牛亞曉　張立元　韓文霆　邵國敏

(1.西北農(nóng)林科技大學機械與電子工程學院， 陜西楊凌 712100； 2.西北農(nóng)林科技大學中國旱區(qū)節(jié)水農(nóng)業(yè)研究院， 陜西楊凌 712100；3.農(nóng)業(yè)部農(nóng)業(yè)物聯(lián)網(wǎng)重點實驗室， 陜西楊凌 712100)

0　引言

植被覆蓋度(Fractional vegetation cover，F(xiàn)VC)是描述地表植被分布的重要參數(shù)，通常定義為統(tǒng)計范圍內(nèi)植被(包括葉莖)垂直投影面積所占的百分比[1-2]，是區(qū)域生態(tài)系統(tǒng)研究的重要指標，在分析植被分布影響因素、評價區(qū)域生態(tài)環(huán)境等方面具有重要意義[3-11]。隨著遙感技術的應用越來越廣泛[12-13]，植被覆蓋度的遙感監(jiān)測已經(jīng)成為精準農(nóng)業(yè)的重要內(nèi)容和研究熱點。目前，植被覆蓋度的遙感監(jiān)測主要基于衛(wèi)星遙感影像[14-24]，以及人工地面采集數(shù)字影像[25-29]。衛(wèi)星遙感技術存在時空分辨率低，易受天氣影響等缺點，常常難以滿足作物田塊尺度的覆蓋度提取需求。植被覆蓋度的人工地面影像提取，在大面積范圍應用時費時費力、作業(yè)成本高。無人機遙感系統(tǒng)憑借其運載便利、靈活性高、作業(yè)周期短、影像數(shù)據(jù)分辨率高等優(yōu)勢，在各領域遙感監(jiān)測中得到越來越多的應用[30-35]。高分辨率低空無人機遙感影像在表達地物幾何、紋理、拓撲關系等特征參量方面更加細致，增強了對地物類型的識別能力，使得植被覆蓋度信息的細致、快速提取成為可能。

目前，國內(nèi)外學者對基于無人機遙感技術進行植被覆蓋度提取方法進行了大量研究[36-39]。上述研究雖然取得了一定的成果，但是還存在一定的問題，如無人機遙感系統(tǒng)未集成穩(wěn)定云臺，多光譜遙感影像存在畸變；植被信息提取主要基于單張遙感影像，不適于較大面積、高分辨率的遙感影像等。

針對上述衛(wèi)星遙感技術難以滿足作物田塊尺度的覆蓋度提取需求，植被覆蓋度的人工地面影像提取時費時費力、作業(yè)成本高，無人機遙感系統(tǒng)未集成穩(wěn)定云臺時遙感圖像存在畸變等問題，本文開發(fā)一套集成穩(wěn)定云臺、POS數(shù)據(jù)采集模塊的無人機多光譜遙感圖像采集系統(tǒng)，并以冬小麥為例，基于植被指數(shù)閾值法進行植被覆蓋度提取方法研究，以期為田塊尺度的植被覆蓋度遙感估計提供一種新思路。

1　材料與方法

1.1　無人機多光譜遙感圖像采集系統(tǒng)

目前，農(nóng)業(yè)上使用的無人機主要可以分為固定翼無人機、單旋翼無人機及多旋翼無人機等[40]。固定翼無人機具有巡航速度快、效率高、通訊距離遠以及續(xù)航時間長等優(yōu)勢，但存在起降不便、不能定點采集遙感圖像、沒有集成穩(wěn)定云臺等問題，并且由于固定翼無人機巡航速度快、易受風速影響、航線轉彎半徑大，容易造成遙感圖像的漏拍、拖影嚴重等。單旋翼無人機具有起飛方便、可定點懸停、巡航速度較慢等優(yōu)勢，但是價格昂貴、維護成本高。上述缺陷限制了固定翼無人機以及單旋翼無人機的進一步應用。相比于上述2種無人機，多旋翼無人機具有成本及維護成本低、起降方便、可定點懸停等優(yōu)勢，更適合于獲取高空間及時間分辨率、多尺度的農(nóng)田作物信息[41-42]。

