余付蓉 高 峻,2 付 晶,2

(1. 上海師范大學(xué)環(huán)境與地理科學(xué)學(xué)院，上海 200234；2. 上海師范大學(xué)城市發(fā)展研究院，上海 200234)

郁閉度作為森林生態(tài)系統(tǒng)的重要指標(biāo)之一，已被廣泛應(yīng)用于林業(yè)、城市氣候、大氣污染和城市熱島效應(yīng)等研究中。傳統(tǒng)的郁閉度提取方法為樣地法，即依賴粗集合統(tǒng)計(jì)和較小規(guī)模的調(diào)查進(jìn)行森林郁閉度提取。隨著科研水平的提高和技術(shù)的進(jìn)步，郁閉度的計(jì)算和提取方法也得到了長(zhǎng)足的發(fā)展。朱教君等[1]應(yīng)用全天空照片實(shí)現(xiàn)了郁閉度的估算；祁有祥等[2]通過(guò)將數(shù)碼照片轉(zhuǎn)換成魚(yú)眼照片，采用Photoshop、ArcGIS等軟件實(shí)現(xiàn)了郁閉度的快速提取；劉芳等[3]對(duì)傳統(tǒng)樹(shù)冠投影法和基于GIS的樹(shù)冠投影法進(jìn)行了比較研究，結(jié)果表明，基于GIS的樹(shù)冠投影法能提高精度和工作效率；任德智等[ 4]提出 “緩沖區(qū)法” 進(jìn)行郁閉度定量求算。但以上方法均有明顯的局限性，需要進(jìn)行實(shí)地調(diào)查，受到高成本和強(qiáng)勞動(dòng)條件的制約，同時(shí)主觀因素影響較大。這些局限性極大的限制了研究人員對(duì)郁閉度數(shù)據(jù)集的廣泛獲取和使用。

隨著新興的網(wǎng)絡(luò)大數(shù)據(jù)的發(fā)展，在線街景服務(wù)為林地郁閉度的提取開(kāi)辟了一條新的思路。本研究以上海植物園為研究對(duì)象，基于騰訊街景數(shù)據(jù)，利用圖像拼接技術(shù)將圓柱形全景圖轉(zhuǎn)換成方位角魚(yú)眼圖像，經(jīng)圖像增強(qiáng)、圖像二值化等處理后，對(duì)上海植物園內(nèi)林地的郁閉度進(jìn)行提取。把提取結(jié)果與通過(guò)非監(jiān)督分類法計(jì)算得出的郁閉度以及實(shí)地勘測(cè)的郁閉度進(jìn)行比較，以驗(yàn)證該方法的可行性和準(zhǔn)確性。此種方法的應(yīng)用，為衡量城市特征指標(biāo)提供了比以往更高的采集頻率及更精細(xì)的地理尺度。

1 研究方法

1.1 實(shí)地勘測(cè)法

實(shí)地勘測(cè)數(shù)據(jù)是通過(guò)調(diào)查時(shí)先將所要測(cè)定的樹(shù)木進(jìn)行定位，從多個(gè)方位測(cè)量每株樹(shù)木的樹(shù)冠邊緣至樹(shù)干的水平間距，并將其按比例繪制于圖紙中，即通過(guò)樹(shù)冠投影法計(jì)算得出郁閉度，是調(diào)查郁閉度較為準(zhǔn)確的方法。

1.2 非監(jiān)督分類法

非監(jiān)督分類法是按照像元之間的聯(lián)系程度進(jìn)行歸類的一種多元統(tǒng)計(jì)分析方法。本研究采用該方法的主要原因是其人工干預(yù)較少，因此數(shù)據(jù)獲取具有相對(duì)科學(xué)性。

1.3 基于騰訊街景的林地郁閉度提取方法

1.3.1全景圖塊收集

騰訊街景是由8個(gè)水平攝像機(jī)拍攝的8幅原始圖像按順序拼接而成的360°全景圖，具有360°的水平覆蓋范圍以及180°的垂直覆蓋范圍。研究中首先通過(guò)騰訊地圖上的林地點(diǎn)位獲取經(jīng)緯度數(shù)據(jù)，再將獲取的經(jīng)緯度數(shù)據(jù)通過(guò)Python編寫(xiě)代碼以獲取8個(gè)水平方向的圖塊，鏡頭視場(chǎng)角為45°，因此8個(gè)圖像可以覆蓋360°水平視野。同時(shí)每個(gè)方向的圖塊依次獲取3個(gè)垂直視角圖塊以及頂部90°垂直視角圖塊1張，共25張圖塊。上海市植物園其中一個(gè)樣點(diǎn)的全景圖塊見(jiàn)圖1。

