牛亞曉　張立元　韓文霆　邵國敏

(1.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌 712100； 2.西北農(nóng)林科技大學(xué)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(diǎn)實(shí)驗(yàn)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(jì)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(biāo)，在分析植被分布影響因素、評(píng)價(jià)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(shù)的應(yīng)用越來越廣泛[12-13]，植被覆蓋度的遙感監(jiān)測(cè)已經(jīng)成為精準(zhǔn)農(nóng)業(yè)的重要內(nèi)容和研究熱點(diǎn)。目前，植被覆蓋度的遙感監(jiān)測(cè)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(shù)存在時(shí)空分辨率低，易受天氣影響等缺點(diǎn)，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(yīng)用時(shí)費(fèi)時(shí)費(fèi)力、作業(yè)成本高。無人機(jī)遙感系統(tǒng)憑借其運(yùn)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(shì)，在各領(lǐng)域遙感監(jiān)測(cè)中得到越來越多的應(yīng)用[30-35]。高分辨率低空無人機(jī)遙感影像在表達(dá)地物幾何、紋理、拓?fù)潢P(guān)系等特征參量方面更加細(xì)致，增強(qiáng)了對(duì)地物類型的識(shí)別能力，使得植被覆蓋度信息的細(xì)致、快速提取成為可能。

目前，國內(nèi)外學(xué)者對(duì)基于無人機(jī)遙感技術(shù)進(jìn)行植被覆蓋度提取方法進(jìn)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(jī)遙感系統(tǒng)未集成穩(wěn)定云臺(tái)，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(duì)上述衛(wèi)星遙感技術(shù)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(shí)費(fèi)時(shí)費(fèi)力、作業(yè)成本高，無人機(jī)遙感系統(tǒng)未集成穩(wěn)定云臺(tái)時(shí)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(tái)、POS數(shù)據(jù)采集模塊的無人機(jī)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(jìn)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(jì)提供一種新思路。

1　材料與方法

1.1　無人機(jī)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(jī)主要可以分為固定翼無人機(jī)、單旋翼無人機(jī)及多旋翼無人機(jī)等[40]。固定翼無人機(jī)具有巡航速度快、效率高、通訊距離遠(yuǎn)以及續(xù)航時(shí)間長(zhǎng)等優(yōu)勢(shì)，但存在起降不便、不能定點(diǎn)采集遙感圖像、沒有集成穩(wěn)定云臺(tái)等問題，并且由于固定翼無人機(jī)巡航速度快、易受風(fēng)速影響、航線轉(zhuǎn)彎半徑大，容易造成遙感圖像的漏拍、拖影嚴(yán)重等。單旋翼無人機(jī)具有起飛方便、可定點(diǎn)懸停、巡航速度較慢等優(yōu)勢(shì)，但是價(jià)格昂貴、維護(hù)成本高。上述缺陷限制了固定翼無人機(jī)以及單旋翼無人機(jī)的進(jìn)一步應(yīng)用。相比于上述2種無人機(jī)，多旋翼無人機(jī)具有成本及維護(hù)成本低、起降方便、可定點(diǎn)懸停等優(yōu)勢(shì)，更適合于獲取高空間及時(shí)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(jī)以及MOY無刷微單云臺(tái)，設(shè)計(jì)了一套集成穩(wěn)定云臺(tái)、可以實(shí)現(xiàn)多光譜數(shù)據(jù)采集的飛控控制以及相應(yīng)POS數(shù)據(jù)獲取的多旋翼無人機(jī)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(shù)支持。該無人機(jī)多光譜遙感系統(tǒng)主要由六旋翼無人機(jī)、穩(wěn)定云臺(tái)、圖像采集控制器、地面站等組成。其中多旋翼無人機(jī)是農(nóng)業(yè)遙感傳感器及其穩(wěn)定云臺(tái)的搭載平臺(tái)，是獲取農(nóng)業(yè)遙感數(shù)據(jù)的基礎(chǔ)；穩(wěn)定云臺(tái)使得相機(jī)在飛行過程中保持相對(duì)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(shí)也保證了多光譜圖像采集過程中成像角度的相對(duì)穩(wěn)定；圖像采集控制器為多光譜相機(jī)及飛行控制器的紐帶，用于實(shí)現(xiàn)多光譜遙感影像及相應(yīng)POS數(shù)據(jù)的同步采集；地面控制站用于實(shí)現(xiàn)無人機(jī)多光譜遙感系統(tǒng)的航跡規(guī)劃、飛行數(shù)據(jù)的實(shí)時(shí)顯示等。其主要技術(shù)參數(shù)如表1所示。

