王書(shū)涵，張曉麗，楊 銘，劉會(huì)玲

（北京林業(yè)大學(xué) 林學(xué)院，精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室、省部共建森林培育與保護(hù)重點(diǎn)實(shí)驗(yàn)室，北京 100083）

基于全站儀和快鳥(niǎo)影像協(xié)同的山地樣地定位與匹配研究

王書(shū)涵，張曉麗，楊 銘，劉會(huì)玲

（北京林業(yè)大學(xué) 林學(xué)院，精準(zhǔn)林業(yè)北京市重點(diǎn)實(shí)驗(yàn)室、省部共建森林培育與保護(hù)重點(diǎn)實(shí)驗(yàn)室，北京 100083）

山區(qū)高低起伏的地形容易影響樣地三維坐標(biāo)的采集精度，從而限制了高分遙感在山區(qū)林業(yè)上的廣泛應(yīng)用。以鷲峰林場(chǎng)為研究區(qū)，提出了采用全站儀和手持 GPS 結(jié)合遙感圖像協(xié)同對(duì)樣地進(jìn)行定位的方法，并提出了坐標(biāo)修正方案：即首先運(yùn)用手持 GPS 結(jié)合全站儀采集樣地及單木的絕對(duì)大地坐標(biāo)；然后利用大比例尺地形圖采用基于控制點(diǎn)、 RPC 的兩種正射校正方法對(duì)覆蓋研究區(qū)的 QuickBird 影像進(jìn)行正射校正， RMSE 多光譜控制在1個(gè)像元之內(nèi)，全色圖像控制在 10 個(gè)像元之內(nèi)；并以樣地為例分析了樣地及單木的匹配精度。研究結(jié)果表明：本方案能快速準(zhǔn)確地建立樣地中單木與高分影像的聯(lián)系，其中基于控制點(diǎn)的圖像正射校正法的匹配精度最高，相對(duì)提高幅度為 92.6%，而基于 RPC 的提高幅度70.05%，即 EControlPoint＞ ERPC。研究結(jié)果表明，對(duì)應(yīng)用于地形復(fù)雜的山區(qū)的高空間分辨率的遙感影像正射校正是不可缺少的步驟，而本文提出的方案能實(shí)際應(yīng)用于山區(qū)的高分遙感樣地定位，具有推廣利用的價(jià)值，并為山區(qū)的高分遙感進(jìn)一步的應(yīng)用打下基礎(chǔ)。

快鳥(niǎo)影像；高空間分辨率遙感圖像；全站儀；手持GPS；正射校正；

中低等空間分辨率影像，如Landsat TM、MODIS等已經(jīng)被廣泛運(yùn)用到大尺度的森林資源、生態(tài)環(huán)境變化監(jiān)測(cè)、土地利用分類(lèi)等研究中[1-3]。高分辨率遙感影像由于空間分辨率高、地物表現(xiàn)能力良好的優(yōu)勢(shì)被許多學(xué)者應(yīng)用于小范圍的森林資源調(diào)查[4]，并取得一定成果[5-7]。然而林業(yè)遙感的研究區(qū)域經(jīng)常是在地形起伏多變的山區(qū)，如何精確而準(zhǔn)確的建立實(shí)際地物特征和影像信息間的聯(lián)系一直是林業(yè)研究者討論和關(guān)心的問(wèn)題[8-9]。手持GPS采集目標(biāo)點(diǎn)的精度誤差是主要的問(wèn)題，容易受到山區(qū)地形和樹(shù)冠的遮擋無(wú)法及時(shí)收到差分信號(hào)，導(dǎo)致定位精度不高，往往單點(diǎn)解只能達(dá)到10 m左右，造成樣地坐標(biāo)和遙感圖像無(wú)法很好的匹配。這種定位的不確定性誤差在中低等分辨率影像遙感反演植被參數(shù)的過(guò)程中往往可以通過(guò)樣地的設(shè)置將其平差或者忽略，不會(huì)對(duì)結(jié)果造成很大的影響（TM空間分辨率為30 m，MODIS空間分辨率最高為250 m）。但是這樣的精度誤差無(wú)法滿足高分遙感影像在林場(chǎng)級(jí)的林業(yè)應(yīng)用，10 m級(jí)的誤差會(huì)導(dǎo)致偏差嚴(yán)重，無(wú)法精確定位到相應(yīng)的樹(shù)種，因此也限制了高分遙感影像在林業(yè)上的應(yīng)用。

