CN101424523B - 一种快速测定草林植被盖度的数字式可视化方法 - Google Patents
一种快速测定草林植被盖度的数字式可视化方法 Download PDFInfo
- Publication number
- CN101424523B CN101424523B CN2008102436382A CN200810243638A CN101424523B CN 101424523 B CN101424523 B CN 101424523B CN 2008102436382 A CN2008102436382 A CN 2008102436382A CN 200810243638 A CN200810243638 A CN 200810243638A CN 101424523 B CN101424523 B CN 101424523B
- Authority
- CN
- China
- Prior art keywords
- vegetation
- cover degree
- forest
- grass
- cover
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000000007 visual effect Effects 0.000 title claims abstract description 21
- 244000025254 Cannabis sativa Species 0.000 title claims abstract description 13
- 238000003066 decision tree Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 10
- 239000003086 colorant Substances 0.000 claims abstract description 4
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 238000003384 imaging method Methods 0.000 claims abstract 3
- 230000008569 process Effects 0.000 claims description 7
- 238000011161 development Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 241000196324 Embryophyta Species 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 12
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000003993 interaction Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 10
- 238000009434 installation Methods 0.000 description 5
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 239000002689 soil Substances 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000006386 neutralization reaction Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 239000002932 luster Substances 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
- 238000007794 visualization technique Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明属于植被群落盖度计算方法与数字成像和计算机技术相结合的数字化精细草业和林业技术领域，适用于草地植被高度小于1m，盖度在5％-99％；森林植被高度在5m以上，郁闭度大于0.5的范围；结合先进的数字成像和计算机图像处理技术，利用自上而下的决策树分类手段，以实地拍摄的数码照片作为输入项，根据草、林植被的颜色属性差异构造红绿蓝三原色的颜色判别决策树，并在Matlab7.0平台上将数码照片的导入、地物判别、盖度计算、划分结果显示、对照等功能模块集成，构建用户界面友好、人机交互便捷的可视化界面，图形和求得数值。该方法能够批量处理常规图片格式，如jpg、tif、tiff和bmp，获得的草林植被盖度数据，观测精度可达95％以上，并可应用于植被动态监测、资源调查和全球变化植被监测等相关领域。
Description
一、技术领域
本发明属于植被群落盖度计算方法与数字成像和计算机技术相结合的数字化精细草业和林业技术领域；具体涉及一种快速测定草林植被群落盖度的数字式可视化化方法。适用于数码相机拍摄角度垂直于地平线，草地植被高度小于1m，盖度在5％-99％；森林植被高度大于5m，郁闭度在0.5以上的范围植被盖度测定。本发明也适用于其他植被动态监测、资源调查和全球变化植被遥感监测等相关领域。
二、背景技术
