王洋洋 孫偉 賈永倩 石洪亮

摘要：荒漠灌木是干旱區(qū)脆弱生態(tài)系統(tǒng)的重要組成部分，其生物量至關(guān)重要，但野外測(cè)量難度較大。以新疆生產(chǎn)建設(shè)兵團(tuán)第六師102團(tuán)區(qū)域內(nèi)的荒漠灌木梭梭為例，利用智能手機(jī)攝像頭拍照并獲取梭梭高度（H）、側(cè)面寬度（D）、側(cè)面像元面積（S）等參數(shù)，建立基于這些參數(shù)組合的梭梭地上生物量擬合方程。結(jié)果表明，側(cè)面像元面積（S）與梭梭灌木的地上生物量密切相關(guān)，呈正相關(guān)關(guān)系，相關(guān)系數(shù)高達(dá)0.949。經(jīng)檢驗(yàn)，以梭梭灌木側(cè)面照相面積（S）、側(cè)面寬度（D）等為自變量建立回歸模型，可用來快速估測(cè)灌木地上生物量，這為無損快速估測(cè)灌木地上生物量提高工作效率。

關(guān)鍵詞：梭梭；生物量；數(shù)碼相機(jī)；無損估測(cè)；荒漠灌木；地上生物量；野外調(diào)查；信息獲取效率

中圖分類號(hào)： TP391.4；S126文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2017）11-0171-03[HS）][HT9.SS]

森林資源調(diào)查與監(jiān)測(cè)是森林科學(xué)經(jīng)營(yíng)與管理的重要數(shù)據(jù)來源，傳統(tǒng)的森林資源調(diào)查方法多為人為調(diào)查，分級(jí)上報(bào)的方法不但費(fèi)時(shí)、費(fèi)力，而且可能所得數(shù)據(jù)具有一定的主觀性，存在一定程度的誤差[1]。自20世紀(jì)80年代以來，隨著網(wǎng)絡(luò)技術(shù)、“3S”技術(shù)和物聯(lián)網(wǎng)技術(shù)的逐步引進(jìn)，森林資源調(diào)查與監(jiān)測(cè)技術(shù)在數(shù)據(jù)獲取、處理與分析等方面有許多創(chuàng)新與發(fā)展[2]。但是，現(xiàn)階段主要采用傳統(tǒng)的地面調(diào)查結(jié)合“3S”技術(shù)以及計(jì)算模型等技術(shù)手段測(cè)定森林生物量，且多聚集在喬木上，對(duì)灌木林的相關(guān)研究較少[3-6]。較喬木林野外調(diào)查與測(cè)量，灌木林的植株矮小、近地面分枝多、樹冠距離地面近，它的主要測(cè)樹因子[如冠幅直徑（C）、地徑（D）和植株高度（H）等]獲取難度偏大，野外調(diào)查和室內(nèi)數(shù)據(jù)處理的工作量都比較大，不能直接照搬喬木林測(cè)量中較為成熟的測(cè)量手段和方法。因此，尋求一種快速、有效、精準(zhǔn)的森林資源調(diào)查和監(jiān)測(cè)的方法具有一定意義。到目前為止，國(guó)內(nèi)外有一些學(xué)者做了相關(guān)研究，例如Sah等通過以植株高度與冠幅直徑平方的乘積為自變量來估測(cè)生物量，取得了良好的效果[7]；Damiran等通過數(shù)碼相機(jī)拍攝的圖片獲取灌木的葉面積值，成功估測(cè)了灌木的生物量[8]；Foroughbakhch等在對(duì)墨西哥東北部的灌木研究時(shí)，以灌木枝條的數(shù)量為自變量，估算的灌木葉子生物量R2值大部分在0.8以上，尤其自變量是有規(guī)則形狀的冠幅體積，得到的結(jié)果較為理想[9]；李榮春等用數(shù)碼相機(jī)拍攝大田玉米拔節(jié)和大喇叭口期的冠層圖像，提取的圖像覆蓋度CC與干物質(zhì)積累量間極顯著相關(guān)[10]；吳秀花等利用照相技術(shù)對(duì)枸杞地上生物量建立了擬合方程，發(fā)現(xiàn)側(cè)面照相面積與枸杞的生長(zhǎng)狀況密切相關(guān)[11]；蘇占雄等利用數(shù)碼拍照法對(duì)狼牙刺等灌木建立了生物量擬合方程，估算精度較好[12]。由此可見，通過利用圖像無破壞的估測(cè)灌木的生物量技術(shù)，有效地開展野外調(diào)查是目前可行的方法。盡管這些學(xué)者對(duì)生物量估測(cè)模型進(jìn)行了研究，但吳秀花等在圖像中讀取標(biāo)尺長(zhǎng)度時(shí)會(huì)引進(jìn)人為測(cè)量誤差，從而導(dǎo)致最后估測(cè)模型的結(jié)果也存在誤差[11-12]。因此，本研究在前人研究的基礎(chǔ)上，通過利用智能手機(jī)攝影測(cè)量技術(shù)和圖像分析技術(shù)對(duì)荒漠灌木生物量進(jìn)行快速、無損、精準(zhǔn)估測(cè)，尋求一種適用于灌木林大面積野外調(diào)查的推廣應(yīng)用，進(jìn)而降低勞動(dòng)強(qiáng)度和數(shù)據(jù)采集成本，提高灌木林的信息獲取效率，提升森林生態(tài)系統(tǒng)資源數(shù)據(jù)采集的智能化水平。