本文基于Pixhawk飛控、ADC Lite多光譜相機以及MOY無刷微單云臺，設計了一套集成穩(wěn)定云臺、可以實現(xiàn)多光譜數(shù)據(jù)采集的飛控控制以及相應POS數(shù)據(jù)獲取的多旋翼無人機多光譜遙感圖像采集系統(tǒng)(圖1a)，可以穩(wěn)定獲取無畸變失真、可拼接的多光譜遙感圖像，為農(nóng)業(yè)生產(chǎn)信息的獲取提供技術支持。該無人機多光譜遙感系統(tǒng)主要由六旋翼無人機、穩(wěn)定云臺、圖像采集控制器、地面站等組成。其中多旋翼無人機是農(nóng)業(yè)遙感傳感器及其穩(wěn)定云臺的搭載平臺，是獲取農(nóng)業(yè)遙感數(shù)據(jù)的基礎；穩(wěn)定云臺使得相機在飛行過程中保持相對地面穩(wěn)定的狀態(tài)，從而避免了多光譜遙感影像的幾何畸變，同時也保證了多光譜圖像采集過程中成像角度的相對穩(wěn)定；圖像采集控制器為多光譜相機及飛行控制器的紐帶，用于實現(xiàn)多光譜遙感影像及相應POS數(shù)據(jù)的同步采集；地面控制站用于實現(xiàn)無人機多光譜遙感系統(tǒng)的航跡規(guī)劃、飛行數(shù)據(jù)的實時顯示等。其主要技術參數(shù)如表1所示。

圖1　無人機遙感系統(tǒng)及傳感器Fig.1　UAV remote sensing system and ADC Lite

參數(shù)數(shù)值軸距/mm700起飛質(zhì)量/kg4.5有效載荷/g800續(xù)航時間/min20通訊半徑/km3巡航速度/(m·s-1)5

本文所選用多光譜傳感器為美國Tetracam公司生產(chǎn)的輕便型多光譜相機ADC Lite，是一款分辨率高、操作控制靈活、質(zhì)量輕及快門可外部觸發(fā)的單鏡頭相機，如圖1b所示。該相機可獲取紅、綠和近紅外波段數(shù)據(jù)，提供 NDVI、SAVI、冠層分離和NIR/Green比率參數(shù)分析所需要的信息，其圖像存儲格式為最適用于農(nóng)業(yè)遙感科學研究的RAW(RAW image format)格式[43]。相機技術參數(shù)如表2所示。

表2　ADC Lite多光譜相機主要參數(shù)Tab.2　Main parameters of ADC Lite

1.2　實驗區(qū)概況

在陜西楊凌示范區(qū)西北農(nóng)林科技大學中國旱區(qū)節(jié)水農(nóng)業(yè)研究院冬小麥實驗田(34°17′50.94″N，108° 4′4.17″E)開展試驗。楊凌位于關中平原中部，屬于暖溫帶半干旱或半濕潤氣候，年平均氣溫11～13℃，年降水量500～700 mm。

1.3　基于無人機遙感系統(tǒng)的數(shù)據(jù)采集及預處理

不同光照條件下冬小麥的光譜特性差異很大，為了保證圖像采集時刻光照條件的一致性，在2017年1—4月期間(覆蓋了冬小麥的越冬期、拔節(jié)期、挑旗期、抽穗期)，選擇晴朗無云天氣，在15:00—16:00，以ADC Lite多光譜相機鏡頭垂直向下、航向及旁向重疊度為60%、飛行相對高度為55 m的策略，進行了4次數(shù)據(jù)采集。單次作業(yè)采集187幅RAW格式多光譜遙感影像，地面分辨率可達到2.2 cm，使用相機自帶的PixelWrench2軟件將RAW格式的圖像導出并轉換為TIFF格式，利用ENVI結合標準白板的影像數(shù)據(jù)計算了波譜反射率?；赥IFF格式多光譜影像及無人機遙感系統(tǒng)獲取的POS數(shù)據(jù)，利用Pix4DMapper軟件進行圖像拼接處理。

2　植被指數(shù)閾值法的冬小麥植被覆蓋度提取方法

基于遙感技術的植被覆蓋度提取方法主要可以分為：物理模型法[14,44-45]、經(jīng)驗模型法[46]、混合像元分解法[46-47]以及植被指數(shù)閾值法[36]等。物理模型法需要大量數(shù)據(jù)，而現(xiàn)有遙感數(shù)據(jù)在應用時需要考慮時間、空間、光譜響應等，往往數(shù)據(jù)不足，同時如何選擇模型也存在著較大問題。經(jīng)驗模型法只適用于特定區(qū)域與特定植被類型，在研究區(qū)域一般具有較高的FVC估算精度，但是不易推廣，不具有普適性?；旌舷裨纸夥ň哂幸欢ǖ奈锢硪饬x，不需要地面實測FVC數(shù)據(jù)建模，但是該方法同樣具有區(qū)域性特點，模型精度也存在一定的問題，因此限制了此方法的應用。植被指數(shù)基于植被與其他地物在相關植被指數(shù)上的特異性是對地表植被狀況的簡單、有效和經(jīng)驗的度量，廣泛地應用于土地覆蓋、植被分類和環(huán)境變化、干旱監(jiān)測等方面[48]?；谙鄳闹脖恢笖?shù)閾值進行植被覆蓋度提取，方法可行，分析結果可靠，在大面積農(nóng)作物覆蓋度測量具有很好的應用前景。

