基于無人機遙感影像的高精度森林資源調查系統設計與試驗

史潔青，馮仲科，劉金成

（北京林業大學精準林業北京市重點實驗室，北京 100083）

·農業航空工程·

基于無人機遙感影像的高精度森林資源調查系統設計與試驗

史潔青，馮仲科※，劉金成

（北京林業大學精準林業北京市重點實驗室，北京 100083）

為了實現林業的可持續發展，滿足當今森林資源的精準化監測和信息化管理，該文以無人機航拍影像為數據基礎，充分結合攝影測量技術、無人機影像后處理技術、地理信息系統技術和林業資源調查管理技術，構建了適用于林業調查和管理的專業森林資源調查系統。該系統以C#為編程語言，結合ArcGIS Engine10.2嵌入式組件技術開發而成，利用無人機影像實現高效快捷的林地空間區劃、面積平差和高精度大比例尺的森林小班調查、信息提取等功能，可實現資源數據庫的及時更新，極大地縮短了傳統調查模式的調查周期，實現了森林資源的科學化管理。以遼寧老禿頂子林場作為試驗區，利用1stOpt優化分析軟件引入決定系數、估計值的標準差等評定因子，確定試驗區冠徑、樹高、胸徑之間的最優模型。同時基于試驗區獲取數據對系統進行了精度驗證，結果表明，該系統獲取坡度和高程的相對誤差分別為5.17%和5.41%，株樹密度、蓄積量的相對誤差為2.68%和4.01%。

無人機；影像；林業；森林資源調查；組件式技術

0 引 言

森林作為人類重要的資源寶庫，不僅具有不可替代的經濟效益，更具有維持陸地生態系統平衡的生態效益,是生物圈的能量基地。隨著信息化和全球化的發展，同時更為實現林業資源的可持續發展，對森林資源調查中的單木和林分信息的準確性需求日益增長[1-6]。與傳統測量工具相比，無人機航空攝影測量（UAV aerial photogrammetry）具有高效快捷、操作簡便、作業成本低等優勢，其在農業、林業等各個領域都得到了廣泛的應用[7-9]。隨著各類傳感器的小型化和多樣化，作為信息獲取中的一種重要方式，無人機將會應用到越來越廣泛的領域[10-12]。作為數字化時代中另一種不可代替的技術—地理信息系統（geographic information system，GIS）也得到了飛速發展。與此同時伴隨著組件技術、互聯網技術等的發展，地理信息系統開始走向組件化和網絡化，其傳統功能也得到日趨完善，如數據編輯、查詢統計、空間分析以及空間數據引擎等技術的發展都為GIS在各行業的應用提供了強有力的技術支持和理論保障[13]。美國于1988年就將地理信息系統作為進行全國范圍森林調查管理的主要方式，中國也于上世紀八十年代中后期，對林場(局)級森林資源進行調查時，開始使用地理信息系統軟件[14-15]。

森林資源調查的工作主要包括確定樹種、樹高、胸徑、冠幅以及株樹密度等林分參數，同時需要通過上述參數計算出此片林區的蓄積量。傳統的調查方式需要投入大量的人力和物力，調查周期長，數據更新速度遠遠不能滿足當今信息化時代對森林資源調查數據的實時更新和獲取需求[16-19]。而結合地理信息系統軟件的森林管理軟件目前確實是有很多，但是絕大多數軟件都是基于較大范圍的調查系統，平臺的數據源也是多種多樣沒有統一的規范[20]。本次研究將以分辨率較高的無人機航拍影像作為主要的數據源，同時結合GIS技術，以期實現更高精度、更大比例尺的森林資源調查，滿足及時更新系統數據庫的需求。

1 系統的框架結構與主體模塊介紹

1.1 系統的框架結構

本研究基于Microsoft Visual Studio 2010開發平臺，采用C#編程語言和DevExpress界面控件，C/S（客戶機/服務器）開發模式和ESRI公司提供的嵌入式組件開發軟件ArcEngine10.2，構建了基于無人機影像的森林資源調查系統。系統是由界面交互層、業務邏輯層和數據管理層組成的3層架構模式。界面交互層主要表現為人機交互的界面組織形式，是對用戶開放的部分；業務邏輯層是對數據進行相應算法邏輯計算的部分；數據管理層則是實現對系統內數據進行添加、編輯等操作。三者之間的關系具體表現為：界面交互層利用ArcEngine COM組件實現各項業務邏輯算法，邏輯層則通過ArcSDE空間數據引擎完成對數據管理層方面的處理[21-24]。

基于無人機影像的森林資源調查系統主要分為數據輸入、空間區劃與面積平差、信息提取、結果輸出四大功能模塊，圖1為森林資源調查系統結構示意圖。

圖1 森林資源調查系統結構示意圖Fig.1 System structure diagram of forest resource in investigation system