1材料與方法

1.1研究區(qū)概況

研究區(qū)位于新疆生產(chǎn)建設(shè)兵團(tuán)第六師，地處天山東段北麓，準(zhǔn)噶爾盆地東南緣（43°31′16″～45°33′20″N、86°07′30″～91°11′48″E），屬溫帶大陸性氣候，光照充足，晝夜溫差大，氣溫變化劇烈，降水量少；最高氣溫40～42 ℃，最低氣溫-38～-43 ℃，年均降水量200 mm；海拔420～610 m，地勢(shì)由東南向西北傾斜，栽植的作物被列為新疆維吾爾自治區(qū)保護(hù)的有梭梭[Haloxylon ammodendron（C. A. Mey.） Bunge]、紅柳（Tamarix ramosissima）、新疆阿魏（Ferula sinkiangensis K. M. Shen）、胡楊（Populus euphratica）、西伯利亞落葉松（Larix sibirica Ledeb）等，這些植物都為荒漠固沙起到了十分重要的作用。

1.2圖像數(shù)據(jù)與地上生物量的獲取

2015年9月下旬，在新疆生產(chǎn)建設(shè)兵團(tuán)第六師102團(tuán)內(nèi)選擇生長(zhǎng)良好、地徑集中在1.5～10 cm之間、高度在3 m以下、冠幅在30～170 cm范圍之間、并能很好反映試驗(yàn)區(qū)內(nèi)梭梭實(shí)際生長(zhǎng)狀況的樣本，樣地設(shè)置為30 m×50 m，隨機(jī)布設(shè)4塊樣地，每塊樣地選取10株樣木，共計(jì)40株樣木。拍照前準(zhǔn)備好白色背景布、手機(jī)（相機(jī)）、測(cè)量標(biāo)桿，選擇冠幅為東西面和南北面作為拍攝的側(cè)面，以白色背景布作為植株的拍攝背景，拍照時(shí)保持背景布與地面垂直，同時(shí)在植株右側(cè)樹立1根3 m高的測(cè)量標(biāo)桿，保持相機(jī)鏡頭和梭梭側(cè)面垂直，調(diào)節(jié)相機(jī)與梭梭的水平距離，使相機(jī)中相片顯示的最上端和最下端恰好與測(cè)量標(biāo)桿的最高點(diǎn)和最低點(diǎn)重合，以保證最后拍攝照片的實(shí)際高度為3 m，每株樣本的東西面與南北面分別拍攝有效照片2張。

