白明雄,張 超,陳 棋,王 娟,李華玉,史小蓉,田湘云,張玉薇

(西南林業(yè)大學 林學院,昆明 650224)

林分平均高是評價森林立地質(zhì)量和林木生長狀況、劃分林層的重要依據(jù),是反映林分結(jié)構(gòu)特征的重要因子之一,亦是森林資源調(diào)查的一項重要指標。在森林調(diào)查及經(jīng)營管理工作中,單木樹高的測定與立木材積和材積生長率的確定密切相關。利用林分中若干林木的樹高測量值,采用測樹學中的林分平均高計算公式,即可計算林分平均高[1-2]。

目前,單木樹高的測量方法主要可分為傳統(tǒng)地面測量和遙感估測二類方法。傳統(tǒng)地面測量方法是森林調(diào)查工作中最為常用的方法,主要包括目測法[3]或借助經(jīng)緯儀[4]、全站儀等[5]工具對活立木單木進行樹高測定。傳統(tǒng)地面測量方法因工作量大、調(diào)查效率低、易受人為、地形因素及儀器設備等影響,樹高測量精度會產(chǎn)生一定的不確定性[6]。近年來,遙感技術(shù)(特別是激光雷達技術(shù))已成為森林資源調(diào)查領域的熱門方法,被越來越多地應用于林分調(diào)查因子的估測研究中,如，王濤等[7]通過機載激光雷達點云數(shù)據(jù),研究冠層高度模型(CHM)并從中提取單木參數(shù)(樹高和冠幅)；吳賓等[8]基于車載激光掃描點云數(shù)據(jù),提出一種利用分層網(wǎng)格點密度的單木信息提取方法,并獲取了單木樹高信息；Selkowitz等[9]通過融合多角度和多光譜激光雷達數(shù)據(jù),對林分內(nèi)的樹木進行三維模型重建,提取樹高并繪制林木冠高圖；楊婷[10]同時采用星載激光雷達GLAS和光學MODIS數(shù)據(jù),建立樹木高度反演模型,結(jié)果表明該反演模型精度較高。利用激光雷達技術(shù)可獲取較高精度的樹高參數(shù)信息,但使用成本高、技術(shù)復雜,對大尺度的林分參數(shù)調(diào)查存在一定偏差,制約了該技術(shù)在林業(yè)領域的推廣應用。

近年來,隨著輕小型無人機遙感技術(shù)的快速發(fā)展,在森林遙感估測領域已得到廣泛應用。無人機可見光遙感因其具有自動化、智能化、高時效、低成本及操作便捷靈活等特點,能夠在很大程度上彌補傳統(tǒng)航天和航空遙感估測樹高的不足[11-16]。劉曉農(nóng)等[17]以無人機高分影像為數(shù)據(jù)源,通過多尺度分割方法進行杉木人工林冠幅提取和樹高反演；王彬等[18]采用無人3D攝影測量技術(shù)對云南大學校區(qū)內(nèi)的雪松林分高度進行估測,其測量精度較高；楊坤等[19]利用Pix4D Mapper處理高分辨率無人機可見光影像,通過最大類間方差法分割生成單木點云和地面點云,提取單木樹高信息,樹木高度的提取精度相對較高為93.7%；劉江俊等[20]基于無人機可見光影像生成的冠層高度模型,采用局部最大值算法進行樹頂點和單木樹高提取,其研究的樹高提取精度為89.3%；謝巧雅等[21]利用無人機遙感系統(tǒng)獲取研究區(qū)遙感影像,通過自動化三維重構(gòu)方法構(gòu)建了杉木人工林數(shù)字表面模型、數(shù)字高程模型,基于2個模型實現(xiàn)杉木樹高的提取,樹高估測精度達到90.8%。

上述研究通常以無人機可見光影像或經(jīng)過影像后處理所得的點云數(shù)據(jù)為基礎數(shù)據(jù)源,分別利用不同方法構(gòu)建研究區(qū)林分的冠層高度模型,進而估測樹高。而綜合利用影像數(shù)據(jù)和點云數(shù)據(jù)來提取樹高的研究相對較少,本研究利用無人機影像及其生成的三維點云數(shù)據(jù)構(gòu)建冠層高度模型,利用分水嶺分割法進一步對CHM分割并提取林分高度。云南省擁有豐富的云南松林資源[22],是云南植被資源中重要的針葉樹種之一,快速、準確地獲取云南松林的高度信息對估算蓄積量和生物量具有重要意義。為此,本研究選取滇中地區(qū)典型天然云南松純林為研究對象,以高分辨率無人機可見光影像為數(shù)據(jù),使用分水嶺分割算法對云南松單木進行樹高提取,旨在為今后單鏡頭無人機可見光遙感在林業(yè)調(diào)查中的應用提供方法借鑒。