如圖2所示，冬小麥在ADC Lite多光譜相機的綠色波段范圍內(nèi)具有一個較小的反射峰，在紅光波段有一個吸收谷，在近紅外波段則有很高的反射峰，反射率在0.8左右，而土壤反射率在整個波段范圍內(nèi)較為平緩，除在紅色波段范圍內(nèi)大于小麥反射率外，在其他波段范圍內(nèi)均小于小麥反射率。顯而易見，紅色和近紅外波段的反差是對植物量很敏感的度量。因此，將紅色波段與近紅外波段的反射率進行組合得到的植被指數(shù)在一定程度上可以反映植被變化情況。如目前應用最廣的歸一化差值植被指數(shù) NDVI、土壤調(diào)節(jié)植被指數(shù)SAVI和修正土壤植被指數(shù)MSAVI，計算公式分別為

(1)

(2)

(3)

式中ρNIR——地物在近紅外波段的反射率

ρred——地物在紅色波段的反射率

L——土壤調(diào)節(jié)系數(shù)，取0.5

NDVI基于小麥和土壤在紅色、近紅外波段反射率的變化差異，通過歸一化手段擴大了小麥與土壤的差異，即增強了對植被的識別能力[37]。而SAVI、MSAVI消除土壤影響和適應植被變化的能力更強[48]。

圖2　小麥、土壤的典型特征波譜曲線Fig.2　Typical wheat and soil spectral curves

因此，本文選用上述3個植被指數(shù)基于無人機多光譜遙感技術與植被指數(shù)閾值法進行冬小麥植被覆蓋度提取方法研究，提取流程如圖3所示。

圖3　植被覆蓋度提取流程Fig.3　Flow chart of FVC extraction

基于植被指數(shù)閾值法的冬小麥植被覆蓋度提取的關鍵是確定區(qū)分土壤及冬小麥的植被指數(shù)閾值。目前，基于無人機遙感數(shù)據(jù)確定分類閾值的方法主要有植被指數(shù)時序圖交點法[36]和樣本統(tǒng)計法[37]，兩者都取得了較好的結果。前者認為隨著作物生長期的推延，研究區(qū)域內(nèi)植被像元將增多，其增加量來源于區(qū)域內(nèi)裸土像元的減少量。因此可以將低植被覆蓋度影像提取的植被指數(shù)分布直方圖與較高植被覆蓋度影像提取的植被指數(shù)分布直方圖的交點，作為區(qū)分土壤及植被像元的植被指數(shù)閾值。后者則是在目視解譯的基礎上進行統(tǒng)計分析，獲取了區(qū)分土壤及植被像元的閾值。因此，可以首先將同時存在土壤及植被像元的多光譜遙感影像進行監(jiān)督分類，將其劃分為土壤及植被兩類；然后以分類結果中的土壤及植被的相應植被指數(shù)統(tǒng)計直方圖交點作為分類閾值的方式進行植被覆蓋度提取。

基于上述方法，本文以2017年1月7日(越冬期)采集的多光譜遙感影像為數(shù)據(jù)源，使用目視判讀的方法從圖像上選取90個土壤像元樣本和100個冬小麥像元樣本，進行支持向量機的監(jiān)督分類，并分別對兩類地物分類結果計算混淆矩陣進行驗證(表3)，Kappa系數(shù)為0.990 9。

表3　冬小麥分類精度評價Tab.3　Precision evaluation of winter wheat classification

由表3可看出，利用越冬期冬小麥的多光譜遙感影像得到了很好的分類結果，可根據(jù)上述分類結果進行土壤及冬小麥相關植被指數(shù)直方圖分布統(tǒng)計，用于獲取分類閾值。基于上述越冬期冬小麥的監(jiān)督分類結果，分別對整個區(qū)域中小麥、土壤的NDVI、SAVI及MSAVI指數(shù)進行了統(tǒng)計分析，統(tǒng)計結果如圖4所示。在上述3種植被指數(shù)統(tǒng)計直方圖中植被像元與土壤像元的交點分別為0.475 6、0.705 6和0.635 0，作為區(qū)分植被與土壤的3種植被指數(shù)閾值。其中，小于分類閾值的部分為土壤像元，相反則為植被像元。