拍攝完成后，實(shí)地測(cè)量并記錄每株梭梭的株高、地徑、冠幅等數(shù)據(jù)，記錄植株附近的環(huán)境要素，將梭梭地上部分全部收割并編號(hào)，帶回實(shí)驗(yàn)室截成若干部分，置于真空干燥箱內(nèi)，在85 ℃恒溫下烘干至恒質(zhì)量，用精度為1 g的電子天平對(duì)每株樣本分別稱質(zhì)量，逐一記錄下干質(zhì)量。

1.3圖像數(shù)據(jù)處理方法

應(yīng)用Adobe Photoshop CS6電腦版軟件處理圖像，打開圖像后，圖像大小面板中顯示的高度值（H1）即為3 m測(cè)量標(biāo)桿對(duì)應(yīng)的像素大小，記錄此時(shí)顯示的H1值，然后根據(jù)梭梭灌木植株圖像的最大高度和寬度裁剪照片，調(diào)整曲線值，消除因拍攝角度等造成的背景白色差別，從而使梭梭灌木圖像易于從白色背景中區(qū)分出來。記錄此時(shí)圖像大小面板中顯示的寬度值W和高度值H2，根據(jù)公式（1）計(jì)算出梭梭的實(shí)際高度值（H），求得的數(shù)值單位為cm；根據(jù)公式（2）計(jì)算出梭梭的實(shí)際寬度（D）的值。

[JZ（]H=[SX（]300×H2H1[SX）]；[JZ）][JY]（1）

[JZ（]D=[SX（]W×HH2[SX）]。[JZ）][JY]（2）

在直方圖中顯示的像素大小就是整個(gè)矩形圖像的像素，記為P。選擇灌木圖像時(shí)，經(jīng)過多次試驗(yàn)，發(fā)現(xiàn)設(shè)置取樣大小為3×3平均，容差設(shè)置為80時(shí)取樣效果較好，可適當(dāng)調(diào)整選區(qū)，此時(shí)直方圖窗口中顯示的像素值即為所選灌木圖像的像素，記為P1。每株灌木選取圖片效果較好的正面（S正）與側(cè)面（S側(cè)）各1張，梭梭灌木植株的像元面積（S）可通過公式（3）、（4）、（5）計(jì)算：

[JZ（]S正=[SX（]灌木圖像的像素（P1正）×矩形的實(shí)際面積（H×D正）矩形像素（P正）[SX）]；[JZ）][JY]（3）

[JZ（]S側(cè)=[SX（]灌木圖像的像素（P1側(cè)）×矩形的實(shí)際面積（H×D側(cè)）矩形像素（P側(cè)）[SX）]；[JZ）][JY]（4）

[JZ（]S=[SX（]S正+S側(cè)2[SX）]。[JZ）][JY]（5）

1.4生物量模型構(gòu)建

所有數(shù)據(jù)的統(tǒng)計(jì)和檢驗(yàn)均采用SPSS 19.0和Microsoft Excel 2010 軟件進(jìn)行。目前在估測(cè)喬木和灌木生物量的研究中擬合模型有一元線性函數(shù)、冪函數(shù)、指數(shù)函數(shù)等，但最為常見的模型是冪函數(shù)模型[13-20]。

在40個(gè)樣本中，選取其中30個(gè)作為建模樣本，先將梭梭地上生物量與不同自變量進(jìn)行相關(guān)性分析，并根據(jù)分析結(jié)果，選出最佳的建模數(shù)據(jù)構(gòu)建實(shí)測(cè)生物量與圖像提取的參數(shù)構(gòu)建生物量模型。用剩下的10個(gè)樣本作為檢驗(yàn)樣本，利用檢驗(yàn)數(shù)據(jù)預(yù)測(cè)每株灌木的地上生物量，并與實(shí)測(cè)值進(jìn)行比較。采用常用的相關(guān)系數(shù)（r2）、均方根差（RMSE）對(duì)模型的估測(cè)值和實(shí)測(cè)值之間的符合度進(jìn)行驗(yàn)證和評(píng)價(jià)，均方根差可用公式（6）計(jì)算。