1.3.2全景圖拼接

從騰訊街景中下載的圖像是單獨(dú)的圖塊，因此需要將單獨(dú)的圖塊拼接成全景圖像。Hugin是由D′Angelo創(chuàng)建的開(kāi)放軟件[5-6]，能夠?qū)ⅹ?dú)立的方形圖塊組合成單個(gè)全景圖，同時(shí)可以根據(jù)圖塊在三維半球上的偏航角及俯仰角來(lái)校準(zhǔn)不同的圖像位置 (圖2)。

將每個(gè)樣點(diǎn)下載的25個(gè)圖塊導(dǎo)入到Hugin中，手動(dòng)輸入每個(gè)圖塊與其水平視野的相對(duì)位置，包括偏航角、俯仰角及翻滾角度，圖塊則按重疊順序排列 (圖2a、b)。圖塊排列完成之后，通過(guò)Hugin自動(dòng)計(jì)算所有產(chǎn)生的變形以及圖像之間的重疊控制點(diǎn)，同時(shí)通過(guò)優(yōu)化工具將邊緣進(jìn)行柔化處理 (圖2c)，調(diào)整三維半球視場(chǎng)角和水平及垂直視野得到植物冠層魚(yú)眼圖像 (圖2d)。

1.3.3魚(yú)眼圖像增強(qiáng)

魚(yú)眼圖像的實(shí)質(zhì)是半球圖像。將三維半球向上看時(shí)，一個(gè)半球形的鏡頭提供了整個(gè)天空的完整視圖。在這樣的視圖中，由中心的頂點(diǎn)和邊緣的地平線產(chǎn)生了一個(gè)圓形圖像。由于視圖方向向上，因此相對(duì)于北方，東方為逆時(shí)針?lè)较?，西方為順時(shí)針?lè)较颉Ｃ總€(gè)魚(yú)眼圖像的位置對(duì)應(yīng)著可以用天頂角 (θ) 和方位角 (α) 表示的天空方向 (圖3)。由于在魚(yú)眼圖像中，天空比冠層更亮，因此對(duì)魚(yú)眼圖像增強(qiáng)處理可以更準(zhǔn)確地對(duì) “冠層像素” 和 “天空像素” 進(jìn)行分類。研究中通過(guò)Photoshop先改變照片的色調(diào)值，將彩色圖像進(jìn)行亮度和對(duì)比度的調(diào)整，使 “冠層像素” 和 “天空像素” 之間具有最佳的對(duì)比度。

1.3.4魚(yú)眼圖像二值化

圖像增強(qiáng)后，需根據(jù)灰度將“冠層像素”和“天空像素”分開(kāi)，即對(duì)圖像進(jìn)行二值化處理。Glatthorn等[7]對(duì)比分析了前人常用的二值化方法：邊緣檢測(cè)法、IsoData法、最大熵法、最小錯(cuò)誤法、最小值法、最小直方圖法以及Otsu法，發(fā)現(xiàn)最小直方圖法效果最好。因此本研究采用DHPT軟件中的最小直方圖法進(jìn)行圖像二值化。

