基于无人机高光谱荒漠草原鼠洞识别方法研究-电子发烧友网

引言

草原鼠害主要是由于鼠类动物终年打洞造穴、挖掘草根、大量啃食牧草，促使土壤退化和草场退化，进而造成可用草场面积减少，载畜量下降等问题，给牧区和牧民造成巨大的经济损失。不仅如此，鼠害的发生还常常伴有各种疾病的传播，其中包括鼠疫、流行性出血热、钩端螺旋体等我国法定规定的传染病，给人类的健康造成极大的威胁。

我国是世界上草原资源最丰富的国家之一，草原总面积接近４００万ｋｍ２，位居全球第二。其中，内蒙古自治区草原总面积达８８万ｋｍ２，占全区土地总面积的73.4％，是全国第三大牧区。根据数据显示，内蒙古自治区草原鼠害年均危害面积高达４.２万ｋｍ２，其中严重的危害面积高达 1.73万ｋｍ２之多。目前，大量的草原鼠害发生不仅加剧草原退化进程，还会引发鼠疫。在２０１９— ２０２０连续两年内，内蒙古地区均发生了鼠疫。由此可见，鼠害的发生不仅严重威胁着草原生态环境安全，还对人类的生命安全造成极大威胁。对此，加强鼠害监测力度，构建完整的鼠害监测系统是有效治理草原退化和预防鼠疫发生的关键因素。

根据我国农业行业标准《草原鼠荒地治理技术规范》规定，草原鼠害监测指标以草原鼠洞口数为准。进行实时、动态的鼠洞数量分布监测，是有效地制定灭鼠措施和预防鼠疫发生的重要手段。现阶段传统的鼠害检测主要以人工为主，其鼠洞数量的主要统计方法有：夹日法、定点观测和标志重捕法等。由于草原地域广阔、鼠类众多、分布广等因素，使得传统的鼠洞数量统计存在费时费力、成本高、适用面积小等诸多问题。卫星遥感对林业病虫害监测的应用较多，形成了一套相对完整的理论技术基础，但是在草原鼠害检测中鲜有报道，其主要原因是卫星遥感影像的分辨率较低，无法对于鼠洞进行识别。综上所述，现阶段对于鼠洞的识别多数采用影像分割法或使用地面数据进行识别，容易造成遗漏、多识别、适用性不强和识别精度低等问题，在一方面也体现出遥感技术在鼠洞识别方面的适用性和灵活性，为荒漠化草原鼠害动态监测提供了可能。

本研究以四子王旗境内的荒漠化草原鼠洞为研究对象，利用无人机携带高光谱成像仪进行地表鼠洞样本高光谱数据采集。基于鼠洞及其他草原地物光谱特性，提出一种新的鼠洞指数（ＲＨＩ），以实现荒漠化草原鼠洞的高精度识别。

材料与方法

2.1 研究区域

本研究的试验区域位于内蒙古自治区乌兰察布市的四子王旗境内，地理坐标为东经１１１．８８°、北纬４１．７８°（如图１所示），是长爪沙鼠鼠疫自然疫源地，属于我国荒漠化草原的典型代表。

图１试验区域

该区域气候条件属于典型的大陆性干旱气候兼有山地气候，年降水量在280ｍｍ左右，海拔高度在1456ｍ，年平均气温在１—６ ℃。土壤类型以淡栗钙土为主，草地类型为冷蒿、短花针茅及无芒隐子草，植被较为稀疏和低矮。鼠类分布呈地区多样性，在２００９—２０１９年间共发现鼠类１６种，主要种类是长爪沙鼠、大沙鼠、达乌尔黄鼠、子午沙鼠等。其中，长爪沙鼠居多，在２０１６—２０１９年密度呈逐年升高趋势，是鼠疫的主要宿主。长爪沙鼠不冬眠，主要在白天活动，成年雌性长爪沙鼠一年繁殖３—４胎，每胎平均５—６只，最多可达１２只。长爪沙鼠每个洞系一般５—６个洞口，多者达３０多个，形成洞群，居住洞又有仓库，多者６个以上，一般２—３个，１个仓库可存贮４—５ｋｇ牧草草穗，对草原植被破坏极大。

2.2数据获取

采集时间选择在中午11：00——13：00之间，天气晴朗与无云雾遮挡，风力低于３级（少风或微风）的条件下采集，以降低当地天气气候的干扰，确保每次数据采集环境误差为最小。无人机飞行高度３０ｍ，空间分辨率2.3ｃｍ，拍摄试验区域总面积为2.5ｈｍ２，每个鼠洞样本光谱图像尺寸大小为６９６ｌｉｎｅ×７７５ｓａｍｐｌｅ×２５６ｂａｎｄ，且对每个鼠洞样方（样方中利用小旗标注鼠洞具体位置）拍摄不少于３次，以提高数据的可用性。