1.2 主體模塊

1.2.1 空間區劃模塊

林業空間區劃是進行森林資源調查的基礎模塊，其結果直接影響到森林空間分布定位的準確性和面積量測的精確性，并最終影響到資源調查成果的可靠性[25]。森林的自然生態因素和林區的社會經濟因素是進行林區空間區劃的重要依據。林場是空間區劃的基本單位，而小班則是空間區劃的最小單位，空間區劃的等級劃分依次為“林場-林班-小班”[26-27]。

為了更好地規范空間區劃的結果，系統將上述不同等級的國家標準區劃符號進行了建庫，這樣可以極大地簡化后期制圖出圖的過程。在軟件實現方面，系統對ArcEngine提供的IEngineEditor、IEngineEditLayers、IFeature等接口按需求進行了封裝，提高了代碼的重用性和系統維護升級的方便性[28]。這些封裝類都是實現了ICommend或者ITool的子類，參與調查的工作人員只需在確定區劃等級、選取區劃符合和區劃圖層的存儲位置之后，以無人機航拍影像為基礎，在航拍影像上沿著區劃邊界點擊鼠標左鍵即可完成對林區不同等級的空間區劃。

已完成區劃的圖層都具有屬性信息和空間信息，其中的屬性數據不僅是森林資源調查的重要林分參數，也可為下一步進行面積平差提供參考；而圖層的空間分布數據則為后續各類信息提取和林業制圖出圖提供基礎底圖。

1.2.2 面積平差模塊

在完成林區的空間區劃之后，理論上，某一級一確定圖斑的面積應該等于下一級該圖斑范圍內各個斑塊面積之和（如式（1）所示）。但由于種種因素，實際進行面積量算或者林場管理時，這種等式關系常常不能得到滿足，即兩者間存在面積閉合差。為消除面積閉合差，提高調查數據的精確性，系統提供了面積平差這一功能模塊。在本功能模塊中，系統采用面積定權方式確定權重，即選每塊圖斑面積的倒數Pi=1/Si作為權[29]。

式中S0為本級某一圖斑的面積；Si(i=1,2,3,…,n)為下一級該圖斑下各圖斑的面積。

該功能模塊的核心技術在于對ArcSDE中對應圖斑的屬性數據進行讀取、修改和存儲。ArcSDE作為ArcGIS的空間數據引擎，方便用戶在不同的數據管理系統中對地理信息進行管理，同時允許不同的ArcGIS 應用程序對這些地理信息進行調用[30]?；诖隧椉夹g，本系統完成了面積平差功能和對輸入系統的各類數據的管理。

1.2.3 信息提取模塊

1）地形因子

地形因子提取模塊的主要功能是在無人機影像數據、數字高程模型（digital elevation model, DEM）以及由空間區劃得到的矢量圖層數據基礎上提取包括坡度、坡向、坡位等在內的各類地形因子，并將提取值存儲到對應圖斑的屬性表中（圖2為地形信息提取模塊流程圖）。

圖2 地形信息提取模塊流程圖Fig.2 Extract module flow of geographic information

在軟件實現方面，系統通過調用ArcEngine提供的RasterSurfaceOpClass類、RasterStatistics類以及ITopologicalOperate接口[28]，完成了各項地形因子的提取。由圖2的流程圖可知，地形因子的提取分為2個步驟，第一步需先提取基于整個無人機影像區域的地形信息；第二步則是在第一步的基礎上，結合矢量圖層數據利用RasterStatistics類進行像元值統計，實現提取地形因子信息到各區劃圖斑屬性表這一終極目標。

2）植被因子

林分因子提取模塊的設計目標是獲取小班蓄積量、株樹密度、平均冠徑、平均樹高、平均胸徑、郁閉度等植被信息并對提取的數據進行存儲。由于無人機航拍數據對于植被茂密區的信息提取存在一定難度，在此次研究中，將林分因子提取模塊分為植被稀疏區和植被茂密區，且在植被茂密區域，系統只提取該區域小班的郁閉度。具體地，在植被稀疏區，系統采用在航拍影像和小班矢量圖層的基礎上，先讓使用者在某一小班邊界范圍內圈定一個近似于圓形的樣地范圍，圈定樣地的半徑約為14.75 m[31]，采集圈定范圍內每一樣本單木信息（具體的采集方法會在下文進行詳細介紹），然后對所有樣本信息進行統計，將統計結果存入對應小班，即可獲得該小班的植被信息（圖3為植被信息提取模塊流程圖）。在植被茂密區，本系統采用獲取小班圖斑邊界后，利用人工判讀的方式，只需確定該小班的郁閉度。

