林成行, 朱首軍,, 周 濤, 巴明坤, 趙 宇

(1.西北農(nóng)林科技大學(xué) 水土保持研究所, 陜西 楊凌 712100; 2.西北農(nóng)林科技大學(xué) 資源環(huán)境學(xué)院, 陜西 楊凌 712100)

植被建設(shè)工程是生產(chǎn)建設(shè)項(xiàng)目水土保持的一項(xiàng)重要措施，也是生產(chǎn)建設(shè)項(xiàng)目水土保持監(jiān)測的重要內(nèi)容。監(jiān)測工作中林草植被恢復(fù)率計(jì)算，關(guān)鍵就是植被面積的獲得。傳統(tǒng)的植被面積統(tǒng)計(jì)方法一是利用衛(wèi)星影像提取植被面積，二是用全站儀實(shí)地測量，但兩者均存在一定的缺陷。衛(wèi)星影像一般適用于大范圍植被面積的提取，對于生產(chǎn)建設(shè)項(xiàng)目水土保持的植被計(jì)算，其面積較小，影像資料分辨率不高，滿足不了水土保持監(jiān)測工作的精度要求；全站儀實(shí)測雖然精度較高，但費(fèi)時(shí)費(fèi)力。與傳統(tǒng)方法相比，無人機(jī)具備快速高效、機(jī)動(dòng)靈活、精細(xì)準(zhǔn)確、適用范圍廣、影像實(shí)時(shí)傳輸?shù)戎匾攸c(diǎn)[1-2]，在小區(qū)域快速獲取高分辨率影像方面具有明顯優(yōu)勢。研究表明，無人機(jī)航拍影像可用于植被面積提取，使用無人機(jī)技術(shù)作為植被面積計(jì)算的新手段，可以改變項(xiàng)目監(jiān)測過程中技術(shù)和資料限制，能有效彌補(bǔ)傳統(tǒng)計(jì)算方法的諸多不足[3]。因此，可利用無人機(jī)影像代替?zhèn)鹘y(tǒng)的遙感影像應(yīng)用在生產(chǎn)建設(shè)項(xiàng)目監(jiān)測工作中[4]。

小型無人機(jī)遙感影像的拼接方法和技術(shù)已成熟，高精度的正射影像圖廣泛用于土地利用分類研究[5]，韓文霆等[6]以無人機(jī)正射影像為研究對象采用面向?qū)ο蠓ㄌ崛〔煌恋乩妙愋?。但目前鮮有基于無人機(jī)遙感影像的高精度植被面積提取，并且由于無人機(jī)載重有限，只能搭載真彩色數(shù)碼相機(jī)，所獲取影像波段較少，影響了植被的識(shí)別及分類[7]。因此本次研究在正射影像圖提取土地利用分類的基礎(chǔ)上，采用計(jì)算機(jī)和人工目視解譯結(jié)合的方法，將影像上較難被精準(zhǔn)分類的植被在高精度的正射影像上直接矢量化，繪制出不同種類植被的分界線，統(tǒng)計(jì)出植被的現(xiàn)狀信息，最終實(shí)現(xiàn)植被面積的提取。

1 材料與方法

1.1 儀器準(zhǔn)備

針對小范圍區(qū)域進(jìn)行低空快速攝影需求，本次試驗(yàn)采用大疆精靈4并搭載FC330～3.6相機(jī)，獲取無人機(jī)航攝圖像。

1.2 研究區(qū)概況

試驗(yàn)區(qū)域選擇渭南市合陽縣水土保持示范園，地理范圍為東經(jīng)110.1389°—110.1429°，北緯為35.2487°—35.2538°，研究區(qū)面積為11.81 hm2。在水保分析中，常用植被分類包括有林地、灌木林地和草地等。根據(jù)研究目標(biāo)，以綠化率高的地塊為依據(jù)，選擇植被豐富的示范園核心區(qū)。植被組成包括喬木林地、灌木林地、草地。其余地類包括交通用地、設(shè)施用地及其他土地。具體分類見表1。

表1 土地利用類型統(tǒng)計(jì)

1.3 數(shù)據(jù)處理

(1) 飛行實(shí)施。選定天氣晴朗且風(fēng)速穩(wěn)定的日子飛行，根據(jù)天氣狀況手動(dòng)設(shè)置飛行參數(shù)，飛行參數(shù)設(shè)置見表2。

表2 飛行參數(shù)

