葉面積指數(shù)測量

植被是陸表生態(tài)系統(tǒng)的重要組成成分，而葉片則是植被與外界進(jìn)行相互作用的一個(gè)重要器官，葉面積指數(shù)是定量描述植被進(jìn)行光合作用、呼吸作用、蒸騰作用的一個(gè)重要參數(shù)，被定義為單位地表面積上植被冠層葉面積的一半。對于葉面積指數(shù)的地面測量方法，分為直接和間接測量，目前已有眾多學(xué)者對每一種測量方法的優(yōu)缺點(diǎn)以及適應(yīng)條件進(jìn)行了充分的綜述。

在眾多地面簡介測量方法中，利用攝影成像技術(shù)獲取植被葉面積指數(shù)是其中的一種重要分支。成像方法測量葉面積指數(shù)的基本原理是通過對植被冠層進(jìn)行單一角度或者多角度拍照，并采用一種合適的分類方法，根據(jù)拍照的角度不同，進(jìn)行處理后得到植被冠層單一角度或者多角度間隙率，然后根據(jù)間隙率模型推算葉面積指數(shù)。相比較于一些專用的LAI測量儀器，在攝影成像法獲取葉面積指數(shù)的技術(shù)方案中，可用的成像設(shè)備類型比較豐富，包括專業(yè)的單反相機(jī)以及普通的數(shù)碼相機(jī)，還有早期的膠片相機(jī)。因此，攝影成像法是一種更為靈活的LAI地面測量技術(shù)。

隨著移動(dòng)終端技術(shù)的發(fā)展，當(dāng)前的手機(jī)或平板電腦中已經(jīng)集成了多種傳感器，其中成像傳感器已經(jīng)成了智能手機(jī)的標(biāo)準(zhǔn)配置。因此，在傳統(tǒng)的攝影成像技術(shù)之上，最近幾年來，有些研究者嘗試?yán)弥悄苁謾C(jī)來獲取植被葉面積指數(shù)。REF等曾發(fā)布了一種基于智能手機(jī)的APP，可以運(yùn)行于安卓系統(tǒng)與蘋果系統(tǒng)，通過獲取特定角度(57.5°)的植被冠層間隙率來推算葉面積指數(shù)。REF并首先在ascatter-seededrice作物類型中進(jìn)行了測試，其后，REF對PocketLAI進(jìn)行了更多種植被類型的對比試驗(yàn)。Confalonieri等的研究成果為基于非常容易得到的智能手機(jī)實(shí)現(xiàn)專業(yè)的植被葉面積指數(shù)測量提供了一個(gè)很好的例子。

與PocketLAI類似，本文也實(shí)現(xiàn)了一種基于智能終端的植被葉面積指數(shù)測量系統(tǒng)(稱之為LAISmart)，但LAISmart比PocketLAI提供了更為靈活的操作方式以及用戶可選的分類特征集，從設(shè)備操作方便性以及算法靈活性上進(jìn)行了優(yōu)化。因此，我們設(shè)計(jì)LAISmart系統(tǒng)的目的有兩個(gè)，一是充分利用當(dāng)前成熟的智能終端設(shè)備的成像與高性能計(jì)算功能，實(shí)現(xiàn)植被葉面積指數(shù)實(shí)時(shí)計(jì)算;二是為用戶提供操作與數(shù)據(jù)處理選擇，方便用戶根據(jù)實(shí)際情況進(jìn)行測量設(shè)置。

