基于背包激光雷達構建天然林蒙古櫟胸徑-樹高模型

楊軍,王帆,宋仲禹*

(1.黑龍江省林業和草原調查規劃設計院,哈爾濱 150040;2.東北林業大學 林學院,哈爾濱 150040)

0 引言

森林資源是人類賴以生存的重要自然資源之一,慣有“地球之肺”的美稱,是全球氣候變化的晴雨表,且和全球生物多樣化存在著密切的關系,也是生物多樣性的基礎[1]。森林空間結構信息在森林生態研究、資源監測等方面具有重要作用,是陸地生態系統研究的重要參數,尤其在提高葉面積指數、森林生物量及進行森林生態系統碳循環、森林生長演替等動態過程的研究方面有重要意義[2-3]。而且,森林資源是全球資源的重要組成部分,具有緩解全球氣候變化及促進社會經濟發展的重要作用,對于構建良好生態環境有著獨特意義[4]。

為了有效地進行森林資源的管理,調查掌握森林資源信息是非常必要的。傳統的森林資源調查通過人工每木檢尺來實現,勞動強度大、效率低,很難獲得準確并且具有實際應用意義的森林結構參數[5],有明顯的局限性。在過去20年中,激光掃描技術作為一種林地信息收集、提取參數[6]與模型構建[7]的重要手段,在森林資源調查中得到了廣泛的應用[8],激光雷達掃描可以高效地獲取大量的森林資源信息,這樣節約很多的資源和成本,且對應的工作效率也明顯地提高,有利于提高研究和應用水平。激光掃描技術可以在一定程度上取代人工作業,對森林進行高精度、快速和無損數據收集的特點,極大地提高了森林信息采集的效率和精度[9]。并且激光掃描技術作為一種高科技應用科學,對植被的空間結構與地形具有較強的檢測能力,已成功應用于森林參數的測量和反演,成為森林調查的重要手段[10]。激光雷達遙感作為主動遙感技術可以有效穿透森林,在獲取森林高度和森林垂直結構參數方面有著其他光學遙感無法比擬的優勢[11-12],很多研究基于機載激光雷達(Airborne laser scanning,ALS)與地基激光雷達(Terrestrial laser scanning,TLS)成功提取了森林垂直結構及水平分布參數和單木結構參數[13-17]。例如,駱鈺波等[26]基于TLS數據提取了亞熱帶山區森林的胸徑和樹高,結果顯示提取胸徑的決定系數(R2)為0.996,均方根誤差(RMSE)為0.66 cm;提取樹高的R2為0.972,RMSE為0.92 m。黃旭等[18]基于BLS提取了人工落葉松的胸徑和樹高,研究顯示胸徑提取結果明顯大于樹高的提取結果,胸徑平均提取精度為94.51%,樹高平均提取精度為80.27%。

蒙古櫟(Quercusmongolica),主要分布于東北地區,是我國的主要用材樹種和東北次生闊葉林中的主要組成樹種,有著極高的經濟價值與生態效益,但是長期以來一直未受到重視。人們對蒙古櫟的生長特性尚未全面的研究,且大部分蒙古櫟在現實林分中多生長不良,長期以來一直被作為改造的對象,導致蒙古櫟未能充分發揮其多種效益。因此,為了準確了解蒙古櫟的生長狀況,促進蒙古櫟林的合理經營,必須構建完善的蒙古櫟生長模型。

目前機載激光雷達和地基激光雷達在林業方面的應用和研究已經趨于成熟,但是這2種激光雷達在進行外業活動采集數據的過程中成本十分高昂,且數據處理較為繁瑣,因此在小范圍樣地調查時并不是十分適用。背包激光雷達作為一種新型便攜的激光掃描儀十分適用于樣地尺度下的調查,但在林業方面的應用還比較少,因此,準確評估利用背包激光雷達提取單木因子的精度是亟待解決的問題。

