全 文 ：书基于犚犌犅模式的一种草地盖度定量
快速测定方法研究
章超斌１，李建龙１，张颖１，周伟１，钱育蓉２，杨峰３
（１．南京大学生命科学院，江苏 南京２１００９３；２．新疆大学软件学院，新疆 乌鲁木齐８３０００８；３．四川农业大学农学院，四川 雅安６２５０１４）
摘要：盖度是研究植物群落结构的一个重要数量指标，传统目视估算法精度低且受人的影响较大。本研究分析了
大量荒漠草地实地照片的ＲＧＢ颜色模式特征，构造了ＲＧＢ颜色判别决策树区分植被与非植被像元来计算植被的
覆盖度，同时在 Ｍａｔｌａｂ７．０平台上将数码照片的导入、地物判别、盖度计算、划分结果显示、对照等功能模块集成，
构建用户界面友好、人机交互便捷软件模块，从而能够准确、高效地计算草地盖度，方便了草原实地调查工作。与
针刺法相比，该方法计算得到的植被覆盖度最大偏差绝对值不超过５％，精度在９５％以上，解决了常规人工方法中
估测草地盖度工作量大、不能准确定量测定的问题。
关键词：草地；ＲＧＢ判别决策树；植被盖度；Ｍａｔｌａｂ
中图分类号：Ｓ８１２；Ｓ１２７ 文献标识码：Ａ 文章编号：１００４５７５９（２０１３）０４０２２００７
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１３０４２７
盖度是植物群落结构的一个重要数量指标，是地表植被状况的重要表征［１］。在草地监测和评价中，常被作为
一个重要的指标来使用［２４］，其测算结果的精度对研究结果的合理性有较大影响［５］。盖度（ｃｏｖｅｒａｇｅ）是指植物冠
层的枝叶垂直投影于地面所覆盖地面面积的比率［６］。在草地植物群落野外调查中，盖度的测定方法有样方图解
法、样点截取法、目测法和方格法等［７１０］，也有学者据此原理发明专用的草地盖度测定器［１１］。其中常用的是目测
法和方格法。目测法简单、快捷，但误差较大且受人为主观因素影响，可重复性较差［１２］，章文波等［１３］对目测估算
的精度研究结果表明，个人目测估算草地覆盖度的最大绝对误差可达４０％；与之相比，方格法估算准确度相对较
高，但费时费力，效率不高。
随着科技发展，也有专门用于测量草地盖度的仪器，如空间定量计法（ｓｐａｔｉａｌｑｕａｎｔｕｍｓｅｎｓｏｒ）、移动光量计
法（ｔｒａｖｅｒｓｉｎｇｑｕａｎｔｕｍｓｅｌ），这类方法是利用传感器测量光通过植被层的状况来计算植被盖度，需要专门的装
置，对设备要求高，野外操作不方便［１４］。为了客观、定量准确地测定草地的盖度，有研究者用彩色摄影照片勾画
绿色植被，然后再用方格法目视计算植被盖度［１５］。随着数字摄影计算的发展，现在可以直接用图形图像软件从
照片中提取植被像元，许多学者对此进行了研究。池宏康等［１６］使用图形图像软件处理数码照片，获取植被与非
植被像素，从而计算植被盖度；张清平等［１７］研究了利用 ＷｉｎＣＡＭ软件分析识别数码照片盖度；宋雪峰等［１８］通过
分析数码照片，建立逻辑判别模型，对照片中绿色部分作出解读，测定内蒙古锡林郭勒盟西南端草地盖度，总体判
断精度达到９４．７％；钱金波和马明国［１９］选择过绿特征区分绿色植被和非绿色植被，结合亮度特征和面积阈值从
非绿色植被中自动提取出狼毒花（犛狋犲犾犾犲狉犪犮犺犪犿犪犲犼犪狊犿犲）；张云霞等［２０］在草地植被的多尺度遥感与实地测量的
