根据公式(1)—(6),得到植被指数分布图(图2—4)。6个植被指数中,EXG的指数范围为[-255,255],EXG-EXR指数的范围为[-2.4,3],RGRI指数的范围为[0,255],VDVI,NGBDI和NGRDI指数的范围均为[-1,1]。

图2 巴音恩格尔苏木植被指数计算结果

图3 贡乌苏植被指数计算结果

EXG,VDVI,EXG-EXR,NGBDI,NGRDI在提取植被时,植被亮度高于土壤; RGRI指数在陶思图样地提取植被时,植被亮度部分高于土壤(图4),其余样地植被亮度部分低于土壤(图2—3)。贡乌苏样地内航拍受光线影响,影像色彩不均一(图3B),EXG,VDVI,RGRI,EXG-EXR和NGRDI指数灰度图表现出明显匀色现象; NGBDI指数灰度图未出现该问题,表明NGBDI指数灰度图不受光线影响(图3)。

图4 陶思图植被指数计算结果

为更好地从影像上将植被、非植被区分出来,以巴音恩格尔苏木样地为例,对各植被指数分布直方图进行统计(图5)。EXG和EXG-EXR为双峰特征,其余为非双峰特征,对其他两个样地直方图统计,同一植被指数峰值特征相似。对于出现双峰特征的植被指数采用直方图阈值法计算阈值,对于出现非双峰特征的使用阈值迭代法求取阈值。

分别计算出6个指数的最佳阈值,使用最佳阈值提取灌木植被信息。利用目视解译方法获得的灌木图斑(图6),通过公式(7—9)得到正确率和kappa系数(表1),对各指数提取精度及其一致性验证。

3个样地的6个植被指数精度分析表明:VDVI提取精度最高,平均精度98.11%,其次是EXG-EXR,平均精度为87.25%; 在研究区影像色彩不均一的样地,NGBDI指数灰度图未出现阴影纹理现象,且提取精度在80%以上,满足提取要求; 以上指数Kappa系数均大于0.7(K>0.61),表明以上分类提取方法与实际结果具有高度一致性。NGRDI和RGRI提取效果一般,平均提取精度保持在67.89%～75.07%; EXG指数提取植被受影像纹理影响严重,提取精度保持在64.88%～77.03%,把植被错分为裸土,造成提取效果较差。结果表明,可见光植被指数同样适用于荒漠灌木植被提取,其中VDVI植被指数的提取效果最佳,这与李东升^[12]、朱孟^[14]等研究结果一致。

在同一研究区样地,飞行当天天气、植物阴影、太阳高度角以及图像的分辨率都会影响影像效果。对同一款无人机而言,航高和分辨率呈反比。针对不同航拍高度下影像分辨率可能造成植物扭曲或模糊等问题,分析不同影像分辨率对植被提取的影响。

以巴音恩格尔苏木样地不同分辨率的无人机影像为例,使用VDVI指数去提取植被,对比分析不同分辨率对提取精度的影响,结果见图7。GSD 0.36 cm/px提取精度达到97.45%,GSD 0.40～1.39 cm/px提取精度为89.36%～82.49%。在GSD 1.39 cm/px之后提取精度显著降低到71.11%,GSD 3.3 cm/px的提取精度仅为61.08%,无法满足80%的提取精度。随着高度递增,图像分辨率降低,提取精度降低。可见,随着地面目标地物距航拍距离的减小,地面分辨率提高,总体精度会增加^[32]。

本研究中,当地物仅为灌木时,EXG和EXG-EXR指数出现双峰特征,NGBDI,NGRDI,RGRI,VDVI为非双峰特征。这同朱孟等^[14]研究结果一致,当影像中地物仅为火龙果时,EXG,EXG-EXR指数有较明显双峰特征,NGRDI的灰度直方图双峰效果不明显; 当影像中存在多个类别地物时,如建筑物、农田、草地和裸土等,EXG表现出非双峰特征,VDVI,NGRDI,NGBDI,RGRI表现出较明显双峰特征^[7,12,21],与本研究中相同指数的峰值特征相悖。此外,多位学者研究表明,VDVI指数经过提取后的灰度直方图有时不具有双峰特征的类似问题^[20,33]。