圖3 植被信息提取模塊流程圖Fig.3 Extract module flow of vegetation information

①株樹密度。通過圓形樣地法[32-33]確定局部地區的植被株樹密度，是在實際測量中常常使用的方法，該方法旨在減少內業數據處理的時間、提高效率。在野外受外界因素的影響，圓形樣地的調查半徑一般為10 m左右，但在無人機影像上圈定圓形樣地的范圍并不受外業調查因素的影響。同時通過對抽樣理論和誤差理論的研究, 可知必要的樣本數目是保證抽樣誤差不超過某一給定范圍的重要因素之一，因此本次研究通過擴大調查樣地的范圍，對傳統圓形樣地法進行了改進。使用者在選取需要測量的小班后，在該小班邊界范圍內如圖4所示圈定一個近似于圓形半徑值約為14.75 m[31]的樣地；系統會結合影像自帶坐標和投影信息及當前窗口的縮放比例準確計算該塊樣地的面積值，使用者僅需對樣地內的單木進行株數統計，軟件即可通過式（2）計算得到該樣地的株樹密度（圖4為株數密度測量原理圖）。為使樣地的株樹密度值更好的代表該小班的株樹密度值，使用者需要在同一個小班內選擇3到5個樣地，系統會將同一小班內所有樣地株樹密度的平均值作為該小班的株樹密度值，需要注意的是在選取樣地時需遵循均勻分布的原則。

式中N為株樹密度，株/hm2；n是樣地范圍內的樹木株數；S樣地的面積，hm2。

②樣地單木冠徑。系統對單株植被冠徑的獲取是通過調用ControlsMapMeasureTool類實現的。為提高量測結果的準確性，系統要求使用者對同一株樣木進行東西方向和南北方向兩次量測，將2次量測的平均值作為該樣木的冠徑值存入對應樣木屬性表中，完成冠徑的量測。

圖4 株數密度測量原理圖Fig.4 Schematic diagram of stand density measurement

③樣地單木胸徑、樹高。Duchuafour[34]確定了冠徑和胸徑之間的關系，隨后的研究也表明針葉樹和闊葉樹中很多樹種的冠徑和胸徑之間存在顯著的關系。對于胸徑和樹高的關系，多年來，許多國內外研究者用清查和樣地數據建立了多種樹高與胸徑的關系模型。因此系統在提取冠徑的基礎上，采用模型反演的方式實現對單木胸徑和樹高的提取。軟件實現了包括線性模型在內的5種通過冠徑計算胸徑的D-K（胸徑-樹冠）模型和包括線性經驗模型在內的8種通過胸徑計算樹高的H-D（樹高-胸徑）模型[35]。在完成單木胸徑和樹高反演計算之前，調查人員需在調查區域內樣地邊界范圍外抽取一定數量的樣木（樣木數量應該不小于150株[36]），實測樣木的胸徑、樹高、冠徑等植被信息。然后利用樣木數據確定擬合度最高的胸徑-樹冠模型和樹高-胸徑模型。

④樣地單木樹種、林型、平均試驗形數。系統采用人工判讀的方式，確定單木樹種和林型。并在選中的單木數據庫中自動添加判讀結果，并通過林型確定平均試驗形數，為下一步進行小班蓄積量的計算提供數據基礎。

⑤小班平均冠徑、樹高、胸徑、樹種比例。使用者只需確定需要進行調查的小班號，系統將會自動獲取該小班邊界范圍內所有圈定的樣地，并自動完成對每一樣地范圍內單木植被信息的統計和計算。

⑥小班蓄積量。小班蓄積量[1]是通過遍歷此小班邊界內每一樣地范圍內每棵單木的胸徑和平均試驗形數等相關信息，按照式（3）[5]計算得到。

式中M為蓄積量，m3/hm2；H是平均樹高，m；Rn是圈定樣地的半徑，hm；fθ是樹種的平均試驗形數；di是第i棵樹的胸徑，cm。

2 遼寧省老禿頂子案例研究

2.1 研究地區

本次研究的航拍數據其地理位置是位于遼寧省東部的老禿頂子，海拔約1 300 m的老禿頂子山，位于遼寧本溪縣和桓仁縣之間，有遼寧屋脊之稱。老禿頂子位于遼寧東部，距桓仁縣城70 km，總面積1.5萬hm2，最高海拔可達1 376.3 m，素有“遼寧屋脊”之稱。地理位置在124°49′06″－124°57′08″E，41°16′38″－41°21′10″N，屬長白山龍崗支脈。森林植被屬長白植物區系，山麓至山頂，垂直分布為闊葉林帶，針闊葉混交林帶，岳樺林帶和高山苔原帶。

