yǔ)言在Android平臺(tái)上開發(fā)了基于RGB閾值法、HSV判別法和RGB決策樹法等3種測(cè)量算法的應(yīng)用軟件。軟件在相片獲取過程中，調(diào)用Android平板的GPS接收機(jī)、方向感應(yīng)器和重力感應(yīng)器等接口，以便得到GPS位置、方向以及水平俯仰角等信息。安裝上述軟件模塊后，平板電腦在野外拍攝的同時(shí)，可同步得到上述3種不同算法所得的植被蓋度測(cè)量值。

1．2 測(cè)量算法

1．2．1 RGB閾值法 為了將代表植物活體的綠色像素和代表土壤、枯死植物及陰影的其他像素區(qū)分開，可應(yīng)用數(shù)碼相片中表征顏色的R、G、B三個(gè)通道值來(lái)提取綠色植被。具體模型如下：

式中，G、R、B分別代表數(shù)碼相片上綠、紅、藍(lán)組分的數(shù)值；x是臨界閾值，它隨相片亮度變化而不同，一般在30～45之間。滿足上述模型的像素即被識(shí)別為草地植被，并用于計(jì)算草地植被蓋度。張?jiān)葡嫉龋?8］使用該模型在內(nèi)蒙古自治區(qū)錫林郭勒盟錫林浩特市、阿巴嘎旗、西烏珠穆沁旗開展了研究，并認(rèn)為RGB閾值法與借助圖像處理軟件的目視解譯法精度相當(dāng)。

1．2．2 HSV判別法 圖像學(xué)研究已經(jīng)指出，RGB顏色空間中的R、G、B三個(gè)分量與亮度相關(guān)，亮度改變會(huì)導(dǎo)致3個(gè)分量同時(shí)改變。為避免亮度改變所導(dǎo)致的不確定性，可以采用HSV顏色空間模型（hue，saturation，value，即色調(diào)、飽和度、亮度）。因此，通過對(duì)H（色調(diào)值）規(guī)定一定的值域空間，可以同樣提取得到綠色植被斑塊。具體模型如下：

式中，H代表色調(diào)，S代表飽和度，V代表亮度；綠色調(diào)對(duì)應(yīng)H值的范圍是60～180［19］。在計(jì)算機(jī)圖像學(xué)中，H、S、V的值可以由RGB值經(jīng)過一定的數(shù)學(xué)模型轉(zhuǎn)換得到［20］。Richardson等［10］使用該模型在已知大小的苗床上，依次放置16個(gè)已知面積的圓形草坪草（turfgrass）簇，測(cè)得的蓋度值和真實(shí)值的相關(guān)系數(shù)為0．99。

1．2．3 RGB決策樹法 這是一種在RGB簡(jiǎn)單閾值模型基礎(chǔ)上發(fā)展而來(lái)的新技術(shù)。該方法依然使用數(shù)碼相片中的RGB三通道模型，但對(duì)于R、G、B三個(gè)通道值之間的復(fù)雜組合進(jìn)行了細(xì)致甄別。

理論上，該模型不僅能夠區(qū)分出綠葉、黃葉、帶顏色的花朵等植被活體類型，還能區(qū)分出枯枝落葉、土壤、礫石等非植被活體類型。章超斌等［1］應(yīng)用該方法在新疆準(zhǔn)噶爾盆地東南緣的阜康市荒漠草原區(qū)開展研究，認(rèn)為所得植被蓋度最大偏差的絕對(duì)值不超過5%，精度在95%以上。

2 結(jié)果與分析

2．1 測(cè)量結(jié)果

為了對(duì)機(jī)器識(shí)別、模型算法測(cè)得的草地蓋度進(jìn)行精度分析，首先需要獲取樣方植被區(qū)域，并進(jìn)一步計(jì)算得到草地蓋度參考值［21］。為此，作者使用Photoshop提供的魔棒工具，通過傳統(tǒng)的目視解譯、植被斑塊勾勒方法獲取了全部相片的植被斑塊（含葉、枝、莖），并繼而計(jì)算得到蓋度參考值。與此同時(shí)，依托RGB閾值法、HSV判別法、RGB決策樹法等3個(gè)算法模型，由平板電腦及相應(yīng)的草地蓋度測(cè)量軟件計(jì)算出相片蓋度值。由于同一蓋度下存在7個(gè)不同時(shí)段的相片，因此可以針對(duì)每一個(gè)蓋度進(jìn)一步計(jì)算出測(cè)量蓋度均值及其方差（表1）。

