楊軍,王帆,宋仲禹*

(1.黑龍江省林業(yè)和草原調(diào)查規(guī)劃設(shè)計(jì)院,哈爾濱 150040;2.東北林業(yè)大學(xué) 林學(xué)院,哈爾濱 150040)

0 引言

森林資源是人類(lèi)賴以生存的重要自然資源之一,慣有“地球之肺”的美稱,是全球氣候變化的晴雨表,且和全球生物多樣化存在著密切的關(guān)系,也是生物多樣性的基礎(chǔ)[1]。森林空間結(jié)構(gòu)信息在森林生態(tài)研究、資源監(jiān)測(cè)等方面具有重要作用,是陸地生態(tài)系統(tǒng)研究的重要參數(shù),尤其在提高葉面積指數(shù)、森林生物量及進(jìn)行森林生態(tài)系統(tǒng)碳循環(huán)、森林生長(zhǎng)演替等動(dòng)態(tài)過(guò)程的研究方面有重要意義[2-3]。而且,森林資源是全球資源的重要組成部分,具有緩解全球氣候變化及促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展的重要作用,對(duì)于構(gòu)建良好生態(tài)環(huán)境有著獨(dú)特意義[4]。

為了有效地進(jìn)行森林資源的管理,調(diào)查掌握森林資源信息是非常必要的。傳統(tǒng)的森林資源調(diào)查通過(guò)人工每木檢尺來(lái)實(shí)現(xiàn),勞動(dòng)強(qiáng)度大、效率低,很難獲得準(zhǔn)確并且具有實(shí)際應(yīng)用意義的森林結(jié)構(gòu)參數(shù)[5],有明顯的局限性。在過(guò)去20年中,激光掃描技術(shù)作為一種林地信息收集、提取參數(shù)[6]與模型構(gòu)建[7]的重要手段,在森林資源調(diào)查中得到了廣泛的應(yīng)用[8],激光雷達(dá)掃描可以高效地獲取大量的森林資源信息,這樣節(jié)約很多的資源和成本,且對(duì)應(yīng)的工作效率也明顯地提高,有利于提高研究和應(yīng)用水平。激光掃描技術(shù)可以在一定程度上取代人工作業(yè),對(duì)森林進(jìn)行高精度、快速和無(wú)損數(shù)據(jù)收集的特點(diǎn),極大地提高了森林信息采集的效率和精度[9]。并且激光掃描技術(shù)作為一種高科技應(yīng)用科學(xué),對(duì)植被的空間結(jié)構(gòu)與地形具有較強(qiáng)的檢測(cè)能力,已成功應(yīng)用于森林參數(shù)的測(cè)量和反演,成為森林調(diào)查的重要手段[10]。激光雷達(dá)遙感作為主動(dòng)遙感技術(shù)可以有效穿透森林,在獲取森林高度和森林垂直結(jié)構(gòu)參數(shù)方面有著其他光學(xué)遙感無(wú)法比擬的優(yōu)勢(shì)[11-12],很多研究基于機(jī)載激光雷達(dá)(Airborne laser scanning,ALS)與地基激光雷達(dá)(Terrestrial laser scanning,TLS)成功提取了森林垂直結(jié)構(gòu)及水平分布參數(shù)和單木結(jié)構(gòu)參數(shù)[13-17]。例如,駱鈺波等[26]基于TLS數(shù)據(jù)提取了亞熱帶山區(qū)森林的胸徑和樹(shù)高,結(jié)果顯示提取胸徑的決定系數(shù)(R2)為0.996,均方根誤差(RMSE)為0.66 cm;提取樹(shù)高的R2為0.972,RMSE為0.92 m。黃旭等[18]基于BLS提取了人工落葉松的胸徑和樹(shù)高,研究顯示胸徑提取結(jié)果明顯大于樹(shù)高的提取結(jié)果,胸徑平均提取精度為94.51%,樹(shù)高平均提取精度為80.27%。

蒙古櫟(Quercusmongolica),主要分布于東北地區(qū),是我國(guó)的主要用材樹(shù)種和東北次生闊葉林中的主要組成樹(shù)種,有著極高的經(jīng)濟(jì)價(jià)值與生態(tài)效益,但是長(zhǎng)期以來(lái)一直未受到重視。人們對(duì)蒙古櫟的生長(zhǎng)特性尚未全面的研究,且大部分蒙古櫟在現(xiàn)實(shí)林分中多生長(zhǎng)不良,長(zhǎng)期以來(lái)一直被作為改造的對(duì)象,導(dǎo)致蒙古櫟未能充分發(fā)揮其多種效益。因此,為了準(zhǔn)確了解蒙古櫟的生長(zhǎng)狀況,促進(jìn)蒙古櫟林的合理經(jīng)營(yíng),必須構(gòu)建完善的蒙古櫟生長(zhǎng)模型。

