魏 偉，周云軒，田 波，錢偉偉，湛玉劍，黃蓋先

華東師范大學(xué)河口海岸學(xué)國家重點(diǎn)實(shí)驗(yàn)室，上海 200062

0 引言

潮灘是指海岸帶地區(qū)高潮時(shí)淹沒、低潮時(shí)露出的區(qū)域[1]，該區(qū)域常伴隨著耐鹽且喜水的陸生植被即鹽沼植被的出現(xiàn)。鹽沼植被的發(fā)達(dá)根系有助于保持潮灘泥沙，其對(duì)潮水的緩流作用和對(duì)懸浮細(xì)顆粒泥沙的黏附、捕捉作用也促進(jìn)了泥沙沉降和灘面淤高[2]；同時(shí)，潮灘高程的增加加快了鹽沼植被群落的演替和向海延伸，植株密度和生物量也隨之增加[2-3]。高精度潮灘地形數(shù)據(jù)可為鹽沼植被對(duì)潮灘動(dòng)力、地貌、沉積過程的影響機(jī)理研究以及鹽沼生物量的獲取提供定量支持，探測(cè)和量測(cè)潮灘地形變化對(duì)于制定海岸帶綜合管理計(jì)劃具有重要的現(xiàn)實(shí)意義和參考價(jià)值。然而潮灘灘面寬廣、潮溝縱橫、灘面質(zhì)地松軟以及鹽沼植被的覆蓋等干擾情況，給鹽沼潮灘地形的精準(zhǔn)快速測(cè)量帶來較大難度。

目前，常用的地形測(cè)量方式主要有InSAR(interferometric synthetic aperture radar)、LiDAR(light detection and ranging)以及地面觀測(cè)如全站儀、GPS-RTK(global positioning system - real time kinematic)技術(shù)等。InSAR、LiDAR主要用于較大區(qū)域范圍的測(cè)量，全站儀、GPS-RTK主要用于小范圍的測(cè)量。這些方式方法和手段在應(yīng)用于潮灘時(shí)，分別存在著重訪周期長(zhǎng)、時(shí)效性差、成本高、單點(diǎn)測(cè)量效率低下等問題。近年來，TLS(terrestrial laser scanner)在潮灘區(qū)域的地形測(cè)量中得到良好的應(yīng)用，它能獲取目標(biāo)物的紋理信息和顏色信息。相對(duì)于其他地面測(cè)量手段，TLS獲取地形數(shù)據(jù)的效率更高，覆蓋范圍可達(dá)2～5 km，能夠保證野外連續(xù)實(shí)時(shí)測(cè)量。近年來，國內(nèi)外學(xué)者使用TLS在潮灘地形測(cè)量和反演方面取得了不少研究成果。常直楊等[4]使用TLS在江蘇潮灘獲取灘涂地形數(shù)據(jù)，評(píng)估了在該條件下使用的水平和高程偏差，結(jié)果表明該技術(shù)可以高精度獲取潮灘微地貌特征數(shù)據(jù)。Hannam等[5]利用TLS對(duì)帕迪拉灣區(qū)域展開連續(xù)3年監(jiān)測(cè)，以了解沉積地貌的時(shí)空變化模式。Guarnieri等[6]使用TLS獲取意大利威尼斯瀉湖鹽沼區(qū)域的地形數(shù)據(jù)，構(gòu)建植被濾除算法，分別得出TLS在較密和較稀疏植被區(qū)域使用的精度。

TLS在潮灘光灘地區(qū)獲取地形數(shù)據(jù)具有良好的效果，然而在鹽沼潮灘區(qū)域，植被對(duì)激光發(fā)射信號(hào)有遮蔽效應(yīng)，TLS獲取的激光反射信號(hào)包含了植被、地面信息等數(shù)據(jù)，因此，要獲取真實(shí)的鹽沼地形數(shù)據(jù)，必須去除植被數(shù)據(jù)的干擾。本項(xiàng)研究以長(zhǎng)江口4種典型鹽沼植被(蘆葦、白茅、互花米草、海三棱藨草)的樣方為研究目標(biāo)，采用先稀釋植被蓋度后TLS掃描地形數(shù)據(jù)的步驟，構(gòu)建分離植被與地面激光點(diǎn)云的植被濾除算法，研究TLS在鹽沼區(qū)域使用的適用性及典型鹽沼植被與反演地形精度的關(guān)系，為使用TLS反演鹽沼潮灘地形演變量化研究提供參考。

