王洋洋，孫 偉，*，李 淦，康正華，繆 劍

(1.新疆農(nóng)業(yè)大學(xué) 計算機(jī)與信息工程學(xué)院，新疆 烏魯木齊 830052； 2.新疆農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，新疆 烏魯木齊 830052； 3.新疆農(nóng)業(yè)大學(xué) 機(jī)械交通學(xué)院，新疆 烏魯木齊 830052)

基于Android平臺的荒漠檉柳地上生物量無損快速估測方法

王洋洋1，孫 偉1，*，李 淦2，康正華2，繆 劍3

(1.新疆農(nóng)業(yè)大學(xué) 計算機(jī)與信息工程學(xué)院，新疆 烏魯木齊 830052； 2.新疆農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，新疆 烏魯木齊 830052； 3.新疆農(nóng)業(yè)大學(xué) 機(jī)械交通學(xué)院，新疆 烏魯木齊 830052)

荒漠灌木生物量估測是研究荒漠生態(tài)系統(tǒng)結(jié)構(gòu)與功能的重要指標(biāo)。為了實現(xiàn)荒漠灌木地上生物量的野外實時、無損、快速估測，應(yīng)用機(jī)械設(shè)計與制造技術(shù)和方法，研制了一種荒漠灌木地上生物量的野外測量裝置，綜合應(yīng)用數(shù)字圖像處理算法，基于Android平臺開發(fā)了測量裝置上運(yùn)行的荒漠灌木地上生物量無損快速估測軟件。以新疆古爾班通古特沙漠南緣的150株檉柳為試驗對象，驗證荒漠灌木地上生物量無損快速估測方法的有效性。結(jié)果表明，以檉柳圖像俯視面積(S)為自變量建立生物量模型B=15.215+369.44S-42.03S2+1.668S3最優(yōu)，決定系數(shù)(R2)最大，與人工實際測量結(jié)果相比，該系統(tǒng)估測的平均絕對誤差為79.12 g，平均系統(tǒng)誤差為1.73%，平均絕對百分誤差為18.59%，估測值和實測值相關(guān)系數(shù)為0.939 1，能有效測量生物量，為無損快速估測荒漠檉柳地上生物量提高了工作效率。

Android平臺；檉柳；生物量；無損估測

荒漠灌木是干旱區(qū)、半干旱區(qū)脆弱生態(tài)系統(tǒng)的重要組成部分，其生物量估測方法至關(guān)重要[1]，但是，由于灌木測樹學(xué)因子的野外獲取難度較大，已成為灌木生物量建模的主要制約因素之一[2]。目前灌木生物量測量方法大多為人工調(diào)查，以破壞性測量為主，優(yōu)點(diǎn)是測量結(jié)果可靠，缺點(diǎn)是需要將整個灌木收割，這使得同一灌木不能得到連續(xù)測量。在大批量測量時，不但費(fèi)時、費(fèi)力，而且所得數(shù)據(jù)可能具有一定的主觀性，存在一定程度的誤差。以遙感影像為主的非破壞性的測量最大優(yōu)勢就是允許重復(fù)追蹤同一片區(qū)域的生物量，缺點(diǎn)是高清影像價格較高，且多聚集在喬木上，對灌木林的相關(guān)研究較少[1]。近幾年來，隨著智能手機(jī)攝像技術(shù)的飛速發(fā)展，采用低成本、非破壞性的智能手機(jī)拍照法研究植物各種關(guān)鍵測量指標(biāo)逐步成為一種新的途徑和手段[3]。

