殷 哲 單志杰 秦 偉 于 洋 郭乾坤 李 柏 王丹丹

（1. 中國水利水電科學研究院/流域水循環(huán)模擬與調控國家重點實驗室，北京 100048； 2. 水利部水土保持生態(tài)工程技術研究中心，北京 100048；3. 北京林業(yè)大學 水土保持學院，北京100083）

全球喀斯特地貌面積約20×106km2，占全球陸地總面積的12%[1-2]。在喀斯特脆弱生態(tài)環(huán)境下，由于人類不合理的社會經(jīng)濟活動而引起的“石漠化”現(xiàn)象，是我國西南地區(qū)最嚴重的生態(tài)環(huán)境問題之一，分布在我國西南地區(qū)的典型喀斯特地貌面積約45.2 萬km2[3-5]。地表基巖大面積裸露是喀斯特石漠化生態(tài)系統(tǒng)典型的地貌景觀之一，基巖裸露情況是評價喀斯特地區(qū)石漠化強度的重要指標，裸巖與植被交錯分布直接影響多尺度水分養(yǎng)分的空間變化，同時，裸巖對降雨水分在空間上的分配具有一定影響，降雨通過裸巖進入巖石周圍土壤斑塊，導致土壤水分含量增加[6-7]，裸巖改變了區(qū)域水文生態(tài)環(huán)境，導致裸巖周圍不同方向的水分分布具有空間異質性[4]。另外，裸巖率對喀斯特坡面徑流率、輸沙率和土壤侵蝕量均有一定影響，同一坡度或不同坡度的坡面總侵蝕量均隨裸巖率的增大而減小[8]?？λ固匦×饔蚱露取翆雍穸扰c裸巖率間存在一定的耦合關系，巖石裸露率越大的地區(qū)，坡度—土層厚度耦合系數(shù)越大[9]。

準確測量喀斯特地區(qū)的巖石裸露率，對開展喀斯特生態(tài)保護與修復研究以及石漠化分類分級體系的建立具有重要支撐作用，傳統(tǒng)的裸巖率測量方法主要通過目測和傳統(tǒng)人工簡單機械布點來獲取裸巖率數(shù)值，目測法依賴于人的主觀經(jīng)驗，受現(xiàn)場環(huán)境影響大，很難保證數(shù)據(jù)的準確性。機械布點法克服了目測法的一些缺點，但測量過程費時費力，且對于地表露石較小的地塊，測量結果誤差大[10]。隨著遙感技術的快速發(fā)展，遙感解譯方法在喀斯特地區(qū)裸巖率提取中得到一定應用[11-12]，利用多光譜遙感影像提取單個像元的裸巖率，區(qū)域土地覆被構成包括植被、土壤和巖石3大類，在單位面積區(qū)域內(nèi)，扣除植被覆蓋度和土壤裸露率，即為裸巖率[13]，該方法受植被覆蓋巖石的影響大，另外，遙感影像易受天氣等因素影響，適合大區(qū)域統(tǒng)計分析，對于小范圍地塊評價，測量精度無法滿足要求。利用相機拍照處理技術，通過對采集圖像進行閾值處理，在小尺度樣方范圍獲取裸巖率，測量準確度高于機械布點法[14]，但相機采集圖像面積小，圖像數(shù)據(jù)處理效率低，無法滿足區(qū)域快速測量和圖像批量處理要求。當前，遙感與地理信息系統(tǒng)等手段被廣泛應用于喀斯特生態(tài)系統(tǒng)石漠化監(jiān)測與調查評估中，通過對大尺度內(nèi)石漠化信息進行拍攝，利用不同石漠化程度影響因子特定的光譜特征，提取研究區(qū)的石漠化信息，但受限于地形以及天氣等因素的影響，對實現(xiàn)高精度分類以及精確定位還存在諸多技術挑戰(zhàn)。伴隨無人機的使用以及無人機遙感技術的更新，采用無人機低空遙感能夠有效獲取地面信息，并對云霧天氣頻發(fā)地區(qū)遙感信息進行精確獲取，雖然無人機技術在大比例尺測圖、三維地表重建以及土地信息調查等領域得到了廣泛應用，但在云霧天氣頻發(fā)的喀斯特斷陷盆地地區(qū)，對高原面以及陡坡帶等典型地貌特征的裸巖信息提取方面相關研究較少。