在海拔變化明顯的山區(qū)，針對(duì)少有相關(guān)文獻(xiàn)討論山區(qū)樣地的定位精度問(wèn)題，本文以快鳥(niǎo)影像為例，以鷲峰林場(chǎng)為研究區(qū)，運(yùn)用全站儀與快鳥(niǎo)影像的協(xié)同，及后期的處理，精確定位樣地四個(gè)角及單木坐標(biāo)，并在影像上準(zhǔn)確還原出樣地的地理位置。并探討了正射校正對(duì)對(duì)位精度的影響，即采用影像數(shù)據(jù)自帶的RPC參數(shù)的正射校正方法和基于控制點(diǎn)的校正方法；采用全站儀和手持GPS相結(jié)合的外業(yè)調(diào)查方法，對(duì)樣地及單木進(jìn)行快速而準(zhǔn)確的定位。本文提出的方法可為高分遙感在林業(yè)上的應(yīng)用提供借鑒。采集得到精確的GPS的坐標(biāo)點(diǎn)還可作為高分影像進(jìn)行分類(lèi)和精度評(píng)價(jià)的訓(xùn)練樣本和檢驗(yàn)樣本，為遙感的定量分析、森林資源監(jiān)測(cè)等提供依據(jù)。

1 試驗(yàn)區(qū)與儀器設(shè)備

1.1 試驗(yàn)區(qū)概況

研究區(qū)在位于北京市海淀區(qū)的鷲峰國(guó)家森林公園（圖 1 所示）。位于 39°54′ N、116°28′ E，最高海拔1 153 m，最低海拔60 m，總面積約為832.04 hm2，整體坡度起伏較大。山上林分較為破碎，地下灌木較厚，山下植被較為齊整，樹(shù)種結(jié)構(gòu)單一[10]。針葉林面積為474.85 hm2，占整個(gè)林區(qū)面積的57.1%。主要是種植于20世紀(jì)50年代的人工林，主要的林分類(lèi)型有：側(cè)柏林、油松林、落葉松林、刺槐林、栓皮櫟林、栓皮櫟與槲櫟混交林等[11]，屬于華北大陸季風(fēng)氣候，具有冬春季干燥多風(fēng)、夏季涼爽多雨的特征[12]。

1.2 儀器設(shè)備

地面樣地調(diào)查采用Garmin手持式GPS接收機(jī)，因其小巧攜帶方便常被科研人員采用。地面單木的位置測(cè)量采用賓得免棱鏡全站儀R-422N，其免棱鏡測(cè)量模式下超過(guò)550 m的測(cè)量距離保證了樣地內(nèi)單木坐標(biāo)采集的準(zhǔn)確和迅速，必要情況也可以轉(zhuǎn)換成相應(yīng)的棱鏡測(cè)量模式進(jìn)行地面實(shí)地調(diào)查。

1.3 信息源

采用的遙感圖像為覆蓋研究區(qū)的快鳥(niǎo)圖像LV2A數(shù)據(jù)，16Bit位深度。根據(jù)Digital Global公司的分級(jí)標(biāo)準(zhǔn)，將快鳥(niǎo)圖像分為基本圖像，標(biāo)準(zhǔn)圖像和正射校正圖像，其中標(biāo)準(zhǔn)影像數(shù)據(jù)本身已經(jīng)做了幾何粗校正，但未做正射校正，RMSE通常為3 ～10 m。本研究獲取的QBLV2A影像屬于標(biāo)準(zhǔn)影像，采用了WGS84坐標(biāo)系統(tǒng)，可以直接用來(lái)進(jìn)行正射校正[13]，成像時(shí)間為2009-10-16T 07:17:48。多光譜空間分辨率為2.4 m，全色分辨率為0.6 m。太陽(yáng)高度角為37.3°，太陽(yáng)天頂角是166.6°，平均衛(wèi)星天頂角為74.6°，平均衛(wèi)星高度角為 67.3°。