Damiran等[4]通過數(shù)碼相機(jī)拍攝的圖片獲取毛核木的綠葉面積值，成功估測了其生物量值。郭文川等[5]通過Android手機(jī)平臺構(gòu)建了一種植物葉片面積快速無損測量系統(tǒng)，取得了良好的效果。路文超等[6]設(shè)計了基于Android手機(jī)便攜式水稻劍葉角無損測量系統(tǒng)，得到的結(jié)果較為理想。鄭姣等[7]利用Android手機(jī)圖像識別對水稻病害進(jìn)行了診斷。龔愛平等[8]設(shè)計開發(fā)一款基于Android手機(jī)的葉面積測量軟件，實現(xiàn)了無損測量不同大小和形狀的葉片面積。戴建國等[9]在Android手機(jī)開發(fā)了基于圖像規(guī)則的棉花病蟲害診斷系統(tǒng)，以圖像形式對棉花生長狀況進(jìn)行預(yù)測。因此，利用智能手機(jī)攝像頭來估測荒漠檉柳地上生物量是目前可行的方法。然而，現(xiàn)有研究方法直接應(yīng)用于灌木生物量無損快速估測研究中卻存在一些不足之處亟待解決，例如，Damiran等[4]研究的灌木屬于小型灌木，在拍攝照片時還需要引入白色背景布，導(dǎo)致野外測量難度和成本增加；郭文川等[5]研究目標(biāo)是形態(tài)較小的植物葉片面積；路文超等[6]研究的水稻劍葉角測量系統(tǒng)在田間測量過程中需要避開太陽光的直射，在使用過程中，需要采用遮擋的方式避免太陽光對劍葉部位直接照射；鄭姣等[7]研究的水稻病害診斷系統(tǒng)和戴建國等[9]研究的棉花病蟲害診斷系統(tǒng)都無法直接應(yīng)用于生物量的估測，并且以上的研究成果都不適用于荒漠檉柳生物量的研究，因此，本文應(yīng)用機(jī)械設(shè)計與制造技術(shù)和方法，研制了一種荒漠灌木地上生物量的野外測量裝置，綜合應(yīng)用數(shù)字圖像處理算法，基于Android平臺開發(fā)了測量裝置上運(yùn)行的荒漠灌木地上生物量無損快速估測軟件，從而對荒漠檉柳生物量進(jìn)行估測，本研究建立了軟硬件結(jié)合的一體化測量工具，針對灌木的特點(diǎn)，引入了檉柳圖像俯視面積(S)為自變量建立生物量模型。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于新疆維吾爾自治區(qū)瑪納斯縣六戶地鎮(zhèn)周邊區(qū)域，地處古爾班通古特沙漠南緣，(44°35′27″～44°45′25″N，85°58′35″～86°19′10″E)。屬溫帶大陸性氣候，光照充足，冬季長而嚴(yán)寒，夏季短而酷熱，晝夜溫差大，年平均氣溫7.2 ℃，極端最高氣溫39.6 ℃，極端最低氣溫-37.4 ℃，年平均降水量173.3 mm，地貌為數(shù)米至數(shù)十米的固定、半固定沙丘[10]。研究區(qū)林木品種包括楊柳科、榆科、杉科、藜科等，植被主要有檉柳Tamarixramosissima、梭梭Haloxylonammodendron(C. A. Mey.) Bunge、胡楊Populuseuphratica等，這些植物都為荒漠固沙起到十分重要的作用。

1.2 系統(tǒng)總體設(shè)計

1.2.1 系統(tǒng)硬件平臺

本研究選用中國移動M812智能手機(jī)，CPU頻率：1.2 GHZ；核心數(shù)：四核；后置攝像頭像素：800萬像素；操作系統(tǒng)：Android4.4；RAM容量：2 GB；ROM容量：8 GB；支持藍(lán)牙連接。

1.2.2 系統(tǒng)軟件平臺

在Windows 10操作系統(tǒng)下，采用Google發(fā)布的Android Studio 2.1.0開發(fā)平臺進(jìn)行編譯，它是一個基于IntelliJ IDEA的Android開發(fā)環(huán)境，類似Eclipse ADT，Android Studio提供了集成的 Android 開發(fā)工具，適用于開發(fā)和調(diào)試。

在拍攝過程中，系統(tǒng)程序通過獲取屏幕的分辨率來設(shè)置拍攝圖片的尺寸，通過調(diào)用手機(jī)內(nèi)置的拍攝程序?qū)崿F(xiàn)拍攝對象的自動對焦功能，并且控制圖像的正確顯示方向[11]。

1.2.3 系統(tǒng)結(jié)構(gòu)

基于Android平臺的荒漠檉柳地上生物量無損快速估測系統(tǒng)主要分為檉柳圖像采集和檉柳生物量估測兩部分，見圖1。

1.3 硬件設(shè)計與實現(xiàn)

拍攝桿采用不銹鋼材質(zhì)制成，該桿件分為4個桿及其他零部件組成，最大外徑為14 mm，最大伸縮長度為4 m，收回后僅有1.28 m，可實現(xiàn)任意位置固定，使用時左右手分別握住上下連接的兩節(jié)，兩手相對方向旋轉(zhuǎn)使拍攝桿定位鎖死，兩手相反方向旋轉(zhuǎn)解鎖可伸縮，如圖2所示。

在獲取檉柳圖像時，可將拍攝桿調(diào)節(jié)至合適的高度，調(diào)整拍攝桿頂部的手機(jī)相機(jī)鏡頭，使之處于被拍攝檉柳的正上方，如圖3所示。拍攝桿的底部設(shè)有拍攝按鍵和音頻模塊，按鍵模塊和音頻模塊通過藍(lán)牙無線傳輸模式與智能手機(jī)進(jìn)行通信，當(dāng)手機(jī)的相機(jī)對焦完成后，會通過音頻模塊發(fā)出提示音，此時按下拍攝按鈕，相機(jī)拍攝檉柳照片，拍攝成功時，音頻模塊將會有快門聲音提示拍攝完成。

1.4 圖像數(shù)據(jù)與地上生物量獲取

2016年8月，在新疆古爾班通古特沙漠南緣選擇生長良好、地徑均勻分布在1～50 cm，高度在3.5 m以下，冠幅在5～350 cm，并能很好地反映實驗區(qū)內(nèi)檉柳實際生長狀況的樣本。樣地設(shè)置為50 m×80 m，隨機(jī)布設(shè)15塊樣地，每塊樣地選取10株樣木，共計150株樣木。拍攝時盡量選擇地面較平、雜草較少的背景，在地面放置一個標(biāo)尺，用以測量灌木圖像所占的實際寬度值，調(diào)節(jié)相機(jī)與檉柳的垂直距離，為避免鏡頭畸變帶來的誤差，在拍攝時使檉柳盡量處于圖片的中間位置，同時保持相機(jī)鏡頭與地面保持平行，如圖3所示。每株樣本分別拍攝有效照片2張，并記錄照片編號。