為保證成像質(zhì)量，防止研究區(qū)邊緣成像扭曲模糊，本次飛行增加研究區(qū)周邊輻射區(qū)補(bǔ)拍(距離研究區(qū)邊界約100 m范圍內(nèi)區(qū)域)。本次試驗(yàn)飛行總時(shí)長25 min，共獲取影像數(shù)據(jù)291張，剔除不合格影像數(shù)據(jù)7張。

(2) 正射影像圖制作。無人機(jī)航拍正射影像制作軟件采用Agisoft Photoscan[8-9]，地理坐標(biāo)系采用WGS-84，投影坐標(biāo)系采用高斯投影(Gauss-Kruger)即Xian 3 Degree GK CM 111 E。

本次試驗(yàn)主要通過正射影像平面投影進(jìn)行植被面積提取，需對正射影像平面精度進(jìn)行驗(yàn)證，由于無人機(jī)搭載非量測相機(jī)，正射影像的建立是通過軟件對航拍影像進(jìn)行空三解算生成[10]。其中地面像控點(diǎn)是至關(guān)重要的一環(huán)，不論是控制點(diǎn)的分布還是數(shù)量都將直接影響到正射影像的解算精度。

像控點(diǎn)布設(shè)應(yīng)該考慮點(diǎn)位清晰、周圍環(huán)境空曠無遮擋，易于辨別，地表起伏不大。試驗(yàn)以制作1∶2000正射影像圖為依據(jù)，共選取像控點(diǎn)5個(gè)，利用RTK對其精度進(jìn)行檢查。結(jié)果表明，其平面平均中誤差為0.231 5 m，根據(jù)《1∶500 1∶1000 1∶2000地形圖航空攝影測量外業(yè)規(guī)范》(GB/T7931～2008)規(guī)定，滿足≤0.5 m中誤差精度要求。

2 結(jié)果與分析

2.1 正射影像圖裁剪

利用Envi Classic影像裁剪功能得到想要的研究區(qū)，然后對該研究區(qū)進(jìn)行分析。影像裁剪包括空間裁剪和波譜裁剪，其中空間裁剪又包括按行列號(hào)、影像、地理坐標(biāo)、文件、感興趣/矢量、滾動(dòng)窗口的裁剪。試驗(yàn)采用的是按矢量邊界進(jìn)行不規(guī)則裁剪。以無人機(jī)航拍制作的由4個(gè)波段組成的正射影像圖作為數(shù)據(jù)源，即原始的遙感圖像(圖1)，以波段3，2，1模擬真彩色圖像合成RGB進(jìn)行顯示[11]。圖1成像效果總體偏暗，這是由于在航拍過程中，考慮到光照變化對成像質(zhì)量的影響，飛行實(shí)施采取低曝光手動(dòng)相機(jī)模式。一是降低了航拍對光照的依賴，二是防止成像過程中由于光照變化導(dǎo)致色彩不均勻現(xiàn)象，三是盡量減少地物陰影的形成，從而提高分類精度。(1) 最優(yōu)裁剪邊界。圖像裁剪的意義在于提取研究所需區(qū)域，去除非關(guān)鍵區(qū)域的影響。裁剪部位需滿足以植被為主，同時(shí)具備多種地類作為對比。裁剪的界限以明顯的地物特征作為識(shí)別依據(jù)，裁剪的結(jié)果應(yīng)有利于后期地物分類及面積提取。根據(jù)研究目的，以道路作為邊界，選擇植被集中區(qū)域作為裁剪對象。(2) 繪制矢量邊界。圖像的土地利用分類及面積提取是建立在圖像包含矢量數(shù)據(jù)的前提下。裁剪的關(guān)鍵在于利用矢量圖層對原有影像進(jìn)行分割，即對裁剪邊界進(jìn)行矢量化。本次試驗(yàn)通過對正射影像圖繪制矢量多邊形，并對多邊形矢量化，生成矢量化文件。(3) 生成感興趣區(qū)域(ROI)。將研究對象轉(zhuǎn)化為感興趣區(qū)，有利于減少圖像處理時(shí)間并提高裁剪精度。若要利用矢量文件完成裁剪，則需要將矢量文件轉(zhuǎn)換為感興趣區(qū)(需要裁剪的區(qū)域)，最后才能輸出裁剪圖像(圖2)。

