葉曉鴻 周 勇 曹 誼

（廣東省德慶林場，廣東 肇慶 526000）

引言

對森林資源進行調查、設計、規(guī)劃等，是林業(yè)部門重要的工作內容，通常分為內外業(yè)不同的工作項目，宗旨在于了解森林資源的規(guī)模、質量、分布狀況以及變化情況等。無人機是最近幾年我國興起的最先進的遙感數(shù)據(jù)采集平臺，以其獨特的優(yōu)勢成為森林資源調查評估的核心手段?；诓煞^(qū)對森林蓄積量的調查要求，利用無人機遙感影像對小班采伐前后的兩期進行拍攝，進行林分蓄積量的調查評估。對林區(qū)采伐前后的無人機點云匹配、點云預處理方式以及布料模擬濾波算法進行分析，并結合野外采集的樹高以及單木材積實測數(shù)據(jù)構建隨機森林模型，對伐區(qū)森林采伐蓄積量進行有效調查評估，估算精度可達96%。

1.無人機在林業(yè)調查中的應用概況

無人機作為無人駕駛的飛行設備，技術的核心利用無人系統(tǒng)操作作業(yè)，核心設備是無線電遙控或者是將小型計算機控制系統(tǒng)配置在無人機上。比較其他林業(yè)作業(yè)設備，在林業(yè)調查和預估工作中應用無人機技術，在降低了成本的同時，也能夠代替一些載人飛機的功能，主要是人員和飛行器難以實現(xiàn)的工作目標，例如，代替人員進行高危場所的調查和勘察，以及進行災區(qū)救助活動進行環(huán)境遙感監(jiān)測等。

在林業(yè)調查尤其是伐區(qū)的林業(yè)資源調查中，無人機比起傳統(tǒng)的調查技術，體現(xiàn)兩個方面的優(yōu)勢：

第一是在一些意外事件發(fā)生時候，無人機的行動速度快，在地面上相關人員就能夠控制空中的無人機，并可以及時獲得現(xiàn)在的信息。

第二是無人機的機動性能良好，不需要人工駕駛，在設計上具備體積小的優(yōu)勢，在森林資源或者蓄積量的評估中，需要深入復雜艱險的林業(yè)環(huán)境，獲取可靠的第一手數(shù)據(jù)。同時，無人機靈活方便，通常對飛行場地沒有特殊或者高要求，可以適合絕大多數(shù)的林區(qū)調查任務。 尤其是在受災的林區(qū)獲取可靠的信息，把精準的空間位置信息提供給救援人員，以彌補大尺度航空技術領域的缺陷。

2.林區(qū)概況與數(shù)據(jù)來源

2.1 調查區(qū)概況

廣東省德慶林場屬公益一類事業(yè)單位，林場經(jīng)營總面積13.1萬畝，其中人工桉樹純林面積3.8萬畝，杉木1.6萬畝，馬尾松2.5萬畝，其他混交林5.2萬畝。本研究選擇選取廣東省德慶林場2020年伐區(qū)，采伐樹種為桉樹，年齡10年，位于象牙山管護站大石峽工區(qū)00200、00400小班。

2.2 數(shù)據(jù)來源

本次調查的主要數(shù)據(jù)來源為林區(qū)小班采伐前和采伐后兩期無人機遙感數(shù)據(jù)，在采伐前的無人機數(shù)據(jù)獲取采用大疆精靈4無人機進行，相機配備1英寸CMOS，有效像素2000萬，35mm等效焦距，無人機的影像拍攝時間為2019年12月27日上午，設置85%的無人機飛行航向重疊率，設定80%的旁向重疊率，高度500米，共獲得115張有效影像，進行鑲嵌和正射整理后獲取影像覆蓋面積大約為4800畝。

小班采伐后獲取數(shù)據(jù)的無人機類型為大疆精靈4類型，無人機的影像拍攝時間為2021年2月7日上午，設置80%的無人機飛行航向重疊率，設定78%的旁向重疊率，高度500米，共獲得45張有效影像，進行鑲嵌和正射整理后獲取影像覆蓋面積大約為2300畝。利用兩期無人機獲取的影像能夠清楚地捕捉到小班區(qū)域采伐前后的林冠和地形。