綜上所述,本研究使用背包激光雷達點云數據提取蒙古櫟的單木因子,在提取精度滿足生產需求的情況下進一步利用提取的因子構建蒙古櫟胸徑-樹高模型。以期為背包激光雷達在樣地尺度下的應用提供進一步的實踐基礎,同時為蒙古櫟生長模型系統的構建做出一定貢獻。

1 研究區概況

研究區位于黑龍江省佳木斯市孟家崗林場(130°32′～130°52′ E,46°20′～46°30′ N),地處于完達山西麓余脈,地貌主要為低山丘陵;坡度平緩,介于10°～20°,平均海拔約250 m。孟家崗林場屬于東亞大陸性季風氣候,春季干旱少雨,秋季易霜凍,夏季短暫且溫暖濕潤,冬季持久且寒冷干燥。最高氣溫可達35.6 ℃,最低氣溫為-34.7 ℃,年均氣溫約為2.7 ℃。無霜期大約120 d,年平均降水量550～670 mm。土壤類型主要為典型暗棕壤,還有少量草甸暗棕壤、潛育暗棕壤和原始暗棕壤;除此之外,還存在草甸土、白漿土、泥炭土以及沼澤土。該林場以人工林為主,占整個施業區面積的2/3,天然次生林約占1/3,森林覆蓋率為81.7%。

2 數據收集

2.1 野外樣地數據調查

2021年4月,在孟家崗林場的蒙古櫟天然林中設置了3塊固定標準樣地,樣地面積均為0.09 hm2(30 m × 30 m)。在設置的標準樣地的中心點用GPS進行定位,定位精度為3 m。每木檢尺工作包括測量每株樹木的樹高、胸徑、冠幅和第一活枝高,并且在樣地中記錄每棵樹的相對位置。采用超聲波測高器來測量樹高,用胸徑尺測量樣地內所有胸徑大于5 cm的樹木,用測距儀來測量冠幅,用50 m皮尺確定樣地內樹木的相對位置,共計測量244株活立木。樣地信息見表1。

表1 樣地信息統計表Tab.1 Statistical table of sample plot information

2.2 背包激光雷達數據采集

每木檢尺工作結束后開始利用背包激光雷達(北京數字綠土有限公司)采集樣地的點云數據。由于樣地面積較大,為了保證能較為全面地獲取樣地內的點云數據,采用了黃旭等[18]的路線規劃,如圖1所示。最終采集到的點云數據,如圖2所示。

圖1 樣地掃描路徑規劃圖Fig.1 Map of scanning route planning

圖2 樣地點云示意圖Fig.2 Schematic diagram of a sample plot point cloud

3 研究方法

3.1 點云數據預處理

在Lidar360軟件中加載掃描獲得的.ply格式的樣地點云數據以及.xyz格式的樣地采集路線行走軌跡,根據行走軌跡獲取樣地在點云數據中的大致位置,從而對點云數據進行裁剪,精確獲取樣地內的點云數據。采用高度閾值法[19]對樣地點云進行去噪處理,隨后根據漸進加密三角網濾波算法[20]對地面點進行分類。利用分離出的地面點生成數字高程模型從而獲得歸一化的點云數據。

3.2 提取單木因子

利用歸一化的點云數據在Lidar360軟件中進行單木自動分割。但是這種自動分割方法得到的單木點云數據易受低矮灌木干擾,并且連株樹木易被分割為同一單木,對后續數據處理造成困難。因此利用軟件的單木點云編輯功能對分割后的點云數據進行二次處理。在2D視窗中提取一定范圍的樹木剖面,對樣地數據逐片排查進行編輯。多株樹木分割為一株的用創建單木功能進行再分割;一株樹木被分為多株而過分割的,用合并單木功能重新劃分為一株單木。對單木與周圍灌木因為距離過近而分割為一株單木,影響胸徑提取精度的,用創建單木功能將多余的灌木部分分割出來并使用刪除單木功能將其刪除;對低矮灌木成片生長被分割為多株單木的,用刪除單木功能進行修正。處理后單木分割結果如圖3所示。最后從修正后的單木點云數據中截取胸徑處上下5 cm厚的點云進行胸徑的提取。單木點云中Z軸上的最大值與最小值之差定義為樹高。

