王 彬,孫 虎,徐 倩,田 冀,李 強(qiáng),陳盈赟,楊汝蘭,張志明

云南大學(xué)生態(tài)學(xué)與環(huán)境學(xué)院,生態(tài)學(xué)與地植物學(xué)研究所, 昆明 650091

植物高度是反映植物群落特征的重要指標(biāo),也是當(dāng)今林業(yè)調(diào)查不可或缺的測量內(nèi)容[1-2]。植物群落高度的測定能給植物群落多樣性分析、生物量估算、功能形狀研究提供重要的數(shù)據(jù)基礎(chǔ)[3- 5]。在森林經(jīng)營管理中,通常利用樹高來確定立木材積和材積生長率,在森林資源日益減少的今天,對森林實(shí)現(xiàn)準(zhǔn)確的調(diào)查顯得尤為重要[6]。

傳統(tǒng)的群落高度測定方法通常是利用測樹高儀,或者激光測距儀等進(jìn)行估測森林群落的高度,然而該傳統(tǒng)的群落高度調(diào)查方法通常只能基于測定幾棵樹乃至幾十棵樹進(jìn)而求平均值,因此勞動強(qiáng)度大、效率低,難以進(jìn)行大面積大尺度范圍的森林參數(shù)調(diào)查[7]。另外,傳統(tǒng)利用航空和衛(wèi)星遙感進(jìn)行森林資源調(diào)查,具有實(shí)測緩慢、勞動力大、成本高、周期長、時空分辨率低、受云層影像大等缺點(diǎn)和不足[8]。近年來,在植物群落高度測定領(lǐng)域中出現(xiàn)不少新的技術(shù)和手段,如：極化合成孔徑雷達(dá)干涉技術(shù)、星載激光雷達(dá)GLAS結(jié)合光學(xué)MODIS數(shù)據(jù)反演冠層高度和運(yùn)用機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)提取林木高度[9- 11]。然而這些技術(shù)和手段成本高昂,極化干涉技術(shù)和星載激光雷達(dá)現(xiàn)對大比例尺下的地物測定仍有較大偏差。現(xiàn)在國內(nèi)外大量搭載使用激光雷達(dá)傳感器,其獨(dú)特的穿透性,能穿透簡單冠層獲取地面信息,從而實(shí)現(xiàn)植被高度提取,而利用相機(jī)測定植被群落高度的研究較少[12- 14]。然而在利用激光雷達(dá)傳感器獲取森林垂直結(jié)構(gòu)存在一定局限性,如激光雷達(dá)影像數(shù)據(jù)質(zhì)量受森林的密度、郁閉度、天氣條件(尤其是風(fēng)速)等因素影響很大[15]。通常只有針對靜風(fēng)條件下的密度小和郁閉度較低的針葉林,激光雷達(dá)才能獲得相對較高質(zhì)量的數(shù)據(jù)。此外,由于激光雷達(dá)傳感器價(jià)格昂貴,獲取高精度雷達(dá)影像的成本較高,因此較大范圍的應(yīng)用激光雷達(dá)數(shù)據(jù)獲取森林和植物群落的結(jié)構(gòu)特征信息還不是非常普遍,從而制約了該技術(shù)得以更廣泛的應(yīng)用[16]。

近年來,隨著無人機(jī)(Unmanned Aerial Vehicle, UAV)技術(shù)的飛速發(fā)展,同時也催生了無人機(jī)低空攝影測量和遙感(Photogrammetry and Remote Sensing, PaRS)技術(shù),該技術(shù)具有拍攝影像分辨率高、重疊率大、姿態(tài)角大、相幅小、數(shù)量多等特點(diǎn),因此無論是在商業(yè)還是科學(xué)應(yīng)用等方面都有著巨大的發(fā)展?jié)摿17-18]。自2000年以后,隨著該技術(shù)的迅速發(fā)展,一些小型輕便的無人機(jī)被廣泛應(yīng)用,這些小型化的無人機(jī)具有起降靈活、使用成本低、受氣候影響小等優(yōu)點(diǎn),日漸成為人們關(guān)注的熱點(diǎn)[18- 20]。同樣無人機(jī)航空攝影測量和遙感技術(shù)也日益受到生態(tài)學(xué)家們的關(guān)注,尤其是宏觀和空間生態(tài)學(xué)家們的關(guān)注[17]。無人機(jī)是一個新的平臺,能夠搭載不同類型的攝像儀和傳感器,如激光雷達(dá)掃描儀、多光譜影像儀、高光譜影像儀、熱成像儀等[18,14]。Salami 等綜述了無人機(jī)技術(shù)在植被遙感領(lǐng)域的應(yīng)用和發(fā)展前景,指出由于無人機(jī)航空攝影遙感的低成本,尤其是搭載常規(guī)數(shù)碼相機(jī)的無人機(jī)平臺能夠獲得高時間和高空間分辨率的影像,對傳統(tǒng)衛(wèi)星遙感是一個非常好的補(bǔ)充。近幾年無人機(jī)在生態(tài)監(jiān)測研究中得到廣泛應(yīng)用。Stanley等人利用AIAA研制的Pathfinder-Plus無人機(jī)航測系統(tǒng)用來對1500hm2的土地進(jìn)行長期監(jiān)測[21]。Renato Henriques團(tuán)隊(duì)利用無人機(jī)影像分類出棲息地范圍[22]。Stefano等人利用無人機(jī)航測技術(shù)對挪威南部一片針葉林進(jìn)行長期的監(jiān)測,建立了不同透光度氣候條件下,測量值與真實(shí)值的回歸模型,并利用多折交叉驗(yàn)證了模型在森林監(jiān)測的可行性[23]。李德仁也提出,應(yīng)用空間信息技術(shù)所建立的不同尺度生態(tài)環(huán)境監(jiān)測和評價(jià)技術(shù)體系,是開展生態(tài)保護(hù),防止生態(tài)退化、維護(hù)生態(tài)安全的一項(xiàng)重要基礎(chǔ)性工作[24]。如上所述,隨著攝影測量技術(shù)的迅速發(fā)展,利用普通數(shù)碼相機(jī)構(gòu)建3D模型技術(shù)越來越成熟[25- 27]。