表1 草地樣方及植被蓋度Table 1 Grass samples and vegetation coverage

2．2 精度分析

以目視解譯法獲取的蓋度參考值為橫坐標(biāo)，以RGB閾值法、HSV判別法、RGB決策樹法等3種方法所得值為縱坐標(biāo)，作散點(diǎn)圖并作線性回歸。具體結(jié)果如圖1所示。

從回歸斜率看，3條回歸線的斜率均小于1，即3種方法均存在低估現(xiàn)象。其中，RGB閾值法和HSV判別法的回歸線斜率較高，分別為0．668和0．680，即有著相對(duì)更高的估算精度；RGB判別樹法回歸斜率僅為0．232，估算精度最差。從散點(diǎn)分布狀況以及R2大小來(lái)看，RGB閾值法和HSV判別法中，各散點(diǎn)較密集分布在回歸線兩側(cè)，決定系數(shù)R2大于0．9，這表明測(cè)量值與參考值之間的一致性較好；但在RGB決策樹法中，各個(gè)散點(diǎn)距離回歸線較遠(yuǎn)，決定系數(shù)R2較小，僅為0．62左右，這表明測(cè)量值與參考值之間差異較大。從回歸截距上看，RGB閾值法和HSV判別法的截距接近于0，而RGB決策樹法的截距為0．53948，這表明RGB決策樹法在植被低覆蓋度區(qū)域存在嚴(yán)重的高估現(xiàn)象。

總體而言，RGB閾值法和HSV判別法估算蓋度的精度較高，而RGB決策樹法估算蓋度的精度較低。

2．3 不同蓋度對(duì)測(cè)量精度的影響

為分析不同模型算法對(duì)于草地植被蓋度變化的敏感性，本研究以植被蓋度參考值為橫軸，以測(cè)量誤差（蓋度測(cè)量值與參考值的差）為縱軸，對(duì)同一蓋度水平、不同時(shí)刻相片獲得的測(cè)量值進(jìn)行統(tǒng)計(jì)（測(cè)量誤差的均值和方差），并在Origin中作圖（圖2）。

圖1 植被蓋度測(cè)量值與參考值的相關(guān)關(guān)系Fig．1 Relationships of coverage measurement values and reference values

圖2 不同蓋度下照相測(cè)量值的變化Fig．2 Change of photograph measurement values of different coverage

由圖2可見，RGB閾值法和HSV判別法，隨著參考植被蓋度的增加，誤差絕對(duì)值呈增大趨勢(shì)，但在30%參考植被蓋度時(shí)誤差減少，結(jié)合50%和80%參考蓋度草地樣方中非綠色莖較多，30%蓋度草地樣方植物莖較少的事實(shí)，判定測(cè)量絕對(duì)誤差主要受樣方中非綠色植被成分多少的影響，而隨蓋度增加無(wú)明顯的變化規(guī)律；其方差也無(wú)明顯的變化規(guī)律。對(duì)于RGB決策樹方法，隨著參考植被蓋度的增加，其測(cè)量誤差逐步減小，從42．71%減少到－5．29%；其方差無(wú)明顯的變化規(guī)律。

綜上所述，RGB閾值法和HSV判別法的測(cè)量精度隨參考植被蓋度的增加無(wú)明顯的變化規(guī)律；RGB決策樹法的測(cè)量誤差隨參考植被蓋度的增加而減小，即測(cè)量精度隨參考植被蓋度的增加而提高。

2．4 不同光照對(duì)測(cè)量值的影響

為分析不同蓋度測(cè)量模型對(duì)于不同光照角度、光照強(qiáng)度變化的敏感性，本研究以照相時(shí)間（代表了不同的光照角度和光照強(qiáng)度）為橫軸，以蓋度測(cè)量值為縱軸，將5個(gè)蓋度水平的測(cè)量值序列分別作圖（圖3）。

