论文部分内容阅读
摘要：荒漠灌木是干旱区脆弱生态系统的重要组成部分，其生物量至关重要，但野外测量难度较大。以新疆生产建设兵团第六师102团区域内的荒漠灌木梭梭为例，利用智能手機摄像头拍照并获取梭梭高度（H）、侧面宽度（D）、侧面像元面积（S）等参数，建立基于这些参数组合的梭梭地上生物量拟合方程。结果表明，侧面像元面积（S）与梭梭灌木的地上生物量密切相关，呈正相关关系，相关系数高达0.949。经检验，以梭梭灌木侧面照相面积（S）、侧面宽度（D）等为自变量建立回归模型，可用来快速估测灌木地上生物量，这为无损快速估测灌木地上生物量提高工作效率。
关键词：梭梭；生物量；数码相机；无损估测；荒漠灌木；地上生物量；野外调查；信息获取效率
中图分类号： TP391.4；S126文献标志码： A
文章编号：1002-1302（2017）11-0171-03[HS）][HT9.SS]
森林资源调查与监测是森林科学经营与管理的重要数据来源，传统的森林资源调查方法多为人为调查，分级上报的方法不但费时、费力，而且可能所得数据具有一定的主观性，存在一定程度的误差[1]。自20世纪80年代以来，随着网络技术、“3S”技术和物联网技术的逐步引进，森林资源调查与监测技术在数据获取、处理与分析等方面有许多创新与发展[2]。但是，现阶段主要采用传统的地面调查结合“3S”技术以及计算模型等技术手段测定森林生物量，且多聚集在乔木上，对灌木林的相关研究较少[3-6]。较乔木林野外调查与测量，灌木林的植株矮小、近地面分枝多、树冠距离地面近，它的主要测树因子[如冠幅直径（C）、地径（D）和植株高度（H）等]获取难度偏大，野外调查和室内数据处理的工作量都比较大，不能直接照搬乔木林测量中较为成熟的测量手段和方法。因此，寻求一种快速、有效、精准的森林资源调查和监测的方法具有一定意义。到目前为止，国内外有一些学者做了相关研究，例如Sah等通过以植株高度与冠幅直径平方的乘积为自变量来估测生物量，取得了良好的效果[7]；Damiran等通过数码相机拍摄的图片获取灌木的叶面积值，成功估测了灌木的生物量[8]；Foroughbakhch等在对墨西哥东北部的灌木研究时，以灌木枝条的数量为自变量，估算的灌木叶子生物量R2值大部分在0.8以上，尤其自变量是有规则形状的冠幅体积，得到的结果较为理想[9]；李荣春等用数码相机拍摄大田玉米拔节和大喇叭口期的冠层图像，提取的图像覆盖度CC与干物质积累量间极显著相关[10]；吴秀花等利用照相技术对枸杞地上生物量建立了拟合方程，发现侧面照相面积与枸杞的生长状况密切相关[11]；苏占雄等利用数码拍照法对狼牙刺等灌木建立了生物量拟合方程，估算精度较好[12]。由此可见，通过利用图像无破坏的估测灌木的生物量技术，有效地开展野外调查是目前可行的方法。尽管这些学者对生物量估测模型进行了研究，但吴秀花等在图像中读取标尺长度时会引进人为测量误差，从而导致最后估测模型的结果也存在误差[11-12]。因此，本研究在前人研究的基础上，通过利用智能手机摄影测量技术和图像分析技术对荒漠灌木生物量进行快速、无损、精准估测，寻求一种适用于灌木林大面积野外调查的推广应用，进而降低劳动强度和数据采集成本，提高灌木林的信息获取效率，提升森林生态系统资源数据采集的智能化水平。
1材料与方法
1.1研究区概况
