（東北林業(yè)大學(xué) 工程技術(shù)學(xué)院，黑龍江 哈爾濱 150040）

森林對(duì)生態(tài)系統(tǒng)的平衡發(fā)揮著重要的作用，森林系統(tǒng)是陸地生態(tài)系統(tǒng)中重要的碳匯源之一，森林生物量是衡量森林固碳能力和生產(chǎn)力的重要指標(biāo)[1-2]。作為地表碳循環(huán)研究的重要組成部分，有效地監(jiān)測(cè)生物量和碳儲(chǔ)量等關(guān)鍵森林參數(shù)有助于更好地了解碳循環(huán)以及生物圈-大氣層的相互作用[3-6]。《京都協(xié)議書(shū)》中對(duì)于通過(guò)在本國(guó)或者第三國(guó)植樹(shù)造林以抵消本國(guó)CO2排放的規(guī)定促進(jìn)了關(guān)于森林生物量動(dòng)態(tài)監(jiān)測(cè)以及生物量制圖方面的研究[7]。

無(wú)人機(jī)憑借其機(jī)動(dòng)性強(qiáng)和可以快速回訪的特點(diǎn)，已經(jīng)被廣泛應(yīng)用于林業(yè)和農(nóng)業(yè)調(diào)查研究中。隨著無(wú)人機(jī)技術(shù)的不斷發(fā)展，攝影測(cè)量技術(shù)在林業(yè)調(diào)查、森林結(jié)構(gòu)參數(shù)獲取、森林景觀三維重建等方面發(fā)揮著越來(lái)越重要的作用[8-11]。Bendig[12]利用普通RGB 商用相機(jī)對(duì)農(nóng)田生物量進(jìn)行了估測(cè)以及估產(chǎn)研究，結(jié)果表明農(nóng)產(chǎn)品的鮮重和干重估測(cè)R2均大于0.8。何游云[13]在面向?qū)ο蟮幕A(chǔ)上獲取了森林的樹(shù)冠參數(shù)，分別利用兩個(gè)樣地進(jìn)行建模和精度驗(yàn)證，結(jié)果表明，結(jié)合CA-DBH 以及DBH-SB 經(jīng)驗(yàn)方程的基礎(chǔ)上對(duì)森林生物量的估測(cè)是有效的。Du 等[14]的研究表明，經(jīng)過(guò)校準(zhǔn)的森林覆蓋比例圖可以按比例縮小區(qū)域森林生物量統(tǒng)計(jì)數(shù)據(jù)到森林覆蓋像素，從而生成相對(duì)精細(xì)分辨率的生物量圖。付凱婷[15]利用高分辨率遙感影像提取單木冠幅數(shù)據(jù)，結(jié)合實(shí)際測(cè)量的單木胸徑數(shù)據(jù)建立了CA-DBH模型，并通過(guò)結(jié)合胸徑與單木材積之間的關(guān)系模型得到航空單木材積模型，最后估測(cè)出林分的蓄積量，總體精度能達(dá)到90%以上。Goodbody 等[16]結(jié)合無(wú)人機(jī)航空攝影測(cè)量獲取的影像數(shù)據(jù)與Lidar數(shù)據(jù)獲取完整的樹(shù)木點(diǎn)云，在完整點(diǎn)云數(shù)據(jù)的基礎(chǔ)上建立單木生物量預(yù)測(cè)模型，結(jié)果表明，利用無(wú)人機(jī)航空數(shù)據(jù)估測(cè)生物量在減少人力成本的同時(shí)可以提高森林的運(yùn)營(yíng)管理效率。趙鑫[17]利用無(wú)人機(jī)影像獲取的冠幅和樹(shù)高信息分別編制了冠幅-材積一元航空立木材積表和冠幅以及樹(shù)高-材積二元航空立木材積表。