圖3中，從早上到中午、再到晚上，隨著光照強(qiáng)度的先增加、后減少，光照角度的先增加、后減小，RGB閾值法所得測(cè)量值在時(shí)間序列上大致呈現(xiàn)一個(gè)碗口向上的U形分布，即早上和傍晚其測(cè)量值更高，而中午其測(cè)量值更低；這一規(guī)律對(duì)于具較低植被蓋度樣地（低蓋度樣地、中低蓋度樣地）更為明顯。與RGB閾值法結(jié)果類似，HSV判別法所得測(cè)量值在時(shí)間序列上也同樣呈現(xiàn)為一個(gè)碗口向上的U形分布，且這一規(guī)律對(duì)于具較低植被蓋度樣地（低蓋度樣地、中低蓋度樣地）更為明顯。與前兩者均不同，RGB決策樹方法所得測(cè)量結(jié)果在時(shí)間序列上的變化規(guī)律不明顯，甚至在對(duì)低蓋度草地樣地測(cè)量過程中，還出現(xiàn)了1次奇異值。

圖3 不同時(shí)段下照相測(cè)量值的變化Fig．3 Change of photograph measurement values in different time

綜上，隨著光照強(qiáng)度、光照高度的增加，RGB閾值法和HSV判別法所得測(cè)量結(jié)果會(huì)隨之減?。环粗?，即隨著光照強(qiáng)度、光照高度的降低，RGB閾值法和HSV判別法所得測(cè)量結(jié)果會(huì)隨之增高。但是光照環(huán)境對(duì)于RGB決策樹方法的影響不顯著。

3 討論

3．1 精度規(guī)律產(chǎn)生原因分析

為探究其成像規(guī)律以及誤差形成過程，將基于3種方法處理后的圖像進(jìn)一步處理分析，即保留識(shí)別的植被像素，去除非植被像素（設(shè)為白色背景值），觀察其識(shí)別區(qū)域，進(jìn)行比較分析。

由圖4可見，RGB閾值法、HSV判別法和RGB決策法均能有效識(shí)別圖像中的綠色植被像元；其中，RGB閾值法和HSV判別法能夠較好剔除土壤背景，而決策樹法卻無(wú)法很好剔除土壤背景；因此，前2種方法的蓋度識(shí)別精度較后者高。RGB決策法具有識(shí)別紫色根莖功能［1］，圖中因背景土壤顏色與紫色根莖顏色較為相近，因此決策樹法無(wú)法剔除土壤。土壤背景顏色不同是本研究和以往研究的不同之處，也是本研究得出的精度數(shù)據(jù)和以往研究不同的重要原因。

3．2 蓋度和光照變化規(guī)律產(chǎn)生原因分析

RGB閾值法和HSV判別法能夠有效識(shí)別所有蓋度樣方中的綠色植被，并剔除非綠色背景，因此其測(cè)量精度受到蓋度變化影響較小。而RGB決策樹法將土壤誤判為綠色植被，因此其測(cè)量精度與樣方中土壤面積相關(guān)，受到蓋度變化影響較大。樣方植被蓋度越高，則樣方中土壤面積越小，因此誤判面積越小，精度越高。