[JZ（]RMSE=[KF（][SX（]∑[DD（]ni=1[DD）]（yi-y[DD（-1*2][HT6]^[DD）]i）2n[SX）][KF）]。[JZ）][JY]（6）

式中：yi和 y[DD（-1*2][HT6]^[DD）]i分別為實(shí)測(cè)值和估測(cè)值；n為樣本數(shù)。

2結(jié)果與分析

2.1實(shí)測(cè)梭梭地上生物量與不同自變量的相關(guān)性分析

對(duì)各個(gè)自變量分別與實(shí)測(cè)梭梭灌木生物量作相關(guān)性分析，結(jié)果如表1所示。由表1可見，H、S、D、D2H、DH2、DH與實(shí)測(cè)梭梭地上生物量均有較好的相關(guān)性，以S與地上生物量的相關(guān)關(guān)系最好，相關(guān)系數(shù)達(dá)0.949，且呈現(xiàn)正相關(guān)；其次是D2H，相關(guān)系數(shù)為0.945。

2.3手機(jī)圖像估算地上生物量模型的檢驗(yàn)

為了檢驗(yàn)檢測(cè)模型的合理性，有必要對(duì)所建模型進(jìn)行精度檢驗(yàn)。以S（r2值最高）為例，即以S為自變量估測(cè)模型進(jìn)行梭梭地上生物量的反演，將未參加回歸模型的10個(gè)檢驗(yàn)樣本數(shù)據(jù)代入模型，對(duì)地上生物量估測(cè)值和實(shí)測(cè)值的符合度進(jìn)行檢驗(yàn)，并繪制估測(cè)值和實(shí)測(cè)值的1 ∶[KG-*3]1比較圖，其擬合優(yōu)度指數(shù)為0.902 8，結(jié)果如圖1所示。

2.4實(shí)地測(cè)量與圖像估測(cè)地上生物量的差別

為了檢驗(yàn)本研究方法與實(shí)地測(cè)量值估測(cè)模型方法的差別，在采集的40個(gè)樣本中，利用人工測(cè)量側(cè)面寬度（D）、高度（H）、冠幅面積（C）等相關(guān)參數(shù)的建模方法，選擇其中30個(gè)作為建模樣本，由于人工測(cè)量值無法獲取到側(cè)面像元面積（S）值，所以不能利用S為自變量進(jìn)行建模，用相關(guān)性分析結(jié)果較好的自變量建立回歸模型，結(jié)果如表4所示。

從表4中的r2值可以看出，只有以DH2為自變量建立模型的r2值（0.814 9）高于利用圖像提取DH2為自變量建立模型的r2值（0.801 7），其他以D、D2H、DH、CH為自變量建立的r2值分別為0.920 7、0.927 5、0.877 4、0.799 9，均不如手機(jī)圖像估測(cè)生物量模型的r2值高。使用未參加回歸模型的10個(gè)樣本進(jìn)行驗(yàn)證，對(duì)地上生物量估測(cè)值和實(shí)測(cè)值的符合度進(jìn)行檢驗(yàn)，以D為自變量檢驗(yàn)時(shí)，擬合優(yōu)度指數(shù)為0.861 2，以D2H檢驗(yàn)時(shí)，擬合優(yōu)度指數(shù)為0.884 9，以DH2檢驗(yàn)時(shí)，擬合優(yōu)度指數(shù)為0.811 6，以DH檢驗(yàn)時(shí)，擬合優(yōu)度指數(shù)為[JP2] 0.852 5。通過實(shí)地測(cè)量方法得到的生物量估測(cè)模型相對(duì)誤差值為8.72%～45.13%，相對(duì)平均誤差為14.31%。而利用手機(jī)圖像提取的梭梭灌木像元面積（S）值為自變量進(jìn)行擬合時(shí)，相對(duì)誤差為10.178%～44.98%，相對(duì)平均誤差為13.26%，由此可見，利用圖像提取出S值所建立的估測(cè)模型相對(duì)平均誤差略低于以實(shí)地測(cè)量值所建立估測(cè)模型的相對(duì)平均誤差。因此，以灌木像元面積（S）為自變量建立模型的方法是切實(shí)可行的，能夠更準(zhǔn)確、快速、無損估算梭梭灌木地上生物量。[JP]