圖4　植被指數(shù)閾值提取Fig.4　Extraction of VI threshold

綜上所述，基于植被指數(shù)閾值法提取的植被覆蓋度計算公式為

(4)

式中Nwheat——冬小麥像元個數(shù)

Nsoil——土壤像元個數(shù)

3　結果與分析

3.1　冬小麥植被覆蓋度提取結果

基于無人機多光譜遙感技術與植被指數(shù)閾值法的冬小麥植被覆蓋度提取結果如圖5～8所示。

圖5　2017年1月7日圖像Fig.5　Images on January 7, 2017

圖6　2017年3月25日圖像Fig.6　Images on March 25, 2017

圖7　2017年4月1日圖像Fig.7　Images on April 1, 2017

圖8　2017年4月12日圖像Fig.8　Images on April 12, 2017

由圖5～8可知，綠色部分代表植被，白色部分代表土壤，從圖5到圖8隨著時間的推移，植被部分面積明顯增多。

基于越冬期、返青期(無多光譜數(shù)據(jù))、拔節(jié)期、挑旗期、抽穗期與多光譜影像同步采集的高清可見光遙感數(shù)據(jù)(地面分辨率0.8 cm)，使用支持向量機(Support vector machine，SVM)的監(jiān)督分類法提取了冬小麥植被覆蓋度。越冬期(2017-01-07)、返青期(2017-02-16)、拔節(jié)期(2017-03-25)、挑旗期(2017-04-01)和抽穗期(2017-04-12)的冬小麥覆蓋度分別為56.89%、60.11%、86.52%、88.47%和90.23%，其變化曲線如圖9所示。

圖9　冬小麥覆蓋度變化曲線Fig.9　Changing curve of wheat FVC

3.2　提取精度評價及分析

目前，植被覆蓋度提取效果的評價方法主要為將地面照相法采集的實測覆蓋度作為真實值，或將監(jiān)督分類結果作為覆蓋度真實值。由前文可知，植被覆蓋度的人工地面影像提取，在大面積范圍應用時費時費力、作業(yè)成本高。同時，隨著無人機遙感技術的發(fā)展，無人機遙感影像的數(shù)據(jù)具有越來越高的地面分辨率，將其與基于SVM監(jiān)督分類方法相結合時可以獲取高精度的植被覆蓋度信息。因此，本文將基于與多光譜影像同步采集的高清可見光遙感數(shù)據(jù)(地面分辨率0.8 cm)，通過監(jiān)督分類方式獲取的植被覆蓋度信息作為冬小麥植被覆蓋度真實值，對采用上述植被指數(shù)閾值法獲取的冬小麥植被覆蓋度進行精度評價。為了盡可能避免監(jiān)督分類造成的人為誤差，本文以3個人分別進行的監(jiān)督分類的結果取平均，作為冬小麥植被覆蓋度真實值。綜上所述，可以將基于無人機多光譜遙感技術及植被指數(shù)閾值法的植被覆蓋度提取結果的誤差指數(shù)定義為

(5)

式中EF——植被覆蓋度提取誤差

Fsup——通過監(jiān)督分類方法獲取的冬小麥植被覆蓋度

FVI——通過植被指數(shù)閾值法獲取的冬小麥植被覆蓋度

按上述精度分析方法，以監(jiān)督分類結果為實測值，對基于無人機多光譜遙感技術與植被指數(shù)閾值法的冬小麥植被覆蓋度提取結果進行提取精度計算，并繪制了基于植被指數(shù)法提取覆蓋度與基于監(jiān)督分類得到覆蓋度的散點圖(圖10)，數(shù)值如表4所示。

圖10　提取結果散點圖Fig.10　Scatter plot of FVC extraction result

由圖10可知，基于無人機多光譜遙感技術及植被指數(shù)閾值法可以較好地提取越冬期、拔節(jié)期、挑旗期及抽穗期的冬小麥植被覆蓋度?；贜DVI分類閾值的提取結果與監(jiān)督分類結果最為吻合，絕對誤差不超過0.029 2；基于MSAVI分類閾值的提取結果與監(jiān)督分類結果差異最大，但絕對誤差不超過0.067 1。針對各個時期冬小麥植被覆蓋的提取結果，在植被覆蓋度較低(越冬期)時，基于3種植被指數(shù)分類閾值的估計差異較大；而在植被覆蓋度較高的3個時期，三者幾乎沒有明顯差異。即在低植被覆蓋度時期，NDVI對冬小麥的識別能力最優(yōu)，MSAVI對冬小麥的識別能力最差；在高植被覆蓋度時期，各個植被指數(shù)對冬小麥的識別能力沒有明顯差異。造成上述現(xiàn)象的原因可能為在植被覆蓋度較高時各個植被指數(shù)在一定程度上趨于飽和造成的[49-50]，具體原因還需要后續(xù)研究進行進一步分析。