报道中，对各种草地植被测量方法进行了对比，认为数码相机结合高光谱以及多尺度遥感数据是未来草地植被盖
度测量发展的趋势。与传统方格法相比，数字图像法具有误差小、准确性较高和操作简便的优点，可应用于草地
植被盖度的样方测量［２１］。本研究以实地拍摄的数码照片作为数据输入，分析了植被和下垫面的 ＲＧＢ（ｒｅｄ、
ｇｒｅｅｎ、ｂｌｕｅ三通道）模式中的属性特征，并根据差异构造了判别决策树，来计算荒漠植被的覆盖度，以批量处理地
２２０－２２６
２０１３年８月
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
第２２卷 第４期
Ｖｏｌ．２２，Ｎｏ．４
收稿日期：２０１２０９０６；改回日期：２０１２１１１５
基金项目：国家重点基础研究发展计划（９７３计划）项目（２０１０ＣＢ９５０７０２），国家自然科学基金项目（４１２７１３６１）和国家８６３计划专题项目
（２００７ＡＡ１０Ｚ２３１）资助。
作者简介：章超斌（１９８６），男，浙江诸暨人，在读博士。Ｅｍａｉｌ：ｃｈａｏｂｉｎｚｈａｎｇ＠１２６．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｊｌｉ２００８＠ｎｊｕ．ｅｄｕ．ｃｎ
面调查时的数码相片，刻画荒漠草地表面植被数量，避免了“目视计数”工作量大的缺点，方便了草原野外调查，提
高了工作效率。
１ 材料与方法
１．１ 原理
根据植被盖度的定义和公式１，只要获得数字图像中样方像元（ｐｉｘｅｌｓ）数量和绿色枝叶的像元数量，就可以
根据公式２计算盖度。
盖度＝（植被冠层遮蔽地面面积／样地面积）×１００％ （１）
盖度＝（绿色枝叶像元数量／样地像元数量）×１００％ （２）
影像是由若干像元组成的，一定数量的像元代表一定的面积，公式２中的绿色枝叶像元数量和样地像元数量
分别等价于公式１中的植冠遮蔽地面面积和样地面积。根据这一原理，本研究在数字影像搜集后，分析草地植被
盖度的ＲＧＢ颜色模式的计算方法，经过图像处理和像元数量提取等步骤，最终得到草地植被的盖度。
１．２ 研究区概况
阜康市位于天山北麓东端，准噶尔盆地东南缘，东经８７°４６′～８８°４４′，北纬４３°４５′～４５°３０′，属于大陆性气候，
四季分明、降水稀少、蒸发量大。地貌特征主要为山地、平原和沙漠３种类型。平原地区年平均气温６．６℃，无霜
期１５５～１７０ｄ，低山区无霜期１３５～１６６ｄ。土壤类型主要为草甸土、棕钙土和灰漠土，主要植物组成为羊茅（犉犲
狊狋狌犮犪狅狏犻狀犪）、博乐塔绢蒿（犛犲狉犻狆犺犻犱犻狌犿犫狅狉狅狋犪犾犲狀狊犲）、伊犁绢蒿（犛犲狉犻狆犺犻犱犻狌犿狋狉犪狀狊犻犾犾犲狀狊犲）、梭梭（犎犪犾狅狓狔犾狅狀
犪犿犿狅犱犲狀犱狉狅狀）、琵琶柴（犚犲犪狌犿狌狉犻犪狊狅狅狀犵狅狉犻犮犪）、木地肤（犓狅犮犺犻犪狆狉狅狊狋狉犪狋犪）及多枝柽柳（犜犪犿犪狉犻狓犺狅犺犲狀犪犮犽
犲狉犻）等。
１．３ 数据获取
本研究采样点集中在平原和低山带的温性荒漠区，时间为２００９年５月，使用Ｃａｎｎｏｎ４５０Ｄ相机镜头垂直朝
下拍摄草地获取彩色数字影像，镜头离地高为１５０ｃｍ，所拍地表面积约为０．６４ｍ２，图像分辨率为６４０×４８０。
２ 结果与分析
２．１ 草地的ＲＧＢ模式分析
图像的颜色可以有多种表示方法，为了准确提取能够表征原始图像颜色信息的目标颜色，提取算法必须在符