拍攝完成后，實地測量并記錄每株檉柳的株高、基徑、冠幅等數(shù)據(jù)，記錄植株的GPS點(diǎn)值。收獲時將檉柳齊地面伐倒，稱量總鮮質(zhì)量，每株選取一個標(biāo)準(zhǔn)直立枝，測量其長度后，將枝葉進(jìn)行分離并編號，分別稱鮮質(zhì)量。樣本帶回實驗室置于真空干燥箱內(nèi)，在85 ℃恒溫下烘干至恒質(zhì)量，用精度為1 g的電子天平對每株樣本分別稱重，逐一記錄下干質(zhì)量，根據(jù)樣本的干質(zhì)量與鮮質(zhì)量值計算檉柳的平均含水量，從而得出樣本總干質(zhì)量。

圖1 系統(tǒng)結(jié)構(gòu)圖Fig.1 System structure diagram

a， 拍攝桿主視圖，1—塑料握套；2—桿件4；3—偏心套索4；4—偏心套索3；5—桿件3；6—偏心套索2；7—偏心鎖芯2；8—桿件2；9—偏心套索1；10—偏心鎖芯1；11—桿件1；12—定位套管3；13—定位套管2；14—定位套管1；15—螺桿接頭；b，偏心鎖芯；c，偏心鎖套；d，偏心鎖芯與偏心鎖套接觸部分剖視圖a， Main view of shooting rod，1-Plastic grip；2-Member bar 4；3-Eccentric lock sleeve 4；4-Eccentric lock sleeve 3；5-Member bar 3；6-Eccentric lock sleeve 2；7-Eccentric lock core 2；8-Member bar 2；9-Eccentric lock sleeve 1；10-Eccentric lock core 1；11-Member bar 1；12-Locating sleeve 3；13-Locating sleeve 2；14-Locating sleeve 1；15-Screw joint；b，Eccentric lock core；c，Eccentric lock sleeve；d，Sectional view of contact part between eccentric lock core and eccentric lock sleeve圖2 拍攝桿示意圖Fig.2 Schematic diagram of the shooting rod

圖3 圖像獲取方法Fig.3 Method of image acquisition

1.5 圖像數(shù)據(jù)處理方法

1.5.1 圖像預(yù)處理

由于荒漠采集灌木圖像過程中難免會受到周圍環(huán)境的干擾，因此，為了抑制噪聲，增強(qiáng)圖像質(zhì)量，首先需要對采集的圖片進(jìn)行預(yù)處理，如通過調(diào)節(jié)飽和度、亮度、色相等操作消除不同光照環(huán)境下對圖片的影響，便于操作者讀取圖片中標(biāo)尺的示數(shù)。通過裁剪操作將拍攝的圖片中標(biāo)尺、其他檉柳等干擾信息裁剪掉，僅保留待計算的檉柳圖像并將檉柳顯示在圖像的中間位置。

本文主要的圖像處理是圖像分割，而文獻(xiàn)[12]和[13]表明，影響圖像分割誤差因素的主次順序為：光照強(qiáng)度、拍攝角度、太陽高度角和土壤干濕程度，前三者影響顯著，土壤干濕程度對圖像分割質(zhì)量的影響并不明顯。因此，上述圖像預(yù)處理過程對圖像參數(shù)的調(diào)整不會影響后續(xù)圖像分割算法的精度。

1.5.2 圖像分割

在野外拍攝荒漠灌木圖像時，由于植株附近地表的顏色具有不確定性，因此本文采用Mean-Shift算法實現(xiàn)圖像自動分割，它本質(zhì)上是一種根據(jù)密度來決定分類的算法，在分割時不需要輸入Cluster的數(shù)目。在讀取像素數(shù)組時，先將像素值從RGB空間轉(zhuǎn)換成YIQ空間，它具有能將圖像中的亮度分量分離提取出來的優(yōu)點(diǎn)，并且YIQ顏色空間與RGB顏色空間之間是線性變換的關(guān)系，計算量小，聚類特性也比較好，可以適應(yīng)光照強(qiáng)度不斷變化的場合。

Mean-Shift算法假設(shè)在d維空間Rd上有n個數(shù)據(jù)點(diǎn)xi，其中i取值范圍為1～n，其多元核密度估算公式表示如式(1)所示：

(1)

其中K(x)表示核，h為窗口半徑大小，對于徑向?qū)ΨQ核函數(shù)，定義其核K(x)滿足公式(2)：

K(x)=Ck,dk(‖x‖2)。

(2)

其中Ck,d是歸一化常量，保證K(x)整合為1，最終密度模型在梯度變化f(x)=0處停止。

Mean-Shift算法執(zhí)行結(jié)束后，合并小于閾值數(shù)目的分類，同時將像素值再次轉(zhuǎn)換成RGB空間，從而獲得灰度圖像。通過對灰度圖像設(shè)定閾值，進(jìn)一步得到二值圖像，閾值化是輸入圖像f到輸出圖像g的如下變換(公式3)：

(3)