3結(jié)論與討論

本研究以40株梭梭灌木地上生物量為例，利用冪函數(shù)構(gòu)建側(cè)面像元面積（S）與梭梭灌木的地上生物量模型，對(duì)實(shí)地測(cè)量與圖像估測(cè)地上生物量這2種方法進(jìn)行詳細(xì)的對(duì)比分析，得知圖像估測(cè)方法能有效估測(cè)梭梭地上生物量，擬合效果比較接近?？傮w而言，本研究所選用圖像估測(cè)幾種方法的精度都相對(duì)較高，這與蘇占雄等利用數(shù)碼相片估算狼牙刺等灌木生物量模型中結(jié)論[12]基本一致。

利用含有S的估測(cè)模型對(duì)梭梭地上生物量進(jìn)行預(yù)測(cè)，估測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)為0.902 8，可計(jì)算出梭梭灌木的地上生物量值，顯示了利用手機(jī)圖像估測(cè)單株梭梭灌木生物量的可行性。其方法新穎，數(shù)據(jù)獲取速度快，能夠?qū)崿F(xiàn)無損測(cè)量，可解決傳統(tǒng)人工目測(cè)和手工測(cè)量方法帶來的誤差，減少主觀人為因素，節(jié)省人力、物力，也節(jié)約獲取梭梭灌木地上生物量的時(shí)間，對(duì)于無損獲取梭梭灌木這種國(guó)家二級(jí)保護(hù)植物的生物量來講，具有很大的應(yīng)用價(jià)值。

對(duì)于梭梭灌木的樹冠距離地面較近、近地面分枝較多來說，植株的顏色與地面的顏色不易區(qū)分，在提取有效的拍照面積時(shí)須要進(jìn)行深入的探究，林齡較大的植株較高，在梭梭生長(zhǎng)密集的區(qū)域內(nèi)通過手機(jī)數(shù)碼相機(jī)進(jìn)行拍攝就較為困難，在下一步利用智能手機(jī)平臺(tái)來處理圖像時(shí)要克服智能手機(jī)無專門的圖形加速器，需要計(jì)算量小、占用內(nèi)存空間少的特性，這些問題都需要在今后的研究中進(jìn)一步的探索。利用圖像分析技術(shù)對(duì)荒漠灌木生物量進(jìn)行無損快速估測(cè)，可以降低勞動(dòng)強(qiáng)度和數(shù)據(jù)采集成本，提升森林生態(tài)系統(tǒng)資源數(shù)據(jù)采集的智能化水平，具有一定的實(shí)際意義。

參考文獻(xiàn)：

[1]趙芳. 測(cè)樹因子遙感獲取方法研究[D]. 北京：北京林業(yè)大學(xué)，2014.

[2]喬永平. 森林資源產(chǎn)權(quán)場(chǎng)內(nèi)交易分析——基于南方林業(yè)產(chǎn)權(quán)交易所的數(shù)據(jù)[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（9）：430-433.

[3]王遠(yuǎn)，王德建，張剛，等. 基于數(shù)碼相機(jī)的水稻冠層圖像分割及氮素營(yíng)養(yǎng)診斷[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（17）：131-136.