1 研究區(qū)域概況

長(zhǎng)江口是長(zhǎng)江在我國東部的入海口，長(zhǎng)江上游豐富的泥沙資源在河口的大量淤積使得沿岸潮灘處于動(dòng)態(tài)的淤漲變化過程中。作為典型的淤泥質(zhì)河口，長(zhǎng)江口的灘坡十分平緩，這在一定程度上有利于植被的生長(zhǎng)和擴(kuò)散，使得長(zhǎng)江口鹽沼植被資源非常豐富。長(zhǎng)江口鹽沼植被主要有蘆葦群落、藨草群落、海三棱藨草群落、糙葉苔草群落以及外來物種互花米草群落等[7]。

本研究區(qū)域選取崇明東灘、南匯邊灘兩塊長(zhǎng)江口潮灘鹽沼區(qū)域(圖1a)。崇明東灘位于上海市崇明島東部，南臨長(zhǎng)江入海口，東瀕東海，潮溝發(fā)育豐富，走向大致與灘地延伸方向一致，在平面上呈樹狀向外散射[8]。目前該區(qū)域鹽沼植被分布的一般趨勢(shì)為：低潮帶的鹽漬藻類帶；中潮帶及高潮帶下部的海三棱藨草和藨草群落帶；高潮帶及潮上帶的蘆葦群落帶。此外還散生一些白茅、糙葉苔草等斑塊狀群落。崇明東灘濕地互花米草生態(tài)控制與鳥類棲息地優(yōu)化工程的順利開展使得大片互花米草種群基本消失。由于不同類型植被的平均株高和密度不同，本文分別在崇明東灘南部地區(qū)選取3塊典型類型的蘆葦區(qū)域、白茅與低矮蘆葦?shù)幕焐鷧^(qū)域(后續(xù)稱白茅區(qū)域)、海三棱藨草區(qū)域建立樣方，分別分布于圖1b中的S1、S2、S3位置，平均株高分別為150、50、30 cm。南匯邊灘地處長(zhǎng)江口和杭州灣的交匯處，該區(qū)域潮灘鹽沼植被主要由低潮區(qū)的海三棱藨草(包括糙葉苔草和藨草群落帶)，中、高潮混生的互花米草群落及高潮帶內(nèi)側(cè)的蘆葦群落三大類組成[9]。本文在該地區(qū)選取互花米草分布帶建立樣方，分布于圖1c中的S4位置，平均植株高度為150 cm。

圖1 研究區(qū)及樣方位置示意圖Fig.1 The study area and quadrat location

2 數(shù)據(jù)獲取與預(yù)處理

2.1 點(diǎn)云數(shù)據(jù)獲取及植被蓋度稀釋

本研究使用的地面激光掃描儀型號(hào)為RIEGL VZ 4000。該掃描儀的有效掃描距離為4 000 m，單次測(cè)量精度為15 mm，重復(fù)測(cè)量精度為10 mm，激光發(fā)射波長(zhǎng)為單色近紅外波段。4種植被的實(shí)驗(yàn)樣方大小均為2 m×2 m，儀器架設(shè)距離樣方5 m，掃描儀距離地面高度2.5 m，該條件下掃描實(shí)際覆蓋掃描距離為950 m左右。完成TLS掃描后，修剪稀疏植被植株，以減小樣方內(nèi)的植被蓋度，再使用TLS對(duì)樣方實(shí)施稀疏后的測(cè)站掃描；重復(fù)該步驟，至修剪完植被的樣方掃描數(shù)據(jù)為真實(shí)地形數(shù)據(jù)。同時(shí)，TLS針對(duì)每個(gè)樣方進(jìn)行重復(fù)掃描測(cè)量實(shí)驗(yàn)時(shí)，不移動(dòng)測(cè)站位置，確保同一樣方的激光掃描測(cè)量擁有相同的自身坐標(biāo)系統(tǒng)SOCS(scanner’s own coordinate system)——以掃描儀測(cè)站位置為基礎(chǔ)的空間三維坐標(biāo)系。