研究区位于新疆生产建设兵团第六师，地处天山东段北麓，准噶尔盆地东南缘（43°31′16″～45°33′20″N、86°07′30″～91°11′48″E），属温带大陆性气候，光照充足，昼夜温差大，气温变化剧烈，降水量少；最高气温40～42 ℃，最低气温-38～-43 ℃，年均降水量200 mm；海拔420～610 m，地势由东南向西北倾斜，栽植的作物被列为新疆维吾尔自治区保护的有梭梭[Haloxylon ammodendron（C. A. Mey.） Bunge]、红柳（Tamarix ramosissima）、新疆阿魏（Ferula sinkiangensis K. M. Shen）、胡杨（Populus euphratica）、西伯利亚落叶松（Larix sibirica Ledeb）等，这些植物都为荒漠固沙起到了十分重要的作用。
1.2图像数据与地上生物量的获取
2015年9月下旬，在新疆生产建设兵团第六师102团内选择生长良好、地径集中在1.5～10 cm之间、高度在3 m以下、冠幅在30～170 cm范围之间、并能很好反映试验区内梭梭实际生长状况的样本，样地设置为30 m×50 m，随机布设4块样地，每块样地选取10株样木，共计40株样木。拍照前准备好白色背景布、手机（相机）、测量标杆，选择冠幅为东西面和南北面作为拍摄的侧面，以白色背景布作为植株的拍摄背景，拍照时保持背景布与地面垂直，同时在植株右侧树立1根3 m高的测量标杆，保持相机镜头和梭梭侧面垂直，调节相机与梭梭的水平距离，使相机中相片显示的最上端和最下端恰好与测量标杆的最高点和最低点重合，以保证最后拍摄照片的实际高度为3 m，每株样本的东西面与南北面分别拍摄有效照片2张。
拍摄完成后，实地测量并记录每株梭梭的株高、地径、冠幅等数据，记录植株附近的环境要素，将梭梭地上部分全部收割并编号，带回实验室截成若干部分，置于真空干燥箱内，在85 ℃恒温下烘干至恒质量，用精度为1 g的电子天平对每株样本分别称质量，逐一记录下干质量。
1.3图像数据处理方法
应用Adobe Photoshop CS6电脑版软件处理图像，打开图像后，图像大小面板中显示的高度值（H1）即为3 m测量标杆对应的像素大小，记录此时显示的H1值，然后根据梭梭灌木植株图像的最大高度和宽度裁剪照片，调整曲线值，消除因拍摄角度等造成的背景白色差别，从而使梭梭灌木图像易于从白色背景中区分出来。记录此时图像大小面板中显示的宽度值W和高度值H2，根据公式（1）计算出梭梭的实际高度值（H），求得的数值单位为cm；根据公式（2）计算出梭梭的实际宽度（D）的值。 [JZ（]H=[SX（]300×H2H1[SX）]；[JZ）][JY]（1）
[JZ（]D=[SX（]W×HH2[SX）]。[JZ）][JY]（2）
在直方图中显示的像素大小就是整个矩形图像的像素，记为P。选择灌木图像时，经过多次试验，发现设置取样大小为3×3平均，容差设置为80时取样效果较好，可适当调整选区，此时直方图窗口中显示的像素值即为所选灌木图像的像素，记为P1。每株灌木选取图片效果较好的正面（S正）与侧面（S侧）各1张，梭梭灌木植株的像元面积（S）可通过公式（3）、（4）、（5）计算：
[JZ（]S正=[SX（]灌木图像的像素（P1正）×矩形的实际面积（H×D正）矩形像素（P正）[SX）]；[JZ）][JY]（3）
[JZ（]S侧=[SX（]灌木图像的像素（P1侧）×矩形的实际面积（H×D侧）矩形像素（P侧）[SX）]；[JZ）][JY]（4）
[JZ（]S=[SX（]S正 S侧2[SX）]。[JZ）][JY]（5）
1.4生物量模型构建
所有数据的统计和检验均采用SPSS 19.0和Microsoft Excel 2010 软件进行。目前在估测乔木和灌木生物量的研究中拟合模型有一元线性函数、幂函数、指数函数等，但最为常见的模型是幂函数模型[13-20]。