以往的研究多集中于利用衛(wèi)星遙感數(shù)據(jù)進(jìn)行大規(guī)模的森林生物量調(diào)查與估測(cè)，受限于衛(wèi)星影像的分辨率以及回訪周期，很難高效率的進(jìn)行森林生物量獲取。而部分研究側(cè)重于不同樹(shù)種的生物量估測(cè)，對(duì)不同的樹(shù)種分別進(jìn)行建模不但工作量大且無(wú)法應(yīng)對(duì)較為復(fù)雜的森林環(huán)境。因此，本研究利用無(wú)人機(jī)航空攝影測(cè)量技術(shù)獲取森林樹(shù)高，結(jié)合實(shí)測(cè)建立的H-DBH模型與生物量通用經(jīng)驗(yàn)?zāi)Ｐ凸罍y(cè)研究區(qū)森林生物量，并可快速完成生物量制圖工作。研究結(jié)果可快速準(zhǔn)確地完成森林樣地生物量估測(cè)和制圖，同時(shí)也為大尺度生物量的估測(cè)和碳儲(chǔ)量的估算提供技術(shù)參考。

1 研究區(qū)域概況

研究區(qū)位于東北林業(yè)大學(xué)哈爾濱城市林業(yè)示范基地（127°35′E，45°42′N(xiāo)），海拔134～163 m?；乜傉嫉孛娣e43.95 hm2，內(nèi)現(xiàn)有18種人工林分布在46個(gè)樣地內(nèi)，各類(lèi)人工林共占地 25 hm2。研究區(qū)屬于溫帶季風(fēng)氣候，年平均氣溫為3.5℃，平均降水量為534 mm[18]。人工林的平均郁閉度在0.6 以上，且多為生長(zhǎng)趨于穩(wěn)定的過(guò)成熟林木?；噩F(xiàn)有主要樹(shù)種有糖槭Acer saccharum、小青楊Populus pseudosimonii、興安落葉松Larixgmelinii、胡桃楸Juglans mandshurica、水曲柳Fraxinus mandshurica、白樺Betula platyphylla、樟子松Pinus sylvestris、蒙古櫟Quercus mongolica等。由于研究區(qū)域內(nèi)林分構(gòu)成較為復(fù)雜，包括了針葉和闊葉在內(nèi)的多種樹(shù)種，為了保證建模精度，本研究從研究區(qū)的四種人工林樣地中選取了2 塊針葉林和兩塊闊葉林樣方（20 m×20 m）[19]進(jìn)行H-DBH模型構(gòu)建和精度驗(yàn)證，另外從這些人工林樣地中再選取四塊樣方（20 m×20 m）進(jìn)行無(wú)人機(jī)生物量估測(cè)與精度驗(yàn)證。四種人工林樣地樹(shù)種分別由水曲柳、黑皮油松、蒙古櫟和樟子松組成。詳細(xì)情況如表1所示。

2 研究方法

2.1 研究流程

本研究的基于無(wú)人機(jī)影像的林分生物量估測(cè)與制圖的流程如圖1所示。該框架可分為樹(shù)高的估測(cè)和生物量模型估測(cè)兩個(gè)部分，最后結(jié)合數(shù)字冠層模型中得到的樹(shù)高數(shù)據(jù)和DBH-SB 生物量模型數(shù)據(jù)，并借助ArcGIS10.1 軟件完成生物量制圖工作。