2.2 植被蓋度獲取及估算

各樣方植被蓋度信息從數(shù)碼相片上獲取，植被蓋度定義為觀測(cè)區(qū)域內(nèi)植被垂直投影面積占地表面積的百分比[10]。數(shù)碼相機(jī)架設(shè)在距地面2.5 m高的位置，垂直對(duì)樣方拍攝。由于樣方的尺寸較大，人為修剪一次后，用數(shù)碼相機(jī)分別拍攝樣方的4個(gè)拐角，最后取蓋度均值作為樣方植被蓋度。數(shù)碼相片的像元值代表植被和土壤像素。一副相片的像素可分為植被和非植被兩種像素的二值圖。數(shù)碼相片上的植物蓋度通過計(jì)算植被像素占總像素的比例算得。本文使用Envi軟件監(jiān)督分類模塊進(jìn)行相片二值化處理，從原始到多次稀釋的結(jié)果為：蘆葦蓋度估值分別為50%、45%、40%、35%、30%、15%、0；白茅蓋度估值分別為70%、55%、40%、30%、20%、0；互花米草蓋度估值分別為65%、50%、40%、30%、15%、0；海三棱藨草蓋度估值分別為65%、60%、50%、40%、30%、20%、0。

2.3 點(diǎn)云噪聲點(diǎn)去除

使用TLS在野外獲取數(shù)據(jù)時(shí)，由于物體的遮擋以及其他外部條件的影響，所獲取的點(diǎn)云數(shù)據(jù)不可避免地會(huì)帶有噪聲點(diǎn)[11]，這些噪聲點(diǎn)對(duì)構(gòu)建DEM(digital elevation model)不可避免地產(chǎn)生較大的干擾。因此，在獲取原始點(diǎn)云數(shù)據(jù)后，必須先進(jìn)行點(diǎn)云數(shù)據(jù)去噪處理，刪除噪聲點(diǎn)的工作通過點(diǎn)云可視化處理軟件Riscan pro完成。

3 植被濾除算法構(gòu)建與反演精度評(píng)估

3.1 植被濾除算法構(gòu)建

點(diǎn)云數(shù)據(jù)包含三維坐標(biāo)、回光振幅、回光反射率以及顏色等屬性信息。本文所使用的植被濾除算法在移動(dòng)窗口法[12]的基礎(chǔ)上，結(jié)合點(diǎn)云屬性信息對(duì)植被噪聲點(diǎn)進(jìn)行濾除。移動(dòng)窗口法已經(jīng)被許多研究者用來去除植被影響[13-15]，其思想是提取窗口內(nèi)的最低高程點(diǎn)為地面點(diǎn)，獲取到地面點(diǎn)的可能性與窗口的尺寸大小密切相關(guān)。當(dāng)窗口很小時(shí)，TLS返回的激光信號(hào)高程值可能高于地面實(shí)際高程，隨著窗口尺度的增加，該值越來越有可能是激光穿透植被冠層到達(dá)地面的返還點(diǎn)。然而窗口過大時(shí)，又有可能平滑或去掉一些小的地形不連續(xù)部分[16]。不同的植被樣方因植株高度與密度的不同，其最佳窗口尺度也不同。本文分別對(duì)4塊樣方點(diǎn)云數(shù)據(jù)使用移動(dòng)窗口法過濾，窗口尺寸從1 cm到20 cm遞增，增量為1 cm。同時(shí)，激光掃描儀返回信號(hào)里包含的信息可以被用于地表不同材質(zhì)物體的分類，例如振幅屬性[17]；采用非監(jiān)督分類K-means的方法去除分類結(jié)果為植被的點(diǎn)云。先移動(dòng)窗口后去除植被點(diǎn)云的方法相比單一使用移動(dòng)窗口法精度有進(jìn)一步的提升[6]。K-means算法是一種以平均值作為聚類中心的分割聚類算法。RIEGL VZ 4000 TLS激光反射信號(hào)為近紅外波段，對(duì)水體沒有回波反射信號(hào)，因此在研究區(qū)域內(nèi)激光反射信號(hào)只有植被和土壤兩類。因此，算法根據(jù)屬性值(本例中指點(diǎn)云振幅屬性)將簇群的n個(gè)目標(biāo)(本例中指TLS掃描點(diǎn)云數(shù)據(jù))分成k類(本例中指土壤和植被)。