與已有的智能手機(jī)LAI測量系統(tǒng)比較，LAISmart在以下三個(gè)方面進(jìn)行了改進(jìn)。第一方面是提供了更為靈活的拍攝角度，不僅僅局限于單一的57.5°。雖然(Wilson1960)早在1960年就從理論上分析了當(dāng)觀測天頂角為57.5°時(shí)候，葉片在這個(gè)觀測方向的投影函數(shù)近似等于0.5而與葉傾角無關(guān)。然而，(Liu,Patteyetal.2013)等對農(nóng)作物的冠層結(jié)果表明，當(dāng)LAI值大于1.5以后，在57.5°時(shí)獲取的LAI值并不能比垂直觀測視角觀測值有更好的質(zhì)量提升，反而，57.5°的觀測值更容易受到圖像分類精度的影響，因?yàn)殡S著冠層間隙率減少，圖像信號強(qiáng)度隨著路徑長度的增加而降低。因此，在LAISmart中，我們不再將觀測角度固定在57.5°，而是提供了一個(gè)靈活的觀測方式，用戶可以根據(jù)實(shí)際情況自行設(shè)置冠層角度(0-180°之間)。第二個(gè)改進(jìn)是，LAISmart提供了更為靈活的圖像分類特征選擇，用戶可以根據(jù)植被類型以及天空光照條件選擇合適的分類特征?；跀z影成像技術(shù)的葉面積指數(shù)測量精度，直接受制于圖像的分類精度。由于拍攝條件的差異以及植被類型的差異，在分類算法相同的情況下，選擇不同的分類特征會(huì)得到差異非常大的分類結(jié)果，從而導(dǎo)致從同一幅影像中提取的間隙率差異很大。因此，很難有一個(gè)固定的分類特征能夠適應(yīng)不同的光照條件以及植被類型。在LAISmart中，我們提供了多種分類特征供用戶選擇。第三個(gè)改進(jìn)方面是LAISmart實(shí)現(xiàn)了一種集成式的野外測量設(shè)備，由數(shù)據(jù)采集終端、數(shù)據(jù)處理終端以及一個(gè)便攜式儀器支架組成。這種集成式的裝配方式能夠提高用戶的野外工作效率。由于LAISmart成像的觀測角度不再固定位57.5°，當(dāng)用戶選擇較小的觀測角度，例如0°左右的時(shí)候，如果以手持手機(jī)進(jìn)行拍照的話，很容易將操作者拍攝進(jìn)照片中。并且，由于此時(shí)用戶視線不是正對著手機(jī)屏幕，因此，對手機(jī)的操作很不方便。為了提高儀器野外操作的便利性，我們將取景工作與監(jiān)控兩部分工作進(jìn)行分離，利用前端手機(jī)實(shí)現(xiàn)取景與傾角計(jì)算，利用后端手機(jī)實(shí)現(xiàn)對前端手機(jī)的監(jiān)控以及圖像實(shí)時(shí)分類和LAI計(jì)算。前端與后端之間通過無線熱點(diǎn)進(jìn)行聯(lián)網(wǎng)與數(shù)據(jù)傳輸。

LAISmart由硬件和軟件組成，其中硬件包括信息采集智能終端、用戶操作控制臺(tái)與儀器支架;軟件包括信息采集軟件模塊、無線傳輸控制模塊以及實(shí)時(shí)計(jì)算存儲(chǔ)模塊。其中信息采集軟件模塊內(nèi)嵌在信息采集智能終端中;無線傳輸控制模塊分別部署在信息采集智能終端與用戶操作控制臺(tái)內(nèi)，負(fù)責(zé)建立信息采集終端與用戶操作控制臺(tái)連接;實(shí)時(shí)計(jì)算存儲(chǔ)模塊內(nèi)嵌在用戶操作控制臺(tái)智能終端系統(tǒng)內(nèi)。圖1分別顯示了LAISmart各模塊之間的連接關(guān)系(a)以及LAISmart系統(tǒng)設(shè)計(jì)圖(b)。

信息采集智能終端和用戶操作控制臺(tái)分別是一個(gè)智能手機(jī)系統(tǒng)，其中智能手機(jī)硬件系統(tǒng)要求配置GPS傳感器、陀螺儀傳感器、環(huán)境光照傳感器、成像傳感器、WIFI傳感器，操作系統(tǒng)為安卓4.0以上。

信息采集軟件負(fù)責(zé)完成成像傳感器、GPS傳感器、陀螺傳感器信息采集，并將采集到的傳感器數(shù)據(jù)通過無線傳輸控制模塊發(fā)送到用戶操作控制臺(tái)。LAI實(shí)時(shí)計(jì)算存儲(chǔ)模塊部署在用戶操作控制臺(tái)內(nèi)，負(fù)責(zé)接收無線傳輸控制模塊傳來的圖像并對圖像進(jìn)行自動(dòng)處理，并負(fù)責(zé)把處理結(jié)果保存在用戶操作控制臺(tái)終端的存儲(chǔ)器上。在LAISmart系統(tǒng)開始工作的時(shí)候，首先打開用戶操作控制臺(tái)的無線熱點(diǎn)功能，信息采集智能終端通過wifi與用戶操作控制臺(tái)的無線熱點(diǎn)建立連接，從而達(dá)到在用戶操作控制臺(tái)上管理、控制信息采集智能終端的目的。

1.1LAI計(jì)算方法

根據(jù)冠層間隙率分布規(guī)律，如果葉片隨機(jī)分布且葉子尺寸遠(yuǎn)遠(yuǎn)小于冠層尺寸，則冠層間隙率與葉面積指數(shù)之間的關(guān)系為(Nilson1971)

基于可以得到LAI的計(jì)算公式

其中為冠層間隙率，為觀測點(diǎn)頂角，為葉片在觀測方向上平均投影面積比。

由可知，計(jì)算LAI值需要預(yù)先得到。然而，葉片的投影比是一個(gè)與葉傾角分布以及觀測幾何有關(guān)的函數(shù)，嚴(yán)格的計(jì)算需要多個(gè)角度的觀測間隙率，這勢必增加觀測的復(fù)雜度。Goudriaan等的研究結(jié)果表明，葉傾角分布函數(shù)可以用球形分布來近似，這時(shí)候的葉片平均投影面積比為0.5，且和傳感器的視場角無關(guān)(Goudriaan1988)。基于這個(gè)假設(shè)，(LiuandPattey2010;Liu,Patteyetal.2013)等實(shí)現(xiàn)了用單一角度(垂直向下)的數(shù)字照片中獲取農(nóng)作物葉面積指數(shù)。在本文中，仍然采用這一假設(shè)，則有

