陳振亮

(福建省華廈能源設計研究院有限公司，福州 350001)

傳統(tǒng)陸生生態(tài)調查多是通過地面的植物樣方與結構調查，獲得數(shù)據(jù)的人力成本高且覆蓋范圍小，易受交通、地形等條件限制，難以應用到較大的取樣面積.傳統(tǒng)航拍衛(wèi)星影像雖可在大尺度范圍獲取區(qū)域植被數(shù)據(jù)，但受其分辨率及重訪周期的限制，無法滿足在局域尺度及實時性調查的要求，且受氣象云層遮擋等限制，在丘陵地貌山區(qū)難以滿足從個體至群落層次上的生態(tài)調查需求.隨著無人機技術的發(fā)展，該項新型遙感技術具有突出的特點，包括不易受天氣影響，飛行高度低無云層遮擋，一次可拍攝多張高分辨影像，短期內可重復檢索等優(yōu)點，在陸生生態(tài)調查方面具有巨大的發(fā)展?jié)摿1].

1 無人機遙感系統(tǒng)

無人機遙感系統(tǒng)是由多種技術集合的新型航測系統(tǒng)，包括無人飛行器系統(tǒng)、定位定姿技術、衛(wèi)星定位技術、通信傳輸系統(tǒng)，以及光學成像與其他傳感器技術、遙感數(shù)據(jù)處理等，同時地面人員保障也是其重要組成部分.搭載傳感器的無人機飛行高度一般在千米內，可獲得高分辨率的影像數(shù)據(jù)，通過數(shù)據(jù)鏈路傳輸?shù)降孛婧蠼?jīng)過矯正、加工等一些列操作，可獲得高質量的正射遙感影像數(shù)據(jù)[2].

2 數(shù)據(jù)的獲取與處理

2.1 航拍方案的制定

航拍方案的制定首先以調查區(qū)域的地形地貌、氣象條件、地表覆蓋物特征等信息為基礎，結合關注點、地面分辨率的選擇、分區(qū)的劃分、基準面高度確定等進行制定，同時可參照中華人民共和國測繪行業(yè)標準化指導性技術文件中的低空數(shù)字航空攝影規(guī)范(CH/Z3005-2010)，一般包括航線設計、飛行、影像質量檢查、補飛或重飛、像控測量等步驟.

2.2 影像數(shù)據(jù)的預處理

由于無人機拍攝的影像較傳統(tǒng)衛(wèi)片數(shù)據(jù)存在差異，主要表現(xiàn)在單幅影像范圍小，相鄰相幅重疊度較高，飛行高度千米內導致影像傾角較大，另外未受云層影響色彩亮、對比度高等不足，需進行一系列預處理后方可滿足后續(xù)調查使用.

本次試驗采用大疆無人機(型號：Phantom 4 Pro)在閩西一處煤炭礦山設置飛行區(qū)，篩選出成像清晰、色彩鮮明效果佳的112張影像.將原始影像導入Pix4UAV平臺進行影像拼接，借助機載記錄的校驗文件生產(chǎn)出整幅畸變度小、無主要點位偏移的一級影像產(chǎn)品；接著導入記錄的坐標、高程等位置信息對一級產(chǎn)品進行空三運算，起到點的傳遞和構建TIN，通過內插法生成DEM模型對影像進一步數(shù)字糾正，得到二級正射影像產(chǎn)品；后基于ArcGIS平臺繼續(xù)對產(chǎn)品進行色彩協(xié)調、邊界模糊化等系列操作，最終得到一副色彩均衡過渡自然的高分辨率單幅影像.

3 陸生生態(tài)調查分析

3.1 植被解譯與分析

無人機航拍影像提供了地表植被豐富的顏色特征、紋理特征以及形狀特征，且分辨率可達厘米級.傳統(tǒng)的影像解譯方法多基于像元的信息提取技術，如：最大似然法、最小距離法、K-均值法等，雖在理論和應用上較成熟，但面對高分辨率影像極易出現(xiàn)“椒鹽現(xiàn)象”，無法適用于無人機影像的解譯要求.基于一種新的面向對象與BP神經(jīng)網(wǎng)絡結合的影像處理技術，有效利用無人機高分辨率影像的顏色、紋理及幾何等多種信息，同時結合分層分類的思想和對象與對象之間的關系，可大大提高分類精度與一致性[3].