3.3 構建胸徑-樹高模型

3.3.1 基礎模型

根據馬武等[21]對天然蒙古櫟單木生長模型的研究結果,從中選取了5種胸徑-樹高模型作為備選模型。模型的具體形式如下。

H1=a+bD+cD2。

(1)

H2=1.3+a(1-e-bD)c。

(2)

H3=1.3+a(1-e-bDc)。

(3)

H4=1.3+aDbDc。

(4)

(5)

式中:H為樹高,m;D為胸徑,cm;a、b、c分別為模型的參數。

3.3.2 模型評價與檢驗

對本研究所用的數據進行隨機抽樣,抽出75%的樣本用作建模數據,剩余25%樣本用來進行模型檢驗。利用R2和RMSE評價模型的擬合能力。R2越大,RMSE越小,則證明模型的擬合效果越好。利用獨立樣本對模型進行檢驗,選擇平均相對偏差絕對值(RMAE)、平均絕對偏差(MAE)、預估精度(forecast precision,FP,式中為Fp)作為評價指標。Fp越大,MAE、RMAE越小,模型的預測效果會越好[22]。模型的擬合與檢驗都是在R軟件中實現的。預估精度(Fp)計算方式如下。

(6)

4 結果與分析

4.1 單木因子提取精度

表2展示了胸徑與樹高提取結果的統計信息。為方便后續進行建模,將提取結果按照3∶1的比例隨機劃分為建模數據和檢驗數據。圖4展示的是3塊樣地中蒙古櫟點云數據提取出的胸徑和樹高與實測數據之間的回歸關系。從總體上看,所有的散點都集中在1∶1參考線的附近,證明提取出的胸徑和樹高與實測數據之間有著極強的相關性,R2最低為0.925,最高為0.957。胸徑的提取精度整體上優于樹高的提取精度,這是由于背包激光雷達獲取冠下點云信息的能力大于獲取冠上點云信息的能力造成的。樣地1的胸徑和樹高的提取結果都最差,這可能是由于樣地1的密度最大,導致收集到的點云數據質量較差,因此提取效果受到了一定影響。

圖4 胸徑與樹高提取結果Fig.4 Extraction results of DBH and tree height

表2 胸徑樹高提取結果Tab.2 Extraction results of DBH and tree height

綜上所述,結果顯示提取胸徑與實測數據之間的R2為0.930～0.957,RMSE為0.697～0.897 cm;提取樹高與實測數據之間的R2為0.925～0.951,RMSE為1.479～1.683 m。以上結果表明利用背包激光雷達點云數據提取蒙古櫟的胸徑和樹高與實測數據之間相關性極高。證明可以利用背包激光雷達點云數據對蒙古櫟的胸徑和樹高進行高精度的提取。這為后續建立蒙古櫟胸徑-樹高模型提供了合理的數據。

4.2 蒙古櫟胸徑-樹高模型擬合

利用R軟件對蒙古櫟的5個胸徑-樹高備選模型進行擬合。表3為各模型的擬合結果,從總體上可以看出各模型參數估計值的標準誤差都很小,表明5個模型的穩定性很好,各參數的P均小于0.01,證明參數均具有顯著意義。從模型的擬合優度方面來看,模型的R2均高于0.70。其中模型1的R2最高,為0.727,RMSE最低,為2.044;模型4的R2最低,為0.719,同時RMSE最高,為2.067。因此各模型擬合效果由優到差排序為:模型1、模型3、模型2、模型5、模型4。