基于此，本研究以蒙自斷陷盆地典型陡坡帶為研究對象，通過無人機影像拍攝技術手段，在獲取亞米級分辨率影像的基礎上，結合圖像處理分析與機器視覺等方法，提取圖像中裸巖信息并計算裸巖率，為斷陷盆地石漠化強度等級評價以及喀斯特斷陷盆地生態(tài)系統(tǒng)的生態(tài)修復治理提供技術支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于云南省紅河哈尼族自治州蒙自市東北部山區(qū)的西北勒鄉(xiāng)，距離市區(qū)28 km。海拔1 691-2 750 m，年平均氣溫13.6 ℃，最高氣溫32℃，最低氣溫-5℃，年平均降雨量1 000-1 200 mm，年均日照1 722 h，有效光時874.8 h，屬南亞熱帶季風氣候[15]，境內(nèi)屬喀斯特地貌，屬侵溶蝕山區(qū)，地勢由南向東緩降，地形破碎，石山縱橫、巖石裸露、石漠化較為嚴重，該地區(qū)出露地層主要是二疊系茅口組，以灰?guī)r為主，伴有白云巖，多溶洞、漏斗，資源貧乏、耕地瘠薄。全鄉(xiāng)樹木植被破壞嚴重，生態(tài)惡化，經(jīng)濟發(fā)展較為緩慢。栽植經(jīng)濟林果是當?shù)孛癖娛杖氲闹饕獊碓础?/p>

1.2 研究方法

1.2.1 裸巖影像獲取 利用大疆（Inspire 2）無人機對西北勒鄉(xiāng)典型陡坡帶地貌區(qū)域進行航拍作業(yè)，獲取低空范圍內(nèi)（高度0-500 m）地面影像數(shù)據(jù)，根據(jù)采集數(shù)據(jù)區(qū)域面積和精度要求，設定飛行高度，拍攝角度為垂直地面，懸停精度為垂直方向± 0.5 m，水平方向±1.5 m，配備2 400 萬像素CMSO 傳感器，2 400 萬像素每秒20 幀的RAW 連拍，最大光圈F2.8，最小拍攝距離0.40 m。

1.2.2 圖像處理過程 裸巖率提取分析過程使用 全自動Open CV（Open Source Computer Vision Library）開源軟件框架，采用C++語言編寫，通過自編函數(shù)算法，形成裸巖率自動提取圖形處理軟件，對無人機采集的彩色地表圖像進行處理，根據(jù)圖片中巖石、土壤和植被的色度差別，對地表圖像的H 通道進行了準確的閾值分割，然后利用形態(tài)學方法去除噪聲，最后自動提取巖石輪廓并計算出裸露巖石覆蓋率。圖像處理流程具體步驟包括：圖像變換、閾值分割、形態(tài)學分析、提取輪廓（圖1）。

（1）圖像變換

圖1 裸巖率圖像處理流程圖Fig.1 Flow chart of bare rock ratio digital images processing

無人機采集得到的影像是一個3 通道RGB 顏色空間的彩色圖像，RGB 模型是工業(yè)界的一種顏色標準，是日常接觸最多的顏色空間，分別為紅色（Red），綠色（Green）和藍色（Blue）。這3種顏色的不同組合可以形成幾乎所有的其他顏色。RGB 顏色空間利用3 個顏色分量的線性組合來表示顏色，任何顏色都與這3 個分量有關，而且這3個分量是高度相關的，自然環(huán)境下獲取的圖像容易受自然光照、遮擋和陰影等情況的影響，即圖像對亮度比較敏感，只要亮度改變，3 個分量都會隨之相應地改變，所以，RGB 顏色空間適合于顯示系統(tǒng)，卻并不適合于圖像處理。在圖像處理中使用較多的是HSV 顏色空間，HSV 表達彩色圖像的方式由3 個部分組成，色調、色相（Hue）、飽和度、色彩純凈度（Saturation）和明度（Value），它比RGB 更接近人們對彩色的感知經(jīng)驗，能夠非常直觀地表達顏色的色調、鮮艷程度和明暗程度，方便進行顏色對比[16]。HSV 顏色空間比RGB 更容易跟蹤某種顏色的物體，常用于分割指定顏色的物體。因此，基于Open CV 實現(xiàn)將3 通道RGB圖片分別按照R、G、B3 個不同分量輸出顯示，再把RGB 轉換到HSV 通道，以滿足后續(xù)圖像分割的要求。

