一、实验概况与目的
实验测量的植被覆盖度（Fractional Vegetation Cover, FVC）定义为植被地上部分垂直投影面积占统计区总面积的百分比，是反映生态环境状态的重要参量，传统地面测量耗时耗力，而无人机遥感凭借其高机动性和高分辨率成为主流手段。本次实验的主要目的是：
- 掌握无人机遥感监测的标准化操作流程
- 学习植被覆盖度地面测量的技术方法
- 熟悉使用 AI 算法完成植被覆盖度计算
- 总结无人机监测中的常见问题及解决方案
二、技术方法与工作流程
2.1 植被覆盖度地面测量技术简介
植被覆盖度指单位面积内植被冠层（叶、茎、枝）垂直投影面积所占的比例。目前最常用的地面测量方法是照相法——利用数码相机或无人机拍摄样方照片，然后通过图像识别计算植被像素占比。本次实验采用无人机垂直向下拍摄小样方（1m×1m），再通过算法批量计算覆盖度。
2.2 工作流程全记录
整个流程分为三个阶段：前期准备、现场作业、数据处理。下面逐一展开。
2.2.1 前期准备
① 样方设计
基于最新的高分影像（如 Google Earth、91 卫图），在测区内选择具有代表性的样方，确保覆盖不同植被类型（草地、灌木等）和覆盖度梯度。每个样方大小为 10m×10m，并在其中均匀布设 9 个 1m×1m 的小样方用于地面验证。
② 设备检查
使用的设备是大疆 Mavic 3，每次出发前必须完成以下检查：
| 检查项目 | 标准要求 | 检查方法 |
|---|---|---|
| 电池电量 | ≥80% | 短按电池开关查看指示灯 |
| 螺旋桨 | 无损坏，安装正确 | 目视检查，确认标记对应 |
| 存储卡 | 剩余空间≥32GB | 在 DJI Fly App 中查看 |
| 云台 | 无遮挡，可自由活动 | 开机观察云台自检 |
| 固件版本 | 最新版本 | 连接 DJI Fly 检查更新 |
③ 飞行计划
在 DJI Fly App 中规划自动航线：
- 飞行高度：根据样方大小设置，一般 15~20m 可保证地面分辨率优于 1cm
- 重叠率：航向 80%，旁向 70%（确保后期拼接或覆盖度计算无遗漏）
- 飞行速度：平稳模式 5m/s
2.2.2 现场作业
① 样方定位
使用 RTK 或高精度 GPS 测量样方四个角点坐标，并在现场用标尺或喷漆标记。对于 1m×1m 小样方，采用预先制作好的 1m×1m 样方框放置在地面。
② 无人机飞行
- 自动航线飞行：起飞后执行预设航线，获取整个样方的正射影像。
- 手动拍摄小样方：切换至手动模式，将无人机悬停在小样方正上方 2m 高度，云台角度调至 -90°（垂直向下），拍摄照片。注意保持画面清晰，避免阴影遮挡。
③ 地面测量
同时使用数码相机垂直拍摄小样方照片，并记录样方内植被类型、高度等信息，用于后续验证。
2.2.3 数据处理
① 照片整理
按样方编号建立文件夹，将无人机拍摄的小样方照片和地面验证照片分类存放。照片命名格式统一为：样方编号_小样方编号.jpg（如 P01_01.jpg）。
② 植被覆盖度计算
采用基于 Lab 色彩空间的植被识别算法（SHAR-LAB FVC），该算法能够有效抵抗阴影和过曝的影响，准确提取绿色植被。
以下是完整的 Python 脚本，只需修改图片路径即可运行：
""" SHAR-LAB FVC 植被覆盖度计算脚本
功能：读取指定无人机照片，基于 Lab 色彩空间进行抗阴影植被分类，计算植被像素占比。
用法：直接修改下方 IMAGE_PATH 变量为图片路径，然后运行。
"""
import numpy as np
from skimage import io, color
import os
import sys
# ================== 用户配置区 ==================
# 请将下面的路径改为您的图片文件路径
IMAGE_PATH = "D:/drone_photos/sample_plot.jpg"
# 例如："/home/user/photo.jpg"
# =============================================
def shar_lab_fvc(image_path, a_thresh=2, b_thresh=2, L_min=5, L_max=98):
"""
使用 SHAR-LAB FVC 算法计算植被覆盖度。
参数：
image_path : str -- 图像文件路径
a_thresh : float -- a* 通道上限（小于此值视为偏绿）
b_thresh : float -- b* 通道下限（大于此值视为偏黄/绿）
L_min : float -- 亮度下限（排除阴影等过暗区域）
L_max : float -- 亮度上限（排除过曝区域）
返回：
fvc : float -- 植被覆盖度百分比，若处理失败返回 None
"""
