低空遥感技术在荒漠灌丛识别中的应用_苏日古格.pdf

Application 创新应用296 电子技术 第 52 卷 第 6 期（总第 559 期）2023 年 6 月107343），西部与巴彦淖尔市接壤。该样地属于荒漠化地带，生态环境条件恶劣，地表植物为矮灌丛，主干区别度不高，色泽较暗。1.2 低空遥感设备本研究采用的低空无人飞行器为大疆精灵Phantom 4 Pro V2.0，多光谱成像设备采用S3小型机载多光谱仪。2 低空遥感图像获取与处理 2.1 低空遥感图像获取先后两次到样地（同一区域）进行航拍，以获取低空遥感图像，其流程如图1所示。0 引言灌丛根部发达，自身叶片小，有利于吸取水分和减少水分散失，有防风固沙、水土保持等功能，灌丛还增强了土壤的空间异质性，灌丛斑块能将土壤的水分快速转移到地底并储存起来，是土壤养分和水分的富集区1。干旱或半干旱地区的草原生态系统灌木木本的植株密度、覆盖度是衡量草原生态系统生态问题的重要指标2。低空遥感技术具有分辨率高、数字处理集成化程度高等特点，在农作物病虫害、地质灾害、生物量监测等方面发挥越来越重要的作用3-7。本研究基于低空遥感技术利用荒漠灌丛区与非灌丛区的光谱特征差异，对色泽灰暗、矮小、光谱特征不明显的荒漠灌丛进行识别，通过不同图像处理方法计算得到荒漠灌丛覆盖率，探究不同方法在荒漠灌丛识别中的适用性和精确度，为开展荒漠生态学研究提供重要手段。1 样地与设备 1.1 样地选择样地位于内蒙古鄂尔多斯市杭锦旗西部的一块区域，中心点为（北纬403628，东经基金项目：河套学院科学技术研究项目(HYZQ202023)，内蒙古自治区高等学校科学研究项目(NJZY20222)。作者简介：苏日古格，河套学院机电工程系，河套学院自动化研究与应用中心，讲师，博士研究生；研究方向：农牧业智能化技术、电子设计与开发。通信作者：于新海，河套学院科技处，河套学院自动化研究与应用中心，教授、硕士生导师，博士；研究方向：农牧业智能化技术、电磁环境效应、新型材料与器件。收稿日期：2023-02-02；修回日期：2023-06-12。摘要：阐述低空遥感技术，利用荒漠灌丛区与非灌丛区的光谱特征差异对荒漠灌丛进行识别。分别运用彩色植被指数与土壤植被指数方法进行灌丛覆盖率计算，对比发现，后者得到的覆盖率较低但更接近实际值。研究结论可为荒漠生态学研究提供参考。关键词：低空遥感，灌丛识别，覆盖率。中图分类号：TP751，TP391.41文章编号：1000-0755(2023)06-0296-02文献引用格式：苏日古格，王雯学，于新海，马斌畅，国芳.低空遥感技术在荒漠灌丛识别中的应用J.电子技术,2023,52(06):296-297.低空遥感技术在荒漠灌丛识别中的应用苏日古格，王雯学，于新海，马斌畅，国芳（河套学院，内蒙古 015000）Abstract This paper describes low altitude remote sensing technology,which utilizes the spectral characteristics differences between desert shrub areas and non shrub areas to identify desert shrubs.By using the color vegetation index and soil vegetation index methods to calculate the shrub coverage rate,it was found that the latter obtained a lower coverage rate but closer to the actual value.The research conclusion can provide reference for desert ecology research.Index Terms low altitude remote sensing,shrub recognition,coverage.Application of Low Altitude Remote Sensing Technology in Desert Shrub IdentificationSU Riguge,WANG Wenxue,YU Xinhai,MA Binchang,GUO Fang(Hetao University,Inner Mongolia 015000,China.)