該算法的具體步驟如下：

1)從數(shù)據(jù)集中隨機(jī)選擇k個(gè)對(duì)象C1，C2，…，Ck作為初始的聚類中心。

2)把每個(gè)對(duì)象分配到與之距離最小的聚合，每個(gè)聚合用其中所有對(duì)象的均值來代表。對(duì)于每個(gè)點(diǎn)Vi(i=1，2, …,n)，找出一個(gè)質(zhì)心Cj(j=1，2, …,k)，使它們之間的距離d(Vi,Cj)最小，并把Vi分配到第j組。

3)把所有的點(diǎn)都分配到相應(yīng)的組之后重新計(jì)算每個(gè)組的質(zhì)心Cj。

4)循環(huán)執(zhí)行第2)步和第3)步，直到數(shù)據(jù)的劃分不再發(fā)生變化。

選取裸土和覆蓋植被的土壤表面(以白茅植被為例)兩類點(diǎn)云數(shù)據(jù)，兩種點(diǎn)云振幅屬性頻率分布如圖2所示。K-means算法對(duì)白茅植被分類結(jié)果為12，振幅小于12時(shí)為土壤點(diǎn)云數(shù)據(jù)、大于12時(shí)為鹽沼植被點(diǎn)云數(shù)據(jù)。該分類結(jié)果與裸土振幅頻率分布圖(圖2a)有較好的一致性，故去除振幅值大于12的點(diǎn)云。由于本文實(shí)驗(yàn)樣方較小，同時(shí)部分植被存在激光穿不透現(xiàn)象，為確保樣方有足夠多點(diǎn)云構(gòu)建DEM，本方法僅用于去除個(gè)別高程異常高點(diǎn)，使得構(gòu)建樣方DEM點(diǎn)云不少于100個(gè)。

3.2 植被樣方DEM構(gòu)建與精度評(píng)估

以不同蓋度構(gòu)建的樣方DEM定量分析反演4種不同鹽沼樣方區(qū)域的地形精度。在完成上述去除低質(zhì)量點(diǎn)以及植被濾除后，為了便于后續(xù)精度評(píng)估，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行插值建模。本文基于Arcgis10.2軟件，使用克里金插值法構(gòu)建掃描樣方DEM。

通過生成的DEM與完全去除植被后的DEM對(duì)比不同蓋度情況下的地形反演精度。不同情境下的實(shí)驗(yàn)完全獨(dú)立進(jìn)行，使用均方根誤差(root-mean-square error,RMSE)來衡量算法生成DEM的精度。

4 結(jié)果與分析

4.1 測(cè)量精度與植被蓋度的關(guān)系

根據(jù)實(shí)驗(yàn)結(jié)果建立TLS反演4種不同植被樣方地表地形精度與蓋度、窗口尺度的關(guān)系，如圖3所示。從圖3可以看出，在窗口尺度為0～20 cm的范圍內(nèi)，隨著窗口尺度的增加，TLS反演不同蓋度的4種植被樣方地表地形精度不斷提高。

1)從圖3a可以看出：當(dāng)窗口尺度為20 cm、蘆葦蓋度為50%時(shí)，TLS反演蘆葦樣方地表地形精度最低，RMSE為4.5 cm；在窗口尺度為20 cm、蘆葦蓋度小于50%時(shí)，RMSE均在4.5 cm以內(nèi)。因此，激光基本上可以穿透蓋度為50%的蘆葦冠層到達(dá)地面。

2)從圖3b可以看出：在窗口尺度大于15 cm時(shí)，RMSE雖有降低，但降低的幅度較小，幾乎平行于坐標(biāo)軸。在窗口尺度為20 cm、白茅蓋度為70%時(shí)，TLS反演白茅樣方地表地形精度最低，RMSE為22 cm，激光無法穿透植被冠層到達(dá)地表。在該情況下，以10 cm窗口濾除算法構(gòu)建的DEM及原始數(shù)據(jù)地表DEM見圖4(以掃描儀的SOCS空間坐標(biāo)系為參考)。從圖4中可以看出：沿入射方向，激光可以部分穿透植被，但有效距離很短；沿著該方向，隨著與TLS距離的增加，激光穿透的能力越來越弱，呈現(xiàn)一個(gè)緩坡。樣方內(nèi)的白茅株高為50 cm左右，在樣方后部，頂層DEM距離地面DEM約為40 cm，激光穿透深度為10 cm。當(dāng)窗口尺寸為20 cm、RMSE為5 cm時(shí)，白茅蓋度為30%左右。

