馬忠衛(wèi)

(江蘇省地質(zhì)調(diào)查研究院，江蘇 南京 210018)

0 引 言

為切實(shí)履行自然資源統(tǒng)一調(diào)查監(jiān)測(cè)職責(zé)，自然資源部明確了調(diào)查、監(jiān)測(cè)的工作思路及內(nèi)容，建立自然資源調(diào)查監(jiān)測(cè)體系及資源管理“一張圖”[1-3]，形成山水林田湖草生命共同體。森林資源調(diào)查監(jiān)測(cè)需要拓展調(diào)查內(nèi)容、調(diào)整調(diào)查周期，改進(jìn)調(diào)查方式，創(chuàng)新調(diào)查技術(shù)。

傳統(tǒng)林業(yè)調(diào)查采用地面抽樣布設(shè)樣地輔助每木檢尺方法，外業(yè)調(diào)查人員利用角規(guī)、皮尺、測(cè)胸尺等測(cè)樹工具實(shí)地調(diào)查獲取林木高度、胸徑、樹齡等森林信息，這種作業(yè)方法手段單一且效率低、周期長(zhǎng)，很難滿足當(dāng)前林業(yè)高精度短周期的要求[4]。無人機(jī)可以及時(shí)獲取調(diào)查區(qū)正射影像圖、數(shù)字高程模型等豐富多樣的數(shù)據(jù)成果[5-6]，眾多研究主要從宏觀角度考慮，對(duì)單木信息提取研究較少[7]。本研究利用無人機(jī)航測(cè)影像估測(cè)樹冠相關(guān)因子，利用面向?qū)ο蠖喑叨确指钏惴ㄟM(jìn)行分割處理并分析樹木個(gè)數(shù)及冠幅提取精度。

1 數(shù)據(jù)處理

1.1 研究區(qū)域

清江浦區(qū)北部區(qū)域?qū)儆诨窗彩兄鞒菂^(qū)，東臨淮安區(qū)，西、北臨淮陰區(qū)，南連洪澤區(qū)，東經(jīng)118°53′-119°08′，北緯33°20′-33°38′，面積309.68 km2。實(shí)驗(yàn)中選取了清江浦區(qū)一處地塊，航測(cè)面積約0.27 km2，具體位置如圖1所示。實(shí)驗(yàn)采用大疆M300 RTK航測(cè)系統(tǒng)，最大載重2.7 kg，最大起飛重量9 kg，定位模塊為GPS+GLONASS+BeiDou +Galileo，單次飛行時(shí)間55 min，具有視覺系統(tǒng)和紅外感知系統(tǒng)；相機(jī)采用睿鉑DG3 PSDK型號(hào)相機(jī)，像素6 000×4 000，鏡頭焦距28 mm×43 mm，像元尺寸3.9 um，如圖2所示。

1.2 研究數(shù)據(jù)

航測(cè)數(shù)據(jù)采用Context Capture Center軟件進(jìn)行空三處理，將航測(cè)相機(jī)文件、圖片數(shù)據(jù)、POS數(shù)據(jù)導(dǎo)入軟件圖像特征點(diǎn)密集匹配，并以此進(jìn)行區(qū)域網(wǎng)平差解算，完成相對(duì)定向；將外業(yè)測(cè)量的像控點(diǎn)成果內(nèi)業(yè)逐個(gè)轉(zhuǎn)刺，使用像控點(diǎn)對(duì)相對(duì)定向自由變換模型進(jìn)行約束平差，將區(qū)域網(wǎng)納入到實(shí)地準(zhǔn)確的大地坐標(biāo)系統(tǒng)中，完成絕對(duì)定向，制作正射影像圖(圖2)、數(shù)字高程模型(DEM)、數(shù)字表面模型(DSM)及三維立體模型，詳細(xì)技術(shù)路線如圖3所示。

2 結(jié)果分析

樹冠因子的提取是森林資源的主要因子之一，提取樹冠因子可以實(shí)現(xiàn)對(duì)胸徑的估測(cè)和對(duì)森林郁閉度的準(zhǔn)確測(cè)算。目前無人機(jī)航測(cè)數(shù)據(jù)的分辨率不斷提升，樹冠的更多紋理細(xì)節(jié)和結(jié)構(gòu)特點(diǎn)被挖掘出來，基于面向?qū)ο蠓诸悺⒍喑叨确诸惙ê椭С蛛S機(jī)向量機(jī)分類等方法被證明適用于高分辨遙感影像分類，經(jīng)過以往研究比較，適合無人機(jī)高分辨率影像的影像分割方法主要有面向?qū)ο蠓指?、分水嶺分割等。

本文采用面向?qū)ο蠖喑叨确指钏惴▽?duì)無人機(jī)影像冠幅進(jìn)行提取分析，該方法是一種自下而上的分割方法，通過歸并臨近像元或細(xì)小分割單元，確保分割單元之間異質(zhì)性最小、單元自身像素間同質(zhì)性最高，基于區(qū)域合并技術(shù)實(shí)現(xiàn)影像分割[8]。利用影像分割結(jié)果，進(jìn)一步分析提取株數(shù)及冠幅精度。

2.1 分割結(jié)果

通過不斷的調(diào)整分割尺度參數(shù)觀察分割效果，獲取最優(yōu)的分割尺度，各研究參數(shù)初始分割結(jié)果如圖4所示。對(duì)比看出，分割參數(shù)為100時(shí)，出現(xiàn)嚴(yán)重過分割現(xiàn)象，后期處理任務(wù)較重，分割尺度為200時(shí)，出現(xiàn)不同程度的欠分割，造成多株單木被分割在一起，選定分割效果較為理想，分割尺度為150的分割結(jié)果進(jìn)行下一步提取研究，其分割結(jié)果局部放大圖如圖5所示?；诔跏挤指罱Y(jié)果，內(nèi)業(yè)進(jìn)一步剔除裸地、陰影區(qū)和過分割碎小圖斑，得到最終的分割結(jié)果。