近年來,已有學(xué)者利用無人機(jī)搭載常規(guī)數(shù)碼相機(jī)獲取近地面航拍照片,構(gòu)建3D模型進(jìn)行樹木高度測定[28- 29],以及進(jìn)行農(nóng)作物植株高度測定和生物量估測等[29- 30]。盡管如此,但是關(guān)于利用機(jī)搭載普通數(shù)碼相機(jī)對樹種多樣、地形復(fù)雜的針葉林木高度提取的報(bào)道不多見。傳統(tǒng)遙感技術(shù)提取林木信息缺點(diǎn)在于需要花費(fèi)大量的人力財(cái)力,信息提取周期長,且提取效果不佳。云南省植被類型豐富,而其中針葉林分布很廣。全省暖熱性、暖溫性、寒涼性和寒溫性針葉林約占全省面積的35.54%[31]。實(shí)現(xiàn)大面積針葉林的高度提取,對估算生物量和生態(tài)價(jià)值有重要意義,而針葉林快速監(jiān)測一直以來是難點(diǎn),本研究擬利用無人機(jī)攜帶可見光相機(jī)獲取航拍數(shù)據(jù),利用照片影像數(shù)據(jù)建立空間模型,使用分類點(diǎn)數(shù)據(jù)求差法提取實(shí)驗(yàn)區(qū)內(nèi)針葉樹種的高度,以期該提取方法將能推廣到其他區(qū)域和能為相對較大面積的森林群落(尤其是針葉林群落)快速監(jiān)測研究。

1 實(shí)驗(yàn)數(shù)據(jù)和方法

1.1 研究區(qū)概況

研究區(qū)位于云南大學(xué)呈貢校區(qū)生態(tài)學(xué)與環(huán)境學(xué)院旁,經(jīng)緯度范圍為102.855947°—102.856439°E,24.828640°—24.829136°N。整個人工林面積約為4203m2,最高海拔1987m(±2m),最低海拔1984m(±2m)。整體為均勻緩坡,坡向東北向。研究區(qū)主體主要為多邊形人工林(圖1),主要種植了雪松(Cedrusdeodara(Roxb.)G.Don。東北側(cè)被道路包圍,邊緣有少量雜木,視線良好,無遮擋。樣區(qū)包含100棵雪松,位于正三角標(biāo)示處。圖1影像拍攝時間為4月底,光線充足。

圖1 實(shí)驗(yàn)區(qū)位置Fig.1 Location of study area

1.2 研究數(shù)據(jù)

為了獲取有效的數(shù)據(jù),數(shù)據(jù)采集之前對飛行任務(wù)進(jìn)行整體規(guī)劃設(shè)計(jì),以確保數(shù)據(jù)獲取的有效性和飛行的安全性?？刂扑俣纫耘浜舷鄼C(jī)延時拍攝的頻率,本研究采集數(shù)據(jù)飛行速度為4m/s。區(qū)域內(nèi),航向重疊度高于70%,旁向重疊度高于75%。