植被是重要的自然资源，是陆地生态系统的主要组分，其根系深入土壤，枝叶接触空气，特有的蒸腾和光合作用使土壤、大气、水分等自然地理要素相互联系、相互作用，实现了陆地生态系统的物质能量交换和生物化学循环。植被的类型、数量和质量变化深刻影响陆地生态系统；相反，陆地生态系统的任何变化必然在植被类型、数量或质量方面有所响应。植被盖度作为植被的直观量化指标，很大程度上反映了植被的基本情况，是研究水文、气象、生态等方面区域或全球性问题的基础数据，在各类相关理论和模型中普遍使用，因此建立快速、精准的植被盖度测算方法对植被及相关领域的研究具有十分重要的意义(秦伟，2006)。
植被盖度是观测区域内植被垂直投影面积占地表面积的百分比，是刻画陆地表面植被数量的一个重要参数，也是指示生态系统变化的重要指标。植被盖度是许多气候模型和生态模型中的一个基本输入变量，其测量准确与否对土壤侵蚀和植被变化的预报精度影响很大(顾祝军，2005)。在森林群落中，盖度不仅可以反映下木层及草本层的光照情况，在某种程度上也反映了森林群落所处的演替阶段，在森林群落的研究中具有重要意义。在实际的群落的群落学调查研究中，森林盖度主要依赖于研究者的主观估计。虽然在一定程度上森林植被的盖度估计值可以反映森林群落的数量特征，却由于不同研究者主观因素的掺入难以整合不同研究者获得的植被盖度数据。此外，研究者通常假定对研究样地的森林植被盖度是均一的，没有考虑到植被盖度在空间上的差异(高邦权，2006)。而草地植被盖度获取的途径主要包括目测法、采样法、仪器法和遥感测量法。目测法简单易行，过去许多历史资料中的植被盖度均是使用该法获得的，但是目测法主观随意性大，精度与目测者的经验密切相关，误差可达10％以上，一般不宜用于植被覆盖动态变化的模拟分析计算(章文波，2001)；采样法是对选定的地块，按照一定的方法等距不连续采样，其中出现植被的样数占总样数的比值即为植被盖度，相对与目测法，该法更加科学，测量结果较为准确，但费时费力；仪器法主要有以下几种：空间定量计法(SQS)和移动光量法(TQS)均为利用传感其测量光通过植被层的状况来计算植被盖度，需要专门的传感器装置，对设备要求较高，野外操作不便(Thslrn，1979)。而仪器法中的近景摄影测量法对地表植被进行客观，准确地测量，且操作简单、高效经济，为经验模型和遥感测量提供可靠的基础和检验数据；遥感测量法是利用遥感技术提取研究区的植被光谱信息，再将其与植被盖度建立相关关系，进而获得植被盖度的方法，主要适用于大的时间和空间尺度范围。
近年来，数码相机在植被盖度研究中的应用越来越受到人们的重视，逐渐被人们所认可的一种新方法。高邦权等在Matlab 6.5的计算环境下对野外调查获得的JPEG格式的数码照片图像进行了分析，为获得森林群落乔木层盖度的数值提供准确可靠的计算方法；宋雪峰等用数码相机测定内蒙古锡林郭勒盟西南端草地盖度总体判断精度到达94.7％；池宏康等利用近距离遥感(采用照相机近距离拍摄草地植被的影像)测定草地植被盖度相对误差在1％范围内，而目视方法相对误差范围为2.29％-52.67％；张云霞等在草地植被的多尺度遥感与实地测量的报道中，对各种草地植被测量方法进行了对比，认为数码相机结合高光谱以及多尺度遥感数据是未来草地植被盖度测量发展的趋势。因此，数码相机近景测量法与其它地表实测方法相比误差降低，尤其当测量区域的植被盖度较低时，数码相机的优势更明显。同时，利用数码相机的近红外信息可以很容易地辨别出土壤和植被(顾祝军，2005)。传统的地面统计测算将不再是获取植被盖度的主流方法，仅作为遥感等现代测量的辅助、校检方法。利用数码成像的近景测量将成为今后样本实测数据的主要来源，是今后地面统计测量的发展趋势。经国家专利网(www.sipo.gov.com)检索，未见有关快速测定草林两种植被群落盖度的数字式可视化的报道；同时查阅相关文献后，见有关于利用数码相机对森林或者草地盖度进行计算的报道，但均是单种植被群落盖度的计算，而本发明集中了两种不同植被(草地和森林)按照决策树的计算方法获得数字化盖度，同时建立了界面友好的测定植被盖度的可视化界面和图形，在所查相关文献中也未见有利用决策树的方法同时具备测定草地和森林植被盖度以及在同一可视化界面条件下获得不同植被数字式盖度数据的报道，即本发明即可得到具体观测植被盖度的数据，也可得到观测植物分布状况的图形。
三、发明内容
常规人工方法估测草林盖度不仅过程繁琐、周期长、费用高以及工作量大，而且不能准确定量测定。本发明需要解决的问题是提出了一种快速测定草林两种植被群落盖度的数字式可视化方法。
本发明通过选择植被盖度高、中和低不同类型以及不同高度的草地和森林进行反复研究，得到其适用范围为草地植被高度小于1m，盖度在5％-99％；森林植被高度大于5m，郁闭度在0.5以上。通过本方法计算其盖度，关键技术如下：
1.构造自上而下的颜色决策树分类体系
决策树是用二叉树形图来表示处理逻辑的一种工具，可以直观、清晰地表达加工的逻辑要求。特别适合于判断因素比较少、逻辑组合关系不复杂的情况。它提供了一种展示类似在什么条件下会得到什么值这类规则的方法，在对地物种类进行判别的过程中，利用RGB三原色的组合原则分别构造了草地和森林的RGB颜色决策树。
RGB是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色，它使用RGB模型为图像中每一个像素的RGB分量分配一个0~255范围内的强度值。在RGB模式下，每种RGB成分都可使用从0(黑色)到255(白色)的值。
根据上述原理和标准，我们对不同草地和森林植被类型进行分析，归纳出常见的植被类型及其RGB颜色分量规律，并据此构造草地和森林植被颜色决策树分类体系，详见附图1和附图2。