3)從圖3c可以看出：在窗口尺度為20 cm、互花米草蓋度為65%時(shí)，TLS反演互花米草樣方地表地形精度最低，RMSE為22 cm，激光無法穿透植被冠層到達(dá)地表。在窗口尺度為20 cm、互花米草蓋度小于等于50%時(shí)，互花米草曲線關(guān)系圖與蘆葦曲線關(guān)系圖有一定的相似性。在窗口尺度為20 cm，互花米草、蘆葦蓋度為50%時(shí)，互花米草RMSE為5.7 cm，稍高于蘆葦(4.5 cm)；當(dāng)兩者蓋度小于50%時(shí)精度相近。當(dāng)窗口尺寸為20 cm、RMSE為5.7 cm時(shí)，互花米草蓋度為50%左右。

4)從圖3d可以看出：在窗口尺度為20 cm、海三棱藨草蓋度為65%時(shí)，TLS反演海三棱藨草樣方地表地形精度最低，RMSE為8.6 cm，激光無法穿透植被冠層到達(dá)地表。當(dāng)窗口尺寸為20 cm、RMSE為5 cm時(shí)，海三棱藨草蓋度為40%左右。

a.裸土；b. 覆蓋白茅的土壤。圖2 點(diǎn)云振幅屬性頻率分布圖Fig.2 Frequency distribution of amplitude attributes of point cloud

a. 蘆葦；b. 白茅；c. 互花米草；d. 海三棱藨草。圖3 植被過濾算法窗口尺度與RMSE關(guān)系圖Fig.3 Window sizes of vegetation filtering algorithm vs. RMSE

a. 10 cm窗口尺度過濾算法構(gòu)建的DEM；b. 原始數(shù)據(jù)地表DEM。圖4 白茅樣方DEM示意圖Fig.4 DEM of Imperata cylindrica quadrat

4.2 激光穿透植被分析

當(dāng)蓋度大于50%時(shí)，白茅、互花米草、海三棱藨草樣方原始蓋度分別為70%、65%、65%，RMSE分別為22.0、22.0、8.6 cm，TLS激光均不能穿透植被冠層到達(dá)地面。以白茅樣方為例，圖5a為白茅樣方原始蓋度掃描結(jié)果，圖5b為經(jīng)過3次人為稀釋植被蓋度后的掃描結(jié)果：隨著植被蓋度的稀釋，激光穿透能力增強(qiáng)。當(dāng)激光穿不透時(shí)，任何算法都不能在原始數(shù)據(jù)缺失的情況下提取地表、地形、地貌特征。

黃色點(diǎn)云為掃描儀掃描結(jié)果，藍(lán)色點(diǎn)云為修剪完植被的真實(shí)地形數(shù)據(jù)。圖5 白茅植被稀釋前掃描數(shù)據(jù)(a)與3次稀釋后掃描數(shù)據(jù)(b)Fig.5 Imperata cylindrica of TLS scanning before coverage reduced (a) vs. three coverage reduced (b)

當(dāng)蓋度為50%時(shí)，TLS反演4種鹽沼植被樣方地形的誤差為蘆葦<互花米草<海三棱藨草<白茅，RMSE分別為4.5、5.7、6.6、16.0 cm。白茅樣方