1 研究區(qū)與數(shù)據(jù)獲取

1.1 研究區(qū)概況

研究區(qū)位于云南省昆明市富民縣羅免鄉(xiāng)黃草壩,介于北緯25°22′39″～25°23′32″,東經(jīng)102°28′36″～102°29′31″之間,總面積約150 hm2,最高海拔2 306m,最低海拔2 019m。地勢較為平坦,主要樹種為天然云南松(PinusyunnanensisFranch)純林,林分郁閉度較低,多數(shù)單木樹冠間不相連,視線通透良好,上方無遮擋。

1.2 標準地調(diào)查

2019年7月對研究區(qū)內(nèi)的天然云南松純林開展了標準地調(diào)查?，F(xiàn)地選取位于緩坡地形的天然云南松林典型地塊設置了6個標準地,標準地設置為25m×25m,共調(diào)查云南松樣木96株,實測了每木胸徑、樹高、長冠幅、短冠幅,并利用羅盤儀對每木進行了定位。

1.3 無人機影像獲取

利用大疆Phantom 4 Pro 四旋翼無人機飛行器作為飛行平臺,搭載單鏡頭可見光傳感器,以DJI GS Pro作為地面站系統(tǒng)進行外業(yè)影像數(shù)據(jù)采集。單鏡頭可見光傳感器的有效像素為2 000萬,單幅影像分辨率為5 472×3 648。

為獲取高質(zhì)量無人機影像數(shù)據(jù),起飛前對飛行任務進行規(guī)劃設計,包括飛行方向、飛行航線、飛行高度及飛行速度等。本次實驗設置了3個飛行計劃,即針對疏、中、密3個郁閉度等級分別進行影像獲取,飛行路線的航向重疊和旁向重疊率分別設置為90%和80%。共采集了893張單幅可見光影像。圖1為不同郁閉度等級的無人機可見光正射拼接影像。

圖1 研究區(qū)不同郁閉度林分的正射影像

2 研究方法

經(jīng)過無人機獲取研究區(qū)低空可見光遙感影像后,采用Pix4D Mapper，LiDAR360等軟件進行無人機影像預處理、獲取冠層高度模型及樹高的提取。技術(shù)流程如圖2所示。

圖2 技術(shù)流程

2.1 影像預處理

采用無人機影像處理軟件Pix4D Mapper對獲取的原始影像進行預處理,并獲得三維點云和研究區(qū)正射影像。預處理過程主要包括:1)獲取原始資料,即確認原始影像數(shù)據(jù)的完整性、查看POS數(shù)據(jù)文件、相機參數(shù)及控制點文件；2)建立工程并導入數(shù)據(jù),即在Pix4D Mapper中創(chuàng)建工程、添加無人機影像、設置影像屬性及加入控制點；3)影像自動處理過程,包括初始化設置、點云加密、區(qū)域三維重建及正射影像生成。無人機影像預處理后的3維點云結(jié)果如圖3所示。

圖3 研究區(qū)3維點云數(shù)據(jù)

2.2 冠層高度模型構(gòu)建

林分冠層高度模型(Canopy Height Model,CHM)是能夠反映植被與地面高度之間距離信息的表面模型,常應用于反演冠幅、樹高、郁閉度及森林生物量等重要森林參數(shù)[23-25]。本研究中,CHM的獲取主要通過數(shù)字表面模型(Digital Surface Model,DSM)、數(shù)字高程模型(Digital Elevation Model,DEM)二者相減后得到[26]。將經(jīng)過無人機影像預處理所得的點云數(shù)據(jù)導入LiDAR 360中,對原始點云進行噪聲點去除并插值生成數(shù)字表面模型DSM；為獲取地面信息,利用改進的漸進加密三角網(wǎng)濾波算法對去噪后的點云進行地面點分類,然后對分類后的地面點云進行插值生成數(shù)字高程模型DEM。