在40个样本中，选取其中30个作为建模样本，先将梭梭地上生物量与不同自变量进行相关性分析，并根据分析结果，选出最佳的建模数据构建实测生物量与图像提取的参数构建生物量模型。用剩下的10个样本作为检验样本，利用检验数据预测每株灌木的地上生物量，并与实测值进行比较。采用常用的相关系数（r2）、均方根差（RMSE）对模型的估测值和实测值之间的符合度进行验证和评价，均方根差可用公式（6）计算。
[JZ（]RMSE=[KF（][SX（]∑[DD（]ni=1[DD）]（yi-y[DD（-1*2][HT6]^[DD）]i）2n[SX）][KF）]。[JZ）][JY]（6）
式中：yi和 y[DD（-1*2][HT6]^[DD）]i分别为实测值和估测值；n为样本数。
2结果与分析
2.1实测梭梭地上生物量与不同自变量的相关性分析
对各个自变量分别与实测梭梭灌木生物量作相关性分析，结果如表1所示。由表1可见，H、S、D、D2H、DH2、DH与实测梭梭地上生物量均有较好的相关性，以S与地上生物量的相关关系最好，相关系数达0.949，且呈现正相关；其次是D2H，相关系数为0.945。
2.3手机图像估算地上生物量模型的检验
为了检验检测模型的合理性，有必要对所建模型进行精度检验。以S（r2值最高）为例，即以S为自变量估测模型进行梭梭地上生物量的反演，将未参加回归模型的10个检验样本数据代入模型，对地上生物量估测值和实测值的符合度进行检验，并绘制估测值和实测值的1 ∶[KG-*3]1比较图，其拟合优度指数为0.902 8，结果如图1所示。
2.4实地测量与图像估测地上生物量的差别
为了检验本研究方法与实地测量值估测模型方法的差别，在采集的40个样本中，利用人工测量侧面宽度（D）、高度（H）、冠幅面积（C）等相关参数的建模方法，选择其中30个作为建模样本，由于人工测量值无法获取到侧面像元面积（S）值，所以不能利用S为自变量进行建模，用相关性分析结果较好的自变量建立回归模型，结果如表4所示。
从表4中的r2值可以看出，只有以DH2为自变量建立模型的r2值（0.814 9）高于利用图像提取DH2为自变量建立模型的r2值（0.801 7），其他以D、D2H、DH、CH为自变量建立的r2值分别为0.920 7、0.927 5、0.877 4、0.799 9，均不如手机图像估测生物量模型的r2值高。使用未参加回归模型的10个样本进行验证，对地上生物量估测值和实测值的符合度进行检验，以D为自变量检验时，拟合优度指数为0.861 2，以D2H检验时，拟合优度指数为0.884 9，以DH2检验时，拟合优度指数为0.811 6，以DH检验时，拟合优度指数为[JP2] 0.852 5。通过实地测量方法得到的生物量估测模型相对误差值为8.72%～45.13%，相对平均误差为14.31%。而利用手机图像提取的梭梭灌木像元面积（S）值为自变量进行拟合时，相对误差为10.178%～44.98%，相对平均误差为13.26%，由此可见，利用图像提取出S值所建立的估测模型相对平均误差略低于以实地测量值所建立估测模型的相对平均误差。因此，以灌木像元面积（S）为自变量建立模型的方法是切实可行的，能够更准确、快速、无损估算梭梭灌木地上生物量。[JP]
3结论与讨论
本研究以40株梭梭灌木地上生物量为例，利用幂函数构建侧面像元面积（S）与梭梭灌木的地上生物量模型，对实地测量与图像估测地上生物量这2种方法进行详细的对比分析，得知图像估测方法能有效估测梭梭地上生物量，拟合效果比较接近。总体而言，本研究所选用图像估测几种方法的精度都相对较高，这与苏占雄等利用数码相片估算狼牙刺等灌木生物量模型中结论[12]基本一致。