紅、綠、藍3 個顏色通道每種色各分為256階亮度，當3 色灰度數(shù)值相同時，產(chǎn)生不同灰度值的灰色調，即3 色灰度都為0 時，是最暗的黑色調；3 色灰度都為255 時，是最亮的白色調。RGB 顏色空間轉化為HSV 顏色空間過程中首先要將R、G、B 值（0-255 范圍）轉化為R′、G′、B′（0-1 范圍），如下式：

確定R′、G′、B′中最大值、最小值和差值：

根據(jù)以上結果求得H、S 和V 值，公式如下：

（2）閾值分割

圖像變化預處理后，圖像分割是最重要的步驟之一，目的是將圖像劃分為與其中含有的真實世界的物體或區(qū)域有強烈相關性的組成部分，在本研究中即關注裸巖區(qū)域。灰度閾值化是最簡單的分割處理，很多物體或圖像區(qū)域表征為不變的反射率或其表面光的吸收率，將圖像的灰度圖中灰度值做二值化分割，使得背景和目標之間的差異最大化，可以確定一個亮度常量即閾值來分割物體和背景，通過觀察發(fā)現(xiàn)H 通道圖像的巖石區(qū)域與其他非巖石區(qū)域的灰度值有明顯區(qū)別，因此對H 通道圖像進行閾值分割。首先對圖像的直方圖進行分析，求得閾值，再對圖像進行閾值分割（本研究利用Open CV 模塊中的大津算法進行閾值分割），初步確定圖像中裸巖區(qū)域及其邊界。

（3）形態(tài)學分析

數(shù)學形態(tài)學（Mathematical morphology）是一門建立在格論和拓撲學基礎之上的圖像分析學科，是數(shù)學形態(tài)學圖像處理的基本理論。本文利用數(shù)學形態(tài)學的骨架抽取方法，通過骨架構建來重建裸巖的輪廓形狀，去除噪聲及其他非巖石區(qū)域的影響，得到的最終區(qū)域即為巖石區(qū)域。

（4）輪廓提取與裸巖率計算

在本研究中，裸巖的輪廓提取也是物體識別，是裸巖提取技術批量化處理重要步驟，一個物體是一個物理單位，在圖形分析和計算機視覺中通常表示為分割后圖像中的一個區(qū)域。輪廓自動提取是用來進行物體識別的工具，最終實現(xiàn)自動提取巖石區(qū)域輪廓，在原始圖像上顯示，裸巖率提取流程圖見圖2。

圖2 裸巖率提取流程圖Fig.2 Flow chart of bare rock ratio extraction

利用無人機在試驗區(qū)不同地塊，設定不同飛行高度，共采集25 幅圖像，圖像經(jīng)過處理后，得到裸巖輪廓邊界圖，然后對提取得到的裸巖區(qū)域內(nèi)的像素點數(shù)進行統(tǒng)計，在已知原圖像的像素點總個數(shù)的情況下，可以計算出巖石在圖像中的比例，即裸巖率。

1.2.3 裸巖分布類型劃分 為便于分析裸巖分布特征，根據(jù)裸巖率提取結果和試驗區(qū)域下墊面類型特點，主要考慮裸巖周邊植被和土壤分布等因素，將試驗區(qū)內(nèi)裸巖分布類型劃分為裸巖稀疏分布、裸巖與植被鑲嵌分布和裸巖密集分布三類，為進一步探討不同類型巖溶區(qū)石漠化程度分類分級標準提供依據(jù)。

2 結果與分析

通過對蒙自斷陷盆地高原面25 處典型地表裸巖進行無人機航拍后，進行圖像處理分析，裸巖率計算結果如表1 所示，根據(jù)野外地貌特征，本文以不同的下墊面類型特征為基礎，將裸巖分布分為三大類，分別為裸巖稀疏分布、裸巖與植被鑲嵌分布和裸巖密集分布。25 幅圖像中，裸巖率在2.7%-28.9%之間。

表1 25 處典型地表裸巖率計算結果Table 1 Results of 25 typical ground surface bare rock ratio

圖3 裸巖稀疏分布類型裸巖提取結果Fig.3 Results of bare rock extraction with sparse outcrops distributio

圖4 裸巖與植被鑲嵌分布類型裸巖提取結果Fig.4 Results of bare rock extraction with outcrops and vegetation mosaic distribution

圖5 裸巖密集分布類型裸巖提取結果Fig.5 Results of bare rock extraction with outcrops densely distribution