2 試驗(yàn)方法

2.1 遙感圖像的正射校正

2.1.1 地形圖的選取與校正

正射校正需要研究區(qū)域的高程信息，全色高分影像的分辨率達(dá)到0.6 m，一般需要使用具有較高比例尺精度的地形圖進(jìn)行幾何精校正。例如1∶5 000比例尺的比例尺精度為0.5 m，與QuickBird全色影像的空間分辨率較為一致。本研究采用由北京市測(cè)繪設(shè)計(jì)研究院提供的1∶2 000比例尺的地形圖分別對(duì)全色和多光譜影像進(jìn)行正射校正。首先將1∶2 000比例尺的地形圖等高線數(shù)字化，將等高線轉(zhuǎn)換為T(mén)IN，再將TIN通過(guò)ArcGIS的地形分析模塊將TIN轉(zhuǎn)換為DEM。地形圖本身為柵格化的圖像已經(jīng)進(jìn)行過(guò)幾何精校正，采用Beijing_1954坐標(biāo)系統(tǒng)，中央經(jīng)線117° E，比例因子1。圖2為線狀等高線提取TIN的結(jié)果，并將TIN轉(zhuǎn)換成了1 m精度的DEM提供正射校正所需的高程信息圖。

圖1 研究區(qū)位置圖Fig.1 Geography position of the study area

2.1.2 控制點(diǎn)的選取

遙感圖像的正射校正采用兩種方式，分別為基于圖像自帶的RPC文件進(jìn)行正射校正和基于控制點(diǎn)的校正。從已校正的1∶2 000比例尺地形圖中選取明顯地面特征點(diǎn)作為控制點(diǎn)，如房屋的角點(diǎn)，道路的交叉點(diǎn)，水塘，寺廟等。盡量保證圖像的四周和中央都有點(diǎn)分布以控制整體精度。分別在ENVI5.0的正射校正模塊中進(jìn)行。

2.2 圖像融合

圖像融合技術(shù)既能保留影像的空間分辨率又能不丟掉光譜信息，有利于解譯和定量分析[14-15]，將經(jīng)過(guò)兩種方法校正得到的多光譜和全色圖像分別采用PCA（Principle Component Analysis）、HPF（高通濾波）和Wavelet（小波）進(jìn)行融合。通過(guò)比較圖像均值和標(biāo)準(zhǔn)差評(píng)價(jià)融合圖像的效果，選擇了均值與原多光譜最為接近的，而標(biāo)準(zhǔn)差最大的一種方法進(jìn)行圖像的融合。

2.3 地面單木絕對(duì)大地坐標(biāo)的采集

手持GPS信號(hào)因易受到樹(shù)冠地形的干擾，直接量測(cè)濃密林區(qū)的單木坐標(biāo)精度極差，且目標(biāo)相互之間的相對(duì)位置精度無(wú)法保證。而全站儀和手持GPS的配合使用保證了絕對(duì)大地坐標(biāo)的準(zhǔn)確獲取。首先建立全站儀測(cè)量系統(tǒng)：選擇直角坐標(biāo)測(cè)量，（1）建立基站點(diǎn)：于樣地外沒(méi)有樹(shù)木遮擋且較為平坦處設(shè)立基站點(diǎn)，然后利用手持GPS 采集基站點(diǎn)的坐標(biāo)，利用采集得到的大地平面坐標(biāo)作為基站點(diǎn)坐標(biāo)，設(shè)(XB-A，YB-A)。（2）建立后視點(diǎn)：從基站點(diǎn)往南或者往北用皮尺量測(cè)直線D（用羅盤(pán)儀定出南北方向），將此點(diǎn)作為后視點(diǎn)。后視點(diǎn)的坐標(biāo)為(XB-A，YB-A±D)其中后視點(diǎn)縱坐標(biāo)加減的確定取決于基站點(diǎn)相對(duì)于后視點(diǎn)的位置。全站儀測(cè)量系統(tǒng)建立之后接著便可測(cè)量單木坐標(biāo)。將全站儀測(cè)量得到的點(diǎn)導(dǎo)出即可得到單木的絕對(duì)位置。