基于相同蓋度樣方，隨光照強(qiáng)度增強(qiáng)，RGB閾值法和HSV判別法所測(cè)蓋度值逐漸減小。其原因是在弱光條件下，一些非植被像元因像素值在RGB顏色空間下R、G、B分量值均較小以及數(shù)碼攝像頭在像元像素值產(chǎn)生時(shí)的誤差，其R、G、B分量符合RGB閾值法G＞R，G＞B，G（30～45）的判別規(guī)則，被誤判為植被像元，故其測(cè)量蓋度值較大；而在強(qiáng)光條件下，這些非植被像素顏色值呈現(xiàn)其真實(shí)值，R、G、B分量值較大，因此不再被誤判，其測(cè)量蓋度值較小?？梢园堰@種現(xiàn)象稱為植被像元的擾動(dòng)判定。同理，在弱光條件下，一些暗色調(diào)非植被像元由于數(shù)碼攝像頭產(chǎn)生像元像素值時(shí)的誤差，其像素值在HSV顏色空間下H分量符合60°＜H＜180°的條件（這時(shí)候V分量很?。?，被誤判為植被像素，其測(cè)得的蓋度值較大；當(dāng)光照強(qiáng)度增加后，這些像素值不再符合判定條件，誤判像元減少，測(cè)得的蓋度值減小。RGB決策樹法隨光照強(qiáng)度的變化其測(cè)得的蓋度值無(wú)明顯的變化規(guī)律，其主要原因可能是光照強(qiáng)度的變化對(duì)土壤以及其他顏色的背景的擾動(dòng)判定和對(duì)綠色植被的擾動(dòng)判定作用結(jié)果相互抵消，導(dǎo)致總體變化規(guī)律的不確定性。確切的原因有待于進(jìn)一步的研究。

圖4 原圖及3種方法識(shí)別的綠色植被區(qū)域Fig．4 Origin photo and the green vegetation areas recognized by three measurement methods

4 結(jié)論與展望

本研究在總結(jié)梳理既有植被蓋度測(cè)量方法的基礎(chǔ)上，設(shè)計(jì)了35種模擬野外考察和植被蓋度測(cè)量的情景，并應(yīng)用RGB閾值法、RGB決策樹法、HSV判別法3種蓋度測(cè)量方法，對(duì)基于數(shù)碼相機(jī)草地植被蓋度的測(cè)量流程、測(cè)量精度、草地蓋度變化、光照強(qiáng)度變化開展對(duì)比研究。主要結(jié)論有：

1）RGB閾值法和HSV判別法精度較高，RGB決策樹法對(duì)非高蓋度草地樣方的測(cè)量精度較低。

2）RGB閾值法和HSV判別法的測(cè)量精度不受草地樣方本身蓋度變化的影響；RGB決策樹法的蓋度測(cè)量精度隨著草地樣方蓋度的增加而提高。

3）RGB閾值法和HSV判別法測(cè)量的蓋度值隨光照強(qiáng)度的增大而減小，隨光照強(qiáng)度的減弱而增大；而RGB決策樹法測(cè)量的蓋度值隨光照強(qiáng)度的變化無(wú)明顯規(guī)律。

總的來(lái)看，RGB閾值法和HSV判別法在計(jì)算機(jī)算法實(shí)現(xiàn)上簡(jiǎn)單、易實(shí)現(xiàn)，總體精度較高，對(duì)光照環(huán)境的相應(yīng)呈現(xiàn)規(guī)律性變化，因此在今后的深入研究中值得進(jìn)一步優(yōu)化。而RGB決策樹方法的計(jì)算機(jī)算法相對(duì)復(fù)雜，總體精度卻未見改善。

本研究還發(fā)現(xiàn)，不管是RGB閾值法、還是HSV判別法、抑或是RGB決策樹法，單純地從顏色判別（尤其是綠色像素）角度來(lái)計(jì)算植被蓋度，這顯然具有局限性。這樣的技術(shù)路徑很難將非綠色調(diào)的莖、枝、花等植被組成有效識(shí)別出來(lái)，同時(shí)也可能將一些背景要素誤判為植被，這是當(dāng)前蓋度測(cè)量方法誤差的主要來(lái)源。在未來(lái)研究中，一方面可以進(jìn)一步改進(jìn)植被像素的識(shí)別方法，特別是要建立隨蓋度變化、光照環(huán)境變化的閾值自適應(yīng)模型，這是繼續(xù)使用RGB顏色空間或者是HSV顏色空間開展精確的植被蓋度測(cè)量的一個(gè)重要途徑。另一方面也可以考慮從圖形統(tǒng)計(jì)學(xué)出發(fā)，通過圖像邊緣檢測(cè)、聚集分析、圖形自動(dòng)匹配等手段，另辟蹊徑，通過識(shí)別植被不同組成的形狀，由此計(jì)算植被蓋度。

