無人機航測技術(shù)在森林蓄積量估測中的應(yīng)用

李亞東，馮仲科，明海軍，李長青，曹明蘭

(1. 北京林業(yè)大學精準林業(yè)北京市重點實驗室,北京 100083; 2. 北京工業(yè)職業(yè)技術(shù)學院,北京 100042; 3. 內(nèi)蒙古大興安嶺林管局森林調(diào)查規(guī)劃院,內(nèi)蒙古 牙克石 022150)

無人機航測技術(shù)在森林蓄積量估測中的應(yīng)用

李亞東1,2，馮仲科1，明海軍3，李長青2，曹明蘭2

(1. 北京林業(yè)大學精準林業(yè)北京市重點實驗室,北京 100083; 2. 北京工業(yè)職業(yè)技術(shù)學院,北京 100042; 3. 內(nèi)蒙古大興安嶺林管局森林調(diào)查規(guī)劃院,內(nèi)蒙古 牙克石 022150)

無人機(UAV)航測技術(shù)是近年來發(fā)展起來的快速獲取高分辨率影像的測繪新技術(shù)。森林蓄積量估算需要快速高效地獲取森林遙感影像。雖然利用衛(wèi)星和機載雷達同樣可獲取高分辨率遙感影像，但無人機航測技術(shù)與其相比具有飛行成本低、外業(yè)周期短、機動靈活等優(yōu)點。本文利用無人機航測系統(tǒng)獲取了案例地區(qū)DSM和DEM，采用最大鄰域法提取了樹高，采用分水嶺算法分割了樹冠信息，并以樹高和冠幅作為解釋變量的立木材積二元模型估算了森林蓄積量。結(jié)果表明，樹高提取精度為83.73%，冠幅提取精度為86.98%，林分蓄積量估算精度為81.80%。

無人機航測；樹高；冠幅；森林蓄積量估算

無人機(unmanned aerial vehicle,UAV)是自帶飛行控制系統(tǒng)和導(dǎo)航定位系統(tǒng)的無人駕駛飛行器[1-2]，它具有靈活性高、云下飛行、影像分辨率高、時效性強、成本低等優(yōu)點[3]。以無人機為平臺的低空數(shù)字攝影測量廣泛應(yīng)用于資源環(huán)境調(diào)查、城市規(guī)劃、災(zāi)害應(yīng)急監(jiān)測等領(lǐng)域[4]。森林蓄積量是評價森林的重要指標，標志著林地生產(chǎn)力的高低及經(jīng)營措施的效果[5]。蓄積量的估算是森林資源調(diào)查的主要目的之一，為森林經(jīng)營與林分采伐提供了重要依據(jù)[6]。隨著遙感技術(shù)的發(fā)展，航空遙感在森林資源調(diào)查中的應(yīng)用越來越廣泛，但有人駕駛飛機森林資源調(diào)查的費用高、人力物力投入大、周期長，已經(jīng)無法滿足當今森林資源調(diào)查和監(jiān)測的需求。無人機航測技術(shù)勢必會在森林資源調(diào)查和動態(tài)監(jiān)測中發(fā)揮極大的優(yōu)勢[7]。

本文利用無人機航測影像數(shù)據(jù)，制作出高精度數(shù)字表面模型(DSM)和數(shù)字正射影像圖(DOM)，提取林分平均高、樹冠信息等林分參數(shù)，結(jié)合實地調(diào)查數(shù)據(jù)進行比較分析，并基于提取的林分參數(shù)估算森林蓄積量。

1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古大興安嶺阿爾山林業(yè)局伊爾施林場(東經(jīng)119°28′—120°01′，北緯47°15′—47°35′)。研究實測數(shù)據(jù)來自阿爾山林業(yè)局伊爾施林場63號林班8小班，小班面積為3.2 hm2，地勢平緩，郁閉度為0.6，為白樺天然林，樹種組成為10白，中齡林。經(jīng)過全面踏查，在小班內(nèi)距離林緣20 m以外的區(qū)域布設(shè)了50 m×50 m的標準地，樣木總株數(shù)為264。

2 無人機航測數(shù)據(jù)采集

2.1 設(shè)備參數(shù)

本文采用測圖鷹X100航測遙感無人機系統(tǒng)，機長60 cm，翼展100 cm，起飛重量2 kg，巡航速度75 km/h，起飛方式為彈射架彈射起飛，配備GPS/INS自主巡航系統(tǒng)、地面站控制系統(tǒng)及空地通信數(shù)據(jù)鏈組件，搭載Canon 5D MarkⅡ數(shù)碼相機。

2.2 航攝設(shè)計

無人機航飛前需檢查測區(qū)基準面情況，確保起飛和降落區(qū)域內(nèi)沒有障礙物，并確定起降點。飛行航高設(shè)計為150 m，設(shè)計航向和旁向重疊度均為70%。航飛當天天氣狀況良好，風力小于2級。相機焦距為35 mm，像素大小為6.41 um，空間分辨率為0.03 m。完成飛行任務(wù)后，導(dǎo)出影像和飛行記錄數(shù)據(jù)，所拍攝的航片影像清晰、色調(diào)飽和不偏色、層次適中、目視效果良好。