圖2 研究區(qū)等高線DEM圖(單位：m）Fig.2 DEM in study area converted from contour line

此時(shí)采集的單木絕對(duì)坐標(biāo)仍然有偏差，無(wú)法與快鳥(niǎo)圖像真實(shí)的樣地位置匹配。因此，在前述測(cè)量步驟的基礎(chǔ)上增加一個(gè)特征點(diǎn)輔助樣地定位，基本思路如下：首先，樣地周邊需要確定一個(gè)特征點(diǎn)，其需具備明顯的形狀特征保證其能從快鳥(niǎo)影像中快速目視定位，比如道路的交叉處、鐵路的交叉點(diǎn)、房屋、水池等均可以作為特征點(diǎn)。特征點(diǎn)的選取不宜離樣地太遠(yuǎn)，若特征點(diǎn)超過(guò)了全站儀的觀測(cè)范圍，可以采用搬站的方式引點(diǎn)測(cè)量。

在外業(yè)過(guò)程中，由于調(diào)查人員的知識(shí)層次不一，不可避免會(huì)出現(xiàn)一些差錯(cuò)。比如，將手持GPS 采集的坐標(biāo)點(diǎn)（L，B）輸入全站儀中時(shí)，橫、縱坐標(biāo)輸入顛倒，導(dǎo)致測(cè)量結(jié)果出現(xiàn)偏差，如圖3所示。

可以將（X0，Y0）做關(guān)于直線y=x對(duì)稱(chēng)的點(diǎn)得到（x′，y′）（結(jié)果見(jiàn)表 1），接著，作（x′，y′）關(guān)于直線X=XB-A的對(duì)稱(chēng)點(diǎn)，按照公式1計(jì)算。即可得到正確的坐標(biāo)點(diǎn)（X，Y）（結(jié)果見(jiàn)表2，圖4）。其中，（X0，Y0）為直接測(cè)量得到的單木坐標(biāo)，（x′，y′）為對(duì)稱(chēng)點(diǎn)。

圖3 未修正的GPS 采集點(diǎn)的偏差示意圖Fig.3 Deviations schematic diagram with the uncorrected GPS points

3 結(jié)果與分析

3.1 全站儀測(cè)量點(diǎn)的修正結(jié)果

示例樣地中全站儀測(cè)量的初步結(jié)果記做（X0，Y0），由于橫、縱坐標(biāo)顛倒導(dǎo)致全站儀測(cè)量值出現(xiàn)偏差。表1（X′，Y′）為處理的中間過(guò)程，（X，Y）為最終正確的坐標(biāo)點(diǎn)（見(jiàn)表2）。B-A為基站點(diǎn)的坐標(biāo)。

表1 將（X0, Y0）作關(guān)于直線y=x的對(duì)稱(chēng)點(diǎn)Table 1 The symmetry points of (x0,y0) about line X=XB-A

3.2 QB圖像正射校正結(jié)果

控制點(diǎn)的選擇原則為盡量分散，表3顯示多光譜圖像正射校正控制點(diǎn)的均方根誤差（RMSE），表4顯示了全色圖像的正射校正結(jié)果。多光譜圖像的總校正精度控制在1個(gè)像元之內(nèi)，全色圖像由于分辨率較高，而地形圖表達(dá)受限，不能很精細(xì)地選擇控制點(diǎn)，因此控制在10個(gè)像素之內(nèi)即可滿足要求。

表2 將（X′, Y′）作關(guān)于直線X=XB-A的對(duì)稱(chēng)點(diǎn)Table 2 The symmetry points of (x′,y′) about line X=XB-A

圖4 修正的GPS采集點(diǎn)示意圖Fig.4 Schematic diagram with the corrected GPS points

3.3 融合結(jié)果的對(duì)比

不同融合方法的融合效果有差異，本文通過(guò)目視和統(tǒng)計(jì)方法衡量融合的效果。從目視效果來(lái)看，HPF融合方法效果最好，PCA對(duì)比度稍低效果其次，而小波融合出現(xiàn)了較為模糊現(xiàn)像；比較3種方法的均值和標(biāo)準(zhǔn)差，從圖5可以看出HPF方法各個(gè)波段的均值與原始多光譜的均值最為接近，而HPF的標(biāo)準(zhǔn)差相比小波和PCA方法偏高，圖像層次更豐富（圖6）。目視效果和定量分析的結(jié)果一致。因此最終采用HPF方法進(jìn)行融合。