合人类视觉系统和观察经验的颜色空间内进行。常用的颜色空间有ＲＧＢ、ＨＳＶ（ｈｕｅｓａｔｕｒａｔｉｏｎｖａｌｕｅ）和 ＨＭ
ＭＤ（ｈｕｅｍａｘｍｉｎｄｉｆｆｅｒｅｎｃｅ）等，其中ＲＧＢ空间模型是最常用的一种颜色模型。
地面样方中，所有像元均是由植被和非植被两部分端元组成，像元的光谱特征由这两部分端元线性加权而
成。根据数字图像色彩构成原理，数码相机所拍摄的照片是由红（ｒｅｄ）、绿（ｇｒｅｅｎ）、蓝（ｂｌｕｅ）三基色构成的，地物
颜色值（ｄｉｇｉｔａｌｎｕｍｂｅｒ，ＤＮ）由红（Ｒ）、绿（Ｇ）、蓝（Ｂ）三基色组成，三基色的范围都在０～２５５之间。不同的地物，
其颜色不同的原因正是因为构成各种地物的Ｒ、Ｇ、Ｂ三基色ＤＮ值（ｄｉｇｉｔａｌｎｕｍｂｅｒ）不同。在获取了各种地物的
ＤＮ值之后，分别研究各个地物（植被和非植被）Ｒ、Ｇ、Ｂ三基色ＤＮ值之间的组合规律，据此可根据光谱特征区
分植被和非植被，采用公式２进行样方植被盖度的测算。
据此，在详细观测多幅野外照片的基础上，根据植被呈现色彩信息的不同，分别在相片上选取若干植被部位
的感兴趣区，采用统计方法，研究植被像素红、绿、蓝三基色的信息和相互关系，采用同样的方法分析非植被区三
基色的色彩信息。
对于荒漠植被覆盖度的统计，首先选择大量的１ｍ×１ｍ样方，对样方中各种地物的ＲＧＢ三原色之间的关
系进行深入分析，寻找各种地物的ＲＧＢ规律，获得常见草地地物ＲＧＢ之间的关系，构造出基于ＲＧＢ三原色的草
地植被判别决策二叉树求得草地植被覆盖度，草地植被ＲＧＢ模式的二叉树判别如图１。
２．２ 草地盖度计算流程
草地盖度的计算程序是在 Ｍａｔｌａｂ７．０平台下编写完成，通过调用图形句柄系统的子系统ＧＵＩ来实现用户
图形界面的显示、操作，其工作流程如图２，主要包括以下４个步骤：
１）载入图像
１２２第２２卷第４期 草业学报２０１３年
图１ 草地植被犚犌犅模式下植被盖度判别决策树
犉犻犵．１ 犜犺犲犱犲犮犻狊犻狅狀狋狉犲犲狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲狌狀犱犲狉犚犌犅犿狅犱犲犾
图２ 草地植被盖度计算流程图
犉犻犵．２ 犜犺犲犳犾狅狑犮犺犪狉狋狅犳犮犪犾犮狌犾犪狋犻狀犵犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲
将用户选定的数码照片读入计算机内存，以多维矩阵 Ｍ×Ｎ×３的形式保存真彩色图像信息，ＲＧＢ三原色的
取值为０～２５５的无符号整型。
将载入的数码图像显示在用户界面的固定位置上，方便用户直观的辨识。考虑到不同的照片大小、形状、长
宽比会有差别，为了统一界面风格、防止照片形变，利用了坐标轴Ａｘｅｓ固定了照片位置和大小，方便用户直观浏
览照片缩略图，并选取数码照片最大内切圆区域作为计算区域。
２）计算草地植被盖度
２２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．４
首先初始化一个新的等大矩阵，用来存储分类后的二值图像。然后，从内存中获取草地及农作物图像句柄，
利用双循环语句遍历整个图像矩阵，依次逐个像素根据颜色判定决策树判别地物种类，具体算法如图２，然后将
结果写入二值图像。
３）结果显示及对比