2.3 數(shù)據(jù)處理

提取林分參數(shù)時，必須對無人機影像進行正射糾正，獲得DOM。本文利用Agisoft PhotoScan軟件，采用多視圖三維重建技術(shù)對無人機影像進行定向計算，解算出每張影像的位置。通過定向后的影像生成三維密集點云數(shù)據(jù)，再創(chuàng)建多邊形網(wǎng)格(polygonal mash)模型，重構(gòu)出線、面、體、空間等各類數(shù)據(jù)，展現(xiàn)目標的形態(tài)特性。通過導(dǎo)入地面控制點生成成高精度的帶有真實坐標的三維模型，生成數(shù)字高程模型(DEM)、DSM和DOM，其處理流程如圖1所示。

3 林分參數(shù)提取與分析

3.1 樹高提取

DEM是將在DSM中被判斷為地表面的點連接起來的三角網(wǎng)模型。首先從三維點云數(shù)據(jù)中制作DSM，再減去DEM得到林冠層三維信息模型(digital canopy model,DCM)，如圖2所示。對DCM采用最大鄰域法過濾出樹頂點的位置和高度[8]。將樹頂點定義為樹冠的冠幅內(nèi)最高點，以樹冠冠幅的外接矩形作為分析范圍(9×9格網(wǎng))，獲取DCM內(nèi)滿足設(shè)定條件的最高點，作為樹頂點。如果樹冠曲面G以多項式來表達，當任意點P(x,y)滿足冠面坡度β=0、最大曲率Cmax>0且最小曲率Cmin>0時，則判斷P為樹頂點。樹頂點位置的DCM值即樹高。通過樹頂點可確定株數(shù)密度和位置。

圖1 技術(shù)路線

圖2 林冠層三維信息模型

圖3 樹高提取值與實測值關(guān)系散點

3.2 樹冠提取

分水嶺算法對微弱邊緣較敏感，可獲得位置準確的輪廓，較適合高分辨率的影像[9]。有研究者利用標記分水嶺分割法提取高分辨率衛(wèi)星影像水體信息，取得了較好效果[10]。本文采用分水嶺算法提取樹冠，首先將DOM生成為梯度影像，并標記梯度影像的前景和背景。其中每個對象內(nèi)部的前景像素都是相連的，背景里面的每個像素值都不屬于任何目標物體。由于已經(jīng)確定了樹頂點，在分水嶺算法分割時可將樹頂點作為樹冠中心點，根據(jù)林學知識預(yù)測出樹冠范圍標記為前景，將DOM∩(DCM==0)標記為背景。調(diào)用OpenCV的函數(shù)cv::watershed()實現(xiàn)分水嶺算法的樹冠分割。樹冠投影多邊形與樹頂點疊加效果如圖4所示。

圖4 樹冠投影多邊形與樹頂點疊加

(1)

圖5 樹高提取值與實測值關(guān)系散點

提取樹頂點后，利用標準地實測數(shù)據(jù)推算全林株數(shù)，從而比較分析株數(shù)提取精度。提取株數(shù)為1176株/hm2，提取精度達到94.53%。分析提取數(shù)據(jù)發(fā)現(xiàn)，株數(shù)提取時存在單株提取多個頂點的現(xiàn)象。

4 林分蓄積量估算

林分蓄積量是林分單位面積活立木材積的總量，而材積是樹木的體積。在計算樹木產(chǎn)出效益時，首先計算出單株活立木的材積量，再計算單位面積的蓄積量。目前，立木材積計算主要采用樹高與胸徑的二元材積模型。無人機低空攝影無法直接獲取胸徑信息，但可直接獲取樹高與樹冠信息。研究表明，除了樹高和胸徑以外，立木材積與冠幅的關(guān)系最緊密，因此本文采用以樹高和冠幅作為解釋變量的立木材積二元模型，來計算單株樹木材積[11]。公式如下

(2)

(3)

式(2)—式(3)中，M為小班總蓄積量；V為單株立木材積，單位為m3；H為樹高，單位為m；Cw為冠幅，單位為m;a、b、c為參數(shù)估計值。基于標準地的264株樣木的實測樹高和樹冠數(shù)據(jù)，利用最小二乘法對式(2)進行擬合，求出參數(shù)估計值。為驗證基于無人機航測技術(shù)的蓄積量估算精度，采用標準地法實地測量林分蓄積量。比較分析表明，無人機航測技術(shù)估算蓄積量的預(yù)估精度為81.80%，見表1。