表3 多光譜圖像控制點(diǎn)誤差Table 3 Multispectral image orthorectification control points error

表4 全色圖像正射校正控制點(diǎn)誤差Table 4 Panchromatic image orthorectification control points error

圖5 三種融合方法的均值比較Fig.5 Mean value with three kinds of fusion methods

3.4 定位結(jié)果的評(píng)定

本文以樣地B1、B2兩個(gè)樣地為例評(píng)定兩種正射校正的定位結(jié)果，所選取的這兩個(gè)樣地毗鄰，分別位于道路的兩側(cè)，并且樹(shù)冠高大容易辨認(rèn)，因此在QuickBird影像中很容易識(shí)別，圖7右顯示了樣地的位置。分別采用目視效果和距離統(tǒng)計(jì)方法評(píng)價(jià)定位的精度。定位效果如圖7所示，從目視效果來(lái)看，經(jīng)過(guò)控制點(diǎn)正射校正的定位精度明顯優(yōu)于RPC系統(tǒng)自帶的校正精度，而未經(jīng)過(guò)正射校正的圖像的定位偏移距離最大（如圖7左所示），林分單木的定位結(jié)果幾乎不可靠。定量分析定位的結(jié)果，采用直線距離衡量地面實(shí)測(cè)單木GPS點(diǎn)到圖像實(shí)際單木位置的匹配精度，結(jié)果見(jiàn)表5。其中圖像實(shí)際單木位置從圖像目視解譯出。從表5可以看出，無(wú)論是B1還是B2，采用控制點(diǎn)校正后的圖像定位精度最高，相對(duì)提高幅度最大，誤差距離也最小。不作正射校正的高分影像單木定位的結(jié)果最差，偏離距離最大。偏移距離采用公式2計(jì)算。

圖6 三種融合方法的標(biāo)準(zhǔn)差比較Fig.6 Standard deviation with three kinds of fusion methods

其中(x0，y0)為GPS采集點(diǎn)，(x1，y1)為從圖像中提取的單木位置點(diǎn)。

采用本文提出的樣地匹配方法，對(duì)研究區(qū)內(nèi)另兩個(gè)樣地進(jìn)行樣地GPS單木位置點(diǎn)同快鳥(niǎo)影像的匹配分析，對(duì)定位的方案進(jìn)行檢驗(yàn)，得到樣地精確的匹配效果圖。樣地定位結(jié)果如圖8所示，從目視檢驗(yàn)來(lái)看匹配效果較好，一定程度上說(shuō)明了本文提出的樣地匹配方法的可行性。

圖7 正射校正后定位精度評(píng)定（局部放大）Fig.7 Position accuracy assessment after orthorectification (Local Zoom)

表5 GPS測(cè)量單木點(diǎn)與實(shí)際圖像上單木點(diǎn)的誤差距離?Table 5 The error between individual trees points with GPS and individual trees points in image

4 結(jié)論與討論

本文提出了應(yīng)用于山區(qū)的高分影像的單木坐標(biāo)定位方法：利用全站儀和手持GPS輔以測(cè)定特征點(diǎn)的方法較為精確地測(cè)定了單木的坐標(biāo)并還原了影像中對(duì)應(yīng)的單木及樣地位置。該方法能直接獲取樣地及單木絕對(duì)大地坐標(biāo)，同時(shí)還保留了目標(biāo)點(diǎn)的相對(duì)位置的準(zhǔn)確性。一定程度上解決了手持GPS無(wú)法準(zhǔn)確獲取樣地內(nèi)單木間相對(duì)位置的弊端，又解決了山地林區(qū)樣地定位不精準(zhǔn)的矛盾。針對(duì)測(cè)量過(guò)程中容易出現(xiàn)的錯(cuò)誤，本文還提出了相應(yīng)的坐標(biāo)修正方法。定位評(píng)價(jià)的結(jié)果顯示，應(yīng)用于山區(qū)的高空間分辨率影像單木準(zhǔn)確定位的實(shí)現(xiàn)，正射校正是不可缺少的步驟，基于控制點(diǎn)的正射校正方法定位精度最高，平均提高幅度達(dá)到了92.6%，而RPC正射校正的平均提高幅度為70.05%。研究結(jié)果表明：手持式GPS雖然定位精度有限，但通過(guò)合適的坐標(biāo)投影設(shè)置，圖像經(jīng)正射校正后，能達(dá)到較好的定位結(jié)果。從而在一定程度上解決了地面同名地物點(diǎn)與遙感影像匹配難的問(wèn)題，拓展了高分影像在林業(yè)上的應(yīng)用。