圖1 原始正射影像圖

圖2 裁剪后正射影像圖

2.2 非監(jiān)督分類及分類結(jié)果合并

(1) 非監(jiān)督分類。非監(jiān)督分類是目視判別的基礎(chǔ)，以顏色參數(shù)作為鑒別依據(jù)，呈現(xiàn)出圖像光譜的異質(zhì)性。本次非監(jiān)督分類采取IsoData算法即(迭代自組織數(shù)據(jù)分析技術(shù))，計(jì)算正射影像圖數(shù)據(jù)空間中均勻分布的類均值，然后用最小距離技術(shù)將剩余像元進(jìn)行迭代聚合，每次迭代都重新計(jì)算均值，且根據(jù)新均值，對像元進(jìn)行再分類。對于小范圍區(qū)域的非監(jiān)督分類效果以分辨率≤0.5 m為優(yōu)，采用0.2 m分辨率正射影像即可識(shí)別大部分地類[12]，且可在較高精度下提取植被面積。具體參數(shù)設(shè)置見表3。

表3 IsoData算法參數(shù)設(shè)置

(2) 分類結(jié)果合并。分類數(shù)量設(shè)為5～15時(shí)，分類像素較小，圖像像元較為零碎，同一類型地類存在多種分類結(jié)果，見圖3。由于非監(jiān)督分類在圖像識(shí)別過程中僅依靠影像上不同類地物光譜信息進(jìn)行特征提取，對于細(xì)小像元顏色差異較為敏感。一般情況下，同一地類在成像上存在多種光譜信息，這是造成識(shí)別困難的重要原因。對多種分類結(jié)果進(jìn)行合并，有利于縮小分類結(jié)果差異，提高目視識(shí)別判讀準(zhǔn)確性[13]。

對分類結(jié)果(圖3)進(jìn)行合并，同一類型地類歸為單一地類。如喬木林地、灌木林地、草地可合并為綠地，其余合并地類(表4)包括步道、廣場以及空閑地。分類圖像經(jīng)合并后已可以較為清晰分辨出地物輪廓，合并結(jié)果如圖4所示。

圖3 非監(jiān)督分類結(jié)果

圖4 土地利用分類結(jié)果合并

非監(jiān)督分類圖例合并結(jié)果地類類型灌木→綠地植被喬木→綠地植被草地→綠地植被草地→綠地植被水泥步道→步道交通用地砌磚步道→步道交通用地廣場→廣場設(shè)施用地空閑地→空閑地其他土地草地→綠地植被

2.3 分類結(jié)果編輯及輸出

分類結(jié)果中植被總體呈現(xiàn)為綠色，但由圖4仍可看出少數(shù)非植被地類摻雜其中，這在分類過程中屬于錯(cuò)分、漏分的像元，表現(xiàn)為色彩斑駁且不均勻。這是由于原始影像在經(jīng)過分類結(jié)果合并后，土地利用分類結(jié)果存在同物異譜及異物同譜現(xiàn)象，分類結(jié)果(如綠地)識(shí)別差異較大，很難接近實(shí)際分類效果。這里的原因有自動(dòng)分類算法的問題，也有實(shí)際光譜的問題。所以，分類合并結(jié)果還應(yīng)該在人機(jī)交互下目視識(shí)別進(jìn)行修改[14]，最終才得到想要的結(jié)果。

對于上述分類結(jié)果，利用目視判別準(zhǔn)則，對局部錯(cuò)分、漏分的像元，可以進(jìn)行手動(dòng)修改。本次試驗(yàn)以明顯的綠地界限對相鄰地類進(jìn)行區(qū)分(圖5)，并將一定范圍內(nèi)像元并入其他一種地類中，逐步細(xì)化分類過程中的差異。試驗(yàn)區(qū)域分類樣本主要為四大類，即植被、設(shè)施用地、交通用地和其他土地。在目視判讀過程中，除了考慮地物的光譜特性，還要考慮地物所處的位置、形態(tài)特征等因素，從而避免誤判或由界線不清造成的不利影響，得到較準(zhǔn)確的判讀結(jié)果。

圖5 目視識(shí)別及勾劃

2.4 數(shù)據(jù)統(tǒng)計(jì)與計(jì)算

(1) 數(shù)據(jù)統(tǒng)計(jì)。在分類結(jié)果編輯時(shí)，集中的植被基本可以正確劃分，非成片植被利用不規(guī)則條狀或點(diǎn)狀圖形進(jìn)行劃分。對于數(shù)量較少的零碎植被，在不影響總體植被面積的前提下，可納入相鄰地類。其余地類依據(jù)地物特征進(jìn)行劃分。根據(jù)分類編輯結(jié)果及實(shí)測結(jié)果(圖6)統(tǒng)計(jì)出各種地類的面積以及所占比例，見表5。

