李亞東，曹明蘭，李長青，明海軍

（1.北京工業(yè)職業(yè)技術學院，北京 100042；2.北京林業(yè)大學 精準林業(yè)北京市重點實驗室，北京 100083；3.內蒙古大興安嶺林管局森林調查規(guī)劃院，內蒙古 牙克石 022150）

無人機具有機動靈活、時效性強、成本低廉、分辨率高等優(yōu)點[1]，已廣泛運用在農(nóng)林、災害監(jiān)測、氣象探測、資源環(huán)境、市政規(guī)劃等領域[2-5]。森林對維護生態(tài)平衡起著至關重要的作用，是人類賴以生存和發(fā)展的資源和環(huán)境。森林蓄積量大小標志著林地生產(chǎn)力及經(jīng)營措施的效果，是評價森林的重要指標[6]。估測森林蓄積量能夠把握森林資源量，是制定森林經(jīng)營計劃與林分采伐的重要依據(jù)[7]。近年來隨著遙感技術的發(fā)展，在林業(yè)森林蓄積量估測上的應用也進入高速發(fā)展的快車道[8]?；谶b感技術的蓄積量估測理論和估測方法均有了長足發(fā)展。而基于有人機的森林資源調查費用較高、人力物力投入大，已經(jīng)無法滿足當今森林資源調查和監(jiān)測的需求。無人機航測技術勢必會在森林資源調查和動態(tài)監(jiān)測中發(fā)揮極大的優(yōu)勢[9]。

目前，多數(shù)基于影像的蓄積量估算，均建立在測繪標準所生成的DOM、DSM、DEM等測繪成果基礎上，而無法充分利用原始影像數(shù)據(jù)上的林業(yè)特征，無法從點云層面上加入林業(yè)業(yè)務邏輯產(chǎn)生成果數(shù)據(jù)。本文利用無人機航攝影像數(shù)據(jù)制作出三維點云，利用基于點云提取的森林樹冠、樹高因子估測了森林蓄積量，并結合實地調查數(shù)據(jù)進行比較分析。

1 研究區(qū)概況

內蒙古大興安嶺阿爾山林業(yè)局伊爾施林場位于內蒙古興安盟阿爾山市最北端，地理位置119°28′～ 120°01′E， 47°15′～ 47°35′N。 本 研究的實測數(shù)據(jù)來自阿爾山林業(yè)局伊爾施林場1號林班10小班。小班地勢平緩，樹種為白樺天然中齡林，林分郁閉度0.6。經(jīng)過現(xiàn)場踏查，在距離林緣20 m的區(qū)域，布設了50 m×50 m的標準地，標準地內樣木為259株。

2 無人機森林航攝影像獲取

2.1 設備參數(shù)

測圖鷹X100固定翼無人機，機長0.6 m，翼展1 m，起飛重量2 kg，巡航速度75 km/h。該航測遙感無人機系統(tǒng)操作簡單，彈射起飛、全自動起飛降落、自動航線規(guī)劃，無人機搭載了Canon 5D Mark II數(shù)碼相機。

2.2 航線規(guī)劃

無人機航拍前檢查飛行測區(qū)內情況，以確定無人機起降點，并確保起降區(qū)域沒有較高的障礙物。航拍設計航高150 m，規(guī)劃5條航帶，航帶間隔84 m，規(guī)劃航向重疊85%，旁向重疊65%，相機焦距35 mm，空間分辨率0.03 m。航拍當天天空透亮、能見度較好，風力小于2級。航拍完成后，導出拍攝影像和飛行日志數(shù)據(jù)。經(jīng)過現(xiàn)場檢查，拍攝的圖像景物比較清晰、亮度適中、色調飽和，沒有漏拍區(qū)域。

2.3 生成密集點云

本文獲取無人機航攝影像后，利用特征點提取與匹配方法自動相對定向基礎上，結合控制點和光束法平差的迭代求解，解算出精確的相機姿態(tài)數(shù)據(jù)即可生成核線影像。在核線影像上沿核線方向一維搜索特征點進行影像密集匹配，從而生成密集點云。生成的密集點云的密度約620 個/m2。數(shù)據(jù)處理流程，如圖1所示。

圖1 森林調查航攝影像處理流程Fig.1 Aerial stereo image processing procedure for forest survey

3 林分參數(shù)提取

生成密集點云后，采用對原始三維點云過濾的方法進行樹冠分割[10],所提取的樹冠模型（圖2）。樹冠提取采用公式（1），樹高提取采用公式（2）。

式中：X，Y，Z為樹冠表面上任意一點的三維坐標；滿足條件Zt-ch≤Z≤Zt。

圖2 樹冠模型Fig.2 Crown model

3.1 樹冠的提取方法

對森林調查航攝影像處理得到的原始密集點云進行濾波處理提取樹冠信息。與數(shù)字圖像或信號信息不同，三維點云信息無明顯的定義域，因此不存在某種規(guī)律或數(shù)值關系可定義。因此，三維點云基本依賴幾何信息做濾波。PCL等軟件已對直通濾波器、體素格濾波器、統(tǒng)計濾波器、半徑濾波器等常規(guī)濾波手段進行了很好的封裝。另外，還可根據(jù)林分參數(shù)的已知信息以及取值域等可利用的先驗信息進行濾波處理。通過濾波處理可過濾掉離散點、地表面點等信息。然后對濾波后的點云進行聚類，將同一類內的點云降維到二維平面上。利用GIS的點要素轉線要素算法，將所有點元素轉為線元素，再將線元素轉為面，合并面元素獲得林冠面狀數(shù)據(jù)，如圖3所示。