2.数字化及可视化技术
该程序在Matlab7.0平台下编写完成，通过调用图形句柄系统的子系统GUI来实现用户图形界面的显示、操作，并通过多个多维矩阵和二值矩阵间的运算和操作完成植被盖度的计算，其关键流程详见附图3。其主要数字化处理技术包括以下四个部分：
2.1图像载入
将jpg、tiff、tif和bmp通用格式图像按照M*N*3的多维矩阵格式导入，并将显示大小固定在指定坐标轴上，这样不论图像大小，只显示图像略缩图，且无变形。其处理流程如下：
2.1.1读入图像矩阵
将用户指定的数码照片读入计算机内存，以多维矩阵M*N*3的形式保存真彩色图像信息，RGB三原色的取值为0～255的无符号整型。
2.1.2显示图像
将载入的数码图像显示在用户界面的固定位置上，方便用户直观的辨识。考虑到不同的照片大小、形状会有差别，为了统一界面风格、防止照片形变，本发明利用了坐标轴Axes固定了照片位置和大小，方便用户直观浏览照片缩略图。
2.2草地植被盖度计算
首先选择大量的样方，对样方中各种地物的RGB三原色之间的关系进行深入分析，寻找各种地物的RGB规律，获得常见草地地物RGB之间的关系，构造出基于三原色的地物判别决策二叉树求得草地植被盖度，其盖度计算的处理流程如附图四。
2.2.1新二值图像的构建
初始化一个新的等大矩阵，用来存储分类后的二值图像。
2.2.2地物判定
从内存中获取草地及农作物图像句柄，利用双循环语句遍历整个图像矩阵，依次逐个像素根据颜色判定决策树判定地物种类，具体流程见附图4，然后将结果写入二值图像，为了消减几何畸变，计算区域取照片的最大内切圆。
2.2.3计算结果
依据盖度计算公式，将绿色植被和红、蓝、紫花等算作植被覆盖vege，将土壤、石块、落叶等算作非植被覆盖区other，根据公式gaidu＝vege/(vege+other)来计算植被盖度。
2.2.4显示结果和图像
将上述计算结果保存成一个二值矩阵，依据植被RGB三原色的判别决策树计算出不同植被盖度数值，将计算后的二值图片和原始图片依据用户需要分别呈现给用户，方便进行计算盖度后的图片和原始图片进行对比。
根据用户操作，本方法会在用户界面的图像区域显示划分后的二值图像，方便用户对划分结果有一个直观的认识，为了减少数码照片周边变形影响盖度计算，在软件中只显示计算中心圆中的植被盖度，减少误差；软件文本框中显示盖度计算结果，文本方式的盖度数值方便了用户粘贴拷贝到需要的地方。
2.3森林群落盖度计算
本方法默认的计算模式为草地植被盖度计算方式，如果用户需要计算森林群落的盖度，只需在用户界面的下拉列表框中将计算模式选定到森林群落盖度即可。对于森林群落盖度的判别较简单，根据数码相机成像原理，背景光显较强时，相片出现曝光现象，背景呈现亮白色，林冠层的枝叶和天空背景的亮度及色泽存在明显的差异，其RGB三原色的数值均大于245，根据此规律即可获得森林盖度，其余的运算方法与草地植被盖度计算方法相类似，唯一区别的是采用了不同的颜色判定决策树，具体处理流程图见附图5。
2.4计算结果对照
计算完毕后，程序会将盖度结果显示在文本框中，并将划分后的二值图像显示在Axes上，为了使用户能够将二值图像和原始图像进行对比，该方法还提供了计算后显示原始图片的功能，以方便用户对划分结果有一个直观、简单的认识。
3.编译
3.1安装编译器
本发明构造的上述程序可以通过matlab内建的编译、c或者c++编译器对其进行编译，我们通过命令mbuild-setup进入编译器安装操作。如果使用matlab默认的Lcc编译器，则不需要设置编译器就可以执行后面的mcc命令了，这里使用Visual C++Version6.0编译器。编译器安装好后，提示无错误可以进入下面的步骤，如果有错误需要重新mbuild。
3.2将grass_forest.m文件转换为独立执行文件和c/c++代码
这一步骤的目的是为了加快程序执行的速度，同时产生不需要再Matlab环境下的独立执行文件，增加程序的可移植性和可用性。
通过使用命令mcc-m grass_forest.m将程序编译为独立执行文件grass_forest.exe，这样就可以在MS-DOS中输入文件名grass_forest执行，或者在Matlab命令窗口中输入！grass_forest执行。
3.3在没有安装Matlab的系统上执行本程序
如果要在没有安装Matlab的计算机上采用本方法，需要进行额外配置，方法有两种：一是将所有grass_forest所需的动态连接文件都复制到本机上，二是安装位于matlab安装目录、toolbox\compiler\deploy\win32目录中的MCRInstaller.exe文件，如果是Matlab6.5的Compiler3.0则需安装目录\extern\lib\win32下的mglinstaller.exe文件。
第一种方法适用所需连接库较少的小型简单程序，本程序需要调用大量连接文件，适用于第二种方法，其步骤如下：
(1)首先要将\MATLAB701\toolbox\compiler\deploy\win32中的MCRinstaller.exe安装到该计算机上(注：7.0以前的版本是mglinstaller.exe，如果系统中有旧版本的项目程序，则需要重新在Matlab7.0的Compiler4.0中编译后再安装新版本的MCRInstaller.exe)，即将文件内容安装到指定好的安装目录中。我们可以选取\runtime\win32这个路径作为相关文件安装的位置。