利用含有S的估测模型对梭梭地上生物量进行预测，估測值与实测值的相关系数为0.902 8，可计算出梭梭灌木的地上生物量值，显示了利用手机图像估测单株梭梭灌木生物量的可行性。其方法新颖，数据获取速度快，能够实现无损测量，可解决传统人工目测和手工测量方法带来的误差，减少主观人为因素，节省人力、物力，也节约获取梭梭灌木地上生物量的时间，对于无损获取梭梭灌木这种国家二级保护植物的生物量来讲，具有很大的应用价值。
对于梭梭灌木的树冠距离地面较近、近地面分枝较多来说，植株的颜色与地面的颜色不易区分，在提取有效的拍照面积时须要进行深入的探究，林龄较大的植株较高，在梭梭生长密集的区域内通过手机数码相机进行拍摄就较为困难，在下一步利用智能手机平台来处理图像时要克服智能手机无专门的图形加速器，需要计算量小、占用内存空间少的特性，这些问题都需要在今后的研究中进一步的探索。利用图像分析技术对荒漠灌木生物量进行无损快速估测，可以降低劳动强度和数据采集成本，提升森林生态系统资源数据采集的智能化水平，具有一定的实际意义。 参考文献：
[1]赵芳. 测树因子遥感获取方法研究[D]. 北京：北京林业大学，2014.
[2]乔永平. 森林资源产权场内交易分析——基于南方林业产权交易所的数据[J]. 江苏农业科学，2014，42（9）：430-433.
[3]王远，王德建，张刚，等. 基于数码相机的水稻冠层图像分割及氮素营养诊断[J]. 农业工程学报，2012，28（17）：131-136.
[4]白金顺，曹卫东，熊静，等. 应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测[J]. 光谱学与光谱分析，2013（12）：3334-3338.
[5]张慧春，郑加强，周宏平. 精确林业GPS信标差分定位精度分析[J]. 农业工程学报，2011，27（7）：210-214.
[6]贾彪. 基于计算机视觉技术的棉花长势监测系统构建[D]. 石河子：石河子大学，2014.
[7]Sah J P，Ross M S，Koptur S，et al. Estimating aboveground biomass of broadleaved woody plants in the understory of Florida Keys pine forests[J]. Forest Ecology
关键词：梭梭；生物量；数码相机；无损估测；荒漠灌木；地上生物量；野外调查；信息获取效率
中图分类号： TP391.4；S126文献标志码： A
文章编号：1002-1302（2017）11-0171-03[HS）][HT9.SS]
森林资源调查与监测是森林科学经营与管理的重要数据来源，传统的森林资源调查方法多为人为调查，分级上报的方法不但费时、费力，而且可能所得数据具有一定的主观性，存在一定程度的误差[1]。自20世纪80年代以来，随着网络技术、“3S”技术和物联网技术的逐步引进，森林资源调查与监测技术在数据获取、处理与分析等方面有许多创新与发展[2]。但是，现阶段主要采用传统的地面调查结合“3S”技术以及计算模型等技术手段测定森林生物量，且多聚集在乔木上，对灌木林的相关研究较少[3-6]。较乔木林野外调查与测量，灌木林的植株矮小、近地面分枝多、树冠距离地面近，它的主要测树因子[如冠幅直径（C）、地径（D）和植株高度（H）等]获取难度偏大，野外调查和室内数据处理的工作量都比较大，不能直接照搬乔木林测量中较为成熟的测量手段和方法。因此，寻求一种快速、有效、精准的森林资源调查和监测的方法具有一定意义。