依据草地植被ＲＧＢ三原色的判别决策树计算出植被盖度数值，将计算结果和图片划分结果显示给用户，并
进行分类图片和原始图片的对照。
４）计算下一图片
２．３ 草地盖度计算方法
图１中的二叉决策树将地物类型划分为８类，图３是依据图１ＲＧＢ判别模式的计算机实现的具体流程图。
图３ 计算植被盖度的程序流程图
犉犻犵．３ 犜犺犲犳犾狅狑犮犺犪狉狋狅犳狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犮犪犾犮狌犾犪狋犻狅狀狆狉狅犮犲犱狌狉犲狊
３２２第２２卷第４期 草业学报２０１３年
图３中，犻和犼分别是数码相片的行列数，对于一张６４０×４８０的数码相片，图片矩阵Ａ和Ｎｅｗ的规格分别为
犻×犼×３和犻×犼，其中犻为６４０，犼为４８０。
２．４ 软件输入输出界面
以下为软件可视化操作过程，图４为照片输入界面。为了提高计算精度，消除照相机镜头畸变产生的影响，
软件运算中只计算以照片为中心的圆圈范围内的像素（图５）。
图４ 输入样地照片到软件
犉犻犵．４ 犐犿狆狅狉狋犳犻犲犾犱狆犺狅狋狅犵狉犪狆犺狋狅狊狅犳狋狑犪狉犲
图５ 计算植被盖度值
犉犻犵．５ 犆犪犾犮狌犾犪狋犻狀犵狆犾犪狀狋犮狅狏犲狉犪犵犲
２．５ 精度评价
使用针刺法测定的盖度作为对照，估算该方法的计算精度。在采集数字照片后，按照草地植被盖度，在研究
区内选择了高、中、低３种盖度的草地样方共１４个，大小为１ｍ×１ｍ，利用针刺法获得草地植被覆盖度，同时在
样方正上方进行拍照。对高盖度草地选择的刺点数为１００，中等盖度草地选择刺点数为２００，而低盖度草地选择
刺点数５００。每种盖度类型草地样方测定３次取其平均值作为样方的植被覆盖度。同时，利用设计的计算植被
覆盖度的程序分别计算高、中、低３种盖度的草地覆盖度如表１。
结果表明（表１），利用针刺法通过实地测定样方的植被覆盖度与通过植被覆盖度程序获得的盖度值偏差不
大，最大偏差绝对值为４．９８％，大部分偏差绝对值均在３．００％以下。
表１ 针刺法所得草地盖度与计算机程序计算得到的草地盖度比较
犜犪犫犾犲１ 犜犺犲犵狉犪狊狊犾犪狀犱犮狅狏犲狉犪犵犲狉犲狊狌犾狋狊犳狉狅犿犪犮狌狆狌狀犮狋狌狉犲犪狀犱犮狅犿狆狌狋犲狉犮犪犾犮狌犾犪狋犻狅狀 ％
编号
Ｎｏ．
针刺盖度
Ａｃｕｐｕｎｃｔｕｒｅｃｏｖｅｒａｇｅ
计算盖度
Ｃａｌｃｕｌａｔｅｄｃｏｖｅｒａｇｅ
偏差绝对值
Ａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎ
编号
Ｎｏ．
针刺盖度
Ａｃｕｐｕｎｃｔｕｒｅｃｏｖｅｒａｇｅ
计算盖度
Ｃａｌｃｕｌａｔｅｄｃｏｖｅｒａｇｅ
偏差绝对值
Ａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎ
１ ６９．００ ６９．０６ ０．０６ ８ ３３．５０ ３５．７３ ２．２３
２ ４３．５０ ４３．５９ ０．０９ ９ ３９．３３ ３７．０６ ２．２７
３ ９９．５０ ９８．９４ ０．５６ １０ ５２．００ ５４．６４ ２．６４
４ ８４．１７ ８３．０７ １．１０ １１ ８６．３３ ８９．６５ ３．３２
５ ８７．６７ ８８．９６ １．２９ １２ ７８．５０ ８２．０３ ３．５３
