江曉鵬

(梅州市林業(yè)綜合服務(wù)中心，廣東 梅州 514000)

0 引言

豐富的礦產(chǎn)資源給日常生活生產(chǎn)帶來了諸多便利，促進(jìn)了社會(huì)經(jīng)濟(jì)的發(fā)展與進(jìn)步，但大量開采礦產(chǎn)資源同時(shí)也破壞了礦區(qū)既有生態(tài)環(huán)境，造成礦區(qū)水土流失、地表塌陷等[1]。為恢復(fù)礦區(qū)生態(tài)環(huán)境建設(shè)，近年來政府及礦區(qū)開采生產(chǎn)單位愈加重視礦區(qū)土地復(fù)墾和生態(tài)重建工作，并取得了一定的成效[2]。植被樹木是生態(tài)環(huán)境的重要構(gòu)成，在評(píng)價(jià)生態(tài)重建質(zhì)量過程中，植被信息是最為基礎(chǔ)的數(shù)據(jù)，現(xiàn)階段多采用遙感衛(wèi)星影像對礦區(qū)生態(tài)環(huán)境進(jìn)行跟蹤監(jiān)測[3]，但由于遙感影像分辨率有限，對于生態(tài)環(huán)境質(zhì)量的評(píng)估普遍處于宏觀尺度，無法對樹木高度之類的植被信息進(jìn)行精細(xì)獲取[4]；且由于復(fù)墾后的礦區(qū)環(huán)境較為復(fù)雜，植被數(shù)量較多，若采用人工現(xiàn)場勘查方式工作量較大，作業(yè)人員安全系數(shù)較低，且存在較大的不確定性。

機(jī)載激光雷達(dá)(Light Detection and Ranging，LIDAR)作為一種非接觸式測量技術(shù)，操作簡便，測速較快，能夠在較短時(shí)間內(nèi)完成地表地物三維點(diǎn)云采集工作[5]，能夠大大提高大范圍區(qū)域測繪效率，降低人工投入成本。由于LIDAR技術(shù)在外業(yè)數(shù)據(jù)采集時(shí)基本不受天氣因素影響，數(shù)據(jù)可靠性相對較高，在大面積區(qū)域地形測繪、林業(yè)及耕地監(jiān)測等領(lǐng)域得到了較為廣泛的應(yīng)用。本研究利用LIDAR的強(qiáng)穿透力特性，對某復(fù)墾礦區(qū)進(jìn)行外業(yè)數(shù)據(jù)采集作業(yè)，獲取礦區(qū)地表植被的三維信息，采用多種方法構(gòu)建礦區(qū)植被冠層高度模型，從而實(shí)現(xiàn)樹高數(shù)據(jù)的快速采集，并與礦區(qū)實(shí)測樣本數(shù)據(jù)進(jìn)行對比分析，研究不同插值方法所提取的礦區(qū)植被高度的準(zhǔn)確性。

1 數(shù)據(jù)獲取與處理

以某復(fù)墾礦區(qū)為研究對象，其范圍影像如圖1所示。該礦區(qū)地形條件較為復(fù)雜，多為丘陵地貌，整體地勢自西向東逐漸降低，最大高差約為74 m；礦區(qū)面積約為0.47 km2，整體表現(xiàn)為不規(guī)則多邊形。該礦區(qū)主要采用露天開采方式，對礦區(qū)地表及生態(tài)環(huán)境破壞較大，為響應(yīng)國家邊開采邊治理的政策方針，該礦區(qū)尤為注重土地復(fù)墾工作，以林地用地為主，快速推進(jìn)礦區(qū)生態(tài)恢復(fù)建設(shè)。