表1 人工林樣地概況Table1 Summary of the plantation plots

圖1 生物量估測(cè)與制圖流程Fig.1 Biomass estimation and mapping process

2.2 樹(shù)高獲取

2.2.1 數(shù)據(jù)獲取

利用曼圖拉ms-670 無(wú)人機(jī)于2018年5月在東北林業(yè)大學(xué)城市林業(yè)示范基地進(jìn)行航片數(shù)據(jù)采集。曼圖拉ms-670無(wú)人機(jī)主要由主機(jī)、手動(dòng)遙控器、監(jiān)視器、影像云臺(tái)組成。主機(jī)對(duì)角軸距為67 cm，抗風(fēng)能力6級(jí)，搭載2 000萬(wàn)像素?cái)?shù)碼相機(jī)條件下最大飛行高度可達(dá)3 000 m。相機(jī)經(jīng)過(guò)校檢，內(nèi)方位元素中主距f為16.25 mm，像主點(diǎn)偏差x0和y0分別為-0.31 mm和-0.08 mm，徑向畸變系數(shù)k1和k2分別為3.12E-04和-1.59E-06，偏心畸變系數(shù)p1和p2分別為1.33E-04和4.91E-05。數(shù)據(jù)采集設(shè)置航高為200 m，航飛當(dāng)天能見(jiàn)度高，風(fēng)力小于三級(jí)，整個(gè)林場(chǎng)共布設(shè)6個(gè)飛行控制點(diǎn)，同時(shí)獲取包含樣地在內(nèi)的林場(chǎng)的高精度影像數(shù)據(jù)，在航向與旁向重疊率為75%的條件下得到60 張研究區(qū)影像。采用南方NTS 全站儀測(cè)量航片控制點(diǎn)坐標(biāo)以及地形數(shù)據(jù)，坐標(biāo)系采用獨(dú)立坐標(biāo)。整個(gè)林場(chǎng)共布6個(gè)飛行控制點(diǎn)坐標(biāo)并用紅漆標(biāo)記，對(duì)選取的樣地進(jìn)行碎步測(cè)量以獲取樣地的地形數(shù)據(jù)。

2.2.2 樹(shù)高提取方法

樹(shù)高值的估測(cè)是生物量獲取的前提，由于研究區(qū)域的林分郁閉度較高（平均郁閉度在0.6 以上），傳統(tǒng)的目視解譯方法難以獲得單株立木樹(shù)高數(shù)據(jù)，本研究采用了一種無(wú)人機(jī)與全站儀結(jié)合的樹(shù)高提取方法獲取研究區(qū)域的樹(shù)高參數(shù)[20]。

首先利用Agisoft PhotoScan 無(wú)人機(jī)影像處理軟件進(jìn)行初步的幾何校正以及空三加密，處理完成后得到整個(gè)實(shí)驗(yàn)區(qū)的高分辨率DSM（Digital surface model）模型。由于研究區(qū)域林分郁閉度較高，難以直接通過(guò)無(wú)人機(jī)影像的三維重建獲得DEM（Digital elevation model)）模型，利用全站儀測(cè)得研究區(qū)域的地形數(shù)據(jù)生成DEM模型，最后通過(guò)對(duì)DSM 以及DEM的柵格減法歸一化處理后得到研究區(qū)域的數(shù)字冠層樹(shù)高模型（DCHM），研究區(qū)域的數(shù)字冠層模型，如圖2所示。

圖2 數(shù)字冠層樹(shù)高模型Fig.2 Digital canopy height model

在此基礎(chǔ)上，采用局部最大值法獲取研究區(qū)域的樹(shù)高數(shù)據(jù)。局部最大值法的思想是通過(guò)尋找樹(shù)冠光譜反射最大值點(diǎn)為樹(shù)冠的中心和樹(shù)冠頂點(diǎn)，通過(guò)設(shè)置一個(gè)移動(dòng)窗口探測(cè)影像的局部最大值為樹(shù)冠中心點(diǎn)位置。本研究通過(guò)設(shè)置不同移動(dòng)窗口大小進(jìn)行多次對(duì)比確定移動(dòng)窗口的大小為3 m×3 m，窗口每隔0.5 m 向上、向下滑動(dòng)一次，取出每次滑動(dòng)窗口內(nèi)的最高點(diǎn)作為局部最大值，處理完成后的所有局部最大值點(diǎn)即為我們選取的樹(shù)冠中心點(diǎn)。利用局部最大值算法可以提取樹(shù)冠中心點(diǎn)位置和對(duì)應(yīng)單木的樹(shù)高數(shù)據(jù)，由于數(shù)字冠層模型經(jīng)過(guò)了歸一化處理，所以得到的樹(shù)冠中心點(diǎn)坐標(biāo)可認(rèn)為通過(guò)無(wú)人機(jī)航空影像得到的樹(shù)高估測(cè)值。樣地樹(shù)高的實(shí)測(cè)數(shù)據(jù)通過(guò)尼康測(cè)樹(shù)儀獲取，并利用胸徑尺測(cè)量每株單木的胸徑數(shù)據(jù)，利用MS Excel 完成H-DBH 建模。