６ ９７．３３ ９８．７０ １．３７ １３ ５８．００ ６２．２２ ４．２２
７ ８１．００ ８２．６４ １．６４ １４ ５１．６７ ５６．６５ ４．９８
４２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．４
３ 结论与讨论
传统照相法是垂直照相后解译出植被类型，最后在透明方格纸上以植被盖度占方格数与总方格数之比来反
映植被盖度的大小，影像处理计算相对比较繁琐费时，或者是在ＥＮＶＩ（ｔｈｅｅｎｖｉｒｏｎｍｅｎｔｆｏｒｖｉｓｕａｌｉｚｉｎｇｉｍａｇｅｓ）
和ＥＲＤＡＳＩＭＡＧＩＮＥ等遥感图像处理软件中进行初期预处理后再进行盖度的计算，工作量大，而且非常耗时。
本研究使用普通数码相机近距离拍摄草地彩色照片，根据ＲＧＢ模式分析结果构造了地物ＲＧＢ颜色判定的决策
树，并通过数字化的方法准确计算出草地盖度，不需要复杂的人工处理，减少了观察者的主观性，提高了测量精
度，使盖度估测的可重复性大大提高。从数码照片的导入、盖度计算和结果显示完全由计算机操作，大大缩短了
草地盖度计算的时间。而且本研究所设计的程序能够识别常用的图片格式，并批量处理植被样方照片，同时能够
对全图逐个像素的ＲＧＢ属性进行分析判定，然后获得以照片中心点为圆心的圆中植被盖度值，使得数码照片的
粗糙度、拍摄角度、光线强弱等外界因素的影响降低到最小，计算的盖度有效数字达到５位。经过测定样方对比
分析，本研究计算的植被盖度结果准确，误差在５％以内，在实际的植被盖度测量中误差主要来源于二叉判别决
策树对植被与非植被判断的精度。如果植被与非植被色彩比较相近，例如枯黄枝叶与黄色土壤的颜色比较接近，
则会影响程序的判别准确度。所以，根据试验需要，最好选择植被与土壤背景颜色差异明显时期进行测定。
与普通数字图像法相比，本研究的方法无需人工目视提取植被区域，关键在于构造该地区的植被ＲＧＢ三原
色的草地植被二叉判别决策树，这需要实地测量数据作为分析建模样本。由于草地植被具有区域性和相对稳定
的特点，一旦构建了该地区的判别决策树，之后对该地区的草地盖度调查可基于该决策树计算机模型利用实地数
码照片进行快速计算获得，这将大大方便草地科研工作者。如果利用航拍获取该地区的大幅照片，也可以利用该
程序进行中等区域尺度的草地盖度计算。
虽然本研究所讨论的内容只用在草地盖度的测定上，但其原理和图像解析等主要方法同样适用森林郁闭度
的测定和城市绿化面积统计上。数码成像的近景测量精度高、廉价且高效，开发能自动提取数码相片中的草地覆
盖度的程序包，嵌入到数码相机中，实现照相法自动精准测算草地覆盖度的功能，是一项重要而有意义的研究课
题。随着数字影像技术的发展和遥感影像的广泛使用，计算机自动计算植被盖度是今后的发展趋势。
草地盖度的测量方法发展大致经历了简单目测估算、仪器测量计算和遥感解译分析３个阶段。遥感技术的
发展，给大尺度和长时序的草地覆盖度测量带来了生机。可见光、热红外和微波等不同传感器对地观测的应用，
合理地利用不同尺度的观测结果，将他们适时、准确的结合起来，将是实地与遥感综合测量法及其遥感估算法今
后研究的一个重点［２２］。在这方面，张云霞等［２０］建立基于地表实测与多尺度遥感数据综合测量的两阶段植被盖
度经验模型可以较好地实现将地面数据扩展到中尺度空间范围，从而完成数据空间尺度的转换，提高大区域草地