2.3 樹頂點與單木樹高提取

利用分水嶺分割算法,結(jié)合目視解譯,對研究區(qū)云南松林冠層高度模型(CHM)進行單木分割,實現(xiàn)樹頂點的提取及單木樹高估測。分水嶺分割算法是就是根據(jù)分水嶺的結(jié)構(gòu)來進行圖像的分割,是一種基于拓撲理論的數(shù)學形態(tài)學的分割方法。本研究對林分CHM進行單木分割,確定研究對象的分割區(qū)域即樹冠邊界,然后使用局部最大值法在每一個分割出來的樹冠邊界內(nèi)探測局部最大值點作為樹頂點[27]。

單木樹高提取的主要過程為:首先,利用LiDAR360對標準地內(nèi)的CHM數(shù)據(jù)進行分割,對冠幅疊加較密區(qū)域采用調(diào)整分割參數(shù)方法進行多次分割,獲取不同郁閉度等級下的單木樹冠邊界；然后利用3m×3m大小的固定窗口移動探測所有單木樹冠邊界區(qū)域內(nèi)的局部最大值作為樹頂,樹頂所在的像元值即為該單木的樹高值,最終的樹頂點提取及單木樹高分割結(jié)果如圖4所示。

1.2.3 試驗過程 播前曬種3～4 d，剔除小粒、蟲蛀粒、霉爛粒、破損粒，用小麥數(shù)粒板按照播量進行數(shù)粒裝袋。根據(jù)不同密度和不同播種時期進行人工開溝撒播、石磙鎮(zhèn)壓。播前施磷酸二銨150 kg/hm2,尿素300 kg/hm2，硫酸鉀75 kg/hm2作種肥，返青后追施尿素150 kg/hm2，抽穗期結(jié)合灌水追施尿素150 kg/hm2。全生育期灌水4次，分別為越冬前、拔節(jié)期、抽穗期和灌漿期。生育期內(nèi)進行中耕鋤草3～5次，防治蚜蟲和白粉病3～4次。

注圖(a),(b),(c)分別為疏、中、密郁閉度林分的樹頂點提取結(jié)果圖,其中黃點為正確的樹頂點,黑點為遺漏的樹頂點,紅點為錯誤的樹頂點；圖(d),(e),(f)分別為疏、中、密郁閉度林分的樹高分割結(jié)果圖。

2.4 樹高提取精度檢驗

利用SPSS分析軟件對經(jīng)過無人機遙感影像提取的樹高與樣地每木樹高數(shù)據(jù)進行線性回歸分析。分別以利用無人機影像提取的樹高值作為自變量,以樣地實測樹高值為因變量,建立回歸分析模型。使用R2、均方根誤差(RMSE)、相對均方根誤差(rRMSE)等指標對樹高提取提取精度進行評價,相關計算公式如下:

3 結(jié)果與分析

3.1 樹頂點提取精度評價

本研究樹頂點的提取基于CHM的分水嶺分割及局部最大值法,提取結(jié)果如圖4(a),(b),(c)所示,并進行統(tǒng)計及精度評價,結(jié)果如表1所示。

表1 樹頂點提取結(jié)果

研究中參考樹頂點的個數(shù)通過目視解譯正射影像并結(jié)合實地樣地調(diào)查林分來獲取。由表1可知,在不同郁閉度林分的樹頂點提取過程中,都存在樹頂點的遺漏及錯誤提取,其提取結(jié)果表現(xiàn)為林分郁閉度越大,出現(xiàn)樹頂點遺漏提取、錯誤提取的數(shù)量越多的現(xiàn)象。本次研究中疏、中、密不同郁閉度林分的樹頂點提取精度分別為0.85,0.82和0.78,進一步說明了郁閉度對林分樹頂點提取存在影響。除此以外,本次不同郁閉度林分樹頂點提取的精度相差很小,其原因可能與樣地內(nèi)單株樹木的實際分布有關,即在相同郁閉度條件下,不同的樹木分布情況(多數(shù)樹木生長間距小,難以區(qū)分單木冠幅)對樹木冠幅的布局有影響,進而影響整體樹頂點的提取結(jié)果。

3.2 單木樹高提取結(jié)果及精度分析

本研究利用羅盤儀和皮尺準確地測量得到接近于真值的每木樹高,來驗證經(jīng)過無人機影像提取樹高的精度。由于樹高提取過程中存在遺漏提取和錯誤提取樹頂點的現(xiàn)象,只將正確提取的單木樹高與對應的參考樹高進行精度驗證。本次調(diào)查6塊標準地共實測96株云南松,計算了實測單木樹高與無人機提取單木樹高的誤差及相對誤差,提取結(jié)果如表2所示。