到目前为止，国内外有一些学者做了相关研究，例如Sah等通过以植株高度与冠幅直径平方的乘积为自变量来估测生物量，取得了良好的效果[7]；Damiran等通过数码相机拍摄的图片获取灌木的叶面积值，成功估测了灌木的生物量[8]；Foroughbakhch等在对墨西哥东北部的灌木研究时，以灌木枝条的数量为自变量，估算的灌木叶子生物量R2值大部分在0.8以上，尤其自变量是有规则形状的冠幅体积，得到的结果较为理想[9]；李荣春等用数码相机拍摄大田玉米拔节和大喇叭口期的冠层图像，提取的图像覆盖度CC与干物质积累量间极显著相关[10]；吴秀花等利用照相技术对枸杞地上生物量建立了拟合方程，发现侧面照相面积与枸杞的生长状况密切相关[11]；苏占雄等利用数码拍照法对狼牙刺等灌木建立了生物量拟合方程，估算精度较好[12]。由此可见，通过利用图像无破坏的估测灌木的生物量技术，有效地开展野外调查是目前可行的方法。尽管这些学者对生物量估测模型进行了研究，但吴秀花等在图像中读取标尺长度时会引进人为测量误差，从而导致最后估测模型的结果也存在误差[11-12]。因此，本研究在前人研究的基础上，通过利用智能手机摄影测量技术和图像分析技术对荒漠灌木生物量进行快速、无损、精准估测，寻求一种适用于灌木林大面积野外调查的推广应用，进而降低劳动强度和数据采集成本，提高灌木林的信息获取效率，提升森林生态系统资源数据采集的智能化水平。
1材料与方法
1.1研究区概况
研究区位于新疆生产建设兵团第六师，地处天山东段北麓，准噶尔盆地东南缘（43°31′16″～45°33′20″N、86°07′30″～91°11′48″E），属温带大陆性气候，光照充足，昼夜温差大，气温变化剧烈，降水量少；最高气温40～42 ℃，最低气温-38～-43 ℃，年均降水量200 mm；海拔420～610 m，地势由东南向西北倾斜，栽植的作物被列为新疆维吾尔自治区保护的有梭梭[Haloxylon ammodendron（C. A. Mey.） Bunge]、红柳（Tamarix ramosissima）、新疆阿魏（Ferula sinkiangensis K. M. Shen）、胡杨（Populus euphratica）、西伯利亚落叶松（Larix sibirica Ledeb）等，这些植物都为荒漠固沙起到了十分重要的作用。
1.2图像数据与地上生物量的获取
2015年9月下旬，在新疆生产建设兵团第六师102团内选择生长良好、地径集中在1.5～10 cm之间、高度在3 m以下、冠幅在30～170 cm范围之间、并能很好反映试验区内梭梭实际生长状况的样本，样地设置为30 m×50 m，随机布设4块样地，每块样地选取10株样木，共计40株样木。拍照前准备好白色背景布、手机（相机）、测量标杆，选择冠幅为东西面和南北面作为拍摄的侧面，以白色背景布作为植株的拍摄背景，拍照时保持背景布与地面垂直，同时在植株右侧树立1根3 m高的测量标杆，保持相机镜头和梭梭侧面垂直，调节相机与梭梭的水平距离，使相机中相片显示的最上端和最下端恰好与测量标杆的最高点和最低点重合，以保证最后拍摄照片的实际高度为3 m，每株样本的东西面与南北面分别拍摄有效照片2张。
拍摄完成后，实地测量并记录每株梭梭的株高、地径、冠幅等数据，记录植株附近的环境要素，将梭梭地上部分全部收割并编号，带回实验室截成若干部分，置于真空干燥箱内，在85 ℃恒温下烘干至恒质量，用精度为1 g的电子天平对每株样本分别称质量，逐一记录下干质量。
1.3图像数据处理方法
应用Adobe Photoshop CS6电脑版软件处理图像，打开图像后，图像大小面板中显示的高度值（H1）即为3 m测量标杆对应的像素大小，记录此时显示的H1值，然后根据梭梭灌木植株图像的最大高度和宽度裁剪照片，调整曲线值，消除因拍摄角度等造成的背景白色差别，从而使梭梭灌木图像易于从白色背景中区分出来。记录此时图像大小面板中显示的宽度值W和高度值H2，根据公式（1）计算出梭梭的实际高度值（H），求得的数值单位为cm；根据公式（2）计算出梭梭的实际宽度（D）的值。 [JZ（]H=[SX（]300×H2H1[SX）]；[JZ）][JY]（1）