2.2 數據采集方法與預處理

2.2.1 無人機航拍數據

本次試驗的航拍數據均來自于飛鷹系列中型號為YS-500的固定翼無人機，及利用專業無人機后處理軟件在影像數據基礎上提取的數字高程模型（digital elevation model, DEM）、數字正攝影像圖（digital orthophoto map, DOM）、數字表面模型（digital surface model, DSM）、數字線劃圖數字線劃地圖（digital line graphic, DLG）。試驗飛行的預設航高約為1 600 m，航向重疊度約為75%，旁向重疊度約為65%。共進行了8次架飛，每次架飛的覆蓋范圍約為20 km2。機載相機的鏡頭焦距為35 mm，獲取的無人機影像地面分辨率可以達到厘米級。沿南北方向飛行了70多條航線，共拍攝了1 000多張影像。

影像獲取后，首先需要對其進行預處理操作。預處理操作主要包括調整相應的顏色和紋理特征，調整像素對比度；通過尋找特征點來實現影像的鑲嵌和配準，并運用最小二乘法完成圖像的進一步匹配；通過快速拼接全景圖像檢測無人機在拍攝時是否發生存在影像丟失的現象；運用ENVI、PixelGrid等第三方軟件，在完成拼接的無人機影像中對需要進行森林資源調查的區域進行影像分割以及獲取高精度的DEM、DOM、DSM及DLG產品（如圖5所示）。

圖5 森林資源調查區域的DEM、DOM、DSM、DLG示例Fig.5 DEM, DOM, DSM, DLG examples of forest resource survey area

2.2.2 野外調查數據

在系統中加載試驗區的無人機影像，根據試驗區行政界線范圍按500 m×500 m進行樣地布點。在通過對研究區全面考察的基礎上，結合研究區的地形圖，初步確定外業調查樣點的分布和數量。在試驗區根據

標準的調查法，對初步確定的樣點進行林分結構調查，在調查中使用中海達系列中型號為V60的實時動態定位技術（Real Time Kinematic,RTK）對每個樣地進行中心點定位，記錄每個樣地坐標。其中V60型的平面定位精度為：±(8+1×10-6D) mm，高程定位精度為±(20+1×10-6D) mm，參照遼寧林業規劃院設計規劃的小班樣地方案，最終調查了40個小班共125個20 m×20 m的樣地（圖6為樣地分布圖），樣地調查內容主要有地形因子和林分因子。地形因子主要包括：使用型號為G120DB的集思寶系列手持機GPS定位儀（儀器單點定位精度為2～5 m）獲取樣地的地理坐標和高程信息，使用型號為JZC-B2的南方(NI)系列多功能坡度測量儀測獲取樣地的坡度信息等（儀器測量精度為±1°）；林分因子主要包括:對樣地內樣木進行每木檢尺，實測胸徑、樹高、東南西北冠徑以及地理坐標；利用角規樣地法獲取樣地的株樹密度、蓄積量等信息。

2.3 地形因子精度驗證

本次研究對系統的地形因子提取值進行了精度驗證，并將該系統提取的40個小班的坡度和高程信息與實測數據作了對比（表1）。由對比數據可得，系統坡度獲取值的平均相對誤差為5.17%，高程獲取值的平均相對誤差為5.41%。

圖6 樣本分布圖Fig.6 Distribution of sample plots

表1 軟件地形因子測量與人工測量比較Table 1 Comparison of software and conventional method for topographic factors

2.4 植被因子精度驗證

在提取植被信息之前，需在該地區林班內，采用每木檢尺的方式獲取201株闊葉和201株針葉的植被信息。基于曾偉生、唐守正等（2010）在《立木生物量方程的優度評價和精度分析》一文中提出的“利用全部樣本(不分建模樣本和檢驗樣本) 來建立模型，以充分利用樣本信息，使模型的預估誤差達到最小”，并引入決定系數（Coefficient of determination，R2）、估計值標準差（Standard error estimate，SEE）、總相對誤差（Total relative error，TRE）等六項評定指標[37]來評價模型精度。故本次研究將所有樣木均作為內附和數據進行擬合，而不設置外附合數據進行精度驗證（已使用六項指標進行驗證）。利用1stOpt分析軟件平臺的麥夸特法（Levenberg-Marquardt）+通用全局優化法，對所測數據進行擬合。通過擬合常用的胸徑-冠徑，樹高-胸徑模型并引入六項評定指標對精度進行評價（將決定系數、估計值標準差、總相對誤差與平均系統誤差作為主要的評定指標，將平均預估誤差與平均百分標準誤差作為輔助的評定指標），確定最優模型，見表2和表3。綜合各項指標可知，闊葉和針葉的最優胸徑-冠徑模型都為二次多項式模型，闊葉的最優樹高-胸徑模型為Weibull模型，而針葉的最優樹高-胸徑型則為多項式模型。