圖1　無人機(jī)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(shí)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(jī)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(jī)，如圖1b所示。該相機(jī)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(chǔ)格式為最適用于農(nóng)業(yè)遙感科學(xué)研究的RAW(RAW image format)格式[43]。相機(jī)技術(shù)參數(shù)如表2所示。

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

1.2　實(shí)驗(yàn)區(qū)概況

在陜西楊凌示范區(qū)西北農(nóng)林科技大學(xué)中國旱區(qū)節(jié)水農(nóng)業(yè)研究院冬小麥實(shí)驗(yàn)田(34°17′50.94″N，108° 4′4.17″E)開展試驗(yàn)。楊凌位于關(guān)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(jī)遙感系統(tǒng)的數(shù)據(jù)采集及預(yù)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(shí)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(jī)鏡頭垂直向下、航向及旁向重疊度為60%、飛行相對(duì)高度為55 m的策略，進(jìn)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(dá)到2.2 cm，使用相機(jī)自帶的PixelWrench2軟件將RAW格式的圖像導(dǎo)出并轉(zhuǎn)換為TIFF格式，利用ENVI結(jié)合標(biāo)準(zhǔn)白板的影像數(shù)據(jù)計(jì)算了波譜反射率。基于TIFF格式多光譜影像及無人機(jī)遙感系統(tǒng)獲取的POS數(shù)據(jù)，利用Pix4DMapper軟件進(jìn)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(shù)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(yàn)?zāi)Ｐ头╗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(yīng)用時(shí)需要考慮時(shí)間、空間、光譜響應(yīng)等，往往數(shù)據(jù)不足，同時(shí)如何選擇模型也存在著較大問題。經(jīng)驗(yàn)?zāi)Ｐ头ㄖ贿m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(shí)測(cè)FVC數(shù)據(jù)建模，但是該方法同樣具有區(qū)域性特點(diǎn)，模型精度也存在一定的問題，因此限制了此方法的應(yīng)用。植被指數(shù)基于植被與其他地物在相關(guān)植被指數(shù)上的特異性是對(duì)地表植被狀況的簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量，廣泛地應(yīng)用于土地覆蓋、植被分類和環(huán)境變化、干旱監(jiān)測(cè)等方面[48]?；谙鄳?yīng)的植被指數(shù)閾值進(jìn)行植被覆蓋度提取，方法可行，分析結(jié)果可靠，在大面積農(nóng)作物覆蓋度測(cè)量具有很好的應(yīng)用前景。