在本次研究中,無人機(jī)搭載的相機(jī)為Sony ILCE- 7R,傳感器最大像素為7360×4912,最小感光像元尺寸為4.89μm×4.89μm,固定光圈大小為f/4,ISO值為100,快門速度為1/1000s,并調(diào)用相機(jī)參數(shù)補(bǔ)償幾何失真,鏡頭參數(shù)為固定焦距35mm。使用大疆S900六旋翼飛行器作為飛行平臺,并利用調(diào)參軟件DJI Assistan2校準(zhǔn)。天空端GPS使用HOLUX M241-A軌跡記錄儀,地面端GPS使用南方S750手持?jǐn)?shù)據(jù)采集系統(tǒng)。共采集到照片影像254張,主要區(qū)域設(shè)置地面控制點(diǎn)5個,全部區(qū)域設(shè)置地面控制點(diǎn)10個。匹配對齊相片,主要區(qū)域內(nèi)影像重疊度均大于9。基于相片對齊生成關(guān)鍵點(diǎn)79470個,有效重疊度為10.7848,點(diǎn)云數(shù)據(jù)密度為172點(diǎn)/m2。使用橫軸墨卡托投影(UTM),研究樣區(qū)位于北半球48號帶,采用World Geodetic System 1984(WGS84)基準(zhǔn)。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

2.1.1 幾何校正

任何鏡頭都存在一定的圖形幾何失真,且掛載的相機(jī)非專業(yè)的量測相機(jī),不是為攝影測量設(shè)計(jì)的,沒有準(zhǔn)確地測定內(nèi)方位元素,透鏡也沒有經(jīng)過嚴(yán)格的校正,所以拍攝得到的數(shù)字圖像存在光學(xué)畸變誤差[32]。一般情況下,導(dǎo)致獲取的影像數(shù)據(jù)存在幾何變形的因素主要包括兩個方面：鏡頭存在非線性畸變和圖像傳感器陣列潛在的排列誤差。該研究使用為獨(dú)立相機(jī)成像,不存在圖像傳感器陣列排列時候的誤差,不考慮第二種情況,只存在鏡頭固有的非線性畸變。傳統(tǒng)的幾何校正費(fèi)時且工程量大,在本研究中,使用相機(jī)功能,調(diào)用相機(jī)自身程序補(bǔ)償畸變,然后在Agisoft Lens軟件中計(jì)算鏡頭參數(shù),將相機(jī)校正模型參數(shù)數(shù)據(jù)導(dǎo)入PhotoModeler軟件中對全部影像進(jìn)行校正。校正系數(shù)和誤差如下表(表1)。

表1 校正系數(shù)和相關(guān)性

F,Cx,Cy,K1,K2,K3,K4,P1,P2,P3,P4為相機(jī)模型參數(shù);F為主焦距(focal length),Cx為主點(diǎn)x坐標(biāo)(X coordinate of the principal point),Cy為主點(diǎn)y坐標(biāo)(Y coordinate of the principal point),K1,K2,K3,K4為徑向畸變系數(shù)(radial distortion coefficients),P1,P2,P3,P4為正切畸變系數(shù)(tangential distortion coefficients)

2.1.2 圖像增強(qiáng)

相片由相機(jī)的M檔(手動調(diào)節(jié)檔)拍攝,鏡頭的曝光系數(shù)(ISO) 、光圈大小和曝光時間是鎖定的,相機(jī)根據(jù)拍攝場景自動調(diào)節(jié)白平衡和HDR。因?yàn)楹礁咭话阍趲资咨踔辽习倜椎目罩?所以目標(biāo)物對于35mm焦距鏡頭來說已經(jīng)處于“無限遠(yuǎn)”,不會受到光圈大小的干擾,所拍照片中也就不存在景深虛化,對數(shù)據(jù)準(zhǔn)確度的影響較小。另外,一般航測會選擇無雨雪的白天進(jìn)行,只要按正確的航速飛行,曝光時間同樣不會影響到數(shù)據(jù)的準(zhǔn)確度。但是存在一種情況,在拍攝過程中可能會有云層遮蔽太陽的情況,如前一張拍的相片是在太陽光照射的情況下拍攝的,后一張相片由于云層剛好在這個時候擋住太陽,使得整個光環(huán)境較前一張相片發(fā)生變化,而相機(jī)本身的自動調(diào)節(jié)還沒有跟上,使得后一張相片比前一張相片昏暗。這種情況會影響到相片的對齊,所以,在處理數(shù)據(jù)前先對所有相片進(jìn)行圖像增強(qiáng)處理。將圖片導(dǎo)入Agisoft Photoscan軟件中,建立堆塊后,使用Set Image Brightness工具,估計(jì)照片組的曝光均值,設(shè)定亮度百分比,以做到影像增強(qiáng)的效果。處理前后如圖(圖2)所示。