以闊葉的胸徑-冠徑模型為例，二次多項式模型決定系數（0.902）較其他模型最大，說明胸徑與冠徑存在強相關關系，冠徑因子解釋了胸徑變動總變異量的90.2%以上；總相對誤差TRE及平均系統誤差MSE均小于要求的3%（且優于其他模型），說明模型擬合效果良好；平均預估誤差MPE在1%以下，說明模型的平均預估精度達到99%以上；平均百分標準誤差MPSE為12.674%，該指標反映了單個胸徑估計誤差的平均水平，在所有模型中該模型值最低，故二次多項式模型為闊葉胸徑-冠幅最佳擬合模型。

表3 闊/針葉樹高-胸徑模型的參數估計值和統計指標Table 3 Estimations and statistics of H-D model parameters for deciduous and coniferous tree species

為驗證軟件測量的林分因子中株樹密度和蓄積量的測量精度，將試驗區實測的40個小班數據與該系統獲取的相應小班數據進行了對比。結果表明，軟件獲取的株樹密度相比實際調查的株樹密度值平均偏差為26.6株/hm2。在林分密度相對較大的區域由于樹木遮擋等現象嚴重，會影響使用者判讀的準確性從而影響軟件的獲取精度。因此測量誤差在林分密度較大的區域，值也會越大，平均相對誤差為2.68%。而在蓄積量的獲取上，軟件的量測值相比人工調查的實測值平均偏差為4.177 m3/hm2。與株樹密度相同，在林分密度較大區域，誤差也會越大，平均相對誤差為4.01%，見表4。

表4 軟件株數密度測量、軟件蓄積量測量與人工測量比較Table 4 Comparison of software and conventional method for stand density and stand volume

3 結論與討論

基于無人機影像的森林資源調查系統體現了無人機、地理信息系統等新型科技在林業這個傳統領域的優勢，極大的改善了原有森林調查的結構。相對于傳統的資源調查方式，該系統可以高效便捷的實現對調查區域的空間區劃，地形信息和植被信息的獲取。最后以遼寧省老禿頂子為案例進行森林資源調查系統驗證研究。結果表明，系統提取坡度和海拔的相對誤差分別為5.17%和5.41%；在林分因子獲取方面，系統對株樹密度量測的相對誤差為2.68%，蓄積量量測的相對誤差為4.01%。

本系統還存在諸多不足之處，有待進一步的完善和更新。例如不同時間、不同地域、不同類型的植被，林分結構與植被指數的函數關系會呈現不同的規律，因此，后期需要對胸徑-冠徑模型以及樹高-胸徑模型調整或者重新擬合參數。

[1] Sellers P J, Mintz Y, Sud Y C, et al. A simple biosphere model (SiB) for use within general circulation models[J]. Journal of the Atmospheric Sciences, 1986, 43(6): 505－531.

[2] 石月嬋，楊貴軍，馮海寬，等. 北京山區森林葉面積指數季相變化遙感監測[J]. 農業工程學報，2012，28(15)：133－139. Shi Yuechan, Yang Guijun, Feng Haikuan, et al. Remote sensing of seasonal variability monitoring of forest LAI over mountain areas in Beijing[J]. Transactions of the Chinese Societyof Agricultural Engineering (Transactions of the CSAE), 2012, 28(15): 133－139. (in Chinese with English abstract)

[3] 程積民，金晶煒，田瑛，等. 寧夏森林植被及土壤碳密度分布特征[J]. 農業工程學報，2016，30(13)：109－117. Cheng Jimin, Jin Jingwei, Tian Ying, et al. Distribution characteristics of vegetation and soil carbon density of different forests in Ningxia[J]. Transactions of the Chinese Societyof Agricultural Engineering (Transactions of the CSAE), 2016, 30(13): 109－117. (in Chinese with English abstract)

[4] 張慧春，鄭加強，周宏平. 精確林業 GPS 信標差分定位精度分析[J]. 農業工程學報，2011，27(7)：210－214. Zhang Huichun, Zheng Jiaqiang, Zhou Hongping.Positioning accuracy analysis of RBN DGPS applied in precision forestry[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(7): 210－214. (in Chinese with English abstract)

[5] 孟憲宇. 測樹學[M]. 北京：中國林業出版社，2011：43－59.

[6] 亢新剛. 森林經理學[M]. 北京：中國林業出版社，2011：1－24.