表3 模型擬合結果Tab.3 Model fitting results

4.3 蒙古櫟胸徑-樹高模型檢驗

根據模型的參數計算結果,利用R軟件在獨立的檢驗數據上進行模型檢驗,分別計算各模型的MAE、RMAE和Fp模型的檢驗結果,見表4。從表4可以看出,各模型的預估精度均高于98.37%,表明模型的預測效果良好。從模型的檢驗指標來看,模型1的結果最好,MAE和RMAE最低,分別為1.524和0.101,模型4的結果最差,3項檢驗指標均小于其他4個模型,MAE和RMAE最高,分別為1.540和0.104。因此各模型的檢驗結果由優到差排序為:模型1、模型3、模型2、模型5、模型4。

表4 模型檢驗結果Tab.4 Model testing results

5 討論與結論

5.1 討論

以黑龍江省佳木斯市孟家崗林場為研究區域,基于背包激光雷達點云數據提取了蒙古櫟的胸徑和樹高。結果顯示所提取的胸徑和樹高與實測數據具有很高的相關性,R2均高于0.925。其中胸徑的提取精度整體上要高于樹高的提取精度,R2為0.930～0.957,RMSE平均為0.792 cm;這與趙琦等[23]對桉樹胸徑提取的研究結果相一致。通常林下的灌木雜草較多的情況下,胸徑的提取結果會受很大影響。本研究數據采集時間為4月份,此時樣地內雜草都處于枯萎狀態,并且林下的灌木較少,因此提取的胸徑精度較為穩定。樹高的R2為0.925～0.951,RMSE平均為1.548 m;這與黃旭等[18]研究利用背包激光雷達提取落葉松單木因子所得出的結論基本一致。但是本研究中樹高的提取結果要優于黃旭等[18]的研究結果。為了避免由于樹冠互相遮擋導致的上部樹冠點云不完整,特意選擇在4月份采集數據,此時蒙古櫟還未展葉,因此樹冠上部通視良好,能夠收集到較為全面的單木點云,這在一定程度上提高了蒙古櫟樹高的提取精度。在未來的研究中,若能結合背包激光雷達和無人機激光雷達各自的優勢,認為樹高的提取精度將能大幅提高。

本研究選取的樣地位于山坡頂部的天然林中,林內無林道,若采用地基激光雷達采集數據,那么搬運儀器將會是一項十分繁重的工作,此時背包激光雷達的優勢便愈加明顯[24]。傳統的外業數據調查方式在財力、物力和人力方面消耗巨大,且效率不盡如人意。而背包激光雷達特別適合于在樣地尺度進行數據收集,只需一個人便可以輕松完成外業數據采集,節省出的時間與人力可以進行其他數據的采集,大大提高了外業數據采集效率。

5.2 結論

本研究利用背包激光雷達掃描了蒙古櫟天然林3塊樣地,基于采集到的點云數據提取了蒙古櫟的胸徑和樹高,最后根據提取出的胸徑和樹高構建了蒙古櫟胸徑-樹高最優模型。得出了如下的具體結論。

1)利用背包激光雷達數據提取的蒙古櫟的胸徑和樹高與實測數據具有很高的相關性,其中提取胸徑與實測胸徑的平均R2為0.948,RMSE為0.792 m;提取樹高與實測樹高的平均R2為0.942,RMSE為1.548 m。結果可靠,能夠滿足實際生產中每木檢尺的要求。

2)利用所提取的胸徑和樹高建立的蒙古櫟胸徑-樹高模型都具有很好的擬合效果,拋物線模型為基于BLS點云數據蒙古櫟天然林胸徑-樹高最優模型,檢驗結果顯示模型的MAE為1.524 m,RMAE為0.101。為背包激光雷達在林業建模方面應用提供了進一步的理論基礎。

總的來說,背包激光雷達有一定能力在天然林中進行數據采集,這為后續天然林的研究提供了新的技術方法。