圖1 研究區(qū)范圍Fig.1 Scope of study area

1.1 外業(yè)數(shù)據(jù)采集

本研究采用DJ-M600無人機(jī)搭載RIEGLminiVUX-1UVA激光掃描系統(tǒng)進(jìn)行礦區(qū)外業(yè)數(shù)據(jù)進(jìn)行采集。由于本次航攝目的是提取礦區(qū)地表的植被信息，為保障最佳數(shù)據(jù)信息獲取，本次航攝作業(yè)選擇晴朗無云的天氣進(jìn)行飛行作業(yè)，航線設(shè)置為交叉飛行方式，飛行高度為50 m，飛行速度為5 m/s。在進(jìn)行飛行作業(yè)后，即刻進(jìn)行實(shí)地勘察作業(yè)，選擇2塊地面高程不同的礦區(qū)范圍作為測試樣本區(qū)域，兩塊樣地均包含40棵土地復(fù)墾時(shí)栽種的側(cè)柏，其中1號(hào)樣地地面高程約為330～340 m，平均高程約為335.38 m；2號(hào)樣地地面高程約為320～330 m，平均高程約為324.88 m。分別以人工測量方式對兩塊樣地的樹高及冠幅寬度進(jìn)行外業(yè)采集，確保測量精度不低于0.01 m，作為實(shí)測標(biāo)準(zhǔn)數(shù)據(jù)對后續(xù)LIDAR解析數(shù)據(jù)可靠性進(jìn)行分析評(píng)估。

1.2 數(shù)據(jù)處理流程

采用LIDAR技術(shù)對礦區(qū)進(jìn)行外業(yè)數(shù)據(jù)采集，由于存在飛鳥之類的干擾因素，原始點(diǎn)云數(shù)據(jù)成果中不可避免會(huì)存在一些噪點(diǎn)數(shù)據(jù)[6]，需采用一定的技術(shù)手段對原始點(diǎn)云進(jìn)行去噪處理，并對大量原始點(diǎn)云數(shù)據(jù)進(jìn)行精簡，在保證點(diǎn)云精度滿足使用需求的前提下，最大程度降低點(diǎn)云數(shù)據(jù)量，從而提高后續(xù)點(diǎn)云處理利用效率[7]；點(diǎn)云去噪精簡完成需對其進(jìn)行濾波處理，將點(diǎn)云數(shù)據(jù)進(jìn)行分類，劃分所需要的地面點(diǎn)云和植被點(diǎn)云數(shù)據(jù)；采用滿足要求的插值算法對分類后的點(diǎn)云數(shù)據(jù)進(jìn)行插值運(yùn)算，利用已知點(diǎn)云數(shù)據(jù)推算未知點(diǎn)數(shù)據(jù)信息，增加區(qū)域點(diǎn)云密度，并構(gòu)建研究區(qū)高精度數(shù)字表面模型(Digital Surface Model，DSM)和數(shù)字高程模型(Digital Elevation Model，DEM)；然后將研究區(qū)DEM和DSM進(jìn)行作差處理，生成研究區(qū)植被信息估算的基礎(chǔ)模型，即數(shù)字冠層高度模型(Canopy Height Model，CHM)；以CHM為基礎(chǔ)，進(jìn)行研究區(qū)樹高及冠幅等數(shù)據(jù)信息提取，并與現(xiàn)場實(shí)際勘查測量數(shù)據(jù)進(jìn)行對比分析，構(gòu)建分析模型，驗(yàn)證數(shù)據(jù)成果的可靠性及準(zhǔn)確性。本次礦區(qū)土地復(fù)墾植被高度提取研究所采用的技術(shù)路線如圖2所示。

圖2 礦區(qū)植被高度提取技術(shù)流程Fig.2 Technical process of extraction of vegetation height in mining area