3.無人機在林業(yè)伐區(qū)調查中的應用分析

3.1 無人機數(shù)據(jù)處理

無人機數(shù)據(jù)處理可以利用pix4D軟件完成：第一步是三角測量計算在空中自動完成，恢復并校正真實的影像數(shù)據(jù)，形成效果的精度報告；第二步是加密點云，產(chǎn)生的點云數(shù)據(jù)后綴為+AS；第三步，自動拼接獲取的數(shù)據(jù)，輸出正射影像、數(shù)字表面模型輸出。由此獲取的真色彩的正射影像色彩十分自然而協(xié)調，沒有明顯接線 。

3.2 點云匹配

小班區(qū)域地勢陡峭坡為28度 ，如果直接用于采伐，提取樹高可以利用兩期無人機拍攝的DSM數(shù)據(jù)，那就難以確保每株樹對應實際位置，形成很大提取樹高的誤差。本調查研究利用的是點云配置措施，就是采伐前林冠點云必須符合采伐后的地形點云，最大限度地減小地形坡度影響樹高提取的程度。無人機的點云配準通常利用RISCANPRO軟件 ，準時匹配選擇的六個同位點，配準精度為0.1m，保證調查區(qū)域每株樹木的點云位置控制在0.1米范圍內的誤差。

從圖1中不難看出，將采伐前小班林冠點與采伐后的小班地形區(qū)域進行準確匹配，可以一定程度上避免樹高提取受陡峭地形的影響。

圖1 采伐前無人機點云（a)、采伐后的無人機點云（b）和兩期點云匹配后效果（c)。

3.3 布料模擬濾波算法

本調查研究的最關鍵的步驟是將匹配后的無人機點云數(shù)據(jù)進行有效分離。本研究利用布料模擬濾波算法進行，計算過程通過三維網(wǎng)格表達“布料”，仿真布料可用彈力和張力的作用完成，也就是說倒置地形后的地形點的模擬利用“布料”模型進行，將匹配后的地面點和非地面點進行分離。

一般情況下，傳統(tǒng)的點云濾波算法必須具備很多為經(jīng)驗值的參數(shù)，并且要反復不斷地試驗方可得到不錯的濾波效果。而CSF算法的濾波只是選擇點云的密度和地形起伏的程度，即能產(chǎn)生不錯的濾波效果。

大量實踐證明，CSF算法能夠更精確地分離地形點和林冠點云。但因為成熟林占據(jù)主要的情況，具備很高的郁閉度，并且基于不規(guī)則的多邊形采伐邊界，為了能夠保持小班采伐完整的邊界，務必要裁剪點云的范圍稍大于采伐區(qū)，這樣就極易導致CSF算法不能對采伐區(qū)外的地形進行模擬，致使分離后的地形點云周圍依然有部分林冠點云殘留；因此，將林冠點云與地形點云相減，可以減輕林冠點對調查結果的影響。

3.4 DEM、DSM的獲取及DEM驗證

本調查研究利用自然領域插值法，采用無人機獲取的林冠點云數(shù)據(jù)構建網(wǎng)格單元為0.0065 x0.065m的模型。該方式的樣本點采用最鄰近的，樣本權重的插值要根據(jù)區(qū)域的大小并按照比例進行，比起常規(guī)的方式，可以很好地還原地表的局部特征，可以利用相同的插值法進行無人機地面點云數(shù)據(jù)模型的構建，這些數(shù)據(jù)均來源于濾波獲取。DSM數(shù)據(jù)與格網(wǎng)單元大小相同，如圖2所示。

圖2 地形點云數(shù)據(jù)生成的DEM(a）和林冠點云生成的DSM( b)

DEM數(shù)據(jù)是經(jīng)過濾波點云數(shù)據(jù)后獲得，其精準的程度會對后期樹高的估算精度有很大影響，所以，有必要組織DEM數(shù)據(jù)驗證精度。本調查研究DEM的精度的驗證利用檢點法，計算出相應的誤差。

3.5 地面調查數(shù)據(jù)獲取

2019年12 月28日對研究樣地進行實地調查，伐區(qū)小班面積578畝，有林面積490畝。采用角規(guī)調查方法，利用無人機伐前影響進行分析，根據(jù)林相情況，將伐區(qū)分為“好”“中”“差”，按照各自占的面積比例進行角規(guī)點布設。 其中“好”面積120畝布設角規(guī)點3個；“中”面積250畝布設角規(guī)點6個；“差”面積120畝布設角規(guī)點3個。