其中T是閾值，對于檉柳的圖像元素g(i,j)=0，對于背景的圖像元素g(i,j)=255。

1.5.3 計算灌木實際面積

根據(jù)圖像實際寬度值與圖像寬度所占的像素數(shù)之比來計算被測檉柳所占的實際俯視面積，單位為平方米，如公式(4)所示。

(4)

式中：S—檉柳所占俯視面積；W—實際寬度值；W′—圖像寬度所占的像素數(shù)；P—圖像中檉柳所占的像素數(shù)。

1.6 生物量建模方法

采用Excel 2010、DPS 7.05對數(shù)據(jù)進(jìn)行分析，根據(jù)國內(nèi)外生物量模型已有的研究成果，依次選擇指數(shù)(5)、線性(6)、對數(shù)(7)、冪函數(shù)(8)、二次多項式(9)、三次多項式(10)建立檉柳生物量估測模型[14-17]，選擇Android 手機(jī)圖像處理得到的檉柳俯視面積(S)，外業(yè)測量得到的樹高(H)、基徑(D)及其派生因子D2H、DH、DH2為自變量建立生物量模型，并對擬合后的回歸方程均進(jìn)行F檢驗，選出適合檉柳最優(yōu)的生物量估算模型[18]。

B=β0eβ0x；

(5)

B=β0+β1X；

(6)

B=β0+β1lnX；

(7)

B=β0Xβ1；

(8)

B=β0+β1X+β2X2；

(9)

B=β0+β1X+β2X2+β3X3。

(10)

式中：B為檉柳生物量；X為自變量；β0、β1、β2、β3為系數(shù)。

在150個樣本中，選取其中110個作為建模樣本，先將檉柳地上生物量與不同自變量進(jìn)行相關(guān)性分析，并根據(jù)分析結(jié)果，選出最佳的建模數(shù)據(jù)構(gòu)建實測生物量與圖像提取的參數(shù)構(gòu)建生物量模型。用剩下的40個樣本作為檢驗樣本，利用檢驗數(shù)據(jù)預(yù)測每株灌木的地上生物量，并與實測值進(jìn)行比較。驗證采用常用的決定系數(shù)(R2)、平均誤差(ME)、平均絕對誤差(MAE)、總相對誤差(TRE)、平均系統(tǒng)誤差(MSE)和平均絕對百分誤差(MPSE)6個指標(biāo)來衡量[19-21]，計算公式如下：

(11)

(12)

(13)

(14)

(15)

(16)

1.7 軟件設(shè)計

本設(shè)計以簡潔的布局為主要設(shè)計思想，完成人機(jī)交互界面的設(shè)計，實現(xiàn)了對荒漠檉柳生物量無損、快速估算的功能，避免了特別復(fù)雜的控件設(shè)計，方便調(diào)查人員的使用，具有操作簡單、測試中系統(tǒng)穩(wěn)定等特點(diǎn)。詳細(xì)功能有：對灌木進(jìn)行實時拍照、圖像預(yù)處理(裁剪、旋轉(zhuǎn)、縮放、翻轉(zhuǎn)，調(diào)節(jié)飽和度、亮度、色相)、圖像分割、計算生物量、保存數(shù)據(jù)等功能，系統(tǒng)主要界面如圖4、5、6、7所示。

圖4 軟件主界面Fig.4 Main interface of developed software

圖5 圖像處理界面Fig.5 Interface of image processing

2 結(jié)果與分析

2.1 檉柳生物量估測模型的構(gòu)建

分別以實際測量110株檉柳的俯視面積(S)和樹高(H)、基徑(D)及其派生因子D2H、DH、DH2為自變量[22-25]，構(gòu)建生物量估測模型，并將各自變量與其生物量分別進(jìn)行回歸分析，其判定系數(shù)R2值如表1所示。由表1可知，6種變量S、H、D、D2H、DH、DH2中，以變量S與生物量的相關(guān)系數(shù)最高，其判定系數(shù)值為0.901 3，故本研究以S為自變量構(gòu)建檉柳生物量估測模型。

a， 灰度圖像 Gray image; b， 二值圖像 Binary image圖6 圖像分割Fig.6 Image segmentation

a， 輸入實際寬度值Enter the actual width value; b， 輸出計算結(jié)果Output of computed results圖7 計算生物量Fig.7 Calculated biomass

2.2 檉柳生物量估測模型的優(yōu)選和驗證

以俯視面積(S)為自變量建立6種常見的回歸方程，統(tǒng)計分析結(jié)果如表2所示。對上述6種模型的擬合效果進(jìn)行初步的檢驗，由表2可知，三次多項式方程的R2值最高，相關(guān)指標(biāo)ME、MAE、TRE、MSE、MPSE分別為：-0.001 1 g、79.12 g、0.0002%、1.73%、18.59%，可見三次多項式的擬合效果最好，即：B=15.215+369.44S-42.03S2+1.668S3(R2=0.9013)為檉柳生物量最優(yōu)估測模型。利用未參加建模的40株檉柳生物量數(shù)據(jù)對模型進(jìn)行驗證，其R2=0.815，將檉柳生物量的估測值與實測值作圖比較，估測值與實測值比較接近，如圖8所示，該模型可用于檉柳生物量估測。