2 樹高提取方法

2.1 點(diǎn)云數(shù)據(jù)預(yù)處理

點(diǎn)云數(shù)據(jù)處理需利用專業(yè)點(diǎn)云處理軟件，本次研究利用TerraSolid軟件對LIDAR技術(shù)所采集的原始點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。由于本次研究目的是提取復(fù)墾礦區(qū)植被信息，因此在數(shù)據(jù)預(yù)處理階段，僅需保留點(diǎn)云數(shù)據(jù)中的地面點(diǎn)和植被點(diǎn)，其他類型的點(diǎn)云數(shù)據(jù)均可過濾剔除，從而最大程度降低點(diǎn)云數(shù)據(jù)量，提高后續(xù)點(diǎn)云處理利用效率。其操作方法為：首先設(shè)置閾值參數(shù)對點(diǎn)云數(shù)據(jù)進(jìn)行去噪處理，主要剔除原始點(diǎn)云數(shù)據(jù)中的顯著高程異常點(diǎn)；然后以密度較高的高程相對較低的點(diǎn)云為基礎(chǔ)，構(gòu)建礦區(qū)原始地表模型，通過設(shè)置迭代角度和迭代距離，在地表上方尋找符合需求的地面點(diǎn)云，從而完成點(diǎn)云分類，剝離出地面點(diǎn)和植被點(diǎn)。

2.2 建立冠層高度模型

以激光點(diǎn)云數(shù)據(jù)為基礎(chǔ)提取植被信息的技術(shù)方法較多，較為常用的方法主要有兩種：直接在三維空間進(jìn)行單木識(shí)別和利用冠層高度模型(CHM)提取單木信息。本研究采用后者進(jìn)行礦區(qū)樹高提取。CHM是由數(shù)字表面模型(DSM)與數(shù)字高程模型(DEM)作差生成，三者關(guān)系如圖3所示。

圖3 DSM、DEM和CHM三者關(guān)系Fig.3 Relationship among DSM，DEM and CHM

分別對預(yù)處理后的礦區(qū)離散點(diǎn)云和分類好的地面點(diǎn)云進(jìn)行插值運(yùn)算，即可得到礦區(qū)DSM和DEM，兩者作差后即可生成礦區(qū)CHM。CHM能夠較為直觀地展現(xiàn)植被與地面之間的距離，同時(shí)能對植被冠層之間的水平和垂直分布信息進(jìn)行較好呈現(xiàn)，其表達(dá)效果主要取決于插值方法及分辨率。由于不同插值方法的高程估算精度存在一定的差異，本研究采用克里金插值法(Kriging)、不規(guī)則三角網(wǎng)插值法(TIN)和反距離權(quán)重插值法(IDW)進(jìn)行插值運(yùn)算，構(gòu)建礦區(qū)CHM，并對3種插值方法的應(yīng)用效果及模型精度進(jìn)行分析研究，力求尋找最優(yōu)插值方法。為使插值方法作為唯一變量，將柵格分辨率進(jìn)行統(tǒng)一處理，均設(shè)置為0.1 m。

1)克里金插值法。克里金插值法又被稱為空間局部插值法，是以區(qū)域性變化理論為基礎(chǔ)，將整個(gè)區(qū)域表面的空間變化視為具有一定的統(tǒng)計(jì)特征，是屬于地統(tǒng)計(jì)類型的點(diǎn)插值法。其實(shí)質(zhì)為：以區(qū)域變量原始數(shù)據(jù)以及變異函數(shù)的結(jié)構(gòu)特點(diǎn)為依據(jù)，對需要估算求解的未知樣點(diǎn)進(jìn)行線性無偏和最優(yōu)估計(jì)[8]，其中偏差數(shù)學(xué)期望為零時(shí)表示為無偏，估算結(jié)果和實(shí)測數(shù)據(jù)差值的平方和最小時(shí)標(biāo)識(shí)為最優(yōu)估值。

2)不規(guī)則三角網(wǎng)法。TIN是在處理后的激光點(diǎn)云中將離散點(diǎn)按照一定規(guī)則進(jìn)行連接，組成多個(gè)互補(bǔ)重疊、結(jié)構(gòu)最佳的三角形。首先在激光點(diǎn)云中找到2個(gè)距離最短的離散點(diǎn)，將其連接為直線，然后將附近第3個(gè)點(diǎn)與該直線進(jìn)行連接，構(gòu)成三角形，同時(shí)確保三角形的幾何中心為外接圓圓心；然后分別以所構(gòu)建的三角形三邊為基礎(chǔ)，作為初始起算邊，逐個(gè)找尋其他離散點(diǎn)，直至將所有的點(diǎn)云均包含在三角網(wǎng)中，完成插值運(yùn)算。