2.3 生物量模型建立

為了完成生物量數(shù)據(jù)的估測(cè)，需要借助生物量經(jīng)驗(yàn)?zāi)Ｐ瓦M(jìn)行胸徑到樹(shù)干生物量的反演工作。通過(guò)航空影像可以直接提取樹(shù)高數(shù)據(jù)，而無(wú)法直接獲取樹(shù)木的胸徑值，建立H-DBH模型便成了獲取胸徑數(shù)據(jù)的直接方法。本研究首先通過(guò)水曲柳、蒙古櫟、樟子松、黑皮油松四塊建模樣方的實(shí)測(cè)數(shù)據(jù)建立H-DBH 反演模型。已有研究表明，徑階和該徑階下的樹(shù)木平均高程得到的線性擬合方程效果比較好，對(duì)于反演樣方樹(shù)高來(lái)說(shuō)，最好的模型是徑階-樹(shù)高模型[21]。因此，在完成H-DBH模型建模后，將通過(guò)無(wú)人機(jī)影像提取得到的樹(shù)高數(shù)據(jù)估測(cè)代入到模型當(dāng)中可以得到胸徑估測(cè)值，結(jié)合已有的DBHSB 經(jīng)驗(yàn)?zāi)Ｐ蛷亩玫綐?shù)木的生物量數(shù)據(jù)。

2.4 生物量估測(cè)與制圖

通過(guò)樹(shù)高提取和H-DBH模型建立方法可以得到胸徑的估測(cè)值，通過(guò)胸徑估測(cè)值結(jié)合DBH-SB模型便可以提取森林生物量數(shù)據(jù)。由于東北林業(yè)大學(xué)城市林業(yè)示范基地中現(xiàn)共存18個(gè)樹(shù)種，若采用不同樹(shù)種的生物量經(jīng)驗(yàn)?zāi)Ｐ蜔o(wú)法通過(guò)無(wú)人機(jī)影像準(zhǔn)確區(qū)分不同樹(shù)種，因此采用一種通用的生物量模型成為最適合的選擇。本研究采用了曹偉生提出的通用性一元立木地上生物量模型[22]，模型公式：

式（1）中M為待求生物量，D為1.3 m 處胸徑，r為木材密度（取木材的平均密度0.54）。

在完成H-DBH模型的研建和DBH-SB模型選擇后，將得到的數(shù)字冠層樹(shù)高模型（DCHM）導(dǎo)入到ArcGIS 軟件中，通過(guò)軟件中的空間分析功能結(jié)合DBH-SB模型完成航空生物量制圖。

3 結(jié)果分析及評(píng)價(jià)

3.1 樣方數(shù)據(jù)

本研究在無(wú)人機(jī)航空攝影測(cè)量影像的基礎(chǔ)上通過(guò)局部最大值算法提取了測(cè)試樣方（20 m×20 m）樹(shù)高數(shù)據(jù)，同時(shí)通過(guò)測(cè)樹(shù)儀和胸徑尺獲取了樹(shù)高和胸徑的實(shí)測(cè)數(shù)據(jù)，如表2所示為實(shí)測(cè)樹(shù)高和通過(guò)影像提取的樹(shù)高數(shù)據(jù)，4 塊樣方的平均精度均超過(guò)了85%，提取的樹(shù)高平均精度達(dá)到了89%。