表1檉柳不同類型生物量回歸模型與自變量判定系數(shù)表

Table1The coefficient of determination between variables and biomass in different regression of theTamarixramosissima

回歸模型Regressionmodel變量VariableSHDD2HDHDH2B=β0eβ1X0.49980.60210.75450.77950.66240.7081B=β0+β1X0.73090.41220.76470.78930.79670.7616B=β0+β1lnX0.75690.32800.71940.76540.63830.5105B=β0Xβ10.88710.73720.87330.89190.84680.8762B=β0+β1X+β2X20.88770.53470.84560.87080.85490.6748B=β0+β1X+β2X2+β3X30.90130.67370.86940.88110.86090.6831

表2檉柳生物量回歸模型及其擬合優(yōu)度評價

Table2Biomass regression models and evaluation of the goodness in fitting forTamarixramosissima

回歸模型Regressionmodel方程系數(shù)Equationcoefficientβ0β1β2β3擬合優(yōu)度評價指標(biāo)GoodnessoffitR2ME/gMAE/gTRE/%MSE/%MPSE/%B=β0eβ1X237.30.2658--0.4998-7.5530265.04-1.268813.7340.34B=β0+β1X130.4265.44--0.7309-0.0016141.57-0.0003-5.1327.66B=β0+β1lnX259.82468.21--0.75690.0006131.150.00013.3240.26B=β0Xβ1332.740.6934--0.887110.4459101.121.80953.9421.14B=β0+β1X+β2X285.239270.91-15.284-0.88770.009083.660.0015-2.9319.39B=β0+β1X+β2X2+β3X315.215369.44-42.031.6680.9013-0.001179.120.00021.7318.59

圖8 檉柳生物量的實測值與模型估測值Fig.8 Measured and estimated values of biomass for Tamarix ramosissima

3 討論

本研究建立了一套軟硬件結(jié)合的灌木生物量測量裝置，針對灌木的特點(diǎn)，引入了檉柳圖像俯視面積(S)新變量建立生物量模型。通過智能手機(jī)對研究區(qū)內(nèi)的檉柳圖像進(jìn)行處理，同時根據(jù)樣本的生物量實測數(shù)據(jù)，建立了荒漠檉柳的生物量估算模型，所確定的最優(yōu)模型具有較大的決定系數(shù)(R2=0.901 3)。將采用本系統(tǒng)估測得到的檉柳生物量(以下簡稱估測值)和通過傳統(tǒng)人工測量得到的檉柳生物量(以下簡稱實測值)進(jìn)行數(shù)據(jù)對比，并運(yùn)用Microsoft Excel 2010對估測值和實測值進(jìn)行相關(guān)性分析，利用智能手機(jī)獲取的俯視面積(S)這一新變量構(gòu)建的估測模型對檉柳生物量進(jìn)行預(yù)測，估測值與實測值十分接近，說明該系統(tǒng)的估測精度與傳統(tǒng)測量方式相比效果不弱，如圖8所示。分析結(jié)果表明，估測值與實測值相比，估測值的平均絕對誤差為79.12 g，平均系統(tǒng)誤差為1.73%，平均絕對百分誤差為18.59%，估測值和實測值相關(guān)系數(shù)為0.939 1。

通過圖8觀察到估測值和實測值較為吻合，但也存在一定的誤差，這種誤差可能的原因是：(1)由于太陽光強(qiáng)烈照射檉柳后在地面形成的影子，導(dǎo)致系統(tǒng)計算檉柳所占實際面積的結(jié)果產(chǎn)生一定的影響。因此，在使用本系統(tǒng)估測檉柳生物量的過程中，最好選擇陰天或太陽光正攝檉柳時進(jìn)行拍攝;(2)對于個別的檉柳，其近地面分枝較多、地面雜草顏色與檉柳相近，尤其是檉柳枝條與其他植物相互交錯生長而言，植株的顏色與地面其他干擾物的顏色不易區(qū)分，這在提取有效的拍照面積時也會造成誤差。

本研究表明，以智能手機(jī)獲取俯視面積(S)為自變量建立的估測方法精度相對較高，這與蘇占雄等[23]利用數(shù)碼相片估算狼牙刺等灌木生物量模型中結(jié)論基本一致。Damiran等[4]通過數(shù)碼相機(jī)拍攝法對毛核木生物量的研究證實，通過毛核木的綠葉面積能有效地估測毛核木生物量，表明單純的灌木綠葉面積也是估測荒漠灌木生物量的有效參數(shù)。然而，該文中所涉及的毛核木為小型灌木，拍攝方法采用側(cè)面拍攝且需要在灌木一側(cè)放置白色背景布，在對大型植株灌木調(diào)查時，側(cè)面拍攝法極易受到其他背景干擾。雖然如此，Damiran等[4]的研究也促使我們對荒漠灌木生物量估測有了新的感悟與嘗試，為此，本研究拍攝方法采用俯視方式對檉柳進(jìn)行拍攝，并利用Android平臺來估測檉柳生物量，結(jié)果表明，通過檉柳俯視面積估測的生物量具有較高的精度，可以用于古爾班通古特沙漠檉柳生物量的快速估測，而且本研究對估測系統(tǒng)做了軟硬件一體化的設(shè)計，比Damiran等[4]單純使用數(shù)碼相機(jī)估測的效率要高。