3)反距離權(quán)重法。IDW是利用激光點(diǎn)云中兩個(gè)點(diǎn)之間的距離大小進(jìn)行權(quán)重計(jì)算，其基本思想為兩點(diǎn)間距離越近，其屬性一致性越高，距離越遠(yuǎn)，其屬性一致性越差[9]。因此，在利用IDW進(jìn)行插值運(yùn)算時(shí)，通過判斷樣本點(diǎn)與插值點(diǎn)之間的距離大小，擬定高程權(quán)重，兩點(diǎn)間越近則權(quán)重越大，越遠(yuǎn)則權(quán)重越小，且當(dāng)超過一定距離時(shí)，則判斷為不具有一致性。

2.3 樹高精度評(píng)價(jià)

樹高提取完成后，需對其結(jié)果進(jìn)行精度評(píng)價(jià)，采用線性回歸分析方法對提取樹高和實(shí)測樹高的相關(guān)性進(jìn)行分析研究，發(fā)現(xiàn)提取樹高和實(shí)測值顯著性小于0.01，表明兩者顯著相關(guān)。以CHM中提取的樹高為自變量，以現(xiàn)場實(shí)際測量樹高為因變量，構(gòu)建線性回歸方程，求解不同插值算法的決定系數(shù)R2和均方根誤差(RMSE)，R2越大則說明提取值與實(shí)測值擬合性越高，RMSE越小則說明CHM中提取的樹高精度越高。RMSE計(jì)算公式為：

(1)

式中：Zpi表示基于CHM提取出的樹高值；Zri表示現(xiàn)場實(shí)地測量的樹高值；n表示研究樣本數(shù)量。

3 樹高估算結(jié)果與分析

本研究采用Kriging、TIN和IDW三種插值算法構(gòu)建礦區(qū)CHM進(jìn)行樹高提取。作業(yè)人員利用鋼尺對兩塊樣地共計(jì)80棵側(cè)柏樣本進(jìn)行樹高實(shí)測，將提取的樹高與實(shí)測值進(jìn)行統(tǒng)計(jì)分析，統(tǒng)計(jì)結(jié)果見表1和圖4?？梢钥闯?，基于3種插值算法構(gòu)建的礦區(qū)CHM提取出的樹高與實(shí)測值貼合度較高，雖精度略低于實(shí)測值，但基本可滿足礦區(qū)土地復(fù)墾植被信息調(diào)查需求。

表1 提取樹高與實(shí)測樹高結(jié)果統(tǒng)計(jì)Tab.1 Statistics of extracted tree heights and measured tree heights

圖4 提取樹高與實(shí)測樹高對比曲線圖Fig.4 Contrast curve of extracted tree heights and measured tree heights

對三種插值算法構(gòu)建的礦區(qū)CHM樹高提取數(shù)據(jù)進(jìn)行進(jìn)一步分析研究，構(gòu)建線性回歸模型，探尋該礦區(qū)植被高度最佳插值算法，兩個(gè)測試樣地不同插值算法的回歸分析結(jié)果如圖5所示，不同插值算法估算樹高成果的均方根誤差統(tǒng)計(jì)如表2所示。

表2 不同插值方法估算樹高均方根誤差統(tǒng)計(jì)Tab.2 Root mean square error statistics of tree heights estimated by different interpolation methods