植被盖度的测量精度。本研究作为一种实地近距离遥感测量方法，与大尺度的遥感测量结合，作为大尺度草地盖
度测定的一个补充，也是今后的一个深入研究方向。
参考文献：
［１］ 李建龙．草地退化遥感监测［Ｍ］．北京：科学出版社，２０１２：３４３５．
［２］ 俞斌华，侯扶江，林慧龙．牧草种群生长对家畜践踏的短期响应［Ｊ］．草业学报，２００５，１４（４）：１１９１２４．
［３］ ＧａｏＱＺ，ＤｕａｎＭＪ，ＬｉＹ，犲狋犪犾．ＣｈａｎｇｅｔｒｅｎｄｓｏｆｇｒａｓｓｌａｎｄｃｏｖｅｒａｇｅａｎｄｐａｓｔｕｒｅｇｒｏｗｔｈｉｎｔｈｅＮｏｒｔｈｗｅｓｔＡｒｅａｏｆＴｉｂｅｔ［Ｊ］．
ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆＡｇｒｏｍｅｔｅｏｒｏｌｏｇｙ，２０１０，３１（４）：５８２５８５．
［４］ ＬｉＹ，ＺｈａｎｇＦ，ＷａｎｇＱ．ＡｎａｌｙｓｉｓｏｆｄｙｎａｍｉｃｃｈａｎｇｅｏｆＨｕｌｕｎｂｅｉｅｒｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＡｒｉｄＬａｎｄ
ＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０１０，２４（６）：１２６１３１．
［５］ ＪｉＳＪ，ＧｅｎｇＹ，ＬｉＤＦ，犲狋犪犾．Ｐｌａｎｔｃｏｖｅｒａｇｅｉｓｍｏｒｅｉｍｐｏｒｔａｎｔｔｈａｎｓｐｅｃｉｅｓｒｉｃｈｎｅｓｓｉｎｅｎｈａｎｃｉｎｇａｂｏｖｅｇｒｏｕｎｄｂｉｏｍａｓｓｉｎａ
ｐｒｅｍａｔｕｒｅｇｒａｓｓｌａｎｄ，ｎｏｒｔｈｅｒｎＣｈｉｎａ［Ｊ］．ＡｇｒｉｃｕｌｔｕｒｅＥｃｏｓｙｓｔｅｍｓａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２００９，１２９（４）：４９１４９６．
［６］ 王伯荪．植物群落学［Ｍ］．北京：高等教育出版社，１９８７：１８１９．
［７］ ＤｏｍｂｏｉｓＤＭ，ＥｌｅｎｂｅｒｇＨ．ＡｉｍｓａｎｄＭｅｔｈｏｄｓｏｆＶｅｇｅｔａｔｉｏｎＥｃｏｌｏｇｙ［Ｍ］．ＮｅｗＪｅｒｓｅｙ：ＪｏｈｎＷｉｌｅｙａｎｄＳｏｎｓ，１９７４．
［８］ ＭｏｏｒｅＰＤ，ＣｈａｐｍａｎＳＢ．ＭｅｔｈｏｄｓｉｎＰｌａｎｔＥｃｏｌｏｇｙ［Ｍ］．Ｌｏｎｄｏｎ：ＢｌａｃｋｗｅｌＳｃｉｅｎｔｉｆｉｃＰｕｂｌｉｃａｔｉｏｎｓ，１９８６：４４９４５２．
［９］ ＳｍｉｔｈＭＯ，ＵｓｔｉｎＳＬ，ＡｄａｍｓＪＢ，犲狋犪犾．Ｖｅｇｅｔａｔｉｏｎｉｎｄｅｓｅｒｔｓ：Ｉ．Ａｒｅｇｉｏｎａｌｍｅａｓｕｒｅｏｆａｂｕｎｄａｎｃｅｆｒｏｍｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａ
５２２第２２卷第４期 草业学报２０１３年
ｇｅｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９９０，３１（１）：１２６．
［１０］ ＤｕｎｃａｎＪ，ＳｔｏｗＤ，ＦｒａｎｋｌｉｎＪ，犲狋犪犾．Ａｓｓｅｓｓｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｓｐｅｃｔｒａｌｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓａｎｄｓｈｒｕｂｃｏｖｅｒｉｎｔｈｅ