圖8 其他樣地匹配結(jié)果Fig.8 Matching results in other plots

隨著遙感圖像空間分辨率的不斷提高，單木參數(shù)因子如樹(shù)冠輪廓、樹(shù)高、胸徑等因子的準(zhǔn)確提取成為了可能；而GPS定位技術(shù)的不斷改進(jìn)又更進(jìn)一步推動(dòng)了高分辨率遙感影像在林業(yè)上的廣泛應(yīng)用。可以說(shuō)遙感影像的空間分辨率和GPS定位精度的不斷提高，為森林結(jié)構(gòu)參數(shù)的提取提供了有利的條件[16-17]。但另一方面，隨著高分辨率遙感影像種類(lèi)及獲取手段層出不窮[18]，很多技術(shù)上的問(wèn)題亟待得到解決?；诟叻直媛蔬b感的單木定位與匹配就是值得探討的問(wèn)題之一。影響高分辨率遙感影像的單木定位和匹配困難的原因主要有兩個(gè)因素，一是遙感影像本身的幾何畸變，其主要來(lái)源于傳感器與衛(wèi)星平臺(tái)的安裝，衛(wèi)星位置、姿態(tài)觀測(cè)誤差和幾何處理模型造成的誤差等[19]，地形起伏也是造成影像畸變的一個(gè)重要因素[20]；二是地面精度的驗(yàn)證問(wèn)題，存在的主要困難就是很難獲取高精度的目標(biāo)物的絕對(duì)大地坐標(biāo)，即坐標(biāo)真值。這方面的誤差通常來(lái)源于地面樣地或單木調(diào)查應(yīng)用的手持GPS定位精度受到樹(shù)冠遮擋、地勢(shì)、天氣等因素影響造成結(jié)果的不確定性。這兩方面的因素影響了高分遙感的單木定位匹配精度。

本文所提出的方案也存在一些弊端，比如由于GPS采集的坐標(biāo)不可能百分之百的準(zhǔn)確，對(duì)于定位的結(jié)果仍然需要人工調(diào)整并移動(dòng)位置點(diǎn)，以保證定位的準(zhǔn)確性；當(dāng)樣地的郁閉度較高并位于復(fù)雜的林分內(nèi)，四周又沒(méi)有合適的特征點(diǎn)可供參考和選取的時(shí)候，在高分遙感影像上準(zhǔn)確定位并找到單木的位置仍然存在很大的困難?？傊?，本文結(jié)合遙感、測(cè)繪、地理信息系統(tǒng)等技術(shù)手段提高了樣地及單木的定位精度，特別是準(zhǔn)確獲取了山區(qū)樣地的大地絕對(duì)坐標(biāo)，對(duì)科研、生產(chǎn)均有指導(dǎo)意義，例如利用提取的單木位置信息可以進(jìn)一步分析樹(shù)種的空間格局[21]、提取單木競(jìng)爭(zhēng)指標(biāo)[22]等。

致謝：本論文受到國(guó)家“863”計(jì)劃課題“數(shù)字化森林資源監(jiān)測(cè)技術(shù)”（2012AA102001）、教育部北京市森林培育與保護(hù)省部共建重點(diǎn)實(shí)驗(yàn)室項(xiàng)目“北京生態(tài)公益林節(jié)水增效撫育技術(shù)及碳儲(chǔ)量、三維綠量遙感測(cè)定技術(shù)研究”（2009GJSYS02）資金資助，野外基礎(chǔ)數(shù)據(jù)來(lái)源于實(shí)驗(yàn)室學(xué)生野外采集，在此一并表示感謝。

[1]Muukkonen P, Heiskanen J. Biomass estimation over a large area based on standwise forest inventory data and ASTER and MODIS satellite data: A possibility to verify carbon inventories[J]. Remote Sensing of Environment, 2007, 107(4): 617-24.