[4]白金順，曹衛(wèi)東，熊靜，等. 應(yīng)用數(shù)碼相機(jī)進(jìn)行綠肥翻壓后春玉米氮素營(yíng)養(yǎng)診斷和產(chǎn)量預(yù)測(cè)[J]. 光譜學(xué)與光譜分析，2013（12）：3334-3338.

[5]張慧春，鄭加強(qiáng)，周宏平. 精確林業(yè)GPS信標(biāo)差分定位精度分析[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（7）：210-214.

[6]賈彪. 基于計(jì)算機(jī)視覺技術(shù)的棉花長(zhǎng)勢(shì)監(jiān)測(cè)系統(tǒng)構(gòu)建[D]. 石河子：石河子大學(xué)，2014.

[7]Sah J P，Ross M S，Koptur S，et al. Estimating aboveground biomass of broadleaved woody plants in the understory of Florida Keys pine forests[J]. Forest Ecology&Management，2004，203（1）：319-329.

[8]Damiran D，Delcurto T，Johnson D E，et al. Estimating shrub forage yield and utilization using a photographic technique[J]. Northwest Science，2006，80（4）：259-263.

[9]Foroughbakhch R R，Reyes G，Alvarado V A，et al. Use of quantitative methods to determine leaf biomass on 15 woody shrub species in northeastern Mexico[J]. Forest Ecology&Management，2005，216（1）：359-366.[ZK）]

[10]李榮春，陶洪斌，張竹琴，等. 基于圖像處理技術(shù)的夏玉米群體長(zhǎng)勢(shì)監(jiān)測(cè)研究[J]. 玉米科學(xué)，2010（2）：128-132.

[11]吳秀花，劉清泉，郭永盛，等. 基于照相技術(shù)的枸杞地上生物量模型研究[J]. 林業(yè)調(diào)查規(guī)劃，2014，39（5）：20-24.[ZK）][HT][HJ][HT][FL）]

[KH*4D]

[HT8.]

[12]蘇占雄，石輝，郭晉偉，等. 利用數(shù)碼照片估算灌木地上生物量的研究[J]. 安徽農(nóng)業(yè)科學(xué)，2010，38（7）：3620-3624.

[13]孫偉，馬志波，曹姍姍，等. 林業(yè)資源數(shù)據(jù)特征分析[J]. 西北林學(xué)院學(xué)報(bào)，2014，29（6）：200-206，233.

[14]尹英姬. 基于數(shù)字?jǐn)z影測(cè)量的森林調(diào)查因子的提取[D]. 哈爾濱：東北林業(yè)大學(xué)，2012.

[15]閆飛. 森林資源調(diào)查技術(shù)與方法研究[D]. 北京：北京林業(yè)大學(xué)，2014.

[16]何列艷，亢新剛，范小莉，等. 長(zhǎng)白山區(qū)林下主要灌木生物量估算與分析[J]. 南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，35（5）：45-50.

[17]萬里強(qiáng)，李向林，蘇加楷，等. 長(zhǎng)江三峽地區(qū)灌木生物量及產(chǎn)量估測(cè)模型[J]. 草業(yè)科學(xué)，2001，18（5）：5-10，15.

[18]黃勁松，邸雪穎. 帽兒山地區(qū)6種灌木地上生物量估算模型[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2011，39（5）：54-57.

[19]孫欽平，李吉進(jìn)，鄒國(guó)元，等. 應(yīng)用數(shù)字圖像技術(shù)對(duì)有機(jī)肥施用后玉米氮營(yíng)養(yǎng)診斷研究[J]. 光譜學(xué)與光譜分析，2010（9）：2447-2450.

[20]李飛飛，呂國(guó)瑋，劉濤，等. 北京地區(qū)喬木郁閉度測(cè)量研究[J]. 林業(yè)資源管理，2011（1）：91-95，99.[ZK）][HT][HJ][FL）]