ＪｏｒｎａｄａＢａｓｉｎ，ＮｅｗＭｅｘｉｃｏ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９３，１４（１８）：３３９５３４１６．
［１１］ 张自和．一种新的草地盖度测定器及使用方法［Ｊ］．草业科学，１９９７，１４（１）：４９５０．
［１２］ ＨａｔｔｏｎＴＪ，ＷｅｓｔＮＥ，ＪｏｈｎｓｏｎＰＳ．Ｒｅｌａｔｉｏｎｓｈｉｐｓｏｆｔｈｅｅｒｒｏｒａｓｓｏｃｉａｔｅｄｗｉｔｈｏｃｕｌａｒｅｓｔｉｍａｔｉｏｎａｎｄａｃｔｕａｌｔｏｔａｌｃｏｖｅ［Ｊ］．
ＪｏｕｒｎａｌｏｆＲａｎｇｅＭａｎａｇｅｍｅｎｔ，１９８６，（３９）：９１９２．
［１３］ 章文波，符素华，刘宝元．目估法测量植被覆盖度的精度分析［Ｊ］．北京师范大学学报（自然科学版），２００１，３７（３）：４０２
４０８．
［１４］ ＴｈａｌｅｎＤＣＰ．ＥｃｏｌｏｇｙａｎｄＵｔｉｌｉｚａｔｉｏｎｏｆＤｅｓｅｒｔＳｈｒｕｂＲａｎｇｅｌａｎｄｓｉｎＩｒａｑ［Ｍ］．Ｈａｇｕｅ：ＫｌｕｗｅｒＡｃａｄｅｍｉｃＰｕｂｌｉｓｈｅｒｓ，１９７９．
［１５］ ＷｉｍｂｕｓｈＤ，ＢａｒｒｏｗＭ，ＣｏｓｔｉｎＡ．Ｃｏｌｏｒｓｔｅｒｅｏｐｈｏｔｏｇｒａｐｈｙｆｏｒｔｈｅｍｅａｓｕｒｅｍｅｎｔｏｆｖｅｇｅｔａｔｉｏｎ［Ｊ］．Ｅｃｏｌｏｇｙ，１９６７，４８（１）：
１５０１５２．
［１６］ 池宏康，周广胜，许振柱，等．草地植被盖度的近距离遥感测定［Ｊ］．草业学报，２００７，１６（２）：１０５１１０．
［１７］ 张清平，章山山，陈露，等．应用 ＷｉｎＣＡＭ软件判识分析草坪盖度［Ｊ］．草业科学，２０１０，２７（７）：１３１７．
［１８］ 宋雪峰，董永平，单丽燕，等．用数码相机测定草地盖度的研究［Ｊ］．内蒙古草业，２００４，１６（４）：１６．
［１９］ 钱金波，马明国．基于数码照片的狼毒盖度估算［Ｊ］．地球科学进展，２００９，２４（７）：７７６７８３．
［２０］ 张云霞，李晓兵，张云飞．基于数字相机、ＡＳＴＥＲ和 ＭＯＤＩＳ影像综合测量植被盖度［Ｊ］．植物生态学报，２００７，３１（５）：
８４２８４９．
［２１］ 关法春，梁正伟，王忠红，等．方格法与数字图像法测定盐碱化草地植被盖度的比较［Ｊ］．东北农业大学学报，２０１０，４１（１）：
１３０１３３．
［２２］ 温庆可，张增祥，刘斌，等．草地覆盖度测算方法研究进展［Ｊ］．草业科学，２００９，２６（１２）：３０３６．
犃狇狌犪狀狋犻狋犪狋犻狏犲犪狀犪犾狔狊犻狊犿犲狋犺狅犱犳狅狉犿犲犪狊狌狉犻狀犵犵狉犪狊狊犾犪狀犱犮狅狏犲狉犪犵犲犫犪狊犲犱狅狀狋犺犲犚犌犅犿狅犱犲犾
ＺＨＡＮＧＣｈａｏｂｉｎ１，ＬＩＪｉａｎｌｏｎｇ１，ＺＨＡＮＧＹｉｎｇ１，ＺＨＯＵ Ｗｅｉ１，ＱＩＡＮＹｕｒｏｎｇ２，ＹＡＮＧＦｅｎｇ３
（１．ＣｏｌｅｇｅｏｆＬｉｆｅＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００９３，Ｃｈｉｎａ；２．ＣｏｌｅｇｅｏｆＳｏｆｔｗａｒｅ，
ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３０００８，Ｃｈｉｎａ；３．ＣｏｌｅｇｅｏｆＡｇｒｉｃｕｌｔｕｒｅ，