［1］章超斌，李建龍，張穎，等．基于RGB模式的一種草地蓋度定量快速測(cè)定方法研究［J］．草業(yè)學(xué)報(bào)，2013，22（4）：220－226．

［2］秦偉，朱清科，張學(xué)霞，等．植被覆蓋度及其測(cè)算方法研究進(jìn)展［J］．西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2006，34（9）：163－169．

［3］顧祝君，曾志遠(yuǎn)．遙感植被蓋度研究［J］．水土保持研究，2005，12（2）：18－21．

［4］章文波，符素華，劉寶元．目估法測(cè)量植被覆蓋度的精度分析［J］．北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2001，37（3）：402－408．

［5］Smitha M O，Ustin S L，Adamsa J B，etal．Vegetation in deserts：I．A regional measure of abundance from multispectral images［J］．Remote Sensing of Environment，1990，31（1）：1－26．

［6］Luscier J D，Thompson W L，Wilson J M，etal．Using digital photographs and object－based image analysis to estimate percent ground cover in vegetation plots［J］．Frontiers in Ecology and the Environment，2006，4（8）：408－413．

［7］胡健波，張璐，黃偉，等．基于數(shù)碼照片的草地植被覆蓋度快速提取方法［J］．草業(yè)科學(xué)，2011，28（9）：1661－1665．

［8］Thalen D C P．Ecology and Utilization of Desert Shrub Rangelands in Iraq［M］．Hague：Kluwer Academic Publishers，1979．

［9］White M A，Asner G P，Nemani R R，etal．Measuring fractional cover and leaf area index in arid ecosystems：digital camera，radiation transmittance，and laser altimetry methods［J］．Remote Sensing of Environment，2000，74（1）：45－57．

［10］Richardson M D，Karcher D E，Purcell L C．Quantifying turfgrass cover using digital image analysis［J］．Crop Science，2001，41（6）：1184－1188．

［11］池宏康，周廣勝，許振柱，等．草地植被蓋度的近距離遙感測(cè)定［J］．草業(yè)學(xué)報(bào)，2007，16（2）：105－110．

［12］宋雪峰，董永平，單麗燕，等．用數(shù)碼相機(jī)測(cè)定草地蓋度的研究［J］．內(nèi)蒙古草業(yè)，2004，16（4）：1－6．

［13］張清平，章山山，陳露，等．應(yīng)用 WinCAM軟件判識(shí)分析草坪蓋度［J］．草業(yè)科學(xué)，2010，27（7）：13－17．

［14］張學(xué)霞，朱清科，吳根梅，等．?dāng)?shù)碼照相法估算植被蓋度［J］．北京林業(yè)大學(xué)學(xué)報(bào)，2008，80（1）：164－169．

［15］賈建華，胡勇，劉良云．青藏高原數(shù)字照片植被覆蓋度自動(dòng)算法與應(yīng)用［J］．地球信息科學(xué)學(xué)報(bào)，2010，12（6）：880－884．

［16］陳夢(mèng)蝶，黃曉東，侯秀敏，等．青海省草原鼠害區(qū)域草地生物量及蓋度動(dòng)態(tài)監(jiān)測(cè)研究［J］．草業(yè)學(xué)報(bào)，2013，22（4）：247－256．

［17］孫成明，劉濤，田婷，等．基于 MODIS的南方草地NPP遙感估算與應(yīng)用［J］．草業(yè)學(xué)報(bào)，2013，22（5）：11－17．

［18］張?jiān)葡迹顣员?，張?jiān)骑w．基于數(shù)字相機(jī)、ASTER和 MODIS影像綜合測(cè)量植被蓋度［J］．植物生態(tài)學(xué)報(bào)，2007，31（5）：842－849．

［19］包全磊．基于 HSV 空間的彩色圖像分割［J］．軟件導(dǎo)刊，2010，9（7）：171－172．

［20］李長(zhǎng)勇，曹其新，郭峰．基于主色直方圖特征匹配的蔬果分類方法［J］．上海交通大學(xué)學(xué)報(bào)，2009，43（12）：1888－1903．

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