由圖5和表2可知，基于礦區(qū)CHM提取的樹高與現(xiàn)場實(shí)測值之間存在一定的相關(guān)性，但不同插值方法、不同測試樣地的相關(guān)程度存在一定差異。對3種插值算法的成果分析可知，樹高估算結(jié)果與實(shí)測值的貼合程度從高到低依次為IDW插值算法、TIN插值算法、Kriging插值算法；其中，IDW插值算法在1號(hào)和2號(hào)測試樣地所構(gòu)建的回歸模型R2分別為0.763 4、0.616 8，RMSE分別為0.113 m、0.130 m；TIN插值算法回歸模型R2分別為0.744 3、0.599 0，RMSE分別為0.121 m、0.135 m；Kriging插值算法回歸模型R2分別為0.735 8、0.535 4，RMSE分別為0.120 m、0.153 m。由此表明，采用LIDAR技術(shù)獲取復(fù)墾礦區(qū)點(diǎn)云數(shù)據(jù)，并對其進(jìn)行去噪分類，然后利用插值算法構(gòu)建礦區(qū)CHM進(jìn)行樹高提取，其數(shù)據(jù)成果精度較高，可滿足復(fù)墾礦區(qū)植被信息調(diào)查需求；同時(shí)對于本文的研究礦區(qū)而言，IDW插值法的樹高估算效果相對更好，適用性更高。

圖5 兩測試樣地估算提取樹高與實(shí)測值回歸分析統(tǒng)計(jì)Fig.5 Regression analysis statistics of estimated and measured tree heights for two test plots

從兩個(gè)測試樣地來看，當(dāng)插值算法相同時(shí)，1號(hào)測試樣地提取的樹高精度明顯優(yōu)于2號(hào)測試樣地，其原因?yàn)?號(hào)樣地的平均高程略高于2號(hào)樣地，當(dāng)采用LIDAR技術(shù)進(jìn)行外業(yè)航攝作業(yè)時(shí)，1號(hào)測試樣地地物距離激光掃描系統(tǒng)相對較近，點(diǎn)云密度相對較高，點(diǎn)云質(zhì)量相對較好，故相同作業(yè)方法下1號(hào)測試樣地樹高提取精度相對較高。兩個(gè)測試樣地提取估測的樹高均要比現(xiàn)場實(shí)測值略低，其原因主要包括兩個(gè)方面：一是復(fù)墾礦區(qū)植被普遍較為矮小，樹冠不夠茂密且呈現(xiàn)尖細(xì)狀，從而使得樹冠頂部激光點(diǎn)掃描概率降低，當(dāng)樹冠頂部最高點(diǎn)沒有激光點(diǎn)云時(shí)，樹高提取值便會(huì)低于實(shí)測值；二是在進(jìn)行點(diǎn)云數(shù)據(jù)插值運(yùn)算時(shí)，容易導(dǎo)致部分?jǐn)?shù)據(jù)丟失，當(dāng)樹冠頂部最高點(diǎn)的點(diǎn)云數(shù)據(jù)丟失時(shí)，便會(huì)使得樹高提取值偏低。

4 結(jié)束語

復(fù)墾礦區(qū)植被信息是礦區(qū)生態(tài)恢復(fù)評(píng)估的基礎(chǔ)，本研究利用機(jī)載LIDAR技術(shù)獲取礦區(qū)高密度原始點(diǎn)云數(shù)據(jù)，通過對其進(jìn)行去噪、分類等處理，剝離地面點(diǎn)云和植被點(diǎn)云，利用IDW、TIN、Kriging三種插值算法對其進(jìn)行插值運(yùn)算，生成礦區(qū)DEM和DSM，從而獲取礦區(qū)CHM提取植被高度；并通過與礦區(qū)植被現(xiàn)場實(shí)測結(jié)果進(jìn)行對比分析，構(gòu)建回歸分析模型，從決定系數(shù)R2和均方根誤差兩個(gè)方面驗(yàn)證了該技術(shù)方法的可行性和提取成果的可靠性。但由于本次研究區(qū)域植被多為林地幼苗，類型較為單一，且未對CHM進(jìn)行優(yōu)化處理，從而導(dǎo)致提取估算的樹高普遍低于實(shí)測值，后續(xù)應(yīng)注重提高研究區(qū)植被類型，并進(jìn)一步對冠層幾何模型進(jìn)行精細(xì)化處理，從多個(gè)方面提高樹高估算成果的準(zhǔn)確性。