ＳｉｃｈｕａｎＡｇｒｉｃｕｌｔｕｒｅＵｎｉｖｅｒｓｉｔｙ，Ｙａ’ａｎ６２５０１４，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｃｏｖｅｒａｇｅｉｓａｎｉｍｐｏｒｔａｎｔｑｕａｎｔｉｔａｔｉｖｅｉｎｄｅｘｆｏｒｐｌａｎｔｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅ．Ｔｒａｄｉｔｉｏｎａｌｖｉｓｕａｌｅｓｔｉｍａ
ｔｉｏｎｏｆｔｈｅｃｏｖｅｒａｇｅｏｆｐｌａｎｔｃｏｍｍｕｎｉｔｉｅｓｎｏｔｏｎｌｙｈａｄｌｏｗｐｒｅｃｉｓｉｏｎｂｕｔｗａｓａｌｓｏｉｎｆｌｕｅｎｃｅｄｂｙｓｕｂｊｅｃｔｉｖｉｔｙ．
ＡｆｔｅｒａｎａｌｙｚｉｎｇｔｈｅＲＧＢ（ｒｅｄｇｒｅｅｎｂｌｕｅ）ｍｏｄｅｏｆｆｉｅｌｄｐｈｏｔｏｇｒａｐｈｓｆｒｏｍｄｅｓｅｒｔｇｒａｓｓｌａｎｄ，ｔｈｅａｌｇｏｒｉｔｈｍｓｏｆ
ａｎＲＧＢｃｏｌｏｒｄｅｃｉｓｉｏｎｔｒｅｅｗｅｒｅｃｏｎｓｔｒｕｃｔｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｔｈｒｏｕｇｈｄｉｓｔｉｎｇｕｉｓｈｉｎｇｐｌａｎｔ
ａｎｄｎｏｎｐｌａｎｔｄｉｇｉｔａｌｐｉｘｅｌｓ．Ｓｏｆｔｗａｒｅｗａｓｃｏｎｓｔｒｕｃｔｅｄｗｉｔｈａｆｒｉｅｎｄｌｙｉｎｔｅｒｆａｃｅａｆｔｅｒ：ｉｎｔｅｇｒａｔｅｄｈｕｍａｎｃｏｍ
ｐｕｔｅｒｉｎｔｅｒａｃｔｉｏｎｃｏｎｖｅｎｉｅｎｃｅ，ｉｎｔｅｇｒａｔｅｄｆｕｎｃｔｉｏｎｂｌｏｃｋｓｏｆｄｉｇｉｔａｌｐｈｏｔｏｇｒａｐｈｉｍｐｏｒｔ，ｏｂｊｅｃｔｉｄｅｎｔｉｆｉｃａｔｉｏｎ，
ｃｏｖｅｒａｇｅｃａｌｃｕｌａｔｉｏｎ，ｒｅｓｕｌｔｓｄｉｓｐｌａｙ，ａｎｄｃｏｍｐａｒｉｓｏｎｓｉｎｔｈｅＭａｔｌａｂ７．０ｐｌａｔｆｏｒｍ，ｈａｄａｃｈｉｅｖｅｄａｃｃｕｒａｔｅａｎｄ
ｅｆｆｉｃｉｅｎｔｃａｌｃｕｌａｔｉｏｎｏｆｇｒａｓｓｃｏｖｅｒａｇｅａｎｄｆａｃｉｌｉｔａｔｅｄｇｒａｓｓｌａｎｄｆｉｅｌｄｉｎｖｅｓｔｉｇａｔｉｏｎｓ．Ｃｏｍｐａｒｅｄｗｉｔｈａｃｕｐｕｎｃｔｕｒｅ，
ｔｈｅｍａｘｉｍｕｍａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎｏｆｔｈｉｓａｌｇｏｒｉｔｈｍｓｗａｓｌｅｓｓｔｈａｎ５％，ａｎｄｔｈｅｒｅｓｕｌｔｉｎｇｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅａｃ
ｃｕｒａｃｙｗａｓｍｏｒｅｔｈａｎ９５％．Ｔｈｉｓｍｅｔｈｏｄｃｏｕｌｄｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍｓｏｆｔｈｅｈｅａｖｙｗｏｒｋｌｏａｄａｎｄｉｎａｃｃｕｒａｔｅｑｕａｎ
ｔｉｔａｔｉｖｅｄｅｔｅｒｍｉｎａｔｉｏｎｉｎｎｏｒｍａｌｍａｎｕａｌｅｓｔｉｍａｔｉｏｎｏｆｇｒａｓｓｌａｎｄｃｏｖｅｒａｇｅ．
犓犲狔狑狅狉犱狊：ｇｒａｓｓｌａｎｄ；ＲＧＢｄｅｃｉｓｉｏｎｔｒｅｅ；ｐｌａｎｔｃｏｖｅｒａｇｅ；Ｍａｔｌａｂ
６２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１３） Ｖｏｌ．２２，Ｎｏ．４