王天罡,賈紅波,梁兵琳,張麗華,李 虹,朱佳琦
(1.北京市京西林場,北京 102300;2.北京市林業(yè)勘察設(shè)計(jì)院,北京 100029)
單木樹高、樹種、冠幅及單木位置是森林資源調(diào)查的重要因子。傳統(tǒng)林業(yè)調(diào)查方法工作量大,強(qiáng)度高,周期長。隨著林業(yè)信息技術(shù)的高速發(fā)展,森林調(diào)查的技術(shù)手段日臻完善,無人機(jī)遙感系統(tǒng)具有機(jī)動、快速、分辨率高、適用范圍廣等優(yōu)點(diǎn),適合林業(yè)調(diào)查的工作要求,能增強(qiáng)林業(yè)調(diào)查工作能力,同時相較于衛(wèi)星和航空遙感技術(shù),不僅購買及維護(hù)成本相對較低,對操作人員的技能要求也不太高[1]。激光雷達(dá)技術(shù)能夠同時獲取森林冠層表面的水平和垂直結(jié)構(gòu)信息,基于高密度的激光雷達(dá)點(diǎn)云不僅能夠獲取林分尺度森林參數(shù),還能提取單木尺度的森林參數(shù)。利用無人機(jī)Demetrios等[2]對多樣性豐富的雨林進(jìn)行樹高測量,李亞東等[4]估測了森林蓄積,樹高及冠幅提取精度近90%。楊坤等[3]利用高分辨率影像進(jìn)行了樹木高度提取,發(fā)現(xiàn)法桐的測高精度明顯高于圓柏,Andersen等[5]利用點(diǎn)云技術(shù)建立樹木模型,繪制了單木高度及冠幅圖。
本研究采用大疆六翼無人機(jī)搭載激光雷達(dá)及云臺相機(jī),通過獲得地面DEM、三維點(diǎn)云數(shù)據(jù)和專業(yè)軟件,進(jìn)行數(shù)據(jù)處理分析,獲取單株樹木點(diǎn)云,從而確定樹木位置、株數(shù)、樹高、樹冠直徑等信息,并與實(shí)測值比較,以確定該方法的可行性。
試驗(yàn)地京西林場木城澗分場位于北京市西部,東經(jīng)115°40′~116°38′,北緯39°40′~40°10′,森林植被覆蓋度高,垂直分布明顯。天然林樹種主要有栓皮櫟(Quercusvariabilis)、欒樹(Koelreuteriapaniculata)、山楊(Populusdavidiana)。人工林主要樹種有油松(Pinustabuliformis)、落葉松(Larixgmelinii)、臭椿(Ailanthusaltissima)等。
調(diào)查實(shí)驗(yàn)用大疆M600pro六旋翼無人機(jī)(圖1),最大載重6 kg,最大飛行高度500 m,GPS模式下無負(fù)載最大飛行速度為18 m·s-1。無人機(jī)搭載的大疆Z30型號云臺相機(jī),有效像素2 000萬,單個像素大小為2.4 um,傳感器焦距為10~1 200 mm,快門速度為1/30~1/6 000 s,照片最大分辨率為4K 60 fps H.264。無人機(jī)搭載的激光雷達(dá)掃描系統(tǒng)是LiAir 1000型激光雷達(dá)點(diǎn)云數(shù)據(jù)采集系統(tǒng),高度集成了激光雷達(dá)掃描儀、GNSS和IMU定位定姿系統(tǒng)及存儲控制單元,可實(shí)時、動態(tài)、海量采集高精度點(diǎn)云數(shù)據(jù)及豐富的影像信息。
圖1 大疆M600pro無人機(jī)
實(shí)驗(yàn)當(dāng)天天氣晴朗,風(fēng)力小于三級。數(shù)據(jù)采集時先在航線軟件數(shù)字綠土Lidar中設(shè)定詳細(xì)的飛行計(jì)劃、飛行區(qū)域、航線和高度等(圖2),設(shè)定實(shí)驗(yàn)飛行高度為120 m,飛行路線的航向重疊度和旁向重疊度分別為90%和95%。共拍攝50張航空正射影像,影像采集過程共耗時8 min,覆蓋面積為0.02 hm2。
圖2 無人機(jī)航線
點(diǎn)云數(shù)據(jù)是三維坐標(biāo)中的一組向量集合,無人機(jī)通過高度集成激光雷達(dá)掃描儀、GNSS和IMU定位定姿系統(tǒng)及存儲控制單元,獲取森林冠層的水平和垂直結(jié)構(gòu)信息,采集高精度點(diǎn)云數(shù)據(jù)及豐富的影像信息,基于高密度的激光雷達(dá)點(diǎn)云獲取林分尺度森林參數(shù),再通過專業(yè)軟件對點(diǎn)云數(shù)據(jù)進(jìn)行分割,從而獲取單木尺度森林參數(shù)。
點(diǎn)云數(shù)據(jù)處理流程如圖3所示:(1)去除空中噪點(diǎn),提高數(shù)據(jù)質(zhì)量,從點(diǎn)云數(shù)據(jù)中分離地面點(diǎn);(2)基于地面點(diǎn)生成DEM,利用DEM對點(diǎn)云進(jìn)行歸一化,去除地形影響;(3)對點(diǎn)云進(jìn)行單木分割,獲取單木位置、樹高、樹冠直徑、樹冠面積和樹冠體積;(4)用ALS編輯工具對單木分割的結(jié)果進(jìn)行檢查,同時,可對種子點(diǎn)進(jìn)行增加、刪除等人工交互編輯;(5)并基于編輯后的種子點(diǎn)再次對點(diǎn)云進(jìn)行分割,提高單木分割的準(zhǔn)確性(圖4)