(2)其次是要将“MCRinstaller.exe安装目录\runtime\win32”这个路径添加到该计算机的环境变量中，添加的方法是：右击我的电脑→属性→高级→环境变量→添加，指定一个变量名，然后将上述路径复制到里面就可以了。
(3)第三步是将编译生成的相关文件(grass_forest.CTF，grass_forest.c和grass_forest.dll)拷贝到先前指定的目录下(当然其他目录亦可)。
(4)第四步是打开MS-dos操作窗口，进入到编译后的*.exe程序所在的目录，执行编译生成的*.exe文件即可。
上述步骤就可以实现Windows环境下的独立执行文件的使用，如果在Linux系统下，可以通过buildermcr命令来建立MCRInstaller.zip文件。
4.文件的保护
为了防止核心代码被篡改和盗用，我们使用了matlab的.P保护文件，它的目的是具有较高优先级，增加文件的执行速度；能够将文件保密，保持文件内容不外泄。因此，我们只为用户提供grass_forest.p文件。
P文件是对应M文件的一种预解析版本(preparsed version)。因为当你第一次执行M文件时，Matlab需要将其解析(parse)一次(第一次执行后的已解析内容会放入内存作第二次执行时使用，即第二次执行时无需再解析)，这无形中增加了执行时间。所以我们就预先作解释，那么以后再使用该M文件时，便会直接执行对应的已解析版本，即P文件。但又因为Matlab的解析速度非常快，一般不用自己作预解析。只有当一些程序要调用到非常多的M文件时，如GUI应用程序时，才会作预解析，以增加以后的调用速度。
本发明与现有技术相比其有益效果是：
1.测定快速、准确
传统照相法是垂直照相后解译出植被类型，最后在透明方格纸上以植被盖度占方格数与总方格数之比来反映植被盖度的大小，资料处理计算相对比较繁琐费时。要么就是在ENVI和ERDAS遥感图像处理软件中进行初期预处理后再进行盖度的计算，工作量大，而且非常耗时。我们所设计的方法不需要复杂的人工处理，完全由计算机操作，从数码照片的导入、盖度计算和结果显示，10秒之内即可完成，大大缩短了草林盖度计算的时间。该发明能够识别常用的图片格式，并批量处理植被样方照片，同时能够对全图逐个像素的RGB属性进行分析判定，然后获得以照片中心点为圆心的圆中植被盖度值，使得数码照片的粗糙度、拍摄角度、光线强弱等外界因素的影响降低到最小，计算的盖度有效数字达到5位。经过测定样方对比分析，本发明计算植被盖度结果准确，误差在5％以内，同时适用于草地和森林植被的盖度测量及其相关领域。
2.人机界面友好的可视化操作界面
目前近景摄影测量法在植被盖度测算中已有一些成功的应用和发展，如利用数码相机获得植被覆盖的数码照片并通过光谱纹理分类器自动监测草地植被盖度或利用数码相机获取田间植被冠层影像，通过分析数字影像中植被和背景特征，设计了植被盖度的提取算法获得植被盖度等，这些都需要使用人员懂得的遥感知识或程序汇编。本发明不需要操作人员对遥感或者计算机程序汇编了解，只需要按照操作步骤操作即可获得影像中植被盖度。与传统方法相比，更加简便，快速，精确。
3.具有二次开发功能
本方法可以转换为供Visual Basic二次开发使用的.dll文件，也可以通过Visual Basic来执行.exe文件，这可以通过Visual Basic中的Shell函数来达成，相关步骤如下：
(1)在matlab中通过mcc命令，将M文件编译为可执行文件(命令：mcc-m M文件名)
(2)在Visual Basic下声明外部程序kernel32的API函数。需要声明三个外部函数WaitForSingleObject、CloseHandle、OpenProcess来辅助Shell的执行，具体操作如下：
在Visual Basic项目窗口上单击右键[新增]→[模块]，写入以下声明：
Declare Function OpenProcess Lib“kernel32”(ByVal dwDesiredAccess As Long，ByVal bInheritHandle As Long，ByVal dwProcessId As Long)As Long
Declare Function CloseHandle Lib“kernel32”(ByVal hObject As Long)As LongDeclare Function WaitForSingleObject Lib“kernel32”(ByVal hHandle As Long，ByVal dwMilliseconds As Long)As Long
(3)在Visual Basic中使用Shell函数执行.exe文件，使用方式如下：
Shell(“程序名称”，应用程序窗口显示方式)；
通过上述步骤就可以实现在Visual Basic中调用本程序的exe文件，如果需要将执行结果显示在Visual Basic中，可以查阅相关Visual Basic资料调用fprintf或者fopen等相关函数实现。
4.软件保护
为了防止核心代码被篡改和盗用，我们提供给用户使用的是最终的(使用了matlab的).P保护文件，它的目的是具有较高优先级，增加文件的执行速度；能够将文件保密，保持文件内容不外泄。
四.附图说明
图1.草地植被RGB决策树
根据草地植被和非植被覆盖物的RGB颜色特征构造出来的草地植被RGB颜色分类决策树
图2.森林植被RGB决策树
根据森林植被和非植被覆盖物的RGB颜色特征构造出来的森林植被RGB颜色分类决策树
图3.盖度计算的数字式可视化流程