目前，在林業(yè)上對灌木生物量的估測中，較常用的是以基徑(D)、樹高(H)及其派生因子D2H、DH、DH2為變量因子得出相應(yīng)的預(yù)測模型[22-24]，但是對于檉柳這種灌木而言，其地面分支較多，長勢較大的根部不易接近，野外實地測量其基徑和樹高難度較大。利用智能手機(jī)獲取俯視面積(S)對檉柳生物量進(jìn)行估算的方法不僅克服了測量基徑(D)、樹高(H)等變量的困難，同時可以減少通過直接收獲法對荒漠野生植物資源的破壞，該方法在生態(tài)環(huán)境脆弱的干旱、半干旱荒漠地區(qū)使用中，既減少了野外工作量，又具有較高的實用價值。因此從無損、易測性方面綜合考慮，本研究認(rèn)為采用通過智能手機(jī)獲取檉柳的俯視面積為自變量更簡單易行，估測效果較好。

由圖8可知，在生物量為1 500 g以下時，估測值基本在實測值附近上下浮動，而在生物量為1 500 g以上時，估測值基本都小于實測值，這可能是因為隨著檉柳長勢的逐漸增大，檉柳的實際生物量不能通過智能手機(jī)拍攝俯視面積的方法完全體現(xiàn)出來，且本研究中的拍攝桿可達(dá)到的最大高度為5 m，最大拍攝地面面積為370 cm×370 cm，也無法對特別大的檉柳全部拍攝。為此，通過智能手機(jī)圖像分析獲得的檉柳生物量估測模型如果應(yīng)用于其他地區(qū)，或者超出以俯視面積(S)來解譯檉柳生物量的范圍，其估測精度還需進(jìn)一步驗證。此外，智能手機(jī)在無信號覆蓋的荒漠區(qū)中只能通過本地應(yīng)用處理圖像，Android端與PC端相比，圖像處理速度較慢，這些問題都需要在今后的研究中進(jìn)一步的探索。在下一步的研究中，可以嘗試通過智能手機(jī)或無人機(jī)拍攝一定區(qū)域的檉柳，利用模型得到區(qū)域總的檉柳生物量，此種無損、快速估測荒漠檉柳生物量的方法簡化了生物量估測流程，節(jié)省人力、物力，也節(jié)約了獲取檉柳生物量的時間，并在一定程度上保護(hù)了荒漠灌木資源，實現(xiàn)了快速、無損估測，具有一定的現(xiàn)實意義。

[1] 曾偉生. 國內(nèi)外灌木生物量模型研究綜述[J]. 世界林業(yè)研究，2015， 28(1):31-36.

ZENG W S. A review of studies of shrub biomass modeling[J].WorldForestryResearch， 2015， 28(1):31-36. (in Chinese with English abstract)

[2] 仇瑤，常順利，張毓?jié)?，? 天山林區(qū)六種灌木生物量的建模及其器官分配的適應(yīng)性[J]. 生態(tài)學(xué)報，2015，35(23):7842-7851.

QIU Y， CHANG S L， ZHANG Y T， et al.Biomass estimation modeling and adaptability analysis of organ allocation in six common shrub species in Tianshan Mountains forests， China[J].ActaEcologicaSinica， 2015， 35 (23):7842-7851. (in Chinese with English abstract)

[3] 董道瑞，李霞，萬紅梅，等. 塔里木河下游檉柳灌叢地上生物量估測[J]. 西北植物學(xué)報，2012， 32(2):384-390.

DONG D R， LI X， WAN H M， et al.Aboveground biomass estimation ofTamarixramosissimashrub in the lower reaches of Tarim river[J].ActaBotanicaBoreali-OccidentaliaSinica， 2012， 32(2):384-390. (in Chinese with English abstract)

[4] DAMIRAN， DELCURTO T， JOHNSON D E， et al. Estimating shrub forage yield and utilization using a photographic technique[J].NorthwestScience， 2006， 80(4):259-263.

[5] 郭文川，周超超，韓文霆. 基于Android手機(jī)的植物葉片面積快速無損測量系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2014，45 (1):275-280.

GUO W C， ZHOU C C， HAN W T. Rapid and non-destructive measurement system for plant leaf area based on Android mobile phone[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2014，45 (1):275-280. (in Chinese with English abstract)

[6] 路文超，趙勇，羅斌，等. 基于Android手機(jī)的水稻劍葉角測量系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2015， 46(11):296-301.

LU W C， ZHAO Y， LUO B， et al.Measurement system of rice flag leaf angle based on Android smart phone[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2015， 46(11):296-301. (in Chinese with English abstract)

[7] 鄭姣，劉立波. 基于Android的水稻病害圖像識別系統(tǒng)設(shè)計與應(yīng)用[J]. 計算機(jī)工程與科學(xué)，2015，35(7):1366-1371.