圖2 圖像增強(qiáng)處理前后對比Fig.2 Uniform color contrast before and after processing

2.2 樹高提取

2.2.1 點(diǎn)云數(shù)據(jù)提取

提取GPS軌跡,導(dǎo)入航拍照片,對應(yīng)相同時間匹配照的GPS信息,賦予GPS信息的相片導(dǎo)入軟件中將直接形成航拍軌跡和機(jī)位位置?？焖賹R相片生成頂點(diǎn)并加密后,簡單觀察目標(biāo)物生成情況,生成報(bào)告查看相片重疊度,確認(rèn)目標(biāo)物生成情況良好,重疊度較高(主要區(qū)域在8以上)之后再使用該軟件處理無人機(jī)航拍相片,在軟件中刺出并定位地面控制點(diǎn)后,引入坐標(biāo)系統(tǒng)(WGS84/UTM zone 48N)賦予每一個點(diǎn)GPS位置信息。導(dǎo)出點(diǎn)云數(shù)據(jù)(las.格式)。點(diǎn)云數(shù)據(jù)描述性、可塑性強(qiáng),保留諸多高度細(xì)節(jié),基于點(diǎn)云數(shù)據(jù)可以提取更多空間信息。其中l(wèi)as.格式點(diǎn)云數(shù)據(jù)是二進(jìn)制格式,能包含更多的信息,并且占用的存儲空間相對較小[33]。該數(shù)據(jù)處理方式是在Agisoft Photoscan軟件平臺中實(shí)現(xiàn)。

2.2.2 植物群落高度測定

將點(diǎn)云數(shù)據(jù)按照0.1m像元尺寸采樣,每個像元取范圍內(nèi)最大Z值生成柵格數(shù)據(jù),通過多級B樣帶內(nèi)插后生成DSM。多級B樣帶內(nèi)插(Multilevel B-Spline Interpolation)是一種基于不規(guī)則區(qū)域樣點(diǎn)計(jì)算連續(xù)平面C2的內(nèi)插方法,此方法能平衡形狀平滑度與多級近似值精度之間的關(guān)系,從而獲得更好的內(nèi)插效果[34]。利用可見光光譜指數(shù)——紅綠藍(lán)植被指數(shù)(RGBVI)混合計(jì)算影像3個波段,重新賦予點(diǎn)云新的光譜指數(shù)屬性,通過點(diǎn)云采樣工具,參考R、G、B、亮度、色調(diào)和數(shù)值,設(shè)定公差為15,分類點(diǎn)云中的非植物類點(diǎn)。紅綠藍(lán)植被指數(shù)能很好的區(qū)分植被和非植被部分,易于從點(diǎn)云中提取非植物類點(diǎn)[19]。如圖(圖3)。

圖3 根據(jù)波段計(jì)算出紅綠藍(lán)植被指數(shù)Fig.3 The RGBVI is calculated according to the band

將點(diǎn)云數(shù)據(jù)進(jìn)行分類提取非植被類點(diǎn),按照0.1m像元尺寸采樣為柵格數(shù)據(jù)后,通過DTM Filter(slope-based)工具將少數(shù)因植被與非植被相接的邊緣模糊而錯分類的部分消除,因?yàn)槟：糠执蠹s為0.5m,抬升并不明顯,設(shè)定消除掃描半徑為5,允許地形坡度為15,不設(shè)置置信區(qū)間,生成地面柵格數(shù)據(jù),如圖(圖4)。通過多級B樣帶內(nèi)插后生成DTM。將DSM減去DTM即能得到樹木高度變化模型CHM。該操作過程是在SAGAGIS軟件平臺中完成,操作流程圖如圖(圖5)所示。

圖4 提取非植被類點(diǎn)并消除錯分類部分Fig.4 Extracted the points about non-plant and removed a few portions because some edge fogs

圖5 群落植被高度模型提取流程圖Fig.5 The flow chart of extracting CHM

2.2.3 群落高度精度檢驗(yàn)

基于SPSS統(tǒng)計(jì)軟件平臺,利用外業(yè)測量的數(shù)據(jù)與該方法提取的樹高數(shù)據(jù)進(jìn)行線性相關(guān)性分析。樣地內(nèi)共計(jì)有100棵雪松,利用激光測距儀測定所有雪松高度。對航測方法提取的樹高和外業(yè)測量的樹高進(jìn)行比較分析,驗(yàn)證其精度。建立線性相關(guān)分析對無人機(jī)提取樹高進(jìn)行精度驗(yàn)證。樣本相關(guān)系數(shù)r為：

其決定系數(shù)r2為：

式中：x表示航測樹高,y表示外業(yè)實(shí)測樹高,r2的含義是變量x引起的y變異的回歸平方和占y變異總數(shù)平方和的比率,r2取值范圍為0—1,表示x與y之間的相關(guān)程度。