[7] 王佳，楊慧喬，馮仲科，等. 利用輕小型飛機遙感數據建立人工林特征參數模型[J]. 農業工程學報，2013，29(8)：164－170, 296. Wang Jia, Yang Huiqiao, Feng Zhongke, et al. Model of characteristic parameter for forest plantation with data obtained by light small aerial remote sensing system[J]. Transactions of the Chinese Societyof Agricultural Engineering (Transactions of the CSAE), 2013, 29(8): 164－170, 296. (in Chinese with English abstract)

[8] Colomina I, Molina P. Unmanned aerial systems for photogrammetry and remote sensing : A review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2014, 92: 79－97.

[9] 淳于，江民，張珩. 無人機的發展現狀與展望[J]. 飛航導彈，2014，10(2)：24－28. Chun Yu, Jiang Ming, Zhang Heng. The present situation and prospect of UAV development[J]. Aerodynamic Missle Journal, 2014, 10(2): 24－28. (in Chinese with English abstract)

[10] 李德仁，李明. 無人機遙感系統的研究進展與應用前景[J].武漢大學學報：信息科學版，2014，5(5)：505－513. Li Deren, Li Ming. Research progress and application prospect of UAV remote sensing system[J]. Geomatics and Information Science of Wuhan University, 2014, 5(5): 505－513. (in Chinese with English abstract)

[11] 金偉，葛宏立，杜華強，等. 無人機遙感發展與應用概況[J].遙感信息，2009(1)：88－92. Jin Wei, Ge Hongli, Du Huaqiang, et al.A review on unmanned aerial vehicle remote sensing and its application[J].Remote Sensing Information, 2009(1): 88－92. (in Chinese with English abstract)

[12] 李兵，岳京憲，李和軍. 無人機攝影測量技術的探索與應用研究[J]. 北京測繪，2008(1)：1－3. Li Bing, Yue Jingxian, Li Hejun. Research on the exploration and application of unmanned aerial vehicle photogrammetric technique[J]. Beijing Surveying and Mapping, 2008(1): 1－3. (in Chinese with English abstract)

[13] 潘瑜春，趙春江. 地理信息技術在精準農業中的應用[J].農業工程學報，2003(4)：1－6. Pan Yuchun, Zhao Chunjiang. Application of geographic information technologies in precision agriculture[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2003(4): 1－6. (in Chinese with English abstract)

[14] 肖炎炎，歐陽志云，王效科. GIS在森林火災管理中的應用研究[C]//第五屆ArcGIS暨ESDAS中國用戶大會論文集.北京：地震出版社，2002：89－91. Xiao Yanyan, Ou Yangzhiyun, Wang Xiaoke. Application of GIS in forest fire management[C]//Proceedings of the 5th ArcGIS and ESDAS China User Conference.Beijing: Earthquake Publish Company, 2002: 89－91. (in Chinese with English abstract)

[15] 肖勝. 林業地理信息系統的建立、管理及分析方法[J]. 福建林業科技，1998，25(3)：46－50. Xiao Sheng. Establishment, management and analytic methods of the forestry geographic information system[J]. Journal of Fujian Forestry Science and Technology, 1998, 25(3): 46－50. (in Chinese with English abstract)

[16] 韋雪花. 輕小型航空遙感森林幾何參數提取研究[D]. 北京：北京林業大學，2013. Wei Xuehua. Research of Forestry Geometrical Parameter Extraction with Light and Small Airborne Remote Sensing System[D]. Beijing: Beijing Forestry University, 2013. (in Chinese with English abstract)

[17] 王佳，馮仲科. 航空數字攝影測量對林分立木測高及精度分析[J]. 測繪科，2011(6)：77－79. Wang Jia, Feng Zhongke. Stand tree height measured by digital photogrammetry[J]. Science of Surveying and Mapping, 2011(6): 77－79. (in Chinese with English abstract)

[18] 張園，淘萍，梁世祥，等. 無人機遙感在森林資源調查中的應用[J]. 西南林業大學學報，2011(3)：49－53. Zhang Yuan, Tao Ping, Liang Shixiang, et al. Research on application of UAV RS techniques in forest inventories[J]. Journal of Southwest Forestry University, 2011(3): 49－53.

