呂金城，王振錫，楊勇強，曲延斌，馬琪瑤，朱思明

(新疆農(nóng)業(yè)大學(xué)林學(xué)與園藝學(xué)院/新疆教育廳干旱區(qū)林業(yè)生態(tài)與產(chǎn)業(yè)技術(shù)重點實驗室，烏魯木齊 830052)

0 引 言

【研究意義】森林是生物圈中最大的碳儲庫[1]，1998年，新疆天然林面積為602.7×104hm2(9 040.5×104畝)[2]。天山云杉(Piceaschrenkianavar. tianschanica)作為天山山地最主要的地帶性森林植被，其林分占新疆天然林有林地面積的44.9%，是構(gòu)成天山乃至新疆森林生態(tài)系統(tǒng)的物質(zhì)主體[3-4]。早期衛(wèi)星數(shù)據(jù)空間分辨率較低，只能提取部分紋理信息，對于單木水平的樹高冠幅提取難度較大[5]，小型飛機搭載高精度，高穿透力的激光雷達(dá)雖然可以獲取較高精度的森林信息數(shù)據(jù)，但其成本較高，仍需要耗費較大的人力物力資源，受天氣氣候影響較大，不夠靈活，隨著遙感技術(shù)的發(fā)展與革新，利用無人機航空攝影測量(UAV aerial photogrammetry)反演森林蓄積量的優(yōu)勢逐漸擴大，比起衛(wèi)星與機載激光雷達(dá)數(shù)據(jù)，無人機技術(shù)更加有效率，操作便捷，精確度也更高。通過無人機搭載各類光學(xué)傳感器，設(shè)置不同飛行高度，可以實現(xiàn)不同精度，不同比例尺的森林資源調(diào)查[6]。利用無人機技術(shù)對森林蓄積量進(jìn)行精準(zhǔn)估測有利于森林資源質(zhì)量動態(tài)監(jiān)測?！厩叭搜芯窟M(jìn)展】賈嘉輝[7]通過GF-1衛(wèi)星影像對植被指數(shù)與紋理特征進(jìn)行提取，使用主成分分析模型與最小二乘回歸模型進(jìn)行森林蓄積量的反演精度達(dá)73.96%，曹霖[8]使用Sentinel-2A衛(wèi)星影像進(jìn)行紋理信息提取與光譜信息結(jié)合的方法，對紋理因子進(jìn)行降維，再由機器學(xué)習(xí)回歸方法估算蓄積量，其蓄積量方程精度為82.12%。李赟[9]使用旋翼無人機搭載Liortho高分辨率影像獲取系統(tǒng)，對林場的立木進(jìn)行冠幅提取，以冠幅—胸徑模型作為輔助因子，樣地實測蓄積量作為主因子，建立雙重回歸估計方程，其估算精度可達(dá)95.70%。李蘊雅[10]根據(jù)無人機數(shù)據(jù)對延慶松山自然保護(hù)區(qū)進(jìn)行小班區(qū)劃，選出部分遙感因子建立針葉林蓄積量模型，對林分蓄積量進(jìn)行估測，精度達(dá)到77.33%。周小成[11]根據(jù)福建省將樂縣伐區(qū)森林小班兩期無人機數(shù)據(jù)，對小班內(nèi)立木進(jìn)行樹高提取，建立樹高—胸徑回歸模型，并對小班進(jìn)行蓄積量估測，與實測值對比，精度為91%。【本研究切入點】以新疆伊犁鞏留縣恰西森林公園的天山云杉為研究對象，無人機高分辨率航拍影像為數(shù)據(jù)源，提取天山云杉的單株樹高，并以樣地實測森林信息建立胸徑—樹高模型，結(jié)合二元材積公式反演天山云杉林分蓄積量?！緮M解決的關(guān)鍵問題】以新疆天山西部鞏留縣恰西森林公園的天山云杉為研究對象，利用無人機影像提取天山云杉林樹高冠幅信息，估算林分蓄積量，使用點云分類與克里金插值法提取無人機影像高程數(shù)據(jù)得到天山云杉樹高，根據(jù)樣地實測數(shù)據(jù)建立胸徑樹高模型，為天然林保護(hù)工程實施后山區(qū)森林資源經(jīng)營管理提供技術(shù)支撐。