表4　植被覆蓋度提取精度Tab.4　Extraction accuracy of FVC

相比于監(jiān)督分類結果，基于植被指數(shù)閾值法的冬小麥植被覆蓋度提取結果都偏大，即對冬小麥的植被覆蓋度提取出現(xiàn)了過高估計。由前文可知，小于分類閾值的部分為土壤像元，大于閾值分類的部分為植被像元。因此，造成冬小麥覆蓋度提取結果過高估計的原因為，通過植被指數(shù)統(tǒng)計直方圖交點獲取植被指數(shù)分類閾值偏小。造成這種現(xiàn)象的原因可能為相比于可見光遙感數(shù)據(jù)(地面分辨率為0.8 cm)，多光譜遙感數(shù)據(jù)地面分辨率(2.2 cm)較低。因此，分類時多光譜遙感影像中被認為是植被像元的混合像元，在相應的可見光遙感數(shù)據(jù)中在很大程度上會被認為是土壤像元或可以區(qū)分其混合部分。進而造成與可見光數(shù)據(jù)相比，基于多光譜遙感影像提取植被覆蓋度時，更多的像元被分類為植被像元，即植被覆蓋度偏高。

4　結論

(1)利用多旋翼無人機、ADC Lite多光譜相機及其穩(wěn)定云臺，可以實現(xiàn)田間尺度上作物高分辨率、無幾何失真多光譜遙感影像的獲取，系統(tǒng)成本低、維護操作簡單。

(2)可以結合監(jiān)督分類與植被指數(shù)統(tǒng)計直方圖，獲取提取植被像元的植被指數(shù)分類閾值，且該閾值在冬小麥的生長周期內(nèi)具有一定的穩(wěn)定性。

(3)NDVI、SAVI及MSAVI都可以基于上述方法進行冬小麥植被覆蓋度提取，與SAVI、MSAVI相比，NDVI分類閾值得到的植被覆蓋度與真實值最為接近。

(4)與高清可見光數(shù)據(jù)的監(jiān)督分類結果相比，基于無人機多光譜遙感技術及植被指數(shù)法提取的冬小麥植被覆蓋度偏高，但仍具有較好的精度。

1PUREVDORJ T, TATEISHI R, ISHIYAMA T, et al. Relationships between percent vegetation cover and vegetation indices [J]. International Journal of Remote Sensing, 1998, 19(18): 3519-3535.

2GITELSON A A, KAUFMAN Y J, STARK R, et al. Novel algorithms for remote estimation of vegetation fraction [J]. Remote Sensing of Environment, 2002, 80(1): 76-87.

3TAGHVAEIAN S, CHVEZ J L, HANSEN N C. Infrared thermometry to estimate crop water stress index and water use of irrigated maize in northeastern Colorado[J]. Remote Sensing, 2012, 4(11): 3619-3637.

4祁燕,王秀蘭,馮仲科，等. 基于RS與GIS的北京市植被覆蓋度變化研究[J]. 林業(yè)調(diào)查規(guī)劃, 2009, 34(2): 1-4.

QI Yan, WANG Xiulan, FENG Zhongke，et al. Study on coverage changes of the vegetation in Beijing city based on RS and GIS [J]. Forest Inventory and Planning, 2009, 34(2): 1-4.(in Chinese)

5陳云浩,李曉兵,史培軍. 中國西北地區(qū)蒸發(fā)散量計算的遙感研究[J]. 地理學報, 2001, 56(3): 261-268.

CHEN Yunhao, LI Xiaobing, SHI Peijun. Regional evapotranspiration estimation over northwest China using remote sensing [J]. Acta Geographica Sinica, 2001, 56(3): 261-268.(in Chinese)

6GOWER S T, KUCHARIK C J, NORMAN J M. Direct and indirect estimation of leaf area index,fAPAR, and net primary production of terrestrial ecosystems [J]. Remote Sensing of Environment, 1999, 70(1): 29-51.

7ALLAN R G, PEREIRA L S, RAES D, et al. Crop evapotranspiration: guidelines for computing crop water requirements[R]. FAO Irrigation and Drainage Paper No. 56, 1998.

8OWEN T W, CARLSON T N, GILLIES R R. An assessment of satellite remotely sensed land cover parameters in quantitatively describing the climatic effect of urbanization [J]. International Journal of Remote Sensing, 1998, 19(9): 1663-1681.