表2 樣方平均樹(shù)高Table2 Average tree height of the quadrats

整個(gè)研究區(qū)域中包括了針葉和闊葉在內(nèi)的多種樹(shù)種，本研究在測(cè)試樣方所在的人工林樣地內(nèi)另外選取了針葉林和闊葉林樣方各2 塊（20 m×20 m），獲取了4 塊建模樣方所有樹(shù)木的徑階-樹(shù)高模型，并以此作為研究區(qū)域生物量制圖的基礎(chǔ)。表3為4 塊樣方中的樹(shù)木徑階和樹(shù)高數(shù)據(jù)。

3.2 模型建立

首先利用各徑階的平均胸徑和平均樹(shù)高分別建立了4個(gè)建模樣方的H-DBH模型，然后分別采用線性及多項(xiàng)式對(duì)數(shù)據(jù)進(jìn)行回歸，結(jié)果發(fā)現(xiàn)二項(xiàng)式回歸得到的模型精度最高。4個(gè)樣方的徑階-樹(shù)高模型R2均大于0.70，回歸結(jié)果如表4和圖3所示。

表3 建模樣方徑階-樹(shù)高數(shù)據(jù)Table3 Diameter class-tree height data of the modeling quadrats

通過(guò)對(duì)回歸結(jié)果進(jìn)行進(jìn)一步的分析發(fā)現(xiàn)，隨著胸徑的增加，特別是當(dāng)胸徑超過(guò)25 cm后，樹(shù)高的增長(zhǎng)變得緩慢。造成這種情況的主要原因是由于大部分樹(shù)種隨著林齡的增大，樹(shù)木長(zhǎng)到一定高度后，生長(zhǎng)緩慢造成的[23]；另外，徑階大于30 cm的多為闊葉林，相同生長(zhǎng)條件下闊葉林的樹(shù)高普遍低于針葉林。根據(jù)4個(gè)建模樣方總的樹(shù)高-徑階數(shù)據(jù)建立了總的H-DBH 回歸模型，如圖4所示。

表4 建模樣方H-DBH模型Table4 H-DBH model of the modeling quadrats

將提取得到的樹(shù)高數(shù)據(jù)代入建立的H-DBH模型中便可以得到胸徑估測(cè)值，分別對(duì)比了4 塊測(cè)試樣方的胸徑實(shí)測(cè)值和估測(cè)值（表5），4 塊樣方的平均胸徑精度均超過(guò)了80%，估測(cè)胸徑平均精度達(dá)到了88%。

3.3 生物量估測(cè)

圖3 每個(gè)建模樣方的H-DBH 回歸模型Fig.3 H-DBH regression model for each modeling quadrat

圖4 總的H-DBH 回歸模型Fig.4 Total H-DBH regression model

根據(jù)生物量的經(jīng)驗(yàn)?zāi)Ｐ秃虷-DBH 總回歸模型，結(jié)合實(shí)測(cè)樹(shù)高和提取樹(shù)高求得了4 塊測(cè)試樣方的生物量和估測(cè)航空生物量。對(duì)于不同樣方，采用實(shí)測(cè)樹(shù)高均值反演得到的胸徑均值來(lái)計(jì)算實(shí)測(cè)平均地上生物量；根據(jù)每棵單木的樹(shù)高反演得到的胸徑計(jì)算每木生物量，通過(guò)求和得到總地上生物量。估測(cè)航空生物量的計(jì)算方法與實(shí)測(cè)法類(lèi)似，只是將實(shí)測(cè)樹(shù)高替換為采用局部最大值法提取的樹(shù)高。蒙古櫟樣方由于樹(shù)型較小，實(shí)測(cè)和估測(cè)平均地上生物量均值均不足100 kg，4 塊測(cè)試樣方估測(cè)地上生物量均值為151.86 kg，總地上生物量平均值為6 915.85 kg。將平均地上生物量和總地上生物量的平均精度作為每塊測(cè)試樣方的生物量估測(cè)精度，4 塊測(cè)試樣方總的估測(cè)精度為87%。具體結(jié)果如表6所示。