1 材料與方法

1.1 材 料

恰西國家森林公園位于鞏留縣東部山區(qū)小吉爾尕郎河的支流恰西河的中游，吉爾格郎鄉(xiāng)東南部山區(qū)，N43°02'～43°06'，E82°36'～82°44'。海拔1 270～1 600 m，屬于典型溫帶大陸性半干旱氣候，土壤深厚肥沃年均降水量達(dá)550～700 mm，全年平均氣溫7.4℃。圖1

1.1.1 影像數(shù)據(jù)

無人機影像采集時間為2018年8月，航拍區(qū)域覆蓋面積約61.25 km2，使用的無人機型號為UNIT-AIR-FW3，搭載DSC-RX1RM2(35 mm)相機，像素大小4.53×4.53 μm，拍攝影像尺寸為7 952×5 304，航拍平均高度904 m，飛行設(shè)置的航向重疊率為85%，旁向重疊65%，共獲得有效影像1 876張，空間分辨率為0.121 m。表1

參數(shù)類型Parameter type參數(shù)數(shù)據(jù)Parameter data傳感器類型 Sensor typeCMOS傳感器尺寸 Sensor size全畫幅有效像素 Effective Pixels4 240萬焦距 Focal length35 mm像素大小 Pixel size4.53×4.53 (μm)

1.1.2 外業(yè)數(shù)據(jù)

2018年7月在新疆鞏留縣恰西國家森林公園內(nèi)，通過林相圖等先驗數(shù)據(jù)與實地踏查結(jié)合，按照采伐強度選取典型樣地。共設(shè)置50塊30 m×30 m的典型樣地，其中皆伐樣地20塊，擇伐樣地15塊，無干擾天然林15塊。并對樣地內(nèi)胸徑大于5 cm，樹高大于3 m的天山云杉林進(jìn)行每木檢尺用于計算蓄積量，共1 352棵天山云杉。使用GPS記錄每塊樣地中心點及4個邊點的坐標(biāo)。表2

表2 樣地每木檢尺數(shù)據(jù)Table 2 Data of per wood scale in sample plot

1.2 方 法

1.2.1 無人機影像處理

相比傳統(tǒng)衛(wèi)星影像，無人機搭載的相機由于傳感器大小的限制，航拍的單張影像覆蓋區(qū)域比較小，對圖像進(jìn)行幾何校正與預(yù)處理并使用Photo Scan1.4軟件進(jìn)行圖像配準(zhǔn)與圖像融合工作從而得到拼接后的測區(qū)全景圖像。

獲取無人機航拍影像后，采用特征點提取與相對定向自動匹配的方法，結(jié)合控制點對光束法局域網(wǎng)平差迭代求解，計算出準(zhǔn)確的無人機相機姿態(tài)數(shù)據(jù)并生成核線影像，生成密集點云，點云數(shù)據(jù)的間距為4.43 point/m2。圖2

1.2.2 數(shù)字模型生成

生成密集的點云數(shù)據(jù)后，對點云數(shù)據(jù)進(jìn)行編碼分類并進(jìn)行濾波處理，將地面點與剔除地面點的其他地物進(jìn)行區(qū)分，生成數(shù)字高程模型(DEM，Digital Elevation Model)。采用PIX4D軟件將地面點，地面植被點，地面建筑點加入特征線輔助數(shù)據(jù)進(jìn)行三角網(wǎng)內(nèi)插，根據(jù)地物情況調(diào)整網(wǎng)格間距輸出數(shù)字表面模型(DSM，Digital Surface Model)。將生成的DEM與DSM導(dǎo)入ArcGIS10.3軟件，打開ArcToolbox的3D分析工具，進(jìn)行柵格計算得出冠層高度模型(CHM，Canopy Height Model)。圖3