本次試驗通過提取無人機影像的HSV顏色特征及Tamura紋理特征，后基于eCognition運用面向對象技術進行地物類別分割，并選取幾何特征(像素和、邊界長度、長寬比等)、形狀特征(橢圓指數(shù)、矩形指數(shù)、形狀指數(shù)等)，結合野外調查的23個樣本與專家知識選取植被類別訓練樣本，得到解譯結果總體分類精度達到92.3%的植被分布圖.

植被類型分布是陸生生態(tài)現(xiàn)狀調查的重要內容，更真實的數(shù)據(jù)為掌握區(qū)域植被覆蓋信息、生態(tài)系統(tǒng)結構及識別生態(tài)問題等提供了直觀表達的平臺，也為生態(tài)影響分析中3S疊圖提供了底圖數(shù)據(jù).

3.2 林地生物量的估算

傳統(tǒng)林地生物量(B)的估算以皆伐法為主，雖具有較高的準確性，但難以區(qū)域推廣.高分辨率遙感影像更加豐富的紋理、形狀等信息有助于林木參數(shù)的提取，且己經(jīng)有研究證明，樹冠大小與胸徑、生物量有顯著的相關性[4].無人機拍攝的高分辨率影像可直接探測到不同地表植物的樹冠邊界，本次試驗運用eCognition平臺的面向對象多尺度分割法，獲取調查范圍內不同林地類型的樹冠面積(CA)，野外設置樣地采用檢尺對選定樹木進行胸徑(D)測定，選擇決定系數(shù)R2高、參數(shù)變動系數(shù)CV低的冪函數(shù)模型構建CA-D模型，結合國內其他學者已有相同樹種林地的D-B經(jīng)驗公式，間接建立與樹冠面積相關的CA-B模型，最后完成調查范圍的林地生物量的計算.

表1 CA-B模型的建立與生物量計算

利用遙感技術估算生物量對林地本身不具有破壞性，同時估算速度更快，計算的結果更準確，可大大提高陸生生態(tài)調查結果的質量.

3.3 景觀生態(tài)的調查

景觀生態(tài)學法是環(huán)境影響評價中推薦的方法，通過空間結構分析、功能與穩(wěn)定性分析兩個方面可對區(qū)域生態(tài)質量的狀況進行評判，同時景觀生態(tài)學認為，通過增加景觀的共生性與異質性有利于生態(tài)系統(tǒng)的能量流動和物質流動.無人機拍攝的高分辨率影像，可輕易地識別出地類斑塊的特征.在ArcGIS平臺上，將調查范圍內景觀類型劃分為林地、草地、耕地、水體、住宅用地和工礦用地，按照景觀生態(tài)學方法[8]基于Fragstats對各斑塊的頻率、密度、景觀比例及優(yōu)勢度值進行統(tǒng)計，結果為林地的頻度(80.46%)、密度(45.65%)、景觀比例(80.40%)和優(yōu)勢度值(71.73%)等各項指標均高于其他拼塊類型，說明調查區(qū)林地景觀相對面積大，連通程度高，以自然植被為主，林地構成景觀基質，說明區(qū)域生態(tài)環(huán)境質量較好.