如圖2所示，冬小麥在ADC Lite多光譜相機(jī)的綠色波段范圍內(nèi)具有一個(gè)較小的反射峰，在紅光波段有一個(gè)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(gè)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(duì)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(jìn)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(yīng)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(jì)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(kuò)大了小麥與土壤的差異，即增強(qiáng)了對(duì)植被的識(shí)別能力[37]。而SAVI、MSAVI消除土壤影響和適應(yīng)植被變化的能力更強(qiáng)[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(gè)植被指數(shù)基于無人機(jī)多光譜遙感技術(shù)與植被指數(shù)閾值法進(jìn)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(guān)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(jī)遙感數(shù)據(jù)確定分類閾值的方法主要有植被指數(shù)時(shí)序圖交點(diǎn)法[36]和樣本統(tǒng)計(jì)法[37]，兩者都取得了較好的結(jié)果。前者認(rèn)為隨著作物生長(zhǎng)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(diǎn)，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(chǔ)上進(jìn)行統(tǒng)計(jì)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(shí)存在土壤及植被像元的多光譜遙感影像進(jìn)行監(jiān)督分類，將其劃分為土壤及植被兩類；然后以分類結(jié)果中的土壤及植被的相應(yīng)植被指數(shù)統(tǒng)計(jì)直方圖交點(diǎn)作為分類閾值的方式進(jìn)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(gè)土壤像元樣本和100個(gè)冬小麥像元樣本，進(jìn)行支持向量機(jī)的監(jiān)督分類，并分別對(duì)兩類地物分類結(jié)果計(jì)算混淆矩陣進(jìn)行驗(yàn)證(表3)，Kappa系數(shù)為0.990 9。

表3　冬小麥分類精度評(píng)價(jià)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(jié)果，可根據(jù)上述分類結(jié)果進(jìn)行土壤及冬小麥相關(guān)植被指數(shù)直方圖分布統(tǒng)計(jì)，用于獲取分類閾值?；谏鲜鲈蕉诙←湹谋O(jiān)督分類結(jié)果，分別對(duì)整個(gè)區(qū)域中小麥、土壤的NDVI、SAVI及MSAVI指數(shù)進(jìn)行了統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果如圖4所示。在上述3種植被指數(shù)統(tǒng)計(jì)直方圖中植被像元與土壤像元的交點(diǎn)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(jì)算公式為

(4)

式中Nwheat——冬小麥像元個(gè)數(shù)

Nsoil——土壤像元個(gè)數(shù)

3　結(jié)果與分析

3.1　冬小麥植被覆蓋度提取結(jié)果

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

圖5　2017年1月7日?qǐng)D像Fig.5　Images on January 7, 2017

圖6　2017年3月25日?qǐng)D像Fig.6　Images on March 25, 2017

圖7　2017年4月1日?qǐng)D像Fig.7　Images on April 1, 2017

圖8　2017年4月12日?qǐng)D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(shí)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(jī)(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(píng)價(jià)及分析

目前，植被覆蓋度提取效果的評(píng)價(jià)方法主要為將地面照相法采集的實(shí)測(cè)覆蓋度作為真實(shí)值，或?qū)⒈O(jiān)督分類結(jié)果作為覆蓋度真實(shí)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(yīng)用時(shí)費(fèi)時(shí)費(fèi)力、作業(yè)成本高。同時(shí)，隨著無人機(jī)遙感技術(shù)的發(fā)展，無人機(jī)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(jié)合時(shí)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(shí)值，對(duì)采用上述植被指數(shù)閾值法獲取的冬小麥植被覆蓋度進(jìn)行精度評(píng)價(jià)。為了盡可能避免監(jiān)督分類造成的人為誤差，本文以3個(gè)人分別進(jìn)行的監(jiān)督分類的結(jié)果取平均，作為冬小麥植被覆蓋度真實(shí)值。綜上所述，可以將基于無人機(jī)多光譜遙感技術(shù)及植被指數(shù)閾值法的植被覆蓋度提取結(jié)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(jié)果為實(shí)測(cè)值，對(duì)基于無人機(jī)多光譜遙感技術(shù)與植被指數(shù)閾值法的冬小麥植被覆蓋度提取結(jié)果進(jìn)行提取精度計(jì)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(diǎn)圖(圖10)，數(shù)值如表4所示。