目前機(jī)載激光雷達(dá)和地基激光雷達(dá)在林業(yè)方面的應(yīng)用和研究已經(jīng)趨于成熟,但是這2種激光雷達(dá)在進(jìn)行外業(yè)活動(dòng)采集數(shù)據(jù)的過(guò)程中成本十分高昂,且數(shù)據(jù)處理較為繁瑣,因此在小范圍樣地調(diào)查時(shí)并不是十分適用。背包激光雷達(dá)作為一種新型便攜的激光掃描儀十分適用于樣地尺度下的調(diào)查,但在林業(yè)方面的應(yīng)用還比較少,因此,準(zhǔn)確評(píng)估利用背包激光雷達(dá)提取單木因子的精度是亟待解決的問(wèn)題。

綜上所述,本研究使用背包激光雷達(dá)點(diǎn)云數(shù)據(jù)提取蒙古櫟的單木因子,在提取精度滿足生產(chǎn)需求的情況下進(jìn)一步利用提取的因子構(gòu)建蒙古櫟胸徑-樹(shù)高模型。以期為背包激光雷達(dá)在樣地尺度下的應(yīng)用提供進(jìn)一步的實(shí)踐基礎(chǔ),同時(shí)為蒙古櫟生長(zhǎng)模型系統(tǒng)的構(gòu)建做出一定貢獻(xiàn)。

1 研究區(qū)概況

研究區(qū)位于黑龍江省佳木斯市孟家崗林場(chǎng)(130°32′～130°52′ E,46°20′～46°30′ N),地處于完達(dá)山西麓余脈,地貌主要為低山丘陵;坡度平緩,介于10°～20°,平均海拔約250 m。孟家崗林場(chǎng)屬于東亞大陸性季風(fēng)氣候,春季干旱少雨,秋季易霜凍,夏季短暫且溫暖濕潤(rùn),冬季持久且寒冷干燥。最高氣溫可達(dá)35.6 ℃,最低氣溫為-34.7 ℃,年均氣溫約為2.7 ℃。無(wú)霜期大約120 d,年平均降水量550～670 mm。土壤類(lèi)型主要為典型暗棕壤,還有少量草甸暗棕壤、潛育暗棕壤和原始暗棕壤;除此之外,還存在草甸土、白漿土、泥炭土以及沼澤土。該林場(chǎng)以人工林為主,占整個(gè)施業(yè)區(qū)面積的2/3,天然次生林約占1/3,森林覆蓋率為81.7%。

2 數(shù)據(jù)收集

2.1 野外樣地?cái)?shù)據(jù)調(diào)查

2021年4月,在孟家崗林場(chǎng)的蒙古櫟天然林中設(shè)置了3塊固定標(biāo)準(zhǔn)樣地,樣地面積均為0.09 hm2(30 m × 30 m)。在設(shè)置的標(biāo)準(zhǔn)樣地的中心點(diǎn)用GPS進(jìn)行定位,定位精度為3 m。每木檢尺工作包括測(cè)量每株樹(shù)木的樹(shù)高、胸徑、冠幅和第一活枝高,并且在樣地中記錄每棵樹(shù)的相對(duì)位置。采用超聲波測(cè)高器來(lái)測(cè)量樹(shù)高,用胸徑尺測(cè)量樣地內(nèi)所有胸徑大于5 cm的樹(shù)木,用測(cè)距儀來(lái)測(cè)量冠幅,用50 m皮尺確定樣地內(nèi)樹(shù)木的相對(duì)位置,共計(jì)測(cè)量244株活立木。樣地信息見(jiàn)表1。

表1 樣地信息統(tǒng)計(jì)表Tab.1 Statistical table of sample plot information

2.2 背包激光雷達(dá)數(shù)據(jù)采集

每木檢尺工作結(jié)束后開(kāi)始利用背包激光雷達(dá)(北京數(shù)字綠土有限公司)采集樣地的點(diǎn)云數(shù)據(jù)。由于樣地面積較大,為了保證能較為全面地獲取樣地內(nèi)的點(diǎn)云數(shù)據(jù),采用了黃旭等[18]的路線規(guī)劃,如圖1所示。最終采集到的點(diǎn)云數(shù)據(jù),如圖2所示。