3 研究結(jié)果

圖6 實(shí)驗(yàn)區(qū)點(diǎn)云模型Fig.6 Study area′s point cloud model

基于CHM數(shù)據(jù)按照0.1m的間距生成等高線。其中,雪松位于樹冠的最高值被等高線圍起來,方便統(tǒng)計(jì)樹高。將地被物高度模型導(dǎo)入Global Mapper軟件中建立高度變化樣帶,點(diǎn)選等高線圍起來的中心區(qū)域,生成樣帶上的高度變化曲線,將曲線數(shù)據(jù)導(dǎo)出,波峰處的高度值即為樹高。統(tǒng)計(jì)得到實(shí)驗(yàn)樣區(qū)內(nèi)100棵研究對象樹高測量值。

基于無人機(jī)航拍影像,生成實(shí)驗(yàn)區(qū)整體點(diǎn)云模型(圖6)。基于點(diǎn)云數(shù)據(jù)按照0.1m像元尺寸采樣,內(nèi)插后生成實(shí)驗(yàn)區(qū)數(shù)字表面模型,如圖7a。根據(jù)非植被類點(diǎn),消除空洞邊緣錯分類部分內(nèi)插后得到實(shí)驗(yàn)區(qū)數(shù)字地形模型,如圖7b求差生成樹木高度模型,如圖7c。

圖7 研究區(qū)數(shù)字表面模型(a),數(shù)字地形模型(b),地被物高度模型(c)Fig.7 Digital Surface Model (a) Digital Terrain Model (b) Canopy Height Model (c)

利用激光測距儀測量研究區(qū)內(nèi)所有的雪松高度,共計(jì)100棵,并將提取出來的雪松樹高與外業(yè)實(shí)測的樹高進(jìn)行比較分析。以航測提取數(shù)據(jù)為因變量,外業(yè)實(shí)測數(shù)據(jù)為自變量,建立線性函數(shù)關(guān)系,回歸結(jié)果如圖(圖8)。圖中所示測量值與真實(shí)值之間擬合關(guān)系,在處理后相關(guān)系數(shù)R2在0.904以上。

圖8 實(shí)驗(yàn)樣區(qū)100棵樹實(shí)測高和測量高驗(yàn)證評估結(jié)果 Fig.8 Results of the validation assessment comparing field-measured tree height and DSM-retrieved height of the 100 validation trees distributed over area

4 討論

當(dāng)前無人機(jī)影像生成數(shù)字地理模型方法有多種,其中最常用的有兩種方法,即通過提取絕對定向點(diǎn)生成DEM和基于不規(guī)則三角網(wǎng)構(gòu)建規(guī)則格網(wǎng)DEM[35]。這兩種方法都需要大量的計(jì)算,專業(yè)門坎較高。而本研究利用非植被點(diǎn)內(nèi)插提取實(shí)驗(yàn)區(qū)本地?cái)?shù)字地形模型,更快捷,能適應(yīng)野外大規(guī)模調(diào)查,測量值與真實(shí)值誤差較小。利用該方法對雪松高度提取,相比較于其他方法提取的樹高具有較高的提取精度,獲取的樹高很接近真實(shí)值,相關(guān)系數(shù)r2在0.904以上。

在之前,已有一些利用無人機(jī)航測技術(shù)提取樹高的嘗試。一項(xiàng)森林計(jì)測的專利中曾使用樹木底點(diǎn)的真航高減去樹木頂點(diǎn)的真航高來實(shí)現(xiàn)森林樹木的高度測定[8]。還有方法用立體像對原理實(shí)現(xiàn)像方與物方的相互轉(zhuǎn)換,用測量得到的樹木坐標(biāo)代進(jìn)旋轉(zhuǎn)矩陣中得出樹高[36]。楊伯鋼等利用機(jī)載激光雷達(dá)技術(shù)來測定樹高[7]。上述3種方法都存在一定的局限性,真航高相減的方法需要在配備無線電測高儀記錄主點(diǎn)的航高,不僅增加了工作量,而且效果不盡人意[37]。利用立體像對的方法只能針對單棵立木樹高進(jìn)行計(jì)算,不適應(yīng)大面積的森林群落調(diào)查。使用激光雷達(dá)測樹高的方法雖然精度較高,但是采用的是單棵手動量測的方法,同樣難以適應(yīng)大面積的森林調(diào)查,并且激光雷達(dá)影像數(shù)據(jù)質(zhì)量受森林的密度、郁閉度、天氣條件(尤其是風(fēng)速)等因素影響很大。本研究利用無人機(jī)搭載RGB數(shù)碼相機(jī)能快速較大范圍調(diào)查群落樹高,更適用于生態(tài)學(xué)野外調(diào)查。本文通過多級B樣帶內(nèi)插后生成DSM,基于點(diǎn)云數(shù)據(jù)依據(jù)分類提取非植被類點(diǎn)內(nèi)插生成DTM,最后通過疊加相減分析獲得樹高,不受森林密度、郁閉度、天氣條件等因素的影響,并且利用無人機(jī)機(jī)載普通數(shù)碼相機(jī)的方法具有成本更加低廉的優(yōu)勢。