图1 低空遥感图像获取流程图Application 创新应用电子技术 第 52 卷 第 6 期（总第 559 期）2023 年 6 月 297 2.2 图像处理方法采用阈值分割法分割提取目标物，常采用归一化植被指数(Normalized Difference Vegetation Index，NDVI)对遥感图像进行计算，这一方法需红外波段参与，对于只有RGB三原色的可见光谱遥感图像，多采用VI指数或SI指数。数据预处理是将原始遥感图像进行光度校正。然后利用ENVI软件对遥感图像进行VI与SI植被指数计算，分别提取两组灰度值数据，每组数据分散提取15个具有代表性的灰度值点。进一步得到灌丛的灰度平均值1、非灌丛量的灰度平均值2，再对1、2取平均值，即得到灌丛区和非灌丛区的阈值分割点。通过计算波段植被指数方法识别出灌丛植株区域，需要在整个区域中除去微小的噪点斑块与地表无关物。最后建立平均阈值分割模型，统计灌丛的单株株数与连体株数、提取灌丛区与非灌丛区的像元总数并计算出灌丛覆盖率，整个流程图如图2所示。3 结果与分析 3.1 VI与SI植被指数计算利用ENVI软件中的波段计算进行VI与SI植被指数的计算。在VI植被指数计算中，其灰度阈值范围在-0.170.38之间。在SI植被指数计算中，其灰度阈值范围在15 00025 000之间。3.2 阈值的提取与分析通过VI指数分离灌丛区与非灌丛区的阈值确定为0.0726。通过SI指数分离灌丛区与非灌丛区的阈值确定为20 000。将分割后的灌丛区叠加到初始图像上，得到如图3所示的植被叠加图。提取灌丛区与非灌丛区的像元数量，结果如表1所示。由以上数据分析可知，VI指数计算时，由于一些灌丛与荒漠的灰度特征不明显，导致有一小部分灌丛没有被识别出来。提取结果与实际相比较低，最终得到灌丛区的覆盖率为22.97%，整体而言，可以较好地实现灌丛区与非灌丛区的分割。SI指数计算时，没有较好的区别出研究区域中的浅色部分，导致提取率过高，提取的灌丛覆盖率为49.15%，与实际偏离较大。综上所述，VI指数提取灌丛的效果较好。4 结语本研究基于低空遥感技术对选取的样地进行了灌丛识别与覆盖率提取。采用VI与SI植被指数两种计算方法，对同一试验区域进行了灌丛识别和覆盖率提取，其中通过VI指数方法得到的灌丛覆盖率为22.97%，通过SI指数方法计算得到的灌丛覆盖率为49.15%，其中VI指数方法得到的灌丛覆盖率更接近实际值。本研究可为荒漠地区的生态研究和灌丛识别及覆盖率提取提供了一定的参考。参考文献1 张超.基于无人机遥感的荒漠灌丛植物种识别方法研究D.内蒙古：内蒙古农业大学,2019.2 彭海英,童绍玉,李小雁.内蒙古典型草原土壤及其水文过程对灌丛化的响应J.自然资源学报,2017,32(04):642-653.3 王生生,王顺,张航等.基于轻量和积网络及无人机遥感图像的大豆田杂草识别J.农业工程学报,2019,35(06):81-89.4 熊曦柳,胡月明,文宁等.耕地遥感识别研究进展与展望J.农业资源与环境学报,2020,37(06):856-865.5 马传金.基于深度学习的无人机遥感柑橘果实识别D.湖北：华中师范大学,2020.6 朱孟,周忠发,蒋翼等.基于可见光波段无人机遥感的火龙果精准识别方法J.激光与光电子学进展,2020,57(14):359-368.7 张春梅,何勇,杨培洁等.农业遥感卫星发展现状及我国监测需求分析J.南方农业,2020,14(36):179-180.图2 灌丛覆盖率提取流程图（a）VI指数植被叠加图 （b）SI植被叠加图图3 植被叠加图表1 灌丛覆盖率统计