圖1 樣地掃描路徑規(guī)劃圖Fig.1 Map of scanning route planning

圖2 樣地點(diǎn)云示意圖Fig.2 Schematic diagram of a sample plot point cloud

3 研究方法

3.1 點(diǎn)云數(shù)據(jù)預(yù)處理

在Lidar360軟件中加載掃描獲得的.ply格式的樣地點(diǎn)云數(shù)據(jù)以及.xyz格式的樣地采集路線行走軌跡,根據(jù)行走軌跡獲取樣地在點(diǎn)云數(shù)據(jù)中的大致位置,從而對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行裁剪,精確獲取樣地內(nèi)的點(diǎn)云數(shù)據(jù)。采用高度閾值法[19]對(duì)樣地點(diǎn)云進(jìn)行去噪處理,隨后根據(jù)漸進(jìn)加密三角網(wǎng)濾波算法[20]對(duì)地面點(diǎn)進(jìn)行分類(lèi)。利用分離出的地面點(diǎn)生成數(shù)字高程模型從而獲得歸一化的點(diǎn)云數(shù)據(jù)。

3.2 提取單木因子

利用歸一化的點(diǎn)云數(shù)據(jù)在Lidar360軟件中進(jìn)行單木自動(dòng)分割。但是這種自動(dòng)分割方法得到的單木點(diǎn)云數(shù)據(jù)易受低矮灌木干擾,并且連株樹(shù)木易被分割為同一單木,對(duì)后續(xù)數(shù)據(jù)處理造成困難。因此利用軟件的單木點(diǎn)云編輯功能對(duì)分割后的點(diǎn)云數(shù)據(jù)進(jìn)行二次處理。在2D視窗中提取一定范圍的樹(shù)木剖面,對(duì)樣地?cái)?shù)據(jù)逐片排查進(jìn)行編輯。多株樹(shù)木分割為一株的用創(chuàng)建單木功能進(jìn)行再分割;一株樹(shù)木被分為多株而過(guò)分割的,用合并單木功能重新劃分為一株單木。對(duì)單木與周?chē)嗄疽驗(yàn)榫嚯x過(guò)近而分割為一株單木,影響胸徑提取精度的,用創(chuàng)建單木功能將多余的灌木部分分割出來(lái)并使用刪除單木功能將其刪除;對(duì)低矮灌木成片生長(zhǎng)被分割為多株單木的,用刪除單木功能進(jìn)行修正。處理后單木分割結(jié)果如圖3所示。最后從修正后的單木點(diǎn)云數(shù)據(jù)中截取胸徑處上下5 cm厚的點(diǎn)云進(jìn)行胸徑的提取。單木點(diǎn)云中Z軸上的最大值與最小值之差定義為樹(shù)高。

3.3 構(gòu)建胸徑-樹(shù)高模型

3.3.1 基礎(chǔ)模型

根據(jù)馬武等[21]對(duì)天然蒙古櫟單木生長(zhǎng)模型的研究結(jié)果,從中選取了5種胸徑-樹(shù)高模型作為備選模型。模型的具體形式如下。

H1=a+bD+cD2。

(1)

H2=1.3+a(1-e-bD)c。

(2)

H3=1.3+a(1-e-bDc)。

(3)

H4=1.3+aDbDc。

(4)

(5)

式中:H為樹(shù)高,m;D為胸徑,cm;a、b、c分別為模型的參數(shù)。

3.3.2 模型評(píng)價(jià)與檢驗(yàn)

對(duì)本研究所用的數(shù)據(jù)進(jìn)行隨機(jī)抽樣,抽出75%的樣本用作建模數(shù)據(jù),剩余25%樣本用來(lái)進(jìn)行模型檢驗(yàn)。利用R2和RMSE評(píng)價(jià)模型的擬合能力。R2越大,RMSE越小,則證明模型的擬合效果越好。利用獨(dú)立樣本對(duì)模型進(jìn)行檢驗(yàn),選擇平均相對(duì)偏差絕對(duì)值(RMAE)、平均絕對(duì)偏差(MAE)、預(yù)估精度(forecast precision,FP,式中為Fp)作為評(píng)價(jià)指標(biāo)。Fp越大,MAE、RMAE越小,模型的預(yù)測(cè)效果會(huì)越好[22]。模型的擬合與檢驗(yàn)都是在R軟件中實(shí)現(xiàn)的。預(yù)估精度(Fp)計(jì)算方式如下。

(6)

4 結(jié)果與分析

4.1 單木因子提取精度

表2展示了胸徑與樹(shù)高提取結(jié)果的統(tǒng)計(jì)信息。為方便后續(xù)進(jìn)行建模,將提取結(jié)果按照3∶1的比例隨機(jī)劃分為建模數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)。圖4展示的是3塊樣地中蒙古櫟點(diǎn)云數(shù)據(jù)提取出的胸徑和樹(shù)高與實(shí)測(cè)數(shù)據(jù)之間的回歸關(guān)系。從總體上看,所有的散點(diǎn)都集中在1∶1參考線的附近,證明提取出的胸徑和樹(shù)高與實(shí)測(cè)數(shù)據(jù)之間有著極強(qiáng)的相關(guān)性,R2最低為0.925,最高為0.957。胸徑的提取精度整體上優(yōu)于樹(shù)高的提取精度,這是由于背包激光雷達(dá)獲取冠下點(diǎn)云信息的能力大于獲取冠上點(diǎn)云信息的能力造成的。樣地1的胸徑和樹(shù)高的提取結(jié)果都最差,這可能是由于樣地1的密度最大,導(dǎo)致收集到的點(diǎn)云數(shù)據(jù)質(zhì)量較差,因此提取效果受到了一定影響。