1.2.3 樹高提取

在冠層高度模型(CHM)的基礎(chǔ)上，采用克里金插值法對典型樣地內(nèi)的所有樹冠頂點進(jìn)行焦點統(tǒng)計，將動態(tài)窗口范圍內(nèi)選擇出的焦點做重分類處理，進(jìn)行柵格計算后，使用ArcGIS軟件將潛在樹冠頂點與其他點區(qū)分開，再把潛在的樹冠頂點由柵格圖層轉(zhuǎn)換為點矢量圖層。

在樹冠頂點提取過程中，由于樹冠表面并非規(guī)則的曲面，而且有的立木冠幅較大，產(chǎn)生了1棵樹冠面上產(chǎn)生了多個頂點值。研究區(qū)的天山云杉屬于針葉樹種，冠層成塔狀結(jié)構(gòu)，即最高點為林冠的中心點，對偽樹頂點進(jìn)行剔除，提高林冠中心點的提取精度，排除低矮灌木對實驗結(jié)果的影響。圖4

1.2.4 建模與檢驗

林木胸徑與樹高、冠幅之間具有較強的關(guān)聯(lián)性[12]，研究在樣地水平上，以實測數(shù)據(jù)為基礎(chǔ)，從10種曲線估計模型中選取最優(yōu)模型，從1 352棵天山云杉中抽取1 012棵進(jìn)行胸徑-樹高、胸徑-冠幅模型構(gòu)建，剩余340棵作為樣本檢驗?zāi)Ｐ途?。采用均方根誤差(RMSE)評價指標(biāo)對模型進(jìn)行檢驗。

(1)

1.2.5 蓄積量反演

天山云杉二元立木材積公式由當(dāng)?shù)亓謽I(yè)局根據(jù)天山西部地區(qū)最新二類調(diào)查檢尺材料計算求出。

V=6.293 661 9×10-5×D1.793 240 1×H1.046 970 7.

(2)

1.3 數(shù)據(jù)處理

樹高提取值與樹高實測值的關(guān)系散點圖，以實測值為因變量，提取值為自變量，通過SPSS統(tǒng)計分析軟件對其進(jìn)行線性擬合。

2 結(jié)果與分析

2.1 樹高提取精度

研究表明，樹高平均提取精度達(dá)到88.42%，其中最高精度可達(dá)99.80%，最低精度60.23%。

決定系數(shù)R2=0.976，提取樹高與實測樹高存在顯著正相關(guān)關(guān)系，線性函數(shù)可以作為擬合函數(shù)，將提取樹高根據(jù)y=0.978x+0.888公式進(jìn)行校準(zhǔn)。圖5

2.2 胸徑-冠幅模型與胸徑-樹高模型

研究表明，在選取的10種曲線估計模型中，胸徑—冠幅的冪函數(shù)相關(guān)系數(shù)精度達(dá)到0.696，胸徑—冠幅構(gòu)建的反演模型結(jié)果并不理想，達(dá)不到要求標(biāo)準(zhǔn)，胸徑—樹高的冪函數(shù)關(guān)系模型擬合程度最高，精度達(dá)到0.730，模型公式為：

D=(H×1.635)0.991.

(3)

模型公式中D表示胸徑，H表示樹高。

表3，表4，圖6，圖7

表3 胸徑冠幅模型及參數(shù)統(tǒng)計Table 3 Summary of parameters of DBH crown width model

表4 樹高胸徑模型及參數(shù)統(tǒng)計Table 4 Summary of parameters of DBH tree height model

2.3 模型檢驗

研究表明，RMSE=12.386，模型擬合效果顯著，可以使用模型反演天山云杉的蓄積量。

2.4 蓄積量的反演及精度

研究表明，將構(gòu)建模型與二元材積公式聯(lián)立為：

公式中：Di代表擬合胸徑，H代表樹高，Ht代表修正樹高，Hi代表提取樹高，V表示蓄積量。

模型得到的殘差值大部分落在(-2，+2)殘差區(qū)間內(nèi)，樣地1 012棵天山云杉總蓄積量為3 166.51 m3，無人機影像估算總蓄積量為2 775.76 m3，精度達(dá)到了87.66%。圖8