ZHENG J， LIU L B. Design and application of rice disease image recognition system based on Android[J].ComputerEngineering&Science， 2015， 35(7):1366-1371. (in Chinese with English abstract)

[8] 龔愛平，吳武豪，裘正軍，等. 基于Android系統(tǒng)手機(jī)的葉面積測量方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2013， 44(9):203-208.

GONG A P， WU W H， QIU Z J， et al.Leaf area measuiement using Android OS mobile phone[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2013， 44(9):203-208. (in Chinese with English abstract)

[9] 戴建國， 賴軍臣. 基于圖像規(guī)則與Android手機(jī)的棉花病蟲害診斷系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2015，46(1):35-44.

DAI J G， LAI J C. Image-rule-based diagnostic expert system for cotton diseases and pests based on mobile terminal with Android system[J].TransactionsoftheChineseSocietyforAgriculturalMachinery， 2015，46(1):35-44. (in Chinese with English abstract)

[10] 趙成義，王玉朝. 荒漠—綠洲邊緣區(qū)土壤水分時空動態(tài)研究[J]. 水土保持學(xué)報，2005， 19(1):124-127.

ZHAO C Y， WANG Y C. Study on spatial and temporal dynamic of soil water content in desert-oasis ecotone[J].JournalofSoilandWaterConservation， 2005， 19(1):124-127. (in Chinese with English abstract)

[11] 王崢杰. 基于Android平臺的便攜式光譜儀圖像處理軟件研究[D]. 西安：中國科學(xué)院， 2013.

WANG Z J. Spectral image software for portable spectral imager based on Android platform[D]. Xi’an: Chinese Academy of Sciences， 2013. (in Chinese with English abstract)

[12] 錢丹. 作物與雜草識別中圖像分割影響因素的研究[D].鎮(zhèn)江：江蘇大學(xué)，2006.

QIAN D. Research on influencing factors of image segmentation for crop and weed identification[D]. Zhenjiang: Jiangsu University， 2006. (in Chinese with English abstract)

[13] 毛罕平，錢丹. 作物數(shù)字圖像分割誤差的影響因素研究[J]. 微計算機(jī)信息，2006， 20(30):296-297， 303.

MAO H P， QIAN D. Studies on factors influencing digital image segmentation of crop[J].Control&Automation， 2006， 20 (30):296-297， 303. (in Chinese with English abstract)

[14] 王文棟，白志強(qiáng)，阿里木·買買提，等. 天山林區(qū)6種優(yōu)勢種灌木林生物量比較及估測模型[J]. 生態(tài)學(xué)報，2016，36(9):2695-2704.

WANG W D， BAI Z Q， ALIMU MAIMAITI， et al. Biomass comparison and estimation models for six dominant species of woody shrubs in the forest zones of the Tianshan Mountains[J].ActaEcologicaSinica， 2016，36(9):2695-2704. (in Chinese with English abstract)

[15] 王淵，王福民，黃敬峰. 油菜不同組分生物量光譜遙感估算模型[J]. 浙江農(nóng)業(yè)學(xué)報，2004，16(2):29-33.

WANG Y， WANG F M， HUANG J F. The models for estimation of dry biomass from different components of rapeseed using canopy spectral data[J].ActaAgriculturaeZhejiangensis， 2004， 16(2):29-33. (in Chinese with English abstract)

[16] 董道瑞，李霞，萬紅梅，等. 塔里木河下游胡楊(Populuseuphratica)地上生物量估測[J]. 中國沙漠，2013，33(3):724-730.

DONG D R， LI X， WAN H M， et al. Aboveground biomass estimation ofPopuluseuphraticain the lower reaches of Tarim River[J].JournalofDesertResearch， 2013， 33(3):724-730. (in Chinese with English abstract)

[17] 彭守璋，趙傳燕，彭煥華，等. 黑河下游檉柳種群地上生物量及耗水量的空間分布[J]. 應(yīng)用生態(tài)學(xué)報，2010， 21(8):1940-1946.

PENG S Z， ZHAO C Y， PENG H H， et al. Spatial distribution ofTamarixramosissimain a aboveground biomass and water consumption in the lower reaches of Heihe River， Northwest China[J].ChineseJournalofAppliedEcology， 2010， 21(8):1940-1946. (in Chinese with English abstract)

[18] 蔡哲，劉琪璟，歐陽球林. 千煙洲試驗區(qū)幾種灌木生物量估算模型的研究[J]. 中南林學(xué)院學(xué)報，2006，26(3):15-18， 23.

CAI Z， LIU Q J， OUYANG Q L. Estimation model for biomass of shrubs in Qianyanzhou experiment station[J].JournalofCentralSouthUniversityofForestry&Technology， 2006， 26(3):15-18， 23. (in Chinese with English abstract)

[19] 曾偉生，唐守正. 立木生物量方程的優(yōu)度評價和精度分析[J]. 林業(yè)科學(xué)，2011，47(11):106-113.

ZENG W S， TANG S Z. Goodness evaluation and precision analysis of tree biomass equations[J].ScientiaSilvaeSinicae， 2011，47 (11):106-113. (in Chinese with English abstract)

[20] 陶冶，張元明. 荒漠灌木生物量多尺度估測——以梭梭為例[J]. 草業(yè)學(xué)報，2013，22(6):1-10.