圖6 利用目視解釋編輯分類結(jié)果

統(tǒng)計(jì)方法地類植被交通用地設(shè)施用地其它土地分類統(tǒng)計(jì)結(jié)果圖例面積/m2899709725185502913百分比/%74.268.0315.312.40實(shí)測結(jié)果面積/m2868709898183922980百分比/%73.538.3815.572.52

(2) 林草植被恢復(fù)率計(jì)算?？苫謴?fù)植被面積是通過分析論證確定的可以采取植物措施的面積，不含國家規(guī)定的應(yīng)恢復(fù)農(nóng)耕的面積。即本次研究區(qū)域可恢復(fù)植被面積應(yīng)不包括原有硬化面積及小部分水域面積，在計(jì)算時(shí)不考慮原占地類型為農(nóng)地以及無法實(shí)施植物措施的區(qū)域。本次可恢復(fù)植被面積主要通過現(xiàn)場核查、實(shí)地調(diào)查得出。

林草植被恢復(fù)率是指項(xiàng)目建設(shè)區(qū)內(nèi)，林草類植被面積占可恢復(fù)林草植被面積的百分比。項(xiàng)目建設(shè)區(qū)內(nèi)可恢復(fù)林草植被的面積為93 223 m2，植被實(shí)際恢復(fù)面積86 870 m2，詳細(xì)結(jié)果見表6。

表6 林草植被恢復(fù)率計(jì)算結(jié)果

3 結(jié)論與討論

3.1 結(jié) 論

(1) 本文以合陽縣水保示范園作為監(jiān)測項(xiàng)目典型案例，從無人機(jī)航拍、遙感數(shù)據(jù)分析、水土保持基本信息提取3個(gè)方面，分析該技術(shù)的操作性及效果。監(jiān)測結(jié)果與實(shí)際計(jì)量結(jié)果相比，誤差小于10%，滿足水土保持監(jiān)測相關(guān)要求。此外，除植被面積，其余地類面積計(jì)算同樣適合于生產(chǎn)建設(shè)項(xiàng)目水土保持監(jiān)測過程。

(2) 無人機(jī)航拍結(jié)合Envi分類方法可將復(fù)雜繁瑣的室外工作轉(zhuǎn)變?yōu)楦咝П憬莸膬?nèi)業(yè)工作，實(shí)現(xiàn)水土保持基本信息獲取、分析的自動(dòng)化，使監(jiān)測工作精度和效率的提高成為可能，極有可能成為今后水土保持監(jiān)測工作技術(shù)發(fā)展方向。

(3) 分類方法采用非監(jiān)督分類，分類過程中存在同物異譜及異物同譜現(xiàn)象，增加了土地利用分類識(shí)別難度，導(dǎo)致需要進(jìn)行大量的人工目視識(shí)別和分析，才能得到可靠的分類結(jié)果。

(4) 相比較無人機(jī)在水保方面應(yīng)用的前期類似試驗(yàn)，本文一是在利用正射影像土地利用分類的基礎(chǔ)上，對水保難以提取的植被面積進(jìn)一步細(xì)化且提高了精度，二是將以往用于大范圍區(qū)域的非監(jiān)督分類用于小范圍水土保持監(jiān)測的信息獲取。

3.2 討 論

(1) 提取植被恢復(fù)率與實(shí)際相比，誤差為3.32%。

比較圖6與原正射影像圖發(fā)現(xiàn)，在實(shí)際植被中，樹冠覆蓋面積與周圍地類存在重疊現(xiàn)象(如樹冠投影覆蓋了道路)，而分類過程中未對此部分面積進(jìn)行篩選剔除，這是造成誤差的重要原因。如何細(xì)化分類方法、提高分類精度將是下一步試驗(yàn)的關(guān)鍵所在。

(2) 本次試驗(yàn)無人機(jī)飛行參數(shù)設(shè)置比較單一，缺少其他天氣因素作為變量參考。針對此問題，考慮后續(xù)試驗(yàn)增加多組飛行參數(shù)作為對比分析。同時(shí)Envi影像處理的主要功能在水土保持應(yīng)用方面仍有待挖掘。