[JZ（]D=[SX（]W×HH2[SX）]。[JZ）][JY]（2）
在直方图中显示的像素大小就是整个矩形图像的像素，记为P。选择灌木图像时，经过多次试验，发现设置取样大小为3×3平均，容差设置为80时取样效果较好，可适当调整选区，此时直方图窗口中显示的像素值即为所选灌木图像的像素，记为P1。每株灌木选取图片效果较好的正面（S正）与侧面（S侧）各1张，梭梭灌木植株的像元面积（S）可通过公式（3）、（4）、（5）计算：
[JZ（]S正=[SX（]灌木图像的像素（P1正）×矩形的实际面积（H×D正）矩形像素（P正）[SX）]；[JZ）][JY]（3）
[JZ（]S侧=[SX（]灌木图像的像素（P1侧）×矩形的实际面积（H×D侧）矩形像素（P侧）[SX）]；[JZ）][JY]（4）
[JZ（]S=[SX（]S正 S侧2[SX）]。[JZ）][JY]（5）
1.4生物量模型构建
所有数据的统计和检验均采用SPSS 19.0和Microsoft Excel 2010 软件进行。目前在估测乔木和灌木生物量的研究中拟合模型有一元线性函数、幂函数、指数函数等，但最为常见的模型是幂函数模型[13-20]。
在40个样本中，选取其中30个作为建模样本，先将梭梭地上生物量与不同自变量进行相关性分析，并根据分析结果，选出最佳的建模数据构建实测生物量与图像提取的参数构建生物量模型。用剩下的10个样本作为检验样本，利用检验数据预测每株灌木的地上生物量，并与实测值进行比较。采用常用的相关系数（r2）、均方根差（RMSE）对模型的估测值和实测值之间的符合度进行验证和评价，均方根差可用公式（6）计算。
[JZ（]RMSE=[KF（][SX（]∑[DD（]ni=1[DD）]（yi-y[DD（-1*2][HT6]^[DD）]i）2n[SX）][KF）]。[JZ）][JY]（6）
式中：yi和 y[DD（-1*2][HT6]^[DD）]i分别为实测值和估测值；n为样本数。
2结果与分析
2.1实测梭梭地上生物量与不同自变量的相关性分析
对各个自变量分别与实测梭梭灌木生物量作相关性分析，结果如表1所示。由表1可见，H、S、D、D2H、DH2、DH与实测梭梭地上生物量均有较好的相关性，以S与地上生物量的相关关系最好，相关系数达0.949，且呈现正相关；其次是D2H，相关系数为0.945。
2.3手机图像估算地上生物量模型的检验
为了检验检测模型的合理性，有必要对所建模型进行精度检验。以S（r2值最高）为例，即以S为自变量估测模型进行梭梭地上生物量的反演，将未参加回归模型的10个检验样本数据代入模型，对地上生物量估测值和实测值的符合度进行检验，并绘制估测值和实测值的1 ∶[KG-*3]1比较图，其拟合优度指数为0.902 8，结果如图1所示。
2.4实地测量与图像估测地上生物量的差别
为了检验本研究方法与实地测量值估测模型方法的差别，在采集的40个样本中，利用人工测量侧面宽度（D）、高度（H）、冠幅面积（C）等相关参数的建模方法，选择其中30个作为建模样本，由于人工测量值无法获取到侧面像元面积（S）值，所以不能利用S为自变量进行建模，用相关性分析结果较好的自变量建立回归模型，结果如表4所示。