圖10　提取結(jié)果散點(diǎn)圖Fig.10　Scatter plot of FVC extraction result

由圖10可知，基于無人機(jī)多光譜遙感技術(shù)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(jié)果與監(jiān)督分類結(jié)果最為吻合，絕對(duì)誤差不超過0.029 2；基于MSAVI分類閾值的提取結(jié)果與監(jiān)督分類結(jié)果差異最大，但絕對(duì)誤差不超過0.067 1。針對(duì)各個(gè)時(shí)期冬小麥植被覆蓋的提取結(jié)果，在植被覆蓋度較低(越冬期)時(shí)，基于3種植被指數(shù)分類閾值的估計(jì)差異較大；而在植被覆蓋度較高的3個(gè)時(shí)期，三者幾乎沒有明顯差異。即在低植被覆蓋度時(shí)期，NDVI對(duì)冬小麥的識(shí)別能力最優(yōu)，MSAVI對(duì)冬小麥的識(shí)別能力最差；在高植被覆蓋度時(shí)期，各個(gè)植被指數(shù)對(duì)冬小麥的識(shí)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(shí)各個(gè)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(jìn)行進(jìn)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(jié)果，基于植被指數(shù)閾值法的冬小麥植被覆蓋度提取結(jié)果都偏大，即對(duì)冬小麥的植被覆蓋度提取出現(xiàn)了過高估計(jì)。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(jié)果過高估計(jì)的原因?yàn)?，通過植被指數(shù)統(tǒng)計(jì)直方圖交點(diǎn)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(shí)多光譜遙感影像中被認(rèn)為是植被像元的混合像元，在相應(yīng)的可見光遙感數(shù)據(jù)中在很大程度上會(huì)被認(rèn)為是土壤像元或可以區(qū)分其混合部分。進(jìn)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(shí)，更多的像元被分類為植被像元，即植被覆蓋度偏高。

4　結(jié)論

(1)利用多旋翼無人機(jī)、ADC Lite多光譜相機(jī)及其穩(wěn)定云臺(tái)，可以實(shí)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(hù)操作簡(jiǎn)單。

(2)可以結(jié)合監(jiān)督分類與植被指數(shù)統(tǒng)計(jì)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(zhǎng)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(jìn)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(shí)值最為接近。

(4)與高清可見光數(shù)據(jù)的監(jiān)督分類結(jié)果相比，基于無人機(jī)多光譜遙感技術(shù)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(jì)算的遙感研究[J]. 地理學(xué)報(bào), 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(shí)代的信息化測(cè)繪[J]. 武漢大學(xué)學(xué)報(bào):信息科學(xué)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(xué)學(xué)報(bào):信息科學(xué)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(yīng)用生態(tài)學(xué)報(bào), 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(yīng)用生態(tài)學(xué)報(bào), 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(jī)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(xué), 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(shù)與應(yīng)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(jì)華,劉良云，等. 基于數(shù)字照片特征的小麥覆蓋度自動(dòng)提取研究[J]. 浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)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(jī)遙感與面向?qū)ο蠓ǖ奶镩g渠系分布信息提取[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 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(mèng)嬋，等. 基于無人機(jī)遙感技術(shù)的玉米種植信息提取方法研究[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 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(jī)遙感的灌區(qū)土地利用與覆被分類方法[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 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(qiáng)，等. 基于可見光波段無人機(jī)遙感的植被信息提取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(jī)遙感監(jiān)測(cè)研究[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 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(jī)的遙感信息獲取關(guān)鍵技術(shù)綜述[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(jī)遙感的冬小麥覆蓋度變化監(jiān)測(cè)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(jī)低空遙感的農(nóng)作物快速分類方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(zhǎng)春,于海洋，等. 農(nóng)用無人機(jī)多傳感器遙感輔助小麥育種信息獲取[J]. 農(nóng)業(yè)工程學(xué)報(bào), 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(jī)航空攝影像獲取及應(yīng)用探討[J]. 測(cè)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(duì)比分析[J]. 城市勘測(cè), 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(jìn)展[J]. 地球科學(xué)進(jìn)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(xué), 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(xué), 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(jìn)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(xué)院遙感應(yīng)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)