图5 各植被指数统计直方图

图6 目视解译提取结果

无人机在获取航拍影像时,受获取过程中光学透镜成像的不均匀性、大气衰减、云层、烟雾以及向阳、背阳等造成的光照条件不同等因素的影响^[34],导致获取的影像存在不同区域不同程度亮度和色调等差异^[35]。这些差异会不同程度地影响后续航拍图像和影像镶嵌质量的效果^[36],进而导致图像之间的拼接和镶嵌结果出现明暗不均、色彩分布不协调^[37],不同程度地影响航拍影像的特征提取、目标识别、分类、解译等。3个样地内,贡乌苏样地航拍影像出现影像色彩不均一现象,其中EXG指数提取精度受影像纹理影响严重,提取精度仅为64.88%; 在巴音恩格尔苏木和陶思图样地的提取精度为76.21%,77.03%,这同朱孟^[14]、程俊毅^[38]等研究结果相近。

表1 各植被指数的植被提取精度评价

图7 无人机提取精度随分辨率变化趋势

阈值可以被看成是目标地物与图像背景之间的分界线,它代表着一种分割准则。阈值选取的合理与否直接关系图像的分割效果与提取精度,因此如何选择分割阈值方法成为确定阈值的关键。目前常用分割阈值方法有直方图阈值法、OTSU算法和阈值迭代法,OTSU算法不需对直方图做预处理就能直接计算求得二值化阈值,但是无人机遥感影像分辨率高和数据信息量大,使用该方法得到的分割效果不太理想^[39]。本研究中对出现双峰特征的植被指数,采用直方图阈值法确定阈值; 对于未出现双峰特征的植被指数,使用阈值迭代法确定阈值。结果表明,根据植被指数直方图特征选择相应的阈值计算方法可以合理确定阈值。

在可见光波段中,绿色植被在绿光通道反射率高,在红光、蓝光通道反射率低,因此通过绿光通道与红光、蓝光通道间的运算能够增强植被与周围地物的差异,方便后期更加精确地提取目标信息^[40]。基于以上光谱原则,本文对6种指数提取精度分析,发现VDVI,EXG-EXR和NGBDI的植被提取效果高于其他指数,平均提取精度达80%以上,Kappa系数均大于0.7(K>0.61),表明以上指数植被提取结果与实际结果具有高度一致性,适合提取荒漠地区植被。该结果与众位学者在高原地区天然植被、矿山人工植被、城镇农田和天然植被地物提取精度相近^[12,20-21]。

随着地面像素分辨率GSD降低,像元尺寸增大,其对应的位置精度逐渐降低,致使目标地物的边界锯齿化现象严重,甚至可能出现一定的位置偏差,进一步影响解译精度^[41]。以VDVI指数为例,在0.36～1.39 cm/px的分辨率下,提取精度为97.45%～82.49%(图6),大于1.39 cm/px分辨率下的提取精度低于80%。这与Hsieh等^[32]所得的结论一致,随着地面目标地物距航拍距离的减小,总体分类误差会减小,总体精度会增加。

树冠平均高度的3倍飞行高度,可以最大限度地降低较高乔木和灌木阻挡间隙内影响植被特征的可能性^[42]。荒漠灌木平均高度约3～6 m,10 m和20 m飞行高度满足荒漠野外调查飞行高度。而影像后期拼接处理过程中,10 m高度正射影像拼接出现斑块缺失; 20～30 m高度出现影像色彩明暗不均一,影响提取精度; 在60～120 m高度,影像分辨率降低,提取精度低于80%,不满足植被提取要求; 当飞行高度达到120 m时,无人机属于超视距飞行,存在空域问题。对野外植被调查而言,航拍耗电量、航拍高度、航拍时间以及数据的效果均是考虑的因素。Bipul等^[43]用深度学习算法提取香蕉数量的研究中,飞行高度40 m和50 m的提取的正确率高达90%,建议作为野外调查优先选择的飞行高度,与本研究荒漠灌木在40 m和50 m航拍影像提取精度相近。综合以上因素,本研究认为40 m和50 m的飞行高度是野外调查的优先选择高度。