RHI的提出

将野外采集的鼠洞样本数据进行预处理后，导入软件。通过像元纯度指数算法分别提取出鼠洞、裸土、植被等３类地物的纯净像元，并绘制出鼠洞、裸土、植被反射率曲线，如图２所示。

图２鼠洞、裸土、植被反射率曲线

由图２可以得出，草原植被的叶绿素对红光吸收能力较强，因此在红光波段附近有明显的红光吸收带，反射率较低，随着波长的增加，植被反射率陡增。裸土与鼠洞在红光波段并无上述特征，其中裸土在红光波段附近的反射率较高，且随着波长的增加，反射率小幅上升，鼠洞在红光波段附近反射率较低，且随着波长的增加，反射率无明显变化。当波长到达近红外波段附近时，植被反射率趋于平稳，到达最大值，而裸土和鼠洞的反射率还呈现出上升趋势。在红光波段与近红外波段之间，随着波长的增长，各个地物的反射率均处于连续增长状态，曲线光滑，其中植被反射率变化最大，裸土次之，鼠洞最小。在从全波段上进行分析，鼠洞在全波段上近似可以看成与水平轴平行的一条直线，与裸土和植被之间具有较大差异，其中在红光波段附近３种地物之间的反射率显著性差异最为明显。综上所述，基于上述光谱曲线特征，建立ＲＨＩ模型，具体公式为：

式中，ＩＲＨ为鼠洞指数，ρＲ为红波段，ρＮＩＲ为近红外波段。

分类结果与讨论

4.1 分类结果

将采集的鼠洞样本数据随机选取１０个样本，利用工具进行ＲＨＩ运算（其灰度图如图３所示），为了减少不同波运算所引起的误差，在ＲＨＩ运算前分别对红光波段与近红外波段提取１０个波段进行均值计算。随后将ＲＨＩ运算的结果进行全部像元的阈值统计（ＲＨＩ部分样本统计表如表１所示，表中：ＳＤ为鼠洞样本），得出ＲＨＩ运算后的阈值范围在［０．００５０，０．９６８５］之间，为了减少误差，将经ＲＨＩ运算后的值定义在［０，１］之间。

图３ＲＨＩ运算灰度图

利用工具对ＲＨＩ运算后的数据进行鼠洞与非鼠洞（植被、裸土）的像元提取，由于无人机拍摄高度较高，导致高光谱数据中鼠洞的像元占比较少，为了使鼠洞与非鼠洞的像元选取均匀，故选取每类像元数在０到１００之间，从而制作出两类地物的感兴区域阈值统计如表２所示（表中：ＳＤ代表鼠洞，Ｎ－ＳＤ代表非鼠洞）

表１ＲＨＩ部分样本统计表

从表２中可以得出，鼠洞的阈值在０．０１４５— ０．１０６８之间，平均值在０．０３４２—０．０９７０之间。非鼠洞的阈值在０．１４５２—０．５９６１之间，平均值在０．２８６０—０．３７０２之间。鼠洞与非鼠洞两类地物之间阈值无重叠，具有较强的可分性，鼠洞与非鼠洞的ＲＨＩ阈值分布如图４所示。

图４鼠洞与非鼠洞的ＲＨＩ阈值分布

结合上述阈值区间，通过目视解译法对感兴区域内的全部像元进行阈值统计分析，从而寻找出鼠洞与非鼠洞的最佳阈值分界在０．１０７０，因此得出鼠洞的阈值范围为［０，０．１０７］，非鼠洞（植被、裸土）的阈值范围为［０．１０７，１］。

表２鼠洞与非鼠洞的感兴区域阈值统计

为了验证该阈值的鲁棒性，现利用该阈值对不同的鼠洞样本进行识别验证，发现该阈值对于鼠洞的识别效果好，能很好地提取出鼠洞。现随机选取４组样本采用ＲＨＩ进行鼠洞识别。由于整个图像尺寸过大，不利于鼠洞可视化的展示，故将识别后的图像进行局部放大与裁剪处理后进行展示（ＲＨＩ鼠洞提取效果可视化如图５所示），