由表2可知,基于無人機影像提取的云南松林高度與樣地調(diào)查實測高度的誤差絕對值最大值為2.46m,誤差最小值為0m,相對誤差絕對值的最大值為26.15%,最小值為0。由誤差結(jié)果分析可知此次樹高估測存在較大差異,其原因可能與研究區(qū)樹種有關。由于本研究區(qū)內(nèi)的云南松樹冠內(nèi)部結(jié)構(gòu)分散,不具有明顯的樹干及樹頂點,導致不容易分辨出真正的樹頂點以及生成的樹冠點云數(shù)量較少。同時，利用SPSS對羅盤儀外業(yè)實測數(shù)據(jù)和基于無人機影像提取的樹高數(shù)據(jù)進行線性相關分析并驗證無人機的樹高測量精度。經(jīng)建立線性相關函數(shù)關系(圖5(a)),分析可得決定系數(shù)R2為0.893,標準高度誤差為1.23m,樹高提取精度為87.58%。本研究的樹高提取分析及精度結(jié)果與相關學者的研究結(jié)果比較接近,同時也符合在林業(yè)調(diào)查活動中對樹高估測精度的要求。綜上可知,利用無人機影像進行云南松單木樹高的提取效果較為理想,其方法在生產(chǎn)實踐中具有可行性。

表2 樹木高度提取結(jié)果

圖5 實測樹高與真實樹高的回歸關系

3.3 郁閉度對單木樹高提取的影響

樹號1—40為密郁閉度的樣木,樹號41—72為中郁閉度的樣木,樹號73—96為疏郁閉度的樣木。為了便于分析林分郁閉度對于單木樹高提取的影響,計算在不同郁閉度等級下提取樹高的標準誤差、相對均方根誤差和真實值與測量值的決定系數(shù),其統(tǒng)計結(jié)果如表3所示。

表3 不同郁閉度林分的高度標準誤差

4 結(jié)論與討論

4.1 結(jié)論

本研究利用單鏡頭可見光無人機采集研究區(qū)的云南松林低空影像數(shù)據(jù),經(jīng)過Pix4D Mapper處理得到研究區(qū)正射影像圖和三維點云數(shù)據(jù),并經(jīng)過原始點云的去噪、濾波及地面點分類等處理,得到DSM,DEM及CHM；采用分水嶺分割法對林分冠層高度模型(CHM)進行單木分割,最終提取單株樹木高度。結(jié)果表明:

1)由最終的樹高提取結(jié)果可知,使用分水嶺分割法能夠準確分割CHM,無人機可見光影像提取的樹高值與野外實地調(diào)查得到的樹高值進行對比,R2為0.893,估測精度為87.58%,高度標準誤差(RMSE)為1.230m,樹高測量精度較高。

2)郁閉度對樹高估測的影響結(jié)果表明,不同郁閉度條件下的樹高提取值與樣地調(diào)查實測值存在相關性:即3種不同郁閉度(高、中、低郁閉度)林分樹高的無人機提取值與實測值的R2分別為0.857,0.921和0.939,RMSE分別為1.450,1.097和0.896m。由此可知,不同的林分郁閉度對樹高測量精度有影響,郁閉度越高相對誤差越大,反之測量誤差越小,其主要原因是郁閉度對無人機獲取林木冠幅信息及地面點云數(shù)據(jù)時有影響,進而影響插值后的DSM,DEM值的獲取及CHM的分割結(jié)果。