3.4 生物量制圖

在ArcGIS 軟件中完成生物量制圖工作，首先通過(guò)柵格減法運(yùn)算，得到研究區(qū)域高程歸一化后的數(shù)字冠層模型，此時(shí)的數(shù)字冠層模型高度值即代表估測(cè)樹(shù)高值。接下來(lái)通過(guò)局部最大值算法提取得到的樹(shù)冠中心點(diǎn)平面坐標(biāo)提取所有潛在的單木位置以及高度，代入相應(yīng)的模型得到整個(gè)研究區(qū)域的生物量數(shù)值，最后通過(guò)重分類(lèi)得到完整的生物量分布圖。

表5 測(cè)試樣方平均胸徑Table5 Average DBH of the testing quadrats

表6 測(cè)試樣方地上生物量Table6 Above ground biomass of the testing quadrats

圖5為整個(gè)研究區(qū)的森林地上生物量分布圖，無(wú)人機(jī)航空遙感估測(cè)的該區(qū)域平均森林地上生物量可達(dá)254.43 kg，總地上生物量達(dá)到了4 396.18 t。而生物量高于300的區(qū)域多集中在興安落葉松樣地區(qū)域，其區(qū)域內(nèi)單位面積生物量較其他區(qū)域生物量高，該生物量分布估算結(jié)果與實(shí)際情況基本符合。

圖5 研究區(qū)域地上生物量Fig.5 Aboveground biomass map in the study area

4 結(jié)論與討論

本研究以東北林業(yè)大學(xué)城市林業(yè)示范基地的森林地上生物量為研究對(duì)象，基于搭載普通數(shù)碼相機(jī)的無(wú)人機(jī)平臺(tái)得到的航空影像對(duì)實(shí)驗(yàn)區(qū)域內(nèi)的地上生物量進(jìn)行估測(cè)和航空生物量制圖研究。研究結(jié)果表明森林地上生物量數(shù)字冠層模型及精度和研究區(qū)域內(nèi)的平均樹(shù)高存在明顯線性關(guān)系，其通過(guò)通用性的H-DBH和DBH-SB模型可以完成生物量的估測(cè)和制圖工作。本研究得到的徑階-樹(shù)高估測(cè)模型存在顯著的相關(guān)性關(guān)系，通過(guò)通用性的一元地上生物量回歸模型估測(cè)得到的研究區(qū)平均地上生物量可達(dá)254.43 kg，總地上生物量達(dá)到了4 396.18 t。

為了提高森林調(diào)查效率，更好地服務(wù)于森林調(diào)查與經(jīng)營(yíng)，大尺度的生物量估測(cè)與制圖必不可少。本研究的研究結(jié)果可以為大尺度生物量估測(cè)與制圖提供參考；同時(shí)精確區(qū)分森林類(lèi)型進(jìn)行精確建模有利于提高生物量估測(cè)精度，進(jìn)而提高森林地上生物量的制圖準(zhǔn)確率；單一的航空影像數(shù)據(jù)無(wú)法直接提取樹(shù)木胸徑從而得到森林生物量，而胸徑是與生物量關(guān)系最密切的森林調(diào)查參數(shù)，本研究受限于高郁閉度林分的冠幅密度，采用無(wú)人機(jī)與全站儀結(jié)合提取樹(shù)高的方法在一定程度上提高了樹(shù)高提取精度的前提下也加大了參數(shù)提取的工作量。因此，在今后的研究中可考慮利用無(wú)人機(jī)Lidar數(shù)據(jù)進(jìn)行胸徑的直接提取，同時(shí)結(jié)合衛(wèi)星影像數(shù)據(jù)進(jìn)行大范圍的森林生物量反演以及碳儲(chǔ)量估測(cè)對(duì)林業(yè)精細(xì)化經(jīng)營(yíng)有重要意義，隨著遙感以及數(shù)字圖像處理等技術(shù)進(jìn)步，無(wú)人機(jī)在森林生物量估測(cè)及森林資源調(diào)查中必將得到更廣泛應(yīng)用。