图５ＲＨＩ鼠洞提取效果可视化：（ａ）鼠洞识别预测图；（ｂ）鼠洞样本

可以得出ＲＨＩ对于无人机高光谱的荒漠化草原鼠洞识别效果较好，能有效的消除其他地物的影响。

Ｋａｐｐａ系数是一种基于混淆矩阵来衡量分类精度的指标。现将余下的鼠洞样方和随机样方，利用感兴区域通过目视解译法分别提取出鼠洞与非鼠洞（植被、裸土）特征，制作掩膜文件和统计数值。对鼠洞样本进行ＲＨＩ运算，利用本文所得出的阈值区间分类出鼠洞与非鼠洞的掩膜文件，对其进行数据统计，完成基于ＲＨＩ的混淆矩阵表，如表３所示。

表３基于ＲＨＩ的混淆矩阵表

由于无人机拍摄高度较高，对于鼠洞的像元占比较少，故对于非鼠洞的像元只提取３２６个像元，以提高精度验证的可靠性。通过计算得出，总体识别精度达９７％，Ｋａｐｐａ系数可达０．９３。结果表明，ＲＨＩ的提出，进一步提升了鼠洞的识别精度和效率。

4.2 讨论

由图５和表３可知，本研究所提出的ＲＨＩ对荒漠化草原鼠洞的识别有较好的适用性，特征分类精度高。主要原因在于以下几个方面：通过对光谱曲线做非线性放大处理后，反射率值提升到１以上的同时维持了各个地物光谱曲线的特征，这为后续进行荒漠化草原鼠洞地物的提取提供了有效保证。鼠洞的光谱曲线与其他地物光谱曲线相比，无较大的波动，在全波段上可看作一条水平直线，且反射率数值较小，而其他地物光谱曲线在全波段上具有较大波动，反射率较大。使得各个地物在做ＲＨＩ运算时，鼠洞的变化最小，相对于其他地物具有较强的可分性。

本文所提出的ＲＨＩ中，调整了ＲＶＩ指数中红波段与近红外波段的比值顺序，在此基础上又增加一步运算，即近红外波段减１操作。这让整个高光谱图像在做ＲＨＩ运算时，计算结果有效地控制在０—１之间，使得鼠洞的计算结果值最小，进而有效的将鼠洞与阴影区分开，完成漠化草原鼠洞的高精度识别。

为了更进一步地验证本研究所提的ＲＨＩ，现选取３种常用的植被指数做比较，即归一化植被指数、土壤调节植被指数、比值植被指数。对于数据预处理采用与ＲＨＩ计算规则相同的处理方法，随后分别将样本带入不同的植被指数模型对总体精度（ＯＡ）与Ｋａｐｐａ系数进行计算，不同植被指数分类精度比较如表４所示。

表４不同植被指数分类精度比较

由表４可知，对于无人机高光谱荒漠化草原鼠洞的识别，现有的植被指数识别总体精度均在６５％左右，无法达到荒漠化草原鼠洞的识别要求。而本研究所提出的ＲＨＩ模型，识别总体精度达９７％，Ｋａｐｐａ系数在０．９３，相对于前面３种植被指数总体精度分别提高了３０％、３１．８％和３０．４％，Ｋａｐｐａ系数分别提高了０．５３、０．５６和０．５４。以上结果表明，ＲＨＩ的提出，对于无人机高光谱荒漠化草原鼠洞的识别具有较强的适用性，能对荒漠化草原鼠洞进行有效的识别与分类。

结论

目前，现有的植被指数对于荒漠化草原鼠洞的识别精度较差，无法有效的提取荒漠化草原鼠洞。本文利用无人机携带高光谱仪进行荒漠化草原鼠洞的数据采集，提出ＲＨＩ模型针对荒漠化草原鼠洞识别，研究发现，ＲＨＩ指数模型相对于ＤＮＶＩ、ＳＡＶＩ、ＲＶＩ等指数模型具有较高的识别效果，计算得出鼠洞的阈值区间在［０，０．１０７］，非鼠洞（植被、裸土）的阈值区间在［０．１０７，１］，该阈值具有较好的泛化能力，能有效地提取各个样本的鼠洞。经精度验证得出，总体识别精度达９７％，Ｋａｐｐａ系数可达０．９３。ＲＨＩ指数的提出，弥补了现有植被指数对鼠洞识别上的不足，克服了空中数据对草原鼠洞分类难的问题，有效地提高草原鼠洞的识别精度和效率。鼠害监测还需考虑鼠洞是否为有效鼠洞，在今后将考虑ＲＨＩ识别规则结合其他辅助工具对草原鼠害进行动态监测，为预防鼠疫、草原恢复、鼠害防治等提供帮助。