9MARTICORENA B, BERGAMETTI G, GILLETTE D, et al. Factors controlling threshold friction velocity in semiarid and arid areas of the United States [J]. Journal of Geophysical Research, 1997, 102(D19): 23277-23287.

10GILLIES R R. A method to make use of thermal infrared temperature and NDVI measurements to infer surface soil water content and fractional vegetation cover [J]. Remote Sensing Reviews, 1994, 9(1): 161-173.

11BAUSCH W C. Soil background effects on reflectance-based crop coefficients for corn [J]. Remote Sensing of Environment, 1993, 46(2): 213-222.

12李德仁,王艷軍,邵振峰. 新地理信息時代的信息化測繪[J]. 武漢大學學報:信息科學版, 2012, 37(1): 1-6.

LI Deren, WANG Yanjun, SHAO Zhenfeng. Geo-information of new geographic information Era [J]. Geomatics and Information Science of Wuhan University, 2012, 37(1): 1-6.(in Chinese)

13李德仁,龔健雅,邵振峰. 從數(shù)字地球到智慧地球[J]. 武漢大學學報:信息科學版, 2010, 35(2): 127-132.

LI Deren, GONG Jianya, SHAO Zhenfeng. From digital earth to smart earth [J]. Geomatics and Information Science of Wuhan University, 2010, 35(2): 127-132.(in Chinese)

14SONG W, MU X, RUAN G, et al. Estimating fractional vegetation cover and the vegetation index of bare soil and highly dense vegetation with a physically based method[J]. International Journal of Applied Earth Observation and Geoinformation, 2017, 58: 168-176.

15JIA K, LI Y, LIANG S, et al. Fractional vegetation cover estimation based on soil and vegetation lines in a corn-dominated area[J]. Geocarto International, 2016,32(5): 531-540.

16ZHANG X, LIAO C, LI J, et al. Fractional vegetation cover estimation in arid and semi-arid environments using HJ-1 satellite hyperspectral data [J]. International Journal of Applied Earth Observation and Geoinformation, 2013,21: 506-512.

17OKIN G S, CLARKE K D, LEWIS M M. Comparison of methods for estimation of absolute vegetation and soil fractional cover using MODIS normalized BRDF-adjusted reflectance data[J]. Remote Sensing of Environment, 2013, 130: 266-279.

18ZENG Y,HUANG J X,WU B F, et al. Comparison of the inversion two canopy reflectance models for mapping forest crown closure using imaging spectroscopy[J]. Canadian Journal of Remote Sensing,2008, 34(3): 235-244.

19李登科,范建忠,王娟. 陜西省植被覆蓋度變化特征及其成因[J]. 應用生態(tài)學報, 2010, 21(11): 2896-2903.

LI Dengke, FAN Jianzhong, WANG Juan. Change characteristics and their causes of fractional vegetation coverage (FVC) in Shaanxi Province [J]. Chinese Journal of Applied Ecology, 2010, 21(11): 2896-2903.(in Chinese)

20劉占宇,黃敬峰,吳新宏，等. 天然草地植被覆蓋度的高光譜遙感估算模型[J]. 應用生態(tài)學報, 2006, 17(6): 997-1002.

LIU Zhanyun, HUANG Jingfeng, WU Xinhong，et al. Hyperspectral remote sensing estimation models on vegetation coverage of natural grassland [J]. Chinese Journal of Applied Ecology, 2006, 17(6): 997-1002.(in Chinese)

21NORTH P R J. Estimation offAPAR, LAI, and vegetation fractional cover from ATSR-2 imagery[J]. Remote Sensing of Environment, 2002, 80(1): 114-121.

22RUNDQUIST B C. The influence of canopy green vegetation fraction on spectral measurements over native tallgrass prairie [J]. Remote Sensing of Environment, 2002, 81(1): 129-135.

23GUTMAN G, IGNATOV A. The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models [J]. International Journal of Remote Sensing, 1998, 19(8): 1533-1543.

24QUARMBY N A, TOWNSHEND J R G, SETTLE J J, et al. Linear mixture modelling applied to AVHRR data for crop area estimation[J]. International Journal of Remote Sensing, 1992, 13(3): 415-425.

25任世龍,宜樹華,陳建軍，等. 基于不同數(shù)碼相機和圖像處理方法的高寒草地植被蓋度估算的比較[J]. 草業(yè)科學, 2014, 31(6): 1007-1013.