圖1騰訊街景全景圖塊
Fig.1 Panorama block of Tencent Street View

圖2騰訊街景全景圖像拼接過(guò)程
Fig.2 Panoramic image mosaic process of Tencent Street View

圖3魚(yú)眼圖像投影
Fig.3 Fish-eye image projection

研究中先將彩色圖像轉(zhuǎn)換成8位灰度圖像，將確定表示為 “冠層像素” 和 “天空像素” 的灰度像素通過(guò)灰度極限閾值顯示出來(lái)，繼而在灰度上找出最大像素頻率的灰度值。為了避免出現(xiàn)灰度值的突然變化引起的錯(cuò)誤最大值，通常應(yīng)用20個(gè)值的移動(dòng)平均值將灰度值進(jìn)行平滑處理。找到第1個(gè)最大值后，繼續(xù)找第2個(gè)最大像素頻率的灰度值 (仍在平滑值上)。2個(gè)最大像素值分別對(duì)應(yīng)冠層和天空。2個(gè)最大像素頻率值確定之后，選取最小值，該最小值則對(duì)應(yīng)于閾值。如果像素值低于閾值，則將其歸于黑色 (R=0，G=0，B=0)，即 “冠層像素”。相反，如果像素值高于閾值，則將其歸于白色 (R=255，G=255，B=255)，即 “天空像素”[8-9]。二值化結(jié)果見(jiàn)圖4。

1.3.5郁閉度提取

郁閉度可以通過(guò)樹(shù)冠面積與照片總面積的比例從數(shù)字半球圖像中獲得[7]。通過(guò)魚(yú)眼圖像不同的顏色通道，并利用植物色素和天空顏色之間的差異，可以增強(qiáng)樹(shù)冠和天空的分離，將分離后統(tǒng)計(jì)的 “冠層像素” 值與總像素值進(jìn)行比值分析，即可計(jì)算出魚(yú)眼圖像郁閉度。

2 結(jié)果與分析

2.1 不同方法郁閉度提取結(jié)果

3種方法提取的郁閉度結(jié)果見(jiàn)表1。

實(shí)地勘測(cè)法是調(diào)查郁閉度較為準(zhǔn)確的方法，因此研究中以實(shí)地勘測(cè)法所獲取的郁閉度為實(shí)測(cè)值，而通過(guò)騰訊街景法與非監(jiān)督分類法獲取的郁閉度為估測(cè)值。對(duì)估測(cè)值與實(shí)測(cè)值的絕對(duì)誤差進(jìn)行分析[10-12]，結(jié)果見(jiàn)表2。

圖4魚(yú)眼圖像二值化
Fig.4 Fish-eye image binarization

表1 3種方法計(jì)算的郁閉度值Table 1 The values of canopy closure calculated by 3 methods

由表2可知，騰訊街景法的絕對(duì)誤差平均值 (0.036) 小于非監(jiān)督分類法的 (0.038)，表明騰訊街景法估測(cè)的郁閉度相對(duì)于實(shí)測(cè)值的偏離程度比非監(jiān)督分類的小。騰訊街景法的標(biāo)準(zhǔn)差 (0.042) 大于非監(jiān)督分類法 (0.034)，表明騰訊街景法估測(cè)的郁閉度值不如非監(jiān)督分類法穩(wěn)定。這主要是由于樣地5的|ΔX1|大于誤差范圍0.10所致，可能是由于樣地5外圍有花卉溫室，對(duì)該地魚(yú)眼圖像邊緣處的劃分造成了影響，從而使估測(cè)郁閉度值偏小。因此把樣地5的|ΔX1|值作為異常值。剔除異常值后，|ΔX1|的平均值(0.027) 小于|ΔX2|的 (0.038)，|ΔX1|的標(biāo)準(zhǔn)差(0.031) 小于|ΔX2|的 (0.034)，表明騰訊街景法估測(cè)的郁閉度值要優(yōu)于非監(jiān)督分類法的。因此，利用騰訊街景法提取林地郁閉度是有效的、可行的。

表2 郁閉度絕對(duì)誤差Table 2 The absolute error of canopy density

注：|ΔX1|為實(shí)地勘測(cè)郁閉度與騰訊街景郁閉度的絕對(duì)誤差；|ΔX2|為實(shí)地勘測(cè)郁閉度與非監(jiān)督分類郁閉度的絕對(duì)誤差。

2.2 精度評(píng)價(jià)

將2組估測(cè)值分別和實(shí)測(cè)值進(jìn)行線性擬合，通過(guò)模型的決定系數(shù) (R2) 和均方根誤差 (RMSE) 來(lái)評(píng)價(jià)估測(cè)值的精度，擬合結(jié)果見(jiàn)圖5和表3。