Zarco-Tejada的團(tuán)隊(duì)2014年使用線性回歸的方法對內(nèi)業(yè)統(tǒng)計(jì)數(shù)據(jù)與外業(yè)實(shí)測數(shù)據(jù)進(jìn)行了差異性分析[29]。同年,北京林業(yè)大學(xué)利用無人機(jī)影像基于像對原理提取的樹高與實(shí)測值做了相對誤差計(jì)算和線性回歸分析[38]。2015年,北京林業(yè)大學(xué)同一個團(tuán)隊(duì)利用點(diǎn)樣方法獲取本地?cái)?shù)字地理模型后用差值法獲取樹高,同樣也做了線性相關(guān)分析[39]。本研究同樣采用線性回歸的方法驗(yàn)證測量值和真實(shí)值的差異,結(jié)果也表明本研究的方法所得到的結(jié)果誤差在可接受范圍內(nèi)并且測量值接近真實(shí)值。

本研究的方法提取樹高數(shù)據(jù)會受到樹冠遮蔽的影響,被遮蔽的部分通過內(nèi)插推斷得到,在根據(jù)非植被類點(diǎn)向空缺部分內(nèi)插時易受到邊緣數(shù)據(jù)的影響。另外,利用普通數(shù)碼相機(jī)采集數(shù)據(jù),在進(jìn)行過校正后精度上依然與專業(yè)的量測相機(jī)有一定差距,并且由于冠層遮蔽,可見光相機(jī)不能采集到冠層之下的數(shù)據(jù),所以現(xiàn)階段只能提取位于群落中較高位置的植物高度。目前機(jī)載平臺多用于地形比較平坦、樹種單一的果園、農(nóng)田等區(qū)域。本研究基于無人機(jī)獲取分析得到的DSM數(shù)據(jù)和DTM數(shù)據(jù)進(jìn)行疊加分析提取樹高,提取精度受外界因素的影響小,適用于地形比較復(fù)雜、植物種類繁多的地區(qū)。今后可以推廣在大面積進(jìn)行針葉林樹高估測、稀樹灌木草地植被群落和單一植被群落高度提取等方面。

本研究通過地面控制點(diǎn)引入坐標(biāo),所以需要精度很高的定位儀器進(jìn)行控制點(diǎn)采集。將來可以使用RTK-GPS等高精度定位系統(tǒng)獲取更精準(zhǔn)的地面控制點(diǎn)。另一方面,如果使用能達(dá)到與實(shí)際地形相吻合的高分辨率的DEM數(shù)據(jù),此方法的操作將更加簡單,結(jié)果將更加精確。DSM也是影響樹高提取的關(guān)鍵因素之一,改進(jìn)DSM提取方法也是將來本研究發(fā)展方向。還有無人機(jī)在飛行過程中往往受到外界和自身飛行因素的影響而存在姿態(tài)誤差,高質(zhì)量的姿態(tài)信息能提高相片的匹配效率和精度,將來可使用更專業(yè)的慣性導(dǎo)航系統(tǒng)以補(bǔ)償無人機(jī)姿態(tài)誤差。

5 結(jié)語

隨著地理信息科學(xué)與相關(guān)產(chǎn)業(yè)的發(fā)展,各行業(yè)對遙感數(shù)據(jù)的需求急劇增長,生態(tài)學(xué)領(lǐng)域亦是如此。除了傳統(tǒng)的衛(wèi)星遙感數(shù)據(jù)外,現(xiàn)對大比例尺范圍下的高分辨影像需求也越來越大。對于區(qū)域小尺度或較精細(xì)的地物研究,傳統(tǒng)的衛(wèi)星遙感影像由于分辨率的限制而無法滿足需求。

本次研究,成功提取了研究區(qū)內(nèi)每棵的雪松高度,并且通過相關(guān)關(guān)系的計(jì)算,驗(yàn)證了此方法的可靠性與準(zhǔn)確性。相比傳統(tǒng)調(diào)查手段,利用無人機(jī)航空攝影技術(shù)具有靈活、低成本、周期短等優(yōu)點(diǎn),特別在一些野外地形復(fù)雜而人不易接近的地區(qū),該技術(shù)更能體現(xiàn)其優(yōu)勢。時代變化,技術(shù)日新月異,無人機(jī)技術(shù)在近幾年突飛猛進(jìn),不斷地更新和完善,較之前兩年有了很多變化,如新的地面站軟件,新的飛行控制器,新的政策法規(guī)等等。現(xiàn)階段關(guān)于無人機(jī)測樹領(lǐng)域大多開始使用機(jī)載激光雷達(dá),雖然能更好的獲取地面信息內(nèi)插出更精準(zhǔn)的本地?cái)?shù)字地理模型,但可見光傳感器與之相比具有的低成本、快速采集和豐富色彩信息是激光雷達(dá)所不能比的。本研究通過不斷試驗(yàn),總結(jié)出一套現(xiàn)在最新的無人機(jī)航測流程,并且改良了差值法測樹的方法,大大縮短了工作周期。此外,相對于傳統(tǒng)的野外群落樣方調(diào)查和森林調(diào)查獲取森林樹木和群落高度及估測生物量的方法,利用無人機(jī)航空攝影技術(shù)要快速,并且也可能更準(zhǔn)確。同時目前無人機(jī)的續(xù)航能力已經(jīng)可以借由航線設(shè)計(jì)和斷點(diǎn)飛行來進(jìn)行彌補(bǔ),采取多次采樣的方式可以滿足相對較大面積的采樣需求。并且,這些采樣結(jié)果如果跟衛(wèi)星遙感結(jié)合將來有可能實(shí)現(xiàn)更大面積的森林群落的高度測定,乃至生物量的估測研究等。