表1 無人機航測技術(shù)蓄積量估算精度

5 結(jié)論與討論

本文利用無人機航測遙感技術(shù)獲取了大興安嶺地區(qū)DSM和DEM，在此基礎(chǔ)上提取了林分平均高和樹冠信息，并基于提取的單株樹高和冠幅參數(shù)估算了森林蓄積量。結(jié)果表明，樹高提取精度為83.73%，冠幅提取精度為86.98%，林分蓄積量估算精度為81.80%。利用無人機航測技術(shù)估算森林蓄積量的實施效率高，實現(xiàn)了非接觸式測量，可代替繁重的野外森林人工調(diào)查工作，與機載雷達和高分辨率衛(wèi)星影像相比具有飛行成本低、數(shù)據(jù)采集周期短、航線設(shè)計靈活等優(yōu)點。由于時間和試驗條件限制，仍存在很多不足和改進的地方，如傾斜坡度的樹高修正、影像分辨率對樹冠信息提取的影響等方面有待進一步研究。

[1] WATTS A C, AMBROSIA V G, HINKLEY E A. Unmanned Aircraft Systems in Remote Sensing and Scientific Research: Classification and Considerations of Use[J].Remote Sensing, 2012,4(6):1671-1692.

[2] 李德仁,李明.無人機遙感系統(tǒng)的研究進展與應(yīng)用前景[J].武漢大學學報(信息科學版),2014,39(5):505-513.

[3] 楊柳,陳延輝,岳德鵬,等.無人機遙感影像的城市綠地信息提取[EB/OL]. 2016-07-01 [2016-08-02]. http:∥www.cnki.net/kcms/detail/11.4415.p.20160701. 0844.012.html.

[4] 何海清.低空攝影測量航帶重構(gòu)及數(shù)據(jù)處理方法研究[J].測繪學報,2014,43(4):440.

[5] 程武學,楊存建,周介銘,等.森林蓄積量遙感定量估測研究綜述[J].安徽農(nóng)業(yè)科學，2009,37(16):7746-7750.

[6] 王佳,尹華麗,王曉瑩,等.基于資源三號影像的森林蓄積量估測遙感因子選擇[J].中南林業(yè)科技大學學報，2015,35(12):29-33.

[7] 張園,陶萍,梁世祥,等.無人機遙感在森林資源調(diào)查中的應(yīng)用[J].西南林學院學報，2011,31(3):49-53.

[8] 曹明蘭,張力小,王強.無人機遙感影像中行道樹信息快速提取[J].中南林業(yè)科技大學學報，2016,36(10):89-93.

[9] 劉峰,楊志高,龔健雅.基于標記控制分水嶺算法的樹冠高程模型分割[J].中國農(nóng)學通報，2011,27(19):49-54.

[10] 賈永紅,馮在梅,沈庭樂.基于標記分水嶺分割的高分辨率影像水體信息提取[J].測繪通報,2014(9):31-33．

[11] 蒲瑩,曾偉生.基于樹高和樹冠因子的立木材積模型研究[J].林業(yè)科學研究，2016,29(2):196-201．

Application of UAV Aerophotographic System in Forest Volume Estimation

LI Yadong1,2,FENG Zhongke1,MING Haijun3,LI Changqing2,CAO Minglan2

(1. Beijing Key Laboratory of Precision Forestry in Beijing Forestry University, Beijing 100083, China; 2. Beijing Polytechnic College, Beijing 100042, China; 3. Forest Investigation and Planning Institute of Inner Mongolia Daxinganling Forestry Bureau, Yakeshi 022150, China)

UAV aerophotographic system is a new technique developed in recent years which can rapidly acquire high-resolution images. In the estimation of forest volume, it is needed to rapidly and efficiently acquire forest remote sensing image.Although the high-resolution remote sensing images can be acquired through satellite and airborne radar as well, compared with UAV aerophotographic system,the latter has lower cost on flight, short industry cycle, flexible and other advantages. In this paper, the DSM and DEM of the case area are acquired with the use of UAV aerophotographic system, tree height is extracted by maximum neighborhood method, and tree crown information is segmented by watershed algorithm. In addition, the forest volume is estimated by the two-way tree volume model with tree height and crown diameter as explanatory variables.The results show that the precision for tree height extraction is 83.73%, the precision for crown diameter extraction is 86.98%, and the estimated precision for the stand volume is 81.80%.

UAV aerophotogrammetry; tree height; crown diameter; estimation of forest volume

李亞東，馮仲科，明海軍,等.無人機航測技術(shù)在森林蓄積量估測中的應(yīng)用[J].測繪通報，2017(4)：63-66.

10.13474/j.cnki.11-2246.2017.0121.

2016-08-11

國家科技支撐計劃(2012BAH34B01)；北京市教委科技創(chuàng)新平臺項目(PXM2014-014225-000020)

李亞東(1978—)，男，博士生，講師，主要從事林業(yè)信息工程、森林計測的研究。E-mail:bjfu.ydli@163.com 通信作者： 馮仲科。E-mail:fengzhongke@126.com

P231；S758.5

A

0494-0911(2017)04-0063-04