反演精度較差，地形反演精度與蘆葦相差3.56倍，海三棱藨草地形反演精度與蘆葦相差1.47倍，互花米草地形反演精度與蘆葦?shù)匦畏囱菥认嘟?。造成低矮植被比較高植被反演精度差的原因是植物構(gòu)型的影響。由圖6可見：蘆葦和互花米草(圖6a、c)植株較高，莖稈光桿長(zhǎng)度較長(zhǎng)，葉片主要在上部，下部的莖稈對(duì)激光穿透影響很小，因此能夠穿過蘆葦、互花米草莖稈縫隙到達(dá)地面；白茅(圖6b)樣方內(nèi)為白茅與小蘆葦?shù)幕焐鷧^(qū)，該區(qū)域植被高度較低，莖稈光桿長(zhǎng)度很短，上部分布了多層葉片，在同樣的TLS視角下，激光不但被表層植被葉子遮擋且很難穿過被葉片遮擋的較短光桿部分，致使誤差較高即圖4a現(xiàn)象；海三棱藨草(圖6d)株高同樣較低，表層根狀莖對(duì)激光穿透作用較蘆葦、互花米草莖稈影響更大，出現(xiàn)同樣蓋度情況下反演精度比蘆葦和互花米草差的現(xiàn)象。海三棱藨草比白茅誤差小的原因可能有兩種：一是白茅的平均株高比海三棱藨草高；二是海三棱藨草的根須莖比白茅葉片對(duì)激光穿透的影響更小。

當(dāng)蓋度小于50%時(shí)，由于激光能夠穿透蘆葦、互花米草，TLS反演兩種鹽沼植被地形精度量級(jí)變化不明顯；TLS反演海三棱藨草精度小幅度提升；由于激光難穿透白茅，隨著蓋度的稀釋，TLS反演精度提升較為明顯。在同種蓋度情況下，海三棱藨草誤差小于白茅誤差。

綜上所述，鹽沼植被蓋度越高，地形反演精度越低，兩者呈現(xiàn)負(fù)相關(guān)關(guān)系。值得注意的是，當(dāng)起始窗口尺度為1 cm時(shí)，蘆葦誤差≈互花米草誤差>白茅誤差>海三棱藨草誤差。這是算法所致，較小窗口獲取點(diǎn)云高程最小值時(shí)易獲取其值相對(duì)較大的點(diǎn)，導(dǎo)致整體樣方誤差偏高。

a. 蘆葦；b. 白茅；c. 互花米草；d. 海三棱藨草。圖6 TLS掃描樣方示意圖Fig.6 Quadrat of TLS scanning

5 結(jié)論與建議

本文以長(zhǎng)江口鹽沼潮灘區(qū)域典型4種植被：蘆葦、白茅、互花米草、海三棱藨草樣方的TLS掃描點(diǎn)云為數(shù)據(jù)源，構(gòu)建植被點(diǎn)云過濾算法，使用控制變量的方法固定儀器的高度、與樣方的距離和掃描分辨率；通過人為改變鹽沼植被蓋度的方法，研究植被蓋度與點(diǎn)云數(shù)據(jù)反演鹽沼潮灘區(qū)域地形精度之間的關(guān)系，探究TLS在反演鹽沼潮灘區(qū)域地形的適用性。通過初步分析有以下認(rèn)識(shí)：鹽沼植被蓋度越高，地形反演精度越低，兩者呈現(xiàn)負(fù)相關(guān)關(guān)系；反演4種鹽沼植被地形的精度達(dá)到5 cm左右的蓋度臨界值分別為：蘆葦、互花米草等于50%左右，白茅等于30%左右，海三棱藨草等于40%左右。當(dāng)蓋度等于50%時(shí)，TLS反演蘆葦、互花米草、白茅、海三棱藨草地形的精度分別為4.5、5.7、16.0、6.6 cm。當(dāng)蓋度小于50%時(shí)，TLS激光更容易穿透株高較高的禾本科鹽沼植被如蘆葦、互花米草以及株高較低的莎草科植被海三棱藨草，激光對(duì)株高較低的禾本科植被白茅的反演效果隨著蓋度的降低精度提高較多。

本文通過TLS反演小樣方鹽沼植被的實(shí)驗(yàn)，探究了TLS在反演鹽沼潮灘區(qū)域地形的適用性。然而鹽沼潮灘地區(qū)植被大面積分布，大片鹽沼植被蓋度均大于50%，距離TLS越遠(yuǎn)，激光點(diǎn)云密度越小，衰減作用越明顯，激光穿透植被能力越弱，遠(yuǎn)處激光點(diǎn)云數(shù)據(jù)可能只在植被表層。在鹽沼潮灘地區(qū)使用TLS反演地形時(shí)，增加TLS架設(shè)高度、對(duì)同一區(qū)域多方位反復(fù)掃描可能有助于提高地形反演效果。