部分裸巖率輪廓提取照片如圖3-5 所示，從結果中可以明顯看出，裸巖邊界分割清楚，圖中紅色線條為自動提取的裸巖邊界，說明數(shù)字圖像處理技術能夠用于喀斯特地區(qū)裸巖率的準確提取，無人機技術與數(shù)字圖像處理技術的有效結合，可以快速獲取一定區(qū)域范圍內(nèi)裸巖率數(shù)據(jù)。隨著無人機高度的增加，拍攝照片的覆蓋區(qū)域增大，但是圖像分辨率減小，裸巖識別的精度會受到一定影響，可以通過提高攝像頭的分辨率并升級拍攝硬件水平來提高獲取照片的質量，從而減少分辨率的影響。

3 結論與討論

3.1 對裸巖稀疏分布來說，由于裸巖在影像范圍內(nèi)稀疏分布，裸巖周圍無植被影響，且裸巖土壤的邊界清晰，易于識別，提取裸巖輪廓準確，說明該技術對于稀疏分布裸巖的裸巖率提取具有優(yōu)勢，裸巖稀疏分布格局下裸巖率定量提取的關鍵技術在于清晰識別裸巖斑塊與土壤斑塊的分布邊界，由于裸巖呈稀疏斑塊特征，且沒有植被斑塊分布，通過無人機低空遙感技術輔以open CV 算法，能夠精確的對裸巖比例進行提取。對裸巖與植被鑲嵌分布來說，由于裸巖和周圍植被顏色經(jīng)灰度處理后，色差明顯，易于區(qū)分，所以裸巖與周圍植被的邊界易提取，但是分布于裸巖周圍的植被，易對裸巖進行遮擋，進而影響對裸巖真實輪廓的提取，最終影響裸巖率的計算。所以，對于裸巖與植被鑲嵌分布格局下裸巖率的提取，關鍵手段是在識別裸巖、植被與土壤斑塊交錯分布的基礎上，盡可能對地表裸巖進行真實輪廓的確定。對于裸巖密集分布類型，由于裸巖集中連片，圖像處理過程中，裸巖易提取，當圖像采集高度過高導致圖片分辨率低時，易對裸巖率的計算結果產(chǎn)生影響。同時，為了盡可能避開天然植被的零星分布，在裸巖成片分布的條件下必須排除植被斑塊的干擾。

3.2 不同飛行高度采集的影像照片會影響圖像的分辨率，使得在判定裸巖邊界過程中，裸巖與周圍物體顏色對比度不明顯，自動識別誤差增大，影響裸巖自動提取識別的精度。無人機在實際飛行過程中的限制高度為500 m，對實際拍攝照片處理結果分析，照片拍攝的高度影響照片的像素和成像區(qū)域面積，同時像素的高低會直接影響裸巖自動識別和提取的精度，成像區(qū)域面積也會影響判讀區(qū)域的大小。從實際獲取的野外無人機影像資料分析，當無人機飛行高度大于200 m 時，裸巖提取精度會受影響，初步判斷，在裸巖自動提取過程中，存在影響因素的判定閾值包括圖像像素、裸巖面積、無人機飛行高度等，下一步將作為重點深入研究。

3.3 本文介紹的裸巖率計算方法是基于圖像處理技術的喀斯特地區(qū)裸巖率自動提取方法，通過圖像變換、閾值分割、形態(tài)學分析、提取輪廓等步驟獲取裸巖率，與傳統(tǒng)方法相比，該方法可實現(xiàn)區(qū)域尺度裸巖率的快速獲取和批量處理，結合無人機拍攝技術，能夠適用喀斯特地區(qū)裸巖率的快速準確確定。

3.4 無人機技術與數(shù)字圖像處理技術的有效結合，可以快速獲取斷陷盆地典型地貌范圍的裸巖率數(shù)據(jù)，結果顯示，無人機技術是破解小尺度裸巖分布并精確提取裸巖信息的有效手段。本文所建立的基于open CV 方法，是實現(xiàn)典型地貌條件下裸巖率提取的有效途徑。計算得到的裸巖輪廓清晰準確，能夠精確獲取裸巖信息以及非裸巖區(qū)所占比例。在喀斯特斷陷盆地生態(tài)系統(tǒng)，采用無人機與數(shù)字圖像處理技術能夠精確提取不同裸巖分布格局下的裸巖率，這也為厘清并探究諸多生態(tài)過程提供新的思路與依據(jù)。