其中來自信息采集智能終端的陀螺儀姿態(tài)信息，即俯仰角，冠層間隙率等同于信息采集智能終端在觀測方向的圖像中的背景像素所占的比例(向下拍攝時(shí)土壤為背景，向上拍攝時(shí)天空為背景)。對的計(jì)算是通過對圖像分類而得到的。

1.2冠層間隙率計(jì)算

在測量時(shí)，用戶可以根據(jù)植被高度變化來設(shè)置信息采集終端的成像傳感器的鏡頭的拍攝方向。對于高大樹木或者較高的農(nóng)作物(如玉米)，此時(shí)的攝像傳感器鏡頭向上拍攝。這時(shí)，視野內(nèi)只有植被與天空;而對于低矮的農(nóng)作物，用戶可以將傳感器距離冠層一定高度向下拍攝。此時(shí)的視場內(nèi)為植被與土壤。因此，對于圖像中間隙率的提取其實(shí)就是對數(shù)字照片中的植被與非植被的自動(dòng)分類。

日本學(xué)者大津于1979年提出一種自動(dòng)提取圖像前景與背景分割閾值的算法，稱之為大津法(OTSU)(Otsu1979)。OTSU算法的原理是尋找一個(gè)分割閾值，使得分割后的二值圖像類間方差法最大。目前OTSU算法在圖像自動(dòng)分割、圖像陰影提取與消除等多個(gè)方面得到的廣泛應(yīng)用。本文采用OTSU算法實(shí)現(xiàn)圖像中間隙率的自動(dòng)提取。

但是，由于拍攝條件不同(成像傳感器方向、天空光比例)等的影響，圖像中的背景(天空或土壤)和前景(植被)的分類特征會(huì)發(fā)生變化，因此，很難保持一種特征實(shí)現(xiàn)對各種情況圖像的自動(dòng)分割。因此，在LAISmart系統(tǒng)中，基于原始的RGB圖像，系統(tǒng)提供了3種分類特征供用戶選擇，分別是:綠度指數(shù)(GI)(Booth,Coxetal.2005)，即GI=(2*G-R-B)/(2*G-R-B);藍(lán)色波段亮度值(B);圖像HSV空間的亮度(V)。其中GI對于區(qū)分向下拍攝的圖像中的植被與土壤比較有效，而B則能夠有效區(qū)分散射光較強(qiáng)的情況向上拍攝的照片的植被與天空，V則適用于在晴天情況下向上拍攝的圖像分割。在LAISmart采用OpenCV函數(shù)庫(http://opencv.org)實(shí)現(xiàn)OTSU算法。

1.3測量實(shí)驗(yàn)

為了驗(yàn)證LAISmart在不同林種的測量性能，我們在北京師范大學(xué)校園內(nèi)(北京，中國)選擇了兩個(gè)測量實(shí)驗(yàn)區(qū)，分別稱之為S1測區(qū)(N39.961°,E116.366°)和S2測區(qū)(N39.963,E116.362)，測區(qū)面積分別是30*40m2和60*50m2。S1測區(qū)內(nèi)主要樹種包括側(cè)柏(Platycladusorientalis)與白皮松(Cuspidaianana)，屬于針葉林，S2測區(qū)主要樹種為懸鈴木(Platanushispanica)，屬于闊葉林。S1和S2區(qū)的測量時(shí)間是2015年5月26日與29日。為了減少太陽直射光的影響，提高圖像的分類精度，我們選擇黃昏時(shí)間，天空散射光比例較大的情況進(jìn)行觀測。測量時(shí)，操作人員手持LAISmart使傳感器視角盡量垂直向上拍攝，這樣在視場內(nèi)看到的只有植被與天空。我們還同步進(jìn)行了LAI-2000設(shè)備的觀測。LAISmart的camera圖像分辨率為320*480Pixel，測量時(shí)將系統(tǒng)設(shè)置為自動(dòng)曝光模式。

兩個(gè)實(shí)驗(yàn)區(qū)測量剖線以及測量點(diǎn)分布分別如圖2(a)，(b)所示。圖中箭頭方向代表行進(jìn)方向，測點(diǎn)間的距離大約5米。S1實(shí)驗(yàn)區(qū)在南北測量方向上，LAI-2000的測量方式為每條剖線開始測量之前，測量一次總的天空散射輻射，然后在每條剖線上測量7次透過輻射(簡稱為1上7下)，而在東西方向?yàn)?上5下。實(shí)驗(yàn)中一共12條剖線，圖中數(shù)字代表剖線編號。LAISmart的測量位置在剖線的網(wǎng)格的交點(diǎn)附近(誤差不超過1m)。在S2測區(qū)部署了5條南北向剖線，LAI-2000和LAISmart在剖線上分別進(jìn)行測量，LAI-2000采用1上7下模式。