[2]Foody G M. Status of land cover classification accuracy assessment[J]. Remote Sensing of Environment, 2002, 80(1):185-201.

[3]徐涵秋,唐 菲. 新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J]. 生態(tài)學(xué)報(bào), 2013, 33(11):3249-3257.

[4]吳 見(jiàn),彭道黎. 基于面向?qū)ο蟮腝uickBird影像退耕地樹(shù)冠信息提取[J]. 光譜學(xué)與光譜分析, 2010, 30(9): 2533-2536.

[5]林 輝,寧曉波,呂 勇. 基于高分辨率衛(wèi)星圖像的立木材積表的編制[J]. 林業(yè)科學(xué), 2004, 40(4): 33-39.

[6]熊軼群,吳健平. 基于高分辨率遙感圖像的樹(shù)冠面積提取方法[J]. 地理與地理信息科學(xué). 2007, 23(6): 30-33.

[7]張慧春,鄭加強(qiáng),周宏平,等. 農(nóng)藥精確施用系統(tǒng)信息流集成關(guān)鍵技術(shù)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào). 2007, 23(5): 130-136.

[8]羅 旭,李春干,李崇貴,等. 星基差分GPS用于林區(qū)高分辨率遙感圖像幾何精校正[J]. 北京林業(yè)大學(xué)學(xué)報(bào),2005,27(S2):48-51.

[9]陳爾學(xué),李增元,車(chē)學(xué)儉,等. DGPS在資源環(huán)境遙感中的應(yīng)用方法研究[J]. 遙感學(xué)報(bào), 2001, 5(4): 282-288.

[10] 劉 維,張曉麗,馬 菁. 鷲峰國(guó)家森林公園主要喬木樹(shù)種含碳率分析[J]. 西北林學(xué)院學(xué)報(bào), 2011, 26(5): 214-218.

[11] 趙永泉,彭道黎. 北京鷲峰公園主要人工林群落多樣性研究[J]. 西南林學(xué)院學(xué)報(bào), 2008, 28(1): 17-22.

[12] 王 昆,張曉麗,王 珊,等. 鷲峰地區(qū)QuickBird影像紋理特征與生物量估測(cè)關(guān)系初探[J]. 地理與地理信息科學(xué), 2013,29(3): 52-55.

[13] Digital Globe, Inc. QuickBird Imagery Products-product guide[EB/OL]. http://glcf.umd.edu/library/guide/QuickBird_Product_Guide.pdf.

[14] Lu D, Li G, Moran E,et al. A comparison of multisensor integration methods for land cover classification in the Brazilian Amazon[J]. GIScience & Remote Sensing. 2011, 48(3): 345-370.

[15] Lu D S, Hetrick S, Moran E,et al.Detection of urban expansion in an urban-rural landscape with multitemporal QuickBird images[J]. Journal of applied remote sensing. 2010, 4(1).

[16] Ozdemir I, Karnieli A. Predicting forest structural parameters using the image texture derived from WorldView-2 multispectral imagery in a dryland forest, Israel[J]. International Journal of Applied Earth Observation and Geoinformation,2011,13(5):701-710.

[17] Meng J, Li S, Wang W,et al. Estimation of Forest Structural Diversity Using the Spectral and Textural Information Derived from SPOT-5 Satellite Images[J]. Remote Sensing, 2016, 8(2): 125.

[18] 曹明蘭, 張力小, 王 強(qiáng). 無(wú)人機(jī)遙感影像中行道樹(shù)信息快速提取[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2016, 36(10): 89-93.

[19] 袁修孝, 曹金山. 高分辨率衛(wèi)星遙感精確對(duì)地目標(biāo)定位理論與方法[M]. 北京: 科學(xué)出版社, 2012.