圖3 樹冠由點云到多邊形的過程Fig.3 Process of crown transforming from point cloud to polygon

圖3中從左到右依次為同一株樹冠的插值后DOM、樹冠原始點云聚類后降維到二維平面的點云、點元素轉為線元素、線元素轉為面的碎面、合并后的樹冠平面投影范圍Polygon。求出平面投影范圍Polygon的外接矩形Envelope，即可得到冠幅的長和寬，再平均即可。

提取的冠幅平均值p是根據(jù)自動提取的樹冠面積計算得到，冠幅的實測值是測量獲得標準地白樺樣木的南北冠幅和東西冠幅的平均值。對提取的冠幅與實測冠幅進行分析發(fā)現(xiàn)，提取冠幅的最低精度為0.73，最高精度為0.96，平均精度達到0.85以上。提取冠幅值均低于實測冠幅值，并存在線性相關，線性回歸R2=0.89。

式中，為冠幅平均值，S為自動提取的樹冠面積。

圖4 冠幅提取值與實測值關系散點圖Fig.4 Scatter diagram of relationship between crown breadth extract values and measured values

3.2 樹頂點與樹高的提取

聚類分享林冠點云數(shù)據(jù)后，遍歷搜索Z坐標的最大值，將其作為該樹冠的頂點。提取樹冠頂點后統(tǒng)計測區(qū)內提取的樹木株數(shù)，并與標準地實測數(shù)據(jù)推算的測區(qū)株數(shù)進行比較，獲得測區(qū)內白樺株數(shù)的提取精度。航拍影像中提取的白樺株數(shù)為975株/hm2，與標準地實測株樹推算出的單位株樹1 036株/hm2比較，提取精度達到了94.11%。

圖5 樹冠投影多邊形與樹頂點疊加示意圖像Fig.5 Overlapping of crown projection polygon and tree vertices

如公式(2)，通過計算頂點Zt與地面高Zg之差獲得樹高值。利用所有樹冠多邊形作為空間查詢的輸入，將已包含關系作為空間關系條件，在地面高Zg是在原始點云中查詢的結果集與原點云做非操作得到地面點，對地面點插值生成小班DEM，再根據(jù)頂點坐標（x，y）得到頂點對應的Zg。計算樹高的提取精度公式如下：

其中，提取精度ε，提取樹高Ht，實測樹高Hs。

利用式（4）計算出樹高的提取精度最低為0.75，提取精度最高為0.97，樹高值的平均提取精度達到0.83以上。分析發(fā)現(xiàn)，樹高的提取值與實測值之間存在線性相關關系，其線性回歸的R2=0.774 9。

圖6 樹高提取值與實測值關系散點圖像Fig.6 Scatter diagram of relationship between tree height extract values and measured values

4 林分蓄積量估算

林分蓄積量是森林單位面積活立木的材積總量。計算林業(yè)產(chǎn)出效益時，根據(jù)單株活立木材積乘以單位面積株數(shù)，計算出單位面積森林蓄積量。目前，主要采用樹高與胸徑的二元材積模型計算單株活立木的材積。無人機航空攝影無法直接獲取活立木胸徑信息，但可以提取樹高和樹冠信息?；盍⒛镜牟姆e量除了樹高和胸徑，還與冠幅值密切相關。因此本文采用以樹高和冠幅作為解釋變量，建立了立木材積二元模型，以此估測單株活立木材積[11]。

式中，V為立木材積（m3）；H為樹高（m）；Cw為冠幅（m）；a，b，c為參數(shù)估計值。

式中，M為小班總蓄積量（m3）；V為單株立木材積（m3）；H為樹高（m）；Cw為冠幅（m）；a，b，c為參數(shù)估計值。

表1 無人機航攝影像三維點云森林蓄積量估算精度Tabel 1 Estimation accuracy of three-dimensional point cloud forest accumulation in UAV stereo photography

利用標準地中測定的實測樹高和冠幅數(shù)據(jù)，應用最小二乘法對公式擬合，獲得參數(shù)估計值a，b，c。分析表明，無人機航攝影像三維點云森林蓄積量的估測精度為82.46%。

5 結論與討論

本研究利用無人機航攝系統(tǒng)采集了內蒙古大興安嶺林業(yè)管理局阿爾山林業(yè)局伊爾施林場航攝影像，利用特征點提取與匹配方法自動相對定向基礎上，結合控制點和光束法平差的迭代求解，解算出精確的相機姿態(tài)數(shù)據(jù)生成核線影像。在核線影像上沿核線方向一維搜索特征點進行影像密集匹配，從而生成密集點云。利用林分三維點云提取了樹冠、樹高、樹頂點等林分特征信息，估測了林分單位面積蓄積量。結果表明，無人機航空攝影三維點云中提取的樹冠提取精度達到

85.15 %，樹高提取精度達到83.69%，林分蓄積量估測精度達到82.46%，滿足森林調查精度要求?；跓o人機航攝影像三維點云估測森林蓄積量方法，最大限度地保留了原始影像中的林分特征，提高了林分特征提取準確度。該方法實施效率高，短期內可獲得大量林分航攝影像圖進行林分蓄積量估測，可代替繁重、艱苦的野外人工森林調查工作，不僅降低成本，還提高了效率。無人機航攝影像與機載雷達和高分辨率衛(wèi)星影像相比，具有航線設計靈活、時相性好、重疊度大、分辨率高等優(yōu)點，還可以根據(jù)任務要求搭載不同的設備來完成。因此，基于無人機航攝影像的林分蓄積量估算等應用前景廣闊。由于時間和實驗條件限制，仍有很多不足和改進的地方，如傾斜坡度上的樹高修正，傾斜攝影技術的應用方面有待進一步研究。