REN Shilong, YI Shuhua, CHEN Jianjun，et al. Comparisons of alpine grassland fractional vegetation cover estimation using different digital cameras and different image analysis methods [J]. Pratacultural Science, 2014, 31(6): 1007-1013.(in Chinese)

26LIU Y, MU X, WANG H, et al. A novel method for extracting green fractional vegetation cover from digital images [J]. Journal of Vegetation Science, 2012, 23(3): 406-418.

27任杰,柏延臣,王錦地. 從數(shù)碼照片中快速提取植被覆蓋度的方法研究[J]. 遙感技術與應用, 2010, 25(5): 719-724.

REN Jie, BO Yanchen, WANG Jindi. An efficient method for extraction vegetation coverage from digital photographs[J]. Remote Sensing Technology and Application, 2010, 25(5): 719-724.(in Chinese)

28李存軍,王紀華,劉良云，等. 基于數(shù)字照片特征的小麥覆蓋度自動提取研究[J]. 浙江大學學報:農(nóng)業(yè)與生命科學版, 2004, 30(6): 64-70.

LI Cunjun, WANG Jihua, LIU Liangyun，et al. Automated digital image analyses for estimating percent ground cover of winter wheat based on object features [J]. Journal of Zhejiang University:Agriculture & Life Science, 2004, 30(6): 64-70.(in Chinese)

29ZHUO Q, ROBSON M. Automated rangeland vegetation cover and density estimation using ground digital images and a spectral-contextual classifier [J]. International Journal of Remote Sensing, 2001, 22(17): 3457-3470.

30韓文霆,張立元,張海鑫，等. 基于無人機遙感與面向對象法的田間渠系分布信息提取[J/OL]. 農(nóng)業(yè)機械學報, 2017, 48(3): 205-214. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170326&flag=1. DOI：10.6041/j.issn.1000-1298.2017.03.026.

HAN Wenting, ZHANG Liyuan, ZHANG Haixin，et al. Extraction method of sublateral canal distribution information based on UAV remote sensing [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(3): 205-214.(in Chinese)

31韓文霆,李廣,苑夢嬋，等. 基于無人機遙感技術的玉米種植信息提取方法研究[J/OL]. 農(nóng)業(yè)機械學報, 2017, 48(1): 139-147. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170118&flag=1. DOI：10.6041/j.issn.1000-1298.2017.01.018.

HAN Wenting, LI Guang, YUAN Mengchan，et al. Extraction method of maize planting information based on UAV remote sensing technology [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 139-147.(in Chinese)

32韓文霆,郭聰聰,張立元，等. 基于無人機遙感的灌區(qū)土地利用與覆被分類方法[J/OL]. 農(nóng)業(yè)機械學報, 2016, 47(11): 270-277. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20161137&flag=1. DOI：10.6041/j.issn.1000-1298.2016.11.037.

HAN Wenting, GUO Congcong, ZHANG Liyuan，et al. Classification method of land cover and irrigated farm land use based on UAV remote sensing in irrigation [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(11): 270-277.(in Chinese)

33汪小欽,王苗苗,王紹強，等. 基于可見光波段無人機遙感的植被信息提取[J]. 農(nóng)業(yè)工程學報, 2015, 31(5): 152-158.

WANG Xiaoqin, WANG Miaomiao, WANG Shaoqiang，et al. Extraction of vegetation information from visible unmanned aerial vehicle images [J]. Transactions of CSAE, 2015, 31(5): 152-158.(in Chinese)

34劉峰,劉素紅,向陽. 園地植被覆蓋度的無人機遙感監(jiān)測研究[J/OL]. 農(nóng)業(yè)機械學報, 2014, 45(11): 250-257. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20141139&flag=1. DOI：10.6041/j.issn.1000-1298.2014.11.039.

LIU Feng, LIU Suhong, XIANG Yang. Study on monitoring fractional vegetation cover of garden plots by unmanned aerial vehicles [J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(11): 250-257.(in Chinese)

35汪沛,羅錫文,周志艷，等. 基于微小型無人機的遙感信息獲取關鍵技術綜述[J]. 農(nóng)業(yè)工程學報, 2014, 30(18): 1-12.

WANG Pei, LUO Xiwen, ZHOU Zhiyan，et al. Key technology for remote sensing information acquisition based on micro UAV [J]. Transactions of the CSAE, 2014, 30(18): 1-12.(in Chinese)

36李冰,劉镕源,劉素紅，等. 基于低空無人機遙感的冬小麥覆蓋度變化監(jiān)測[J]. 農(nóng)業(yè)工程學報, 2012, 28(13): 160-165.