3 討 論

3.1 基于無人機影像樹高提取

無人機的多空間構(gòu)架飛行與多光譜相機多角度的拍攝，構(gòu)建出的三維點云數(shù)據(jù)可以在較大程度上還原研究區(qū)的林分特征與樹木生長情況，在一定程度上為林木單株的樹高提取提供保障。光學(xué)遙感技術(shù)與傳統(tǒng)的目視解譯相比優(yōu)勢明顯，多光譜相機的紋理信息提取與波段組合所帶來的誤差更小，數(shù)量化的表達(dá)更具有說服力。李亞東等[13]針對內(nèi)蒙古大興安嶺阿爾山地區(qū)的天然白樺林，用聚類分析點云數(shù)據(jù)，搜索Z坐標(biāo)軸的最大值，將其作為樹冠的頂點提取樹高，平均精度達(dá)到83%。周小成等[11]在福建地區(qū)對當(dāng)?shù)夭煞ホE地的馬尾松與杉木林進(jìn)行林分蓄積量的估測，采用局域最大值法，將其設(shè)置為動態(tài)窗口與固定窗口，也獲得了不錯的提取精度，反演研究區(qū)馬尾松的蓄積量精度高達(dá)91%。采用克里金插值法提取了吉林省的大川林場的紅松林的樹高，在其選擇的3塊樣地中，樹高提取精度最低為62%，最高精度為97%，平均精度為86%[14]。研究樹高提取方面雖然在前人的基礎(chǔ)上有所提高，但根據(jù)無人機點云數(shù)據(jù)分析提取的數(shù)字高程模型精度還是未能達(dá)到地面激光雷達(dá)數(shù)據(jù)提取的數(shù)字高程模型精度，其原因主要是地表植物的遮擋形成的陰影干擾，如果隨著技術(shù)的發(fā)展與革新，將激光雷達(dá)與多光譜相機同時搭載到無人機，樹高的提取精度將進(jìn)一步提高。

3.2 胸徑-樹高模型的構(gòu)建

樹高和胸徑是估算森林蓄積量的重要因子?；跓o人機影像反演天山云杉林分蓄積量比起激光雷達(dá)最大的劣勢是胸徑的測量，由于無人機采用的是多光譜相機成像，而胸徑無法被正射影像拍攝到，需要典型樣地每木檢尺，根據(jù)實測數(shù)據(jù)建立胸徑-樹高模型，來達(dá)到反演蓄積量的目的。

目前，國內(nèi)外基于遙感影像反演蓄積量的研究已有很多，但應(yīng)用面較窄，只適用于特定的立地條件或特定的樹種，因為不同條件下立木胸徑與樹高的擬合關(guān)系也不同，并沒有一種適用于所有樹種的胸徑-樹高模型或胸徑-冠幅模型[15-17]。

李?？黐18]針對油松、楊樹、櫟類等6種全國主要樹種進(jìn)行高級分級，通過雙重迭代算法建立了胸徑-樹高曲線模型，該模型的決定系數(shù)達(dá)到了0.943 8，還通過刀切法對模型參數(shù)的靈敏度進(jìn)行分析，對驗證模型分徑階的平均絕對誤差、均方根誤差進(jìn)行對比表明模型比較穩(wěn)定可靠。利用數(shù)字表面模型和無人機系統(tǒng)獲得了日本柏樹高和胸徑的線性關(guān)系，其決定系數(shù)達(dá)到了0.778 6[19]。要找到不同立地條件下，不同樹種的胸徑與樹高關(guān)系還有待于進(jìn)一步研究。

4 結(jié) 論

基于無人機影像提取樹高與實測樹高存在顯著正相關(guān)關(guān)系，提取平均精度為88.42%，建立天山云杉胸徑-冠幅模型的相關(guān)系數(shù)為0.696，而胸徑-樹高模型的相關(guān)系數(shù)為0.730；驗證胸徑-樹高模型，計算RMSE值為12.386，擬合效果顯著?；谛貜?樹高模型反演林分蓄積量精度為87.66%，與實測值比對，殘差值大部分落在(-2，+2)殘差區(qū)間內(nèi)。通過高分辨率無人機影像數(shù)據(jù)反演林分蓄積量是切實可行的，精度也滿足對天山云杉林木生長狀況的快速評價和動態(tài)監(jiān)測需求。