利用桿式角規(guī)，在遠離林緣事先設定的角規(guī)點選取一個中心點，繞測一周并計數(shù)，與角規(guī)視線相割的計數(shù)1株；相切的計數(shù)0.5株；相離的計數(shù)0株。研究樣地的蓄積量根據(jù)《廣東省森林資源調查常用數(shù)表》，查找桉樹類林分形高表（角規(guī)斷面積公頃蓄積表），查找對應角規(guī)點公頃蓄積量。計算公頃蓄積量的公式如下：

式中：每公頃斷面積蓄積設定為G；平均樹高設定為H；繞測數(shù)量設定為Z。

單位：畝、cm、m、株、m3林相類型 面積 角規(guī)點 平均胸徑 平均樹高 繞測數(shù)量 公頃蓄積好 1201 15.6 19.4 16 152.72 15.4 19.0 17 159.53 15.4 19.5 15 143.7 中 2501 14.9 17.5 13 114.02 15.0 17.4 11 96.13 14.9 17.4 13 113.54 15.0 17.3 12 104.35 15.1 17.5 13 114.06 14.8 17.5 12 105.3 差 1201 14.9 17.6 10 88.12 14.7 17.7 10 88.53 14.8 17.6 11 96.9

3.6 冠層高度模型的獲取

歸一化數(shù)字模型( nDSM )的型場實際上就是DSM高程減去DEM 高程的結果。在林區(qū)里，冠層高度模型可以等同于nDSM，樹木的實際高度與得到的林冠高程相等，可以直接獲得樹高的信息，例如本研究區(qū)域桉樹整體度在0～30m之間，而且小班邊界外處于很低的高度，足以顯示將林冠點云高程與地形點云高程相減，完全能夠去除小班邊界周圍殘留林冠點云對樹高提取的影響。

3.7 林冠頂點提取

對于林冠頂點的提取方式，應用最多的是局域最大值算法，一般分為動態(tài)窗口和固定窗口。機載激光雷達點云數(shù)據(jù)和遙感影像是主要的數(shù)據(jù)源?；诠潭ù翱诘淖畲缶钟蛑邓惴?，在進行林冠頂點的探測中時常發(fā)生漏提或者多提現(xiàn)象，加之異常復雜的遙感影像光譜信息，會有諸多林冠光譜最大值出現(xiàn)，所以，研究數(shù)據(jù)的適合行和局域最大數(shù)值的準確性是十分關鍵的因素，必須進行篩選和調整。本調查選擇的是生成的冠層高度模型 (CHM), 探測林冠點位置利用動態(tài)窗口。

首先，探測林冠頂點位置利用某個很小的固定窗口進行，然后采取的頂點是通過自適應動態(tài)窗口判斷獲取的，當前頂點是相應窗口區(qū)域的最大值，否則動態(tài)窗口大小是通過計算潛在頂點8個截面方向的半方差變化值自適應確定的,其計算公式如下：

式中： ()rh為經(jīng)驗半方差；設定影像元位置為x1；設定為2個像元的空間分割距離；Z（x）為對應影像x1處的像元值；N為在一定分隔距離下像元對的對數(shù)。

4.結束語

綜上所述，無人機是實現(xiàn)林業(yè)現(xiàn)代化的有力保障，是降低基層工作強度的有效手段，無人機技術加快了林業(yè)自動化、高效化、信息化的進程，而且必將成為未來林業(yè)工作的不可或缺的現(xiàn)代化工具，成為現(xiàn)代林業(yè)、精準林業(yè)和智慧林業(yè)建設目標實現(xiàn)的強勁動力。

本研究獲取的數(shù)據(jù)源真實可靠，均為兩期無人機在自采伐前后拍攝的遙感影像數(shù)據(jù)，然后進行準確的點云匹配，最終精準地構建出冠層高度模型，利用動態(tài)窗口的局域最大值完成林冠頂點的提取，并且嘗試構建適合廣東森林伐區(qū)的胸徑、樹高模型估算單木胸徑，精準地算出伐區(qū)小班森林采伐蓄積量。