TAO Y， ZHANG Y M. Multi-scale biomass estimation of desert shrubs: a case study ofHaloxylonammodendronin the Gurbantunggut Desert，China[J].ActaPrataculturaeSinica， 2013， 22(6):1-10. (in Chinese with English abstract)

[21] 楊憲龍，魏孝榮，邵明安. 黃土高原北部典型灌叢枝條生物量估算模型[J]. 應(yīng)用生態(tài)學(xué)報，2016，27(10):1-12.

YANG X L， WEI X R， SHAO M A. Stem biomass estimation models for dominant shrubs on the northern Loess Plateau of China[J].ChineseJournalofAppliedEcology， 2016， 27(10):1-12. (in Chinese with English abstract)

[22] 王蕾，張宏，哈斯，等. 基于冠幅直徑和植株高度的灌木地上生物量估測方法研究[J]. 北京師范大學(xué)學(xué)報(自然科學(xué)版)，2004， 40(5):700-704.

WANG L， ZHANG H， HASI， et al. A study on the estimating method of shrub upper biomass based on the crown diameter and plant height[J].JournalofBeijingNormalUniversity(NaturalScience)，2004， 40(5):700-704. (in Chinese with English abstract)

[23] 蘇占雄，石輝，郭晉偉，等. 利用數(shù)碼照片估算灌木地上生物量的研究[J]. 安徽農(nóng)業(yè)科學(xué)，2010， 38(7):3620-3624.

SU Z X， SHI H， GUO J W， et al. Estimation of shrub aboveground biomass using digital photograph[J].JournalofAnHuiAgriculturalSciences，2010， 38(7):3620-3624. (in Chinese with English abstract)

[24] 趙成義，宋郁東，王玉潮，等. 幾種荒漠植物地上生物量估算的初步研究[J]. 應(yīng)用生態(tài)學(xué)報，2004，15(1):49-52.

ZHAO C Y， SONG Y D， WANG Y C， et al. Estimation of aboveground biomass of desert plants[J].ChineseJournalofAppliedEcology， 2004， 15(1):49-52. (in Chinese with English abstract)

[25] 黨曉宏，高永，虞毅，等. 庫布其沙漠北緣8種荒漠灌叢生物量預(yù)測模型研究[J]. 干旱區(qū)資源與環(huán)境，2016， 30(5):168-174.

DANG X H， GAO Y， YU Y， et al. The biomass estimation models for eight desert shrub species in northern edge of the Hobq Desert[J].JournalofAridLandResourcesandEnvironment， 2016， 30(5):168-174. (in Chinese with English abstract)

(責(zé)任編輯張 韻)

Rapidandnon-destructiveestimationmethodforabovegroundbiomassofTamarixramosissimabasedonAndroidplatform

WANG Yangyang1，SUN Wei1，*， LI Gan2，KANG Zhenghua2，MIAO Jian3

(1.CollegeofComputerandInformationEngineering，XinjiangAgriculturalUniversity，Urumqi830052，China;2.CollageofAgronomy，XinjiangAgriculturalUniversity，Urumqi830052，China;3.CollegeofMechanicalEngineeringandTraffic，XinjiangAgriculturalUniversity，Urumqi830052，China)

Estimation of desert shrub biomass is an important index to study the structure and function of desert ecosystem. In order to realize the real-time， nondestructive and rapid estimation of aboveground biomass of desert shrubs， by using the technology of mechanical design and manufacture， a field measuring device for the aboveground biomass of desert shrubs was developed. With the integrated application of digital image processing algorithm based on the Android platform， the non-destructive and rapid estimation software for the aboveground biomass of desert shrubs was developed. The southern fringe of Gurbantunggut Desert in Xinjiang in 150 strains ofTamarixramosissimaas the experimental object， the biomass was effective nondestructive method for fast estimating verification on desert shrubs. The results showed that the optimal biomass model wasB=15.215+369.44S-42.03S2+1.668S3， which was based on the area of vertical view ofTamarixramosissima. The coefficient of determination was the maximum value. Compared with the actual measurement results， the average absolute error of the system was 79.12 g， the average system error was 1.73%， the mean absolute percentage error was about 18.59%， and the correlation coefficient between the estimated value and the measured value was about 0.939 1. It can effectively measure the biomass， improving work efficiency for rapid and non-destructive estimation of aboveground biomass of Tamarix desert.

Android platform;Tamarixramosissima; biomass; non-destructive estimation

王洋洋，孫偉，李淦，等. 基于Android平臺的荒漠檉柳地上生物量無損快速估測方法[J].浙江農(nóng)業(yè)學(xué)報，2017，29(11)： 1920-1929.

10.3969/j.issn.1004-1524.2017.11.20

2017-04-24

新疆維吾爾自治區(qū)研究生創(chuàng)新項目(XJGRI2015087)；2014年庫爾勒科技合作項目(KRLKJHZXM)

王洋洋(1991—)，男，吉林舒蘭人，碩士研究生，研究方向為時空數(shù)據(jù)挖掘、嵌入式。E-mail: 694875779@qq.com

*通信作者，孫偉，E-mail: maplesunw@163.com

TP399

A

1004-1524(2017)11-1920-10