使用结构化图示表示的盖度计算方法及其数字化处理流程。
图4.草地植被盖度算法的处理流程
根据草地植被RGB颜色分类决策树所设计的数字化处理流程。
图5.森林植被盖度算法的处理流程
根据森林植被RGB颜色分类决策树所设计的数字化处理流程。
图6.草地植被盖度求取界面及获得植被盖度值后的界面
利用该方法对实地拍摄的草地照片求取植被盖度，并可观测草地植物分布均匀状况。
图7.森林盖度求取界面及获得森林盖度值后的界面
利用该方法对实地拍摄的林地照片求取植被盖度，并可观测树木分布均匀状况。
五.具体实施方式
1.实施例1
我们以新疆阜康草地为例，按照草地植被盖度选择了高、中和低三种盖度的草地共14个，样方大小为1×1m2，利用针刺法来获得草地植被盖度，同时在样方正上方进行拍照。对于高盖度草地我们选择的刺点数为100，中等盖度草地选择刺点数为200，而低盖度草地选择刺点数500。每种盖度类型草地样方测定三次取其平均值作为样方的植被盖度。同时，利用本发明分别计算高、中和低三种盖度的草地盖度如表1和图6所示。
由表1和图6可以看出，利用针刺法通过实地测定样方的植被盖度与利用本发明获得的盖度值偏差不大，最大偏差绝对值为4.98％，大部分偏差绝对值均在3％以下。说明本发明在计算草地植被盖度具有较高的精确度。
表1.针刺法所得草地盖度与本发明获得的草地盖度比较分析
2.实施例2
在正常光照条件下，森林群落乔木层的枝叶和天空背景的亮度及色泽存在明显的差异。我们在南京紫金山森林群落样地中，选择具有代表性的森林冠层利用数码相机垂直向上进行拍摄，获得森林郁闭度照片。将拍摄的照片送至5位有实践经验的专家进行目测，取平均值作为目测森林盖度。然后再利用本发明方法获得的盖度值进行对比分析如表2和图7所示。
由表2和图7可以看出，通过植被盖度计算方法获得的盖度值出入不大，误差最大值为4.8％，说明此方法在计算森林盖度具有较高的精确度。
表2.专家目测森林盖度与本发明计算获得的森林盖度比较分析
Claims (2)
1.一种快速测定草林植被盖度的数字式可视化方法，其特征是由以下三部分构成：
(1)构建草地和森林两种植被在数码照片中红色、绿色和蓝色颜色分量规律，构造自上而下的植被颜色决策树分类体系：
①数码相机所拍摄的照片是由植被端元和非植被端元的红、绿和蓝三基色信息加权而成，植被和非植被的权重确定颜色分量规律；
②不同植被和非植被颜色构成是由红、绿和蓝按照不同比例大小组成，以此来确定植被区和非植被区；
③草地植被和森林植被两种计算模式集成于一体分别计算两种植被的数字盖度；
(2)依据植被颜色决策树分类体系构建的测定草林两种植被群落盖度的可视化方法：
①集数码照片的可视化处理流程于一体，即导入、处理、对照，且界面友好、操作简便，既适用于专业人员，也适用于非专业人员；
②数码照片格式包括jpg、tiff、tif和bmp通用格式，并将其按多维矩阵方式导入；
③根据几何投影成像规律，采用内切圆计算方式，消减了几何变形，提高了计算精度；
④构造了植被和非植被的二值图像，并提供显示和对照；
⑤提供用户供VB、VC二次开发的dll文件，提供用户受保护的P文件，防止代码篡改和泄漏；
(3)适用范围及精度要求为草地植被高度小于1m，盖度在5％-99％，其观测盖度数据精度达95％以上；森林植被高度大于5m，郁闭度在0.5以上范围，其观测盖度数据精度达95％以上。
2.权利要求1所述的快速测定草林植被盖度的数字式可视化方法，适用于数字化精细草业或林业或植被动态监测或植物资源调查或全球变化植被遥感监测中的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102436382A CN101424523B (zh) | 2008-12-11 | 2008-12-11 | 一种快速测定草林植被盖度的数字式可视化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2008102436382A CN101424523B (zh) | 2008-12-11 | 2008-12-11 | 一种快速测定草林植被盖度的数字式可视化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101424523A CN101424523A (zh) | 2009-05-06 |
| CN101424523B true CN101424523B (zh) | 2012-01-04 |
Family
ID=40615286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2008102436382A Expired - Fee Related CN101424523B (zh) | 2008-12-11 | 2008-12-11 | 一种快速测定草林植被盖度的数字式可视化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101424523B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101493894B (zh) * | 2009-03-11 | 2010-10-13 | 北京林业大学 | 由数码照片估计植被盖度的方法 |
| CN102256102B (zh) * | 2010-05-20 | 2013-09-18 | 中国农业科学院农业资源与农业区划研究所 | 一种基于远程监控的农情信息实时监测方法及系统 |