[19] 付卓新，姚銳. 淺談森林資源調查中無人機遙感的應用[J].南方農業，2015(36)：246－248. Fu Zhuoxin, Yao Rui. Discussion on the application of remote sensing in UAV in forest resources survey[J]. South China Agriculture, 2015(36): 246－248. (in Chinese with English abstract)

[20] 李超，羅傳文. 基于ArcGIS Engine的森林資源管理系統的設計與實現[J]. 森林工程，2013(1)：15－20，25. Li Chao, Luo Chuanwen. Design and implementation of a forest resources management system based on ArcGIS engine[J]. Forest Engineering, 2013(1): 15－20,25. (in Chinese with English abstract)

[21] 趙豐，趙端正. 基于B/S、C/S集成模式應用軟件的開發研究[J]. 中國科技信息，2006(18)：171－173. Zhao Feng, Zhao Duanzheng. Research on application of B / S and C/S integrated mode application software[J]. China Science and Technology Information, 2006(18): 171－173. (in Chinese with English abstract)

[22] 馬天，馮仲科，鄭君，等. 黑龍江省野生東北虎調查管理信息系統的構建[J]. 動物學雜志，2013(6)：852－858. Ma Tian, Feng Zhongke, Zheng Jun, et al. Construction of investigation information management system of panthera tigris altaica in heilongjiang province[J]. Chinese Journal of Zoology, 2013(6): 852－858. (in Chinese with English abstract)

[23] 王斌，張碩新，雷瑞德，等. 基于ArcGIS Engine的土地變更調查管理系統設計與實現[J]. 農業工程學報，2006,22(10)：109－112. Wang Bing, Zhang Shuoxin, Lei Ruide, et al. Design and implementation of management system for land change investigation based on ArcGIS Engine[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(10): 109－112. (in Chinese with English abstract)

[24] 郭琳，王飛，張寅，等. 農作物遙感監測業務管理系統設計與實現[J]. 農業工程學報，2013，29(3)：132－138. Guo Lin, Wang Fei, Zhang Yin, et al. Design and implementation of business management system for crop remote sensing monitoring[J].Transactions of the Chinese Societyof Agricultural Engineering (Transactions of the CSAE), 2013, 29(3): 132－138. (in Chinese with English abstract)

[25] 李春干，代華兵，李崇貴. 基于高分辨率衛星圖像的小班勾繪精度檢驗[J]. 福建林學院學報，2006(2)：127－130. Li Chungan, Dai Huabing, Li Chonggui. Accuracy inspection of subcompartment division based on hi-resolution remote sensing imagery[J]. Journal of Fujian College of Forestry, 2006(2): 127－130. (in Chinese with English abstract)

[26] 谷萬祥，葛林，劉思. 森林資源規劃設計調查中小班區劃方法探討[J]. 吉林林業科技，2005(5)：45－47. Gu Wanxiang, Ge Lin, Liu Si. Study on subcompartment division in forest inventory planning and design[J]. Journal of Jilin Forestry Science and Technology, 2005(5): 45－47. (in Chinese with English abstract)

[27] 趙雪磊. 基于ARCENGINE空間分析的林業區劃界線自動提取方法[J]. 福建林業科技，2013(2)：134－136. Zhao Xuelei. Forest division boundary automatic extraction way based on ArcGIS spatial analysis[J]. Journal of Fujian Forestry Science and Technology, 2013(2): 134－136. (in Chinese with English abstract)

[28] 牟乃夏,王海銀,李丹. 地理信息系統開發教程[M]. 北京：測繪出版社，2015：279－373.

[29] 馮仲科，趙春江，聶玉藻，等. 精準林業[M]. 北京：中國林業出版社，333－352.

[30] 湯國安，楊昕. ArcGIS地理信息系統空間分析實驗教程[M].北京：科學出版社，2013：10－14.

[31] 徐偉恒，馮仲科，蘇志芳，等. 手持式數字化多功能電子測樹槍的研制與試驗[J]. 農業工程學報, 2013, 29(3): 90－99. Xu Weiheng, Feng Zhongke, Su Zhifang, et al. Development and experiment of handheld digitalized and multi-functional forest measurement gun[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(3): 90－99. (in Chinese with English abstract)

[32] 楊絲涵，岳德鵬，馮仲科，等. 多邊形樣地法的最優株數選取[J]. 東北林業大學學報，2013, 41(12)：26－29. Yang Sihan, Yue Depeng, Feng Zhongke, et al. Optimal value selection of trees with polygon plot method[J]. Journal of Northeast Forestry University, 2013, 41(12): 26－29. (in Chinese with English abstract)

[33] 許正亮，王應泉，盧永飛，等. 森林資源二類調查系統抽樣2種樣地調查方法的比較與分析[J]. 林業資源管理，2016(3)：140－144，150. Xu Zhengliang, Wang Yingquan, Lu Yongfei, et al. Comparision and analysis on two kinds of sample plot survey methods of systematic sampling in the forest inventory for planning and design[J]. Forest Resources Managment, 2016(3): 140－144, 150. (in Chinese with English abstract)

[34] Duchaufour A. L’ame’nagement de la foret de compie’gne[J]. Revue Eaux et Foret, 1903, 42: 65－78.