# ---------- 文件存在性检查 ----------
if not os.path.exists(image_path):
print(f"错误：文件不存在 -> {image_path}")
return None
# ---------- 图像读取 ----------
try:
img = io.imread(image_path)
except Exception as e:
print(f"读取图像失败：{e}")
return None
# ---------- 图像格式归一化 ----------
if img.ndim == 2: # 灰度图 -> 转为 RGB
img = color.gray2rgb(img)
elif img.shape[2] == 4: # 含 Alpha 通道 -> 去除 Alpha
img = img[:, :, :3]
elif img.shape[2] != 3:
print(f"不支持的图像通道数：{img.shape[2]}，需要 3 通道 RGB 图像。")
return None
# ---------- 转换到 Lab 色彩空间 ----------
# rgb2lab 要求输入范围 [0,1] 或 [0,255] 均可，函数会自动处理
lab = color.rgb2lab(img)
L = lab[:, :, 0] # 亮度 (0~100)
a = lab[:, :, 1] # 绿 - 红分量 (负值偏绿)
b = lab[:, :, 2] # 蓝 - 黄分量 (正值偏黄)
# ---------- 植被像素判别（核心规则）----------
# 条件：a* 小于阈值（偏绿），b* 大于阈值（偏黄/绿），且亮度在合理范围（抗阴影）
vegetation_mask = (a < a_thresh) & (b > b_thresh) & (L > L_min) & (L < L_max)
# ---------- 计算覆盖度 ----------
veg_pixels = np.sum(vegetation_mask)
total_pixels = vegetation_mask.size
fvc = (veg_pixels / total_pixels) * 100.0
return fvc
if __name__ == "__main__":
# ---------- 确定图片路径（优先使用命令行参数）----------
if len(sys.argv) > 1:
image_path = sys.argv[1]
else:
image_path = IMAGE_PATH
if not image_path:
print("错误：未指定图片路径。请在代码中设置 IMAGE_PATH 或在命令行提供路径。")
sys.exit(1)
# ---------- 计算并输出结果 ----------
fvc = shar_lab_fvc(image_path)
if fvc is not None:
print(f"\n植被覆盖度 FVC = {fvc:.2f}%")
else:
sys.exit(1)
运行环境：需要安装 numpy 和 scikit-image，在终端执行：
pip install numpy scikit-image
样方尺度覆盖度计算：对于整个样方（10m×10m），其覆盖度等于 9 个小样方照片覆盖度的算术平均值。
三、大疆无人机遥感监测标准化操作手册
3.1 飞行前准备
- 环境检查：风速<8m/s，无降水，能见度>5km；尽量避开正午强光（10:00-14:00），以免产生过多阴影；远离高压线、通讯基站等电磁干扰源。
- 设备准备：按照前文检查清单逐项确认，准备备用电池。
3.2 飞行操作流程
3.2.1 自动航线飞行
- 在 DJI Fly App 中进入'航线飞行'模式，规划矩形区域（覆盖整个样方）。
- 设置飞行高度、速度、重叠率（建议航向 80%，旁向 70%）。
- 执行自动飞行，实时关注飞行状态和电量，必要时手动干预。
3.2.2 手动拍摄小样方
- 降落无人机，将样方框放置在地面。
- 起飞无人机至小样方正上方 2m 高度，调整云台垂直向下。
- 切换至拍照模式，连续拍摄 2~3 张，确保清晰无模糊。
- 移动样方框，依次拍摄所有小样方。
3.3 数据处理流程
- 照片导出：从无人机存储卡中导出照片，可利用 DJI 软件获取每张照片的经纬度（用于位置验证）。
- 筛选：删除模糊、过曝或欠曝的照片。
- 重命名：按'样方编号_小样方编号'格式命名，便于批处理。
- 计算：运行 Python 脚本批量计算每个小样方的覆盖度，最后取平均得到样方覆盖度。
四、参考文献
- GB/T 41282-2022《植被覆盖度遥感产品真实性检验》
- DJI Mavic 3 用户手册 v2.3