3.4 動物調查

動物調查是陸生生態(tài)調查的一個難點，生態(tài)現(xiàn)狀評價中多以收集資料為主要手段，受資料時限往往較難反應真實情況，尤其建設項目涉及大型哺乳動物、鳥類現(xiàn)狀調查時，傳統(tǒng)的觀測工具與方法表露出其局限性.運用新型無人機遙感技術進行動物調查具有極大的應用潛力，如Vermeulen等[9]在非洲西部用無人機對非洲象種群進行了調查，在4條樣帶上共調查到34頭大象.馬鳴等[10]把小型多旋翼無人機用于高山兀鷲的繁殖生態(tài)學研究，拍攝了高山兀鷲巢穴、親鳥、幼鳥及其生長發(fā)育過程.2016年中央電視臺聯(lián)合西北瀕危動物研究所等單位組織的“我們與藏羚羊”科考，即運用固定翼無人機對藏羚羊的遷徙過程進行監(jiān)測，獲得覆蓋范圍高達40余平方公里、分辨率達5厘米的高清正射影像，同時獲取了比傳統(tǒng)調查方法更加準確的遷徙種群密度、數(shù)量和年齡結構等數(shù)據(jù)(http:∥www.forestry.gov.cn/Zhuanti/content_stwm/899354.html).

4 研究結論

無人機為新型的對地觀測信息獲取技術，與傳統(tǒng)的衛(wèi)星遙感相比，無人機遙感具有機動靈活、成本費用低、獲取圖像分辨率高、響應時間短、攜帶轉移方便且受天氣影響低等優(yōu)點，發(fā)展?jié)摿Ψ浅＞薮笄疫m合普及.

本次研究結論：(1)由于無人機影像的特殊性，需進行畸變糾正等一些列預處理手段方可用于后續(xù)的遙感解譯，結合面向對象與野外調查樣本的分類方法，可得到高分類精度的植被類型成果圖；(2)獲取

典型種群的林冠面積CA，輔于實地測量胸徑數(shù)據(jù)，通過已有的D-B經(jīng)驗公式構建CA-B模型，可為陸生生態(tài)調查提供詳實的現(xiàn)狀數(shù)據(jù)；(3)無人機拍攝的高分辨率影像，可輕易地識別出地類斑塊的特征，按照景觀生態(tài)學方法統(tǒng)計各斑塊的數(shù)量、密度、頻率、景觀比例及優(yōu)勢度值，識別出區(qū)域生態(tài)環(huán)境質量現(xiàn)狀；(4)新型無人機遙感技術為動物調查提供了全新的觀測手段，在不驚擾的情況下可獲取動物種群的密度、數(shù)量和年齡結構等數(shù)據(jù).隨著無人機技術的進一步發(fā)展，搭載更多樣化的傳感器，該新型遙感技術可為陸生生態(tài)調查提供詳實的現(xiàn)狀素材，極大提高工作效率，同時也為生態(tài)影響評價提供更多定量化數(shù)據(jù)，有效提高其預測的科學性，未來將越來越廣泛地運用于環(huán)境保護領域.

[1] COLOMINA I,MOLINA P.Unmanned aerial systems for photogrammetry and remote sensing:a review[J].ISPRS Journal of Photogrammetry and RemoteSensing,2014,92:79-97.

[2] 李德仁,李明.無人機遙感系統(tǒng)的研究進展與應用前景[J].武漢大學學報(信息科學版)，2014,39(5):505-513,540.

[3] 陳鳴.基于面向對象特征提取的BP神經(jīng)網(wǎng)絡分類——以武陵源地區(qū)為例[J].現(xiàn)代測繪,2017(3):17-20.

[4] 黃金龍.基于高分辨率遙感影像的森林地上生物量估算[J].生態(tài)學報,2013(20):6497-6508.

[5] 左舒翟.亞熱帶常綠闊葉林9個常見樹種的生物量相對生長模型[J].應用生態(tài)學報,2015,26(2):356-362.

[6] 謝旺生.閩北山地馬尾松林生物量調查及其結構的研究[J].華東森林經(jīng)理,2007,21(4):21-23.

[7] 張宇.利用異速生長關系和地統(tǒng)計方法估算武夷山南麓毛竹林生物量[J].生態(tài)學雜志,2016,35(7):1957-1962.

[8] 肖篤寧.景觀生態(tài)學[M].北京:科學出版社,2010.

[9] VERMEULEN C.Unmanned aerial survey of elephants[J].Plos One,2013,8(2):e54700.

[10] 馬鳴.利用多旋翼微型飛行器監(jiān)測天山地區(qū)高山兀鷲繁殖簡報[J].動物學雜志,2015,50(2):306-310.