2.2 株數(shù)提取分析

人機(jī)交互解譯是遙感影像中重要的地物識(shí)別方法，人工解譯多被應(yīng)用于土地利用類型分類中，如第三次國(guó)土調(diào)查。利用人機(jī)交互方式對(duì)高分辨率影像，特別是航測(cè)影像的樹木個(gè)數(shù)的統(tǒng)計(jì)，其準(zhǔn)確性通常能達(dá)到95%左右，是一種較為可靠的對(duì)比鑒定方法，本文驗(yàn)證數(shù)據(jù)采用人工判讀數(shù)值作為樹木株數(shù)的真值。實(shí)驗(yàn)中以目視解譯的數(shù)據(jù)作為依據(jù)，詳細(xì)計(jì)算了分割的單木株數(shù)的幾種統(tǒng)計(jì)類型，具體統(tǒng)計(jì)匯總類型包括：匹配類，指人工交互勾繪范圍與自動(dòng)分割對(duì)象結(jié)果基本吻合，且二者株數(shù)一致；錯(cuò)分類，指自動(dòng)分割單元范圍超過一半?yún)^(qū)域不與人工解譯的區(qū)域重合；漏分類，指自動(dòng)分割結(jié)果集中連片，未檢測(cè)出正確的林木數(shù)量；過分類，指分割林木數(shù)量超過該范圍人工勾繪林木數(shù)量。實(shí)驗(yàn)區(qū)勾繪精度情況如表1所示。

表1 提取株數(shù)統(tǒng)計(jì)表

分析分割統(tǒng)計(jì)結(jié)果整體表現(xiàn)，可以看出，實(shí)驗(yàn)區(qū)范圍株數(shù)總體分類精度和匹配結(jié)果較好，但存在過分割現(xiàn)象在錯(cuò)誤中占比較重，且主要位于實(shí)驗(yàn)區(qū)范圍周邊，考慮樹木整體紋理和亮度與周圍環(huán)境對(duì)比度不理想，造成過分割現(xiàn)象。

2.3 冠幅提取精度

冠幅是樹木生長(zhǎng)健康情況的一項(xiàng)重要指標(biāo)，冠幅信息是森林遙感調(diào)查監(jiān)測(cè)的重要任務(wù)，在以往使用中低分辨率衛(wèi)星圖像中提取森林信息常常就是提取樹木的冠幅大小，隨著遙感影像分辨率邁入米級(jí)、亞米級(jí)后，林木紋理、結(jié)構(gòu)等森林信息更為豐富，無人機(jī)航測(cè)的發(fā)展讓林木冠幅可幾何提取[9]。林木冠幅通用計(jì)算方式是采用東西冠幅和南北冠幅兩種，然后取其平均值作為冠幅結(jié)果，此計(jì)算方法主要是為了避免樹木生長(zhǎng)因太陽方向而產(chǎn)生的差異[10]。

本文對(duì)冠幅自動(dòng)提取值的精度評(píng)定以自動(dòng)分割的冠幅和人工勾繪的冠幅差異值進(jìn)行比較，提取自動(dòng)分割單元的冠幅方式主要使用ArcGIS平臺(tái)Python計(jì)算語言分析最大外接矩形。針對(duì)冠幅提取中過分割問題，本文將明顯過分割的對(duì)象先進(jìn)行歸并，再計(jì)算冠幅大小。對(duì)比人工勾繪冠幅和自動(dòng)分割的冠幅的東西冠幅和南北冠幅，冠幅分析情況如表2和圖6所示。

表2 冠幅提取情況

冠幅精度分析中常出現(xiàn)自動(dòng)勾繪值大于人工解譯值的情況，說明本方法在辨別樹冠邊界和人工解譯上還有一定差異。在林窗與林木差異性較大時(shí)分割邊界較好，但當(dāng)二者差異性較小或局部郁閉度很高時(shí)結(jié)果差異性較大，主要原因一是本文在分割過程中采用的因子較少，造成分割結(jié)果不是很理想；二是針對(duì)后期分割單元沒進(jìn)進(jìn)一步處理。為提高精度?？稍黾蛹y理特征(如灰度共生矩陣、對(duì)比度等)等因子，在分割基礎(chǔ)上針對(duì)邊緣可進(jìn)一步優(yōu)化邊緣檢測(cè)算子，平滑處理，對(duì)畸形進(jìn)一步收緊，保證檢測(cè)準(zhǔn)確度。

3 結(jié) 語

本文利用無人機(jī)航空攝影測(cè)量數(shù)據(jù)獲取了實(shí)驗(yàn)范圍的林木樹冠因子信息，并通過實(shí)地測(cè)量進(jìn)行高精度觀測(cè)驗(yàn)證分析。研究表明，利用面向?qū)ο蠖喑叨确指钏惴ㄟM(jìn)行單木冠幅分割處理，提取的冠幅大小及株數(shù)密度滿足一定的要求，獲得較好的效果。通過無人機(jī)測(cè)量樹木冠幅成本較低、效率高、靈活性強(qiáng)，并且可以解決平時(shí)人工調(diào)查難以達(dá)到的小班地塊，因此，相較于傳統(tǒng)人工調(diào)查核實(shí)方法，無人機(jī)遙感監(jiān)測(cè)能更好地服務(wù)于大規(guī)模森林資源調(diào)查。