[20] 孫 軍,黎 琪,李和睿. QuickBird遙感圖像校正模型[J]. 四川兵工學(xué)報(bào), 2012, 33(4): 107-109.

[21] 李艷麗,楊 華,亢新剛,等. 長(zhǎng)白山云冷杉針闊混交林天然更新空間分布格局及其異質(zhì)性[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2013,25(2): 311-317.

[22] 孜來(lái)比·買(mǎi)木提名,楊 華,趙廣亮,等. 單木競(jìng)爭(zhēng)指標(biāo)的研究進(jìn)展[J]. 西北林學(xué)院學(xué)報(bào), 2012, 27(6): 152-158.

[本文編校：吳 彬]

Field location and matching method research in mountain areas based on the synergy of QuickBird image and total station

WANG Shuhan; ZHANG Xiaoli, YANG Ming, LIU Huiling
(Key Laboratory or Silviculture and Conservation, Ministry of Education, Beijing Forestry University, Beijing 100083, China)

Extensively applying of high resolution image was restricted because dramatical affects were caused by the rugged topography of mountain area to the geometric rectification of high resolution remote sensing imagery and coordinate collection with high precision.The forestry research region in remote sensing is often rugged topography of mountains. How to link precisely and accurately the actual land features and image information has long been the concerned and discussed issues by researchers. Jiufeng national forestry park was selected as the study area. One Chinese pine (Pinus tabulaeformis) field sample plot and Chinese arborvitae (Platycladus oriental) field sample plot B2 and B3 were selected respectively. The synergy method combining with remote sensing and total station and Handheld GPS was proposed as well as the revised scenario of coordinate. First the true value of ground objects was collected using total-station and handheld GPS, including the trees in plots and angular points. The original QuickBird multispectral and panchromatic image were respectively orthorectified using two types of orthorectification methods: method based on control points identified from topographic map and RPC method. The RMSE of multispectral image and panchromatic image is within 1 pixel and 10 pixels respectively. Road intersections, houses and other obvious features in the 1:2000 topographic map were selected as the features where the GCPs are. The topographic map surveyed by Beijing institute of surveying and mapping in Oct 2004 has been geometrically corrected. Both methods of process above were conducted in ENVI 5.0. First, feature points were selected near the sample plots whose coordinates were obtained using differential GPS system. Matching accuracy between 3D coordinates of feature points and feature positions in the QuickBird image was analyzed. The results shows that matching accuracy of orthorectification based on control points reached the highest level with 92.6% increased range and RPC orthorectification is better than non-corrected image with 70.05% increased ranged: Econtrolpoint＞Erpc.The research indicates that the scenario proposed this paper can realize the position of plots in high resolution remote sensing imagery in the mountain area. And orthorectification is required in the application of high resolution remote sensing imagery especially in mountain area. The proposed method can provide reference for the application of remote sensing in the forestry. The GPS coordinates of the plots and trees can be used as training and testing samples on high image classification and accuracy evaluation, or quantitative analysis of remote sensing, and forest resources monitoring.

QuickBird; high spatial resolution remote sensing imagery; total station; handheld GPS; orthorectification

S715.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-923X(2017)10-0022-08

10.14067/j.cnki.1673-923x.2017.10.005

http: //qks.csuft.edu.cn

2016-05-29

國(guó)家“863”計(jì)劃課題“數(shù)字化森林資源監(jiān)測(cè)技術(shù)”（2012AA102001）；教育部北京市森林培育與保護(hù)省部共建重點(diǎn)實(shí)驗(yàn)室項(xiàng)目“北京生態(tài)公益林節(jié)水增效撫育技術(shù)及碳儲(chǔ)量、三維綠量遙感測(cè)定技術(shù)研究”（2009GJSYS02）

王書(shū)涵，博士研究生 通訊作者：張曉麗，博士后，教授；E-mail：Zhang-xl@263.net

王書(shū)涵，張曉麗，楊 銘，等. 基于全站儀和快鳥(niǎo)影像協(xié)同的山地樣地定位與匹配研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2017,37(10): 22-29.