由表3可知，騰訊街景法的決定系數(shù)為0.977，均方根誤差為0.054，為較優(yōu)估測(cè)模型，而非監(jiān)督分類法的決定系數(shù)為0.969，均方根誤差為0.050，精度稍低于騰訊街景法。同時(shí)比較擬合直線方程斜率發(fā)現(xiàn)，騰訊街景法的擬合線方程斜率為0.952，小于1，表明騰訊街景法的整體估測(cè)值偏??；而非監(jiān)督分類法的擬合線方程斜率為1.013，大于1，則表明非監(jiān)督分類法的整體估測(cè)值偏大。2種方法的擬合線方程斜率均為正，說(shuō)明騰訊街景提取的郁閉度以及非監(jiān)督分類法計(jì)算出的郁閉度與實(shí)地勘測(cè)獲得的郁閉度數(shù)據(jù)存在顯著的正相關(guān)關(guān)系。總的來(lái)說(shuō)，2種方法的估測(cè)精度差異較小，均可以用于估算林地郁閉度，并保證其測(cè)量精度。

圖5 線性擬合結(jié)果Fig.5 Linear fitting results

郁閉度計(jì)算方法擬合線方程R2RMSE騰訊街景法y=0.952x-0.0130.9770.054非監(jiān)督分類法y=1.013x+0.0080.9690.050

3 結(jié)論與討論

通過(guò)郁閉度提取結(jié)果分析和精度評(píng)價(jià)，得出以下結(jié)論： 1) 剔除異常值后，騰訊街景法的絕對(duì)誤差平均值 (0.027) 和標(biāo)準(zhǔn)差 (0.031) 均小于非監(jiān)督分類法的，說(shuō)明騰訊街景法的絕對(duì)誤差離散程度小、相對(duì)穩(wěn)定。2) 騰訊街景法的決定系數(shù)為0.977，均方根誤差為0.054，為較優(yōu)的估測(cè)模型。而非監(jiān)督分類法的決定系數(shù)為0.969，均方根誤差為0.050，精度稍低于騰訊街景法。3) 騰訊街景法的擬合線斜率為0.952，表明騰訊街景法的整體估測(cè)值偏??；而非監(jiān)督分類法的擬合線斜率為1.013，則表明非監(jiān)督分類法的整體估測(cè)值偏大。2種方法的擬合線方程斜率均為正，說(shuō)明估測(cè)值和實(shí)測(cè)值存在顯著的正相關(guān)關(guān)系。

本研究基于豐富的城市街景開(kāi)源圖像數(shù)據(jù)提出了利用騰訊街景圖像來(lái)計(jì)算林地郁閉度的方法，與傳統(tǒng)郁閉度測(cè)定方法相比,騰訊街景法能夠避免主觀人為拍攝的誤差以及實(shí)地采集照片的費(fèi)時(shí)費(fèi)力，有利于獲取大范圍或區(qū)域的林地郁閉度，進(jìn)一步促進(jìn)林地資源調(diào)查及管理工作的進(jìn)行。同時(shí)騰訊街景圖像允許水平和垂直表示，能夠全方位覆蓋360°水平環(huán)境和180°垂直環(huán)境，更具客觀化以及合理性。結(jié)果表明，騰訊街景圖像能夠彌補(bǔ)人工野外調(diào)查的不足, 有效地獲取較大范圍的精準(zhǔn)數(shù)據(jù), 提供適合評(píng)估林地郁閉度的方法，后期可以大范圍應(yīng)用于測(cè)量街道綠化。根據(jù)騰訊街景圖像的特點(diǎn)，本研究使用了不同視角的騰訊街景圖像，該方法對(duì)于評(píng)估林地郁閉度也更加合理。因此，騰訊街景圖像提取的郁閉度可以幫助城市規(guī)劃者和其他人進(jìn)一步了解城市植物的遮蔭功能。騰訊街景數(shù)據(jù)可以作為互補(bǔ)、豐富遙感影像提供的城市綠色信息的附加信息。隨著開(kāi)放數(shù)字?jǐn)?shù)據(jù)的日益增加以及大數(shù)據(jù)獲取手段的豐富，本研究將計(jì)算機(jī)視覺(jué)工具應(yīng)用于量化植被指標(biāo)，提出了一個(gè)現(xiàn)實(shí)、準(zhǔn)確、易操作的林地郁閉度計(jì)算方式，為林地郁閉度提取提供了一條新的思路。