LI Bing, LIU Rongyuan, LIU Suhong，et al. Monitoring vegetation coverage variation of winter wheat by low-altitude UAV remote sensing system [J]. Transactions of the CSAE, 2012, 28(13): 160-165.(in Chinese)

37田振坤,傅鶯鶯,劉素紅，等. 基于無人機低空遙感的農(nóng)作物快速分類方法[J]. 農(nóng)業(yè)工程學報, 2013, 29(7): 109-116.

TIAN Zhenkun, FU Yingying, LIU Suhong，et al. Rapid crops classification based on UAV low-altitude remote sensing [J]. Transactions of the CSAE, 2013, 29(7): 109-116.(in Chinese)

38DUAN T, ZHENG B, GUO W, et al. Comparison of ground cover estimates from experiment plots in cotton, sorghum and sugarcane based on images and ortho-mosaics captured by UAV[J]. Functional Plant Biology, 2017, 44(1):168-193.

39CHOI S, HEUK J S, YEON C D. Estimation of fractional vegetation cover in sand dunes using multi-spectral images from fixed-wing UAV [J]. Journal of the Korean Society of Survey, Geodesy, Photogrammetry, and Cartography, 2016, 34(4): 431-441.

40楊貴軍,李長春,于海洋，等. 農(nóng)用無人機多傳感器遙感輔助小麥育種信息獲取[J]. 農(nóng)業(yè)工程學報, 2015, 31(21): 184-190.

YANG Guijun, LI Changchun, YU Haiyang，et al. UAV based multi-load remote sensing technologies for wheat breeding information acquirement [J]. Transactions of the CSAE, 2015, 31(21): 184-190.(in Chinese)

41楊愛玲,孫汝岳,徐開明. 基于固定翼無人機航空攝影像獲取及應用探討[J]. 測繪與空間地理信息, 2010, 33(5): 160-162.

YANG Ailing, SUN Ruyue, XU Kaiming. The acquisition of aerial photography images based on the fixed-wing unmanned plane and application discussion [J]. Geomatics & Spatial Information Technology, 2010, 33(5): 160-162.(in Chinese)

42竹林村,胡開全. 幾種低空遙感系統(tǒng)對比分析[J]. 城市勘測, 2009(3): 65-67.

ZHU Lincun, HU Kaiquan. The contrast and analysis of several low-level remote sensing systems [J]. Urban Geotechnical Investigation & Surveying, 2009(3): 65-67.(in Chinese)

43VERHOEVEN G J J. It’s all about the format-unleashing the power of RAW aerial photography [J]. International Journal of Remote Sensing, 2010, 31(8): 2009-2042.

44JIA K, LI Y, LIANG S, et al. Fractional vegetation cover estimation based on soil and vegetation lines in a corn-dominated area[J]. Geocarto International, 2016, 32(5): 1-22.

45賈坤,姚云軍,魏香琴，等. 植被覆蓋度遙感估算研究進展[J]. 地球科學進展, 2013, 28(7): 774-782.

JIA Kun, YAO Yunjun, WEI Xiangqin，et al. A review on fractional vegetation cover estimation using remote sensing [J]. Advances in Earth Science, 2013, 28(7): 774-782.(in Chinese)

46?；? 基于多源遙感的植被覆蓋度反演研究[D]. 西寧: 青海師范大學, 2015.

CHANG Hui. Study on vegetation coverage inversion based on multi-source remote sensing [D]. Xining: Qinghai Normal University, 2015.(in Chinese)

47張勇峰. 基于多源遙感數(shù)據(jù)的冬小麥植被覆蓋度估算研究[D]. 南昌: 東華理工大學, 2016.

ZHANG Yongfeng. The study on the estimation of the crop coverage of winter wheat based on multi-source remote sensing data [D]. Nanchang: East China University of Technology, 2016.(in Chinese)

48郭鈮. 植被指數(shù)及其研究進展[J]. 干旱氣象, 2003, 21(4): 71-75.

GUO Ni. Vegetation index and its advances [J]. Arid Meteorology, 2003, 21(4): 71-75.(in Chinese)

49楊嘉,郭鈮,黃蕾諾,等. 西北地區(qū)MODIS-NDVI指數(shù)飽和問題分析[J]. 高原氣象, 2008, 27(4): 896-903.

YANG Jia, GUO Ni, HUANG Leinuo, et al. Analyses on MODIS-NDVI index saturation in northwest China [J]. Plateau Meteorology, 2008, 27(4): 896-903.(in Chinese)

50李苗苗. 植被覆蓋度的遙感估算方法研究[D]. 北京: 中國科學院遙感應用研究所, 2003.

LI Miaomiao. The method of vegetation fraction estimation by remote sensing [D]. Beijing: Institute of Remote Sensing Applications, Chinese Academy of Sciences, 2003.(in Chinese)