| CN102338791A (zh) * | 2010-07-26 | 2012-02-01 | 沈佐锐 | 基于3g技术的入侵植物可视化监测设备及其网络系统 |
| CN103925910B (zh) * | 2014-04-21 | 2015-11-11 | 南京森林警察学院 | 森林郁闭度测定方法 |
| CN104316111B (zh) * | 2014-11-14 | 2017-01-25 | 锡林浩特国家气候观象台 | 一种基于小气候监测系统监测天然牧草的方法 |
| CN104697475A (zh) * | 2015-01-29 | 2015-06-10 | 内蒙古大学 | 数码相机与遥感数据相结合的多尺度草地盖度定量测定的方法 |
| CN107131851A (zh) * | 2017-06-14 | 2017-09-05 | 南昌大学 | 一种快速高效测量样方内植物盖度的方法 |
| CN107219860B (zh) * | 2017-07-31 | 2019-12-13 | 内蒙古智牧溯源技术开发有限公司 | 一种无人机草场管理系统及方法 |
| CN107451580A (zh) * | 2017-09-18 | 2017-12-08 | 内蒙古自治区大气探测技术保障中心 | 牧草观测装置及系统 |
| CN109190634A (zh) * | 2018-07-18 | 2019-01-11 | 南昌大学 | 一种高效测量鸟巢隐蔽度的方法 |
| CN109800315B (zh) * | 2019-01-31 | 2022-11-29 | 交通运输部天津水运工程科学研究所 | 一种照相法草地盖度计量图库建立的方法及使用方法 |
| CN113076807B (zh) * | 2021-03-10 | 2023-10-27 | 湖南农业大学 | 一种高可信度测定植被盖度的方法 |
| CN113674274A (zh) * | 2021-09-30 | 2021-11-19 | 贵州省生物技术研究所(贵州省生物技术重点实验室、贵州省马铃薯研究所、贵州省食品加工研究所) | 一种与魔芋共生植物长势确定的方法和系统 |
-
2008
- 2008-12-11 CN CN2008102436382A patent/CN101424523B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN101424523A (zh) | 2009-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101424523B (zh) | 一种快速测定草林植被盖度的数字式可视化方法 | |
| Maus et al. | dtwsat: Time-weighted dynamic time warping for satellite image time series analysis in r | |
| Waser et al. | Semi-automatic classification of tree species in different forest ecosystems by spectral and geometric variables derived from Airborne Digital Sensor (ADS40) and RC30 data | |
| Peddle et al. | Large area forest classification and biophysical parameter estimation using the 5-Scale canopy reflectance model in Multiple-Forward-Mode | |
| Chen et al. | Spectral mixture analyses of hyperspectral data acquired using a tethered balloon | |
| Silván-Cárdenas et al. | Retrieval of subpixel Tamarix canopy cover from Landsat data along the Forgotten River using linear and nonlinear spectral mixture models | |
| Adamczyk et al. | Red-edge vegetation indices for detecting and assessing disturbances in Norway spruce dominated mountain forests | |
| Song et al. | The spectral/temporal manifestation of forest succession in optical imagery: The potential of multitemporal imagery | |
| Wang et al. | Landscape-level vegetation classification and fractional woody and herbaceous vegetation cover estimation over the dryland ecosystems by unmanned aerial vehicle platform | |