參考文獻(xiàn)(References):

[1] 吳紅波. 基于星載大光斑LiDAR數(shù)據(jù)反演森林冠層高度及應(yīng)用研究[D]. 哈爾濱: 東北林業(yè)大學(xué), 2011, 6:1- 2

[2] Fang J Y, Shen Z H, Tang Z Y, Wang X P, Wang Z H, Feng J M, Liu Y N, Qiao X J, Wu X P, Zheng C Y. Forest community survey and the structural characteristics of forests in China. Ecography, 2012, 35(12): 1059- 1071..

[3] 葉萬輝, 曹洪麟, 黃忠良, 練琚愉, 王志高, 李林, 魏識廣, 王章明. 鼎湖山南亞熱帶常綠闊葉林20公頃樣地群落特征研究. 植物生態(tài)學(xué)報(bào), 2008, 32(2):274- 286.

[4] 邢艷秋, 王立海. 基于森林調(diào)查數(shù)據(jù)的長白山天然林森林生物量相容性模型. 應(yīng)用生態(tài)學(xué)報(bào), 2007, 18(1):1- 8.

[5] 王婧, 溫仲明, 張春梅, 趙臻. 延河流域植物群落高度變化與群落構(gòu)建. 水土保持通報(bào), 2011, 31(2):181- 185.

[6] 周志強(qiáng), 岳彩榮, 徐天蜀, 李毅, 王曉寧. 森林高度遙感估測研究綜述. 現(xiàn)代農(nóng)業(yè)科技, 2012,(2):198- 199, 203- 203.

[7] 楊伯鋼, 馮仲科, 羅旭, 祝曉坤, 董明, 全明玉, 韓光瞬. LIDAR技術(shù)在樹高測量上的應(yīng)用與精度分析. 北京林業(yè)大學(xué)學(xué)報(bào), 2007, 29(S2):78- 81.

[8] 馮仲科, 林宗堅(jiān), 姚 山. 無人機(jī)航空攝影遙感森林計(jì)測方法: 中國, CN200610000857.9. 2008-05- 28.

[9] 于大洋, 董貴威, 楊健, 彭應(yīng)寧, 王超, 張紅. 基于干涉極化SAR數(shù)據(jù)的森林樹高反演. 清華大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005, 45(3):334- 336.

[10] 楊婷, 王成, 李貴才, 駱社周, 習(xí)曉環(huán), 高帥, Zeng H C. 基于星載激光雷達(dá)GLAS和光學(xué)MODIS數(shù)據(jù)中國森林冠層高度制圖. 中國科學(xué):地球科學(xué), 2014, 44(11):2487- 2498.

[11] 王濤, 龔建華, 張利輝, 岳玉娟. 基于機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)提取林木參數(shù)方法研究. 測繪科學(xué), 2010, 35(6):47- 49.

[12] Baltsavias E P. Airborne laser scanning: basic relations and formulas. Isprs Journal of Photogrammetry and Remote Sensing, 1999, 54(2/3):199- 214.

[13] Blair J B, Rabine D L, Hofton M A. The Laser Vegetation Imaging Sensor: a medium-altitude, digitisation-only, airborne laser altimeter for mapping vegetation and topography. ISPRS Journal of Photogrammetry and Remote Sensing, 1999, 54(2/3): 115- 122.

[14] Salamí E, Barrado C, Pastor E. UAV flight experiments applied to the remote sensing of vegetated areas. Remote Sensing, 2014, 6(11): 11051- 11081.

[15] Dassot M, Constant T, Fournier M. The use of terrestrial LiDAR technology in forest science: application fields, benefits and challenges. Annals of Forest Science, 2011, 68(5): 959- 974.

[16] 趙峰, 李增元, 王韻晟, 龐勇. 機(jī)載激光雷達(dá)(LiDAR)數(shù)據(jù)在森林資源調(diào)查中的應(yīng)用綜述. 遙感信息, 2008(1):106- 110, 53- 53.