[35] 韋雪花，王佳，馮仲科. 北京市13個常見樹種胸徑估測研究[J]. 北京林業大學學報，2013，5：56－63. Wei Xuehua, Wang Jia, Feng Zhongke. Estimating diameter at breast height for thirteen common tree species in Beijing[J]. Journal of Beijing Forestry University, 2013, 5: 56－63. (in Chinese with English abstract)

[36] 曾偉生，張會儒，唐守正. 立木生物量建模方法[M]. 北京：中國林業出版社，2011：29－37.

[37] 曾偉生，唐守正. 立木生物量方程的優度評價和精度分析[J].林業科學，2011(11)：106－113. Zeng Weisheng, Tang Shouzheng. Goodness evaluation and precision analysis of tree biomass equations[J]. Scientia Silvae Sinicae, 2011(11): 106－113. (in Chinese with English abstract)

Design and experiment of high precision forest resource investigation system based on UAV remote sensing images

Shi Jieqing, Feng Zhongke※, Liu Jincheng
(Precision Forestry Key Laboratory of Beijing, Beijing Forestry University, Beijing 100083, China)

For the sustainable development and the accurate monitoring and information-based management of forestry resources, in this paper, we constructed a forest resource inventory system for forestry investigation and management. This research was based on the unmanned aerial vehicle (UAV) images data with the help of photogrammetric technique, UAV image post-processing technology and geographic information system technology, etc. In the system, we used C# programming language and fully used ArcGIS Engine10.2 embedded component technology. We also used UAV images to achieve efficient functions, such as forest spatial division, area adjustment and forest sub-compartment investigation, vegetation information extraction in high-precision and large-scale. The system can timely update resource database, greatly shorten the traditional investigation period, and achieve the scientific management of forest resources. The extraction of landform factors by software is based on UAV image data, DEM data, and spatial data from spatial division. It can be divided into two steps. The first is to extract the topographical attributes among the UAV image of whole area; the second is to ultimately extract landform factors combined with spatial data to finish attribute tables of each division, which is based on the first step. The goal of the stand factor extraction module is to obtain and store the vegetation information such as sub-compartment volume, stand density, average crown diameter, average tree height, average DBH and canopy coverage. Due to the difficulties for UAV to extract canopy coverage information in the dense forest area, in the study, we divided stand factor extraction module into the sparse forest area and the dense forest area. In the dense forest area, canopy coverage information of each sub-compartment was manually interpreted with the help of pattern spot border, and the input data were directly stored in its corresponding attribute database. In the sparse forest area, based on UAV images and spatial data, the system allowed its users to circle a nearly round sample area within the sub-compartment border, collect information of each single tree in the circle, automatically store the statistical results of all sample information into the corresponding sub-compartment, namely its vegetation information. The empirical study of this forest resource investigation system has been conducted in Lao Tudingzi, Liaoning Province. The results have proven its simple interface, high automation and good interactivity on system operation. The relative error in extraction of slope and elevation were about 5.17% and 5.41% respectively. Before the stand factors were acquired, the relationship between crown diameter and DBH and the relationship between tree height and DBH in test area were fitted by 1stOpt software, then the evaluation indexes, such as coefficient of determination, standard error estimate and total relative error, were introduced to determine the optimal model. The stand factors of the test area have been extracted based on the optimal model with the statistical value of stand density and sub-compartment volume measurement. The results showed the relative error of stand density is 2.68%, and that of sub-compartment volume is 4.01%.

unmanned aerial vehicle; images; forestry; forest resources investigation; component technology

10.11975/j.issn.1002-6819.2017.11.011

S771.5+1

A

1002-6819(2017)-11-0082-09

史潔青，馮仲科，劉金成. 基于無人機遙感影像的高精度森林資源調查系統設計與試驗[J]. 農業工程學報，2017，33(11)：82－90.

10.11975/j.issn.1002-6819.2017.11.011 http://www.tcsae.org

Shi Jieqing, Feng Zhongke, Liu Jincheng. Design and experiment of high precision forest resource investigation system based on UAV remote sensing images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(11): 82－90. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.11.011 http://www.tcsae.org

2017-01-05

2017-05-08

國家自然基金面上項目（41371001）；北京市自然基金重點項目（6161001）

史潔青，女，山西平遙人，研究方向為3S技術集成與開發。北京 北京林業大學精準林業北京市重點實驗室，100083。

Email：shijieqing@bjfu.edu.cn

※通信作者：馮仲科，男，甘肅靈臺人，教授，博士生導師，主要從事精準林業、測繪與3S技術集成研究。北京 北京林業大學精準林業北京市重點實驗室，100083。Email：fengzhongke@126.com