| Proisy et al. | Biomass prediction in tropical forests: the canopy grain approach | |
| Pinty et al. | On the need to observe vegetation canopies in the near-infrared to estimate visible light absorption | |
| Li et al. | Combining kriging interpolation to improve the accuracy of forest aboveground biomass estimation using remote sensing data | |
| Qi et al. | Impact of understorey on overstorey leaf area index estimation from optical remote sensing in five forest types in northeastern China | |
| Cohen et al. | An introduction to digital methods in remote sensing of forested ecosystems: focus on the Pacific Northwest, USA | |
| Gonzalez Musso et al. | Applying unmanned aerial vehicles (UAVs) to map shrubland structural attributes in northern Patagonia, Argentina | |
| Shirazinejad et al. | Applying multidate Sentinel-2 data for forest-type classification in complex broadleaf forest stands | |
| Bhunia et al. | Free-open access geospatial data and tools for forest resources management | |
| Zhang et al. | Hyperspectral image processing and analysis system (HIPAS) and its applications | |
| Li et al. | Extraction of rocky desertification information in karst area by using different multispectral sensor data and multiple endmember spectral mixture analysis method | |
| Pu | Comparing canonical correlation analysis with partial least squares regression in estimating forest leaf area index with multitemporal Landsat TM imagery | |
| Lin et al. | A model for forest type identification and forest regeneration monitoring based on deep learning and hyperspectral imagery | |
| Dong et al. | A component-based system for agricultural drought monitoring by remote sensing | |
| Gao et al. | Assessment of remote-sensed vegetation indices for estimating forest chlorophyll concentration | |
| Fasil et al. | Integration of GIS, remote sensing, and spectral indices for evaluation of forest canopy density model in drought and wet years in Western Ghats region of humid tropical Kerala, India | |
| Sinha et al. | Three-date landsat thematic mapper composite in seasonal land-cover change identification in a mid-latitudinal region of diverse climate and land use |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C17 | Cessation of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120104 Termination date: 20121211 |