圖3 點(diǎn)云數(shù)據(jù)處理流程
圖4 樣地點(diǎn)云效果
三維點(diǎn)云數(shù)據(jù)經(jīng)去噪處理后,采用層堆疊算法從歸一化的點(diǎn)云數(shù)據(jù)中提取單木數(shù)據(jù)(圖5)。本調(diào)查得到760萬個三維點(diǎn),生成樣地三維點(diǎn)云。選取樣地點(diǎn)云海拔在0~6 m范圍,點(diǎn)云數(shù)據(jù)分割清晰的樣木,能夠?qū)涓吆凸诜鶖?shù)據(jù)進(jìn)行有效提取(圖6)。
圖5 點(diǎn)云提取效果(局部)
圖6 點(diǎn)云數(shù)據(jù)歸一化進(jìn)行單木分割
航測樹高值與實(shí)地測量樹高值誤差絕對值均低于43 cm,誤差絕對值最大值為42.6 cm,最小值為0.3 cm,而相對誤差最大為15.7%,最小為0.1%,平均相對誤差-5.7%。從表1可以看出,絕對值在0~30 cm范圍內(nèi)的誤差占絕大部分,其中0~10 cm范圍內(nèi)的誤差占總株數(shù)的48.2%,0~20 cm誤差范圍占76.4%。經(jīng)分析可知,樹木高度提取結(jié)果的精度較高,表明利用無人機(jī)高分辨率影像進(jìn)行樹高提取的方法可取得較好的效果。
表1 樹木高度誤差絕對值范圍統(tǒng)計(jì)
由表2看出,三個樹種的高度標(biāo)準(zhǔn)誤差白皮松和山桃非常接近,分別為14.87和14.71,臭椿的高度標(biāo)準(zhǔn)誤差較高,為21.66。實(shí)驗(yàn)地為人工林,臭椿的栽植方式為裸根截桿苗,在相同影像空間分辨率條件下,頂端空間分辨率較低,造成臭椿的航測樹高值誤差較大。
表2 不同樹種樹高的標(biāo)準(zhǔn)誤差(RMSE)
三個樹種航測樹高值與實(shí)地測量樹高值存在線性相關(guān)性(圖7),決定系數(shù)分別為0.773、0.886、0.302。精度超過90%,基本滿足林業(yè)調(diào)查與規(guī)劃需要。
圖7 不同樹種的樹木測量高度與真實(shí)高度比較
冠幅是樣木南北和東西方向?qū)挾鹊钠骄?。本?5株樣木冠幅使用樹下樹冠投影直徑確定冠幅大小。航測冠幅值與實(shí)地測量值誤差絕對值均低于67 cm,誤差絕對值最大66.3 cm,最小0.1 cm,而相對誤差最大值為34.5%,最小值為0.1%,平均相對誤差-10.25%。從表3可以看出,絕對值在0~20 cm范圍內(nèi)的誤差占絕大部分,占樣木總數(shù)的64.7%,經(jīng)分析可知,對樣木冠幅的提取達(dá)到林業(yè)測繪要求,利用無人機(jī)進(jìn)行冠幅提取的方法可行。樣地中無人機(jī)航測提取冠幅最高精度是0.99,最低精度是0.66,平均精度是0.89。
表3 樹木冠幅誤差絕對值范圍統(tǒng)計(jì)
由表4可知,白皮松的冠幅標(biāo)準(zhǔn)誤差為28.28,明顯高于臭椿和山桃,與楊坤得出的圓錐形(圓柏)樹冠頂端尺寸常常小于影像空間分辨率,導(dǎo)致不容易分辨;處理采集影像生成的圓錐形樹冠點(diǎn)云數(shù)量也遠(yuǎn)遠(yuǎn)少于闊卵形樹冠有結(jié)論一致[3]。冠幅提取精度白皮松不足88%,臭椿和山桃在90%以上,用無人機(jī)提取的冠幅精度與冠形有直接關(guān)系。
表4 不同樹種樹冠的標(biāo)準(zhǔn)誤差(RMSE)
冠幅標(biāo)準(zhǔn)誤差白皮松最大,為28.28,臭椿和山桃較小,分別為15.69和13.37,表明樣木冠形對冠幅影響較大;不同樹種的航測值和實(shí)地測量值存在線性相關(guān)關(guān)系(圖8),白皮松、臭椿、山桃的決定系數(shù)分別為0.714、0.784和0.718。
圖8 不同樹種的測量冠幅與真實(shí)冠幅比較
本調(diào)查研究結(jié)果表明,航測樹高值與實(shí)地測量樹高值誤差絕對值均低于43 cm,提取平均精度為94%;航測冠幅值與實(shí)地測量冠幅值誤差絕對值均低于67 cm,冠幅提取平均精度為89%,其精度基本滿足林業(yè)調(diào)查與作業(yè)設(shè)計(jì)的需要。本研究對象為人工造林,樹冠之間無疊加,提取的點(diǎn)云數(shù)據(jù)較為理想。
在森林郁閉度較高的情況下,無人機(jī)獲取可靠性數(shù)據(jù)有一定局限性,難以獲取樹木的具體冠幅等信息,并且難以保證信息的精度。在后續(xù)研究中可以根據(jù)森林郁閉度的不同對無人機(jī)采集的數(shù)據(jù)精度進(jìn)行探索。