从表4中的r2值可以看出，只有以DH2为自变量建立模型的r2值（0.814 9）高于利用图像提取DH2为自变量建立模型的r2值（0.801 7），其他以D、D2H、DH、CH为自变量建立的r2值分别为0.920 7、0.927 5、0.877 4、0.799 9，均不如手机图像估测生物量模型的r2值高。使用未参加回归模型的10个样本进行验证，对地上生物量估测值和实测值的符合度进行检验，以D为自变量检验时，拟合优度指数为0.861 2，以D2H检验时，拟合优度指数为0.884 9，以DH2检验时，拟合优度指数为0.811 6，以DH检验时，拟合优度指数为[JP2] 0.852 5。通过实地测量方法得到的生物量估测模型相对误差值为8.72%～45.13%，相对平均误差为14.31%。而利用手机图像提取的梭梭灌木像元面积（S）值为自变量进行拟合时，相对误差为10.178%～44.98%，相对平均误差为13.26%，由此可见，利用图像提取出S值所建立的估测模型相对平均误差略低于以实地测量值所建立估测模型的相对平均误差。因此，以灌木像元面积（S）为自变量建立模型的方法是切实可行的，能够更准确、快速、无损估算梭梭灌木地上生物量。[JP]
3结论与讨论
本研究以40株梭梭灌木地上生物量为例，利用幂函数构建侧面像元面积（S）与梭梭灌木的地上生物量模型，对实地测量与图像估测地上生物量这2种方法进行详细的对比分析，得知图像估测方法能有效估测梭梭地上生物量，拟合效果比较接近。总体而言，本研究所选用图像估测几种方法的精度都相对较高，这与苏占雄等利用数码相片估算狼牙刺等灌木生物量模型中结论[12]基本一致。
利用含有S的估测模型对梭梭地上生物量进行预测，估測值与实测值的相关系数为0.902 8，可计算出梭梭灌木的地上生物量值，显示了利用手机图像估测单株梭梭灌木生物量的可行性。其方法新颖，数据获取速度快，能够实现无损测量，可解决传统人工目测和手工测量方法带来的误差，减少主观人为因素，节省人力、物力，也节约获取梭梭灌木地上生物量的时间，对于无损获取梭梭灌木这种国家二级保护植物的生物量来讲，具有很大的应用价值。
对于梭梭灌木的树冠距离地面较近、近地面分枝较多来说，植株的颜色与地面的颜色不易区分，在提取有效的拍照面积时须要进行深入的探究，林龄较大的植株较高，在梭梭生长密集的区域内通过手机数码相机进行拍摄就较为困难，在下一步利用智能手机平台来处理图像时要克服智能手机无专门的图形加速器，需要计算量小、占用内存空间少的特性，这些问题都需要在今后的研究中进一步的探索。利用图像分析技术对荒漠灌木生物量进行无损快速估测，可以降低劳动强度和数据采集成本，提升森林生态系统资源数据采集的智能化水平，具有一定的实际意义。 参考文献：
[1]赵芳. 测树因子遥感获取方法研究[D]. 北京：北京林业大学，2014.
[2]乔永平. 森林资源产权场内交易分析——基于南方林业产权交易所的数据[J]. 江苏农业科学，2014，42（9）：430-433.
[3]王远，王德建，张刚，等. 基于数码相机的水稻冠层图像分割及氮素营养诊断[J]. 农业工程学报，2012，28（17）：131-136.
[4]白金顺，曹卫东，熊静，等. 应用数码相机进行绿肥翻压后春玉米氮素营养诊断和产量预测[J]. 光谱学与光谱分析，2013（12）：3334-3338.
[5]张慧春，郑加强，周宏平. 精确林业GPS信标差分定位精度分析[J]. 农业工程学报，2011，27（7）：210-214.
[6]贾彪. 基于计算机视觉技术的棉花长势监测系统构建[D]. 石河子：石河子大学，2014.
[7]Sah J P，Ross M S，Koptur S，et al. Estimating aboveground biomass of broadleaved woody plants in the understory of Florida Keys pine forests[J]. Forest Ecology