[17] Anderson K, Gaston K J. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Frontiers in Ecology and the Environment, 2013, 11(3): 138- 146.

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

[19] 王峰, 吳云東. 無人機(jī)遙感平臺技術(shù)研究與應(yīng)用. 遙感信息, 2010(2):114- 118.

[20] 李明慈. 微型無人機(jī)攝影測量數(shù)據(jù)處理研究[D]. 北京: 北京建筑大學(xué), 2015.

[21] Herwitz S R, Johnson L F, Arvesen J C, Higgins R G, Leung J G, Dunagan S E. Precision agriculture as a commercial application for solar-powered unmanned aerial vehicles// AIAA's 1st, Technical Conference and Workshop on Unmanned Aerospace Vehicles. Portsmouth, Virginia: AIAA, 2002.

[22] Gon?alves J, Henriques R, Alves P, Sousa-Silva R, Monteiro A T, Lomba, Marcos B, Honrado J. Evaluating an unmanned aerial vehicle-based approach for assessing habitat extent and condition in fine-scale early successional mountain mosaics. Applied Vegetation Science, 2016, 19(1): 132- 146.

[23] Puliti S, ?rka H, Gobakken T, Nsset E. Inventory of small forest areas using an unmanned aerial system. Remote Sensing, 2015, 7(8): 9632- 9654.

[24] 李德仁. 攝影測量與遙感學(xué)的發(fā)展展望. 武漢大學(xué)學(xué)報(bào)信息科學(xué)版: 2008, 33(12):1211- 1215.

[25] Remondino F, Barazzetti L, Nex F, Scaioni M, Sarazzi D. UAV photogrammetry for mapping and 3D modeling-current status and future perspectives//International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Volume XXXVIII- 1/C22, ISPRS Zurich 2011 Workshop. Zurich, Switzerland: ISPRS, 2011.

[26] Rosnell T, Honkavaara E. Point cloud generation from aerial image data acquired by a quadrocopter type micro unmanned aerial vehicle and a digital still camera. Sensors, 2012, 12(1): 453- 480.

[27] Torres-Sánchez J, López-Granados F, Serrano N, Arquero O, Pea J M. High-Throughput 3-D monitoring of agricultural-tree plantations with unmanned aerial vehicle(UAV) technology. PLoS One, 2015, 10(6): e0130479.

[28] Zarco-Tejada P J, Diaz-Varela R, Angileri V, Loudjani P. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle(UAV) and automatic 3D photo-reconstruction methods. European Journal of Agronomy, 2014, 55: 89- 99.

[29] Bendig J, Yu K, Aasen H, Bolten A, Bennertz S, Broscheit J, Gnyp M L, Bareth G. Combining UAV-based plant height from crop surface models, visible, and near infrared vegetation indices for biomass monitoring in barley. International Journal of Applied Earth Observation and Geoinformation, 2015, 39: 79- 87.

[30] Tilly N, Aasen H, Bareth G. Fusion of plant height and vegetation indices for the estimation of barley biomass. Remote Sensing, 2015, 7(9): 11449- 11480.

[31] 周瑞伍. 云南植被主要類型分布區(qū)預(yù)測研究[D]. 昆明: 云南大學(xué), 2015.

[32] 魯恒, 李永樹, 李何超, 何敬, 任志明. 無人機(jī)影像數(shù)字處理及在地震災(zāi)區(qū)重建中的應(yīng)用. 西南交通大學(xué)學(xué)報(bào), 2010, 45(4):533- 538, 573- 573.

[33] 趙自明, 史兵, 田喜平,趙松. LAS格式解析及其數(shù)據(jù)的讀取與顯示. 測繪技術(shù)裝備, 2010, 12(3):17- 20.

[34] Lee S, Wolberg G, Shin S Y. Scattered data interpolation with multilevel B-splines. IEEE Transactions on Visualization and Computer Graphics, 1997, 3(3): 228- 244.

[35] 易柳城. 無人機(jī)遙感影像與數(shù)字高程模型的三維可視化研究[D]. 長沙: 中南大學(xué), 2013.

[36] Huiquan Bi, JuLian C. Fox, Yun Li, Yuancai Lei, Yong Pang. Evaluation of nonlinear equations for predicting diameter from tree height. Canadian Journal of Forest Research, 2012, 42(4): 789- 806(18)

[37] 彭品勛. 航空像片真航高的通用求算方法. 遙感信息, 1991,(1):27- 28.

[38] 樊江川. 無人機(jī)航空攝影測樹技術(shù)研究[D]. 北京: 北京林業(yè)大學(xué), 2014.

[39] 王偉. 無人機(jī)影像森林信息提取與模型研建[D]. 北京: 北京林業(yè)大學(xué), 2015.