4.2 討論

目前,已有學者在森林調(diào)查中利用激光雷達遙感及無人機航測等技術(shù)對林木高度信息進行提取。張穎等[28]、楊伯鋼等[29]分別利用大光斑星載激光雷達數(shù)據(jù)進行植被冠層高度的反演以及利用機載激光雷達技術(shù)來測定樹高。還有學者以無人機航測影像為數(shù)據(jù)源,利用立體像對原理獲取像方與物方的轉(zhuǎn)換坐標,并將其帶進旋轉(zhuǎn)矩陣提取樹高[30]。上述方法都存在一定的局限性,使用星載激光測高系統(tǒng)反演冠層高度的方法由于光斑尺寸較大且易受地表復雜環(huán)境的影響,雖能進行大面積森林的調(diào)查,但工作量大以及樹高反演精度較低。利用立體像對原理提取樹高的方法一般針對單棵樹木或稀疏林分的高度計算,不適應于大面積的森林調(diào)查活動。使用機載激光雷達技術(shù)估測樹高的方法雖然精度較高,但其采用的是單木樹高逐一測量的方法,同樣難以適應大面積的林業(yè)調(diào)查,并且星載激光雷達或機載激光雷達,其影像數(shù)據(jù)質(zhì)量受天氣條件(尤其是風速)、復雜的環(huán)境因子(地形、坡度)等因素的影響。本研究利用單鏡頭無人機可見光遙感技術(shù),在保證樹高提取精度的同時能夠快速高效地進行較大范圍林分尺度的樹高估測。本文通過對樹木三維點云進行克里金內(nèi)插獲取DSM,基于點云數(shù)據(jù)依據(jù)分類提取地面點云并內(nèi)插生成DEM,最后通過疊加計算及分割獲取樹高,此方法相較于激光雷達技術(shù),受天氣條件及環(huán)境的影響較小且利用無人機搭載可見光相機的方法具有更加低廉的優(yōu)勢。

此前,有關研究者也曾利用無人機影像、三維點云等數(shù)據(jù),進行林分樹高的提取。其研究通常利用無人機影像生成的數(shù)字表面模型或影像的立體像對進行樹高提取,但通過數(shù)字表面模型估測樹高會導致單株樹木部分細節(jié)的丟失及誤差的形成,而使用影像立體像對的方法提取樹高將會導致人為誤差的增大。利用三維點云數(shù)據(jù)提取樹高,則通過點云數(shù)據(jù)的多尺度分割及構(gòu)建冠層高度模型的方法來實現(xiàn),生成的點云質(zhì)量及其分割精度會導致樹高的估測,同時復雜的林分條件對林分點云的分割增加了難度。本研究綜合利用影像數(shù)據(jù)及經(jīng)過后處理生成的點云數(shù)據(jù),采用內(nèi)插法獲取DSM,DEM并計算得到CHM,且利用分水嶺分割方法對CHM進行分割提取林木高度,該方法不僅避免了因直接使用數(shù)字表面模型而導致的單木細節(jié)丟失、立體像對導致人為誤差的增大,還降低了對研究區(qū)點云進行分割的難度,提高了無人機遙感技術(shù)估測林分高度的精度和效率。

王彬等[18]于2018年利用無人3D攝影技術(shù)獲取云南大學人工種植的雪松林高度值,并利用線性回歸的方法驗證測量值與真實值的差異。楊坤等[19]利用無人機高分辨率影像,基于最大類間方差法原理提取的樹高值與實測值做了誤差計算和線性回歸分析。2019年,李濤等[31]利用無人機攝影獲取單木三維信息方法提取樹木總高度和第一枝下高,同樣也做了樹高提取值的相對誤差分析計算。本研究也同樣利用線性回歸的方法進行測量值與真實值的差異驗證,結(jié)果表明本研究方法所獲得的樹高結(jié)果誤差在可接受范圍內(nèi)并且測量值比較接近真實值。

本研究方法所獲取的樹高數(shù)據(jù)會受到冠層間相互連接遮蔽的影響,被遮蔽部分通過內(nèi)插方法獲得且易受邊緣數(shù)據(jù)的影響；同時,基于三維點云進行地面點分類的結(jié)果在一定程度上也受樹冠間遮蔽的影響,現(xiàn)階段針對多樹冠相連區(qū)域只能提取較高位置處的樹高值。本研究成功提取了研究區(qū)域內(nèi)的云南松林分高度,并通過相關計算驗證了此方法的可靠性與準確性。相較于傳統(tǒng)的人工調(diào)查和激光雷達技術(shù),無人機可見光遙感技術(shù)具有快速高效、成本低廉、獲取周期短、數(shù)據(jù)精度更高的優(yōu)勢。但本文仍然存在一些不足,如，缺乏無人機在不同飛行高度、不同樹種及不同林分結(jié)構(gòu)條件下樹高提取的研究；在前期的無人機影像預處理過程中自動化程度不夠高。在后續(xù)的研究中,可以針對以上不足之處進行研究探討,為林業(yè)調(diào)查活動提供一個高效率、低成本及可獲取高精度數(shù)據(jù)的方法可能性。