圖4 胸徑與樹(shù)高提取結(jié)果Fig.4 Extraction results of DBH and tree height

表2 胸徑樹(shù)高提取結(jié)果Tab.2 Extraction results of DBH and tree height

綜上所述,結(jié)果顯示提取胸徑與實(shí)測(cè)數(shù)據(jù)之間的R2為0.930～0.957,RMSE為0.697～0.897 cm;提取樹(shù)高與實(shí)測(cè)數(shù)據(jù)之間的R2為0.925～0.951,RMSE為1.479～1.683 m。以上結(jié)果表明利用背包激光雷達(dá)點(diǎn)云數(shù)據(jù)提取蒙古櫟的胸徑和樹(shù)高與實(shí)測(cè)數(shù)據(jù)之間相關(guān)性極高。證明可以利用背包激光雷達(dá)點(diǎn)云數(shù)據(jù)對(duì)蒙古櫟的胸徑和樹(shù)高進(jìn)行高精度的提取。這為后續(xù)建立蒙古櫟胸徑-樹(shù)高模型提供了合理的數(shù)據(jù)。

4.2 蒙古櫟胸徑-樹(shù)高模型擬合

利用R軟件對(duì)蒙古櫟的5個(gè)胸徑-樹(shù)高備選模型進(jìn)行擬合。表3為各模型的擬合結(jié)果,從總體上可以看出各模型參數(shù)估計(jì)值的標(biāo)準(zhǔn)誤差都很小,表明5個(gè)模型的穩(wěn)定性很好,各參數(shù)的P均小于0.01,證明參數(shù)均具有顯著意義。從模型的擬合優(yōu)度方面來(lái)看,模型的R2均高于0.70。其中模型1的R2最高,為0.727,RMSE最低,為2.044;模型4的R2最低,為0.719,同時(shí)RMSE最高,為2.067。因此各模型擬合效果由優(yōu)到差排序?yàn)?模型1、模型3、模型2、模型5、模型4。

表3 模型擬合結(jié)果Tab.3 Model fitting results

4.3 蒙古櫟胸徑-樹(shù)高模型檢驗(yàn)

根據(jù)模型的參數(shù)計(jì)算結(jié)果,利用R軟件在獨(dú)立的檢驗(yàn)數(shù)據(jù)上進(jìn)行模型檢驗(yàn),分別計(jì)算各模型的MAE、RMAE和Fp模型的檢驗(yàn)結(jié)果,見(jiàn)表4。從表4可以看出,各模型的預(yù)估精度均高于98.37%,表明模型的預(yù)測(cè)效果良好。從模型的檢驗(yàn)指標(biāo)來(lái)看,模型1的結(jié)果最好,MAE和RMAE最低,分別為1.524和0.101,模型4的結(jié)果最差,3項(xiàng)檢驗(yàn)指標(biāo)均小于其他4個(gè)模型,MAE和RMAE最高,分別為1.540和0.104。因此各模型的檢驗(yàn)結(jié)果由優(yōu)到差排序?yàn)?模型1、模型3、模型2、模型5、模型4。

表4 模型檢驗(yàn)結(jié)果Tab.4 Model testing results

5 討論與結(jié)論

5.1 討論

以黑龍江省佳木斯市孟家崗林場(chǎng)為研究區(qū)域,基于背包激光雷達(dá)點(diǎn)云數(shù)據(jù)提取了蒙古櫟的胸徑和樹(shù)高。結(jié)果顯示所提取的胸徑和樹(shù)高與實(shí)測(cè)數(shù)據(jù)具有很高的相關(guān)性,R2均高于0.925。其中胸徑的提取精度整體上要高于樹(shù)高的提取精度,R2為0.930～0.957,RMSE平均為0.792 cm;這與趙琦等[23]對(duì)桉樹(shù)胸徑提取的研究結(jié)果相一致。通常林下的灌木雜草較多的情況下,胸徑的提取結(jié)果會(huì)受很大影響。本研究數(shù)據(jù)采集時(shí)間為4月份,此時(shí)樣地內(nèi)雜草都處于枯萎狀態(tài),并且林下的灌木較少,因此提取的胸徑精度較為穩(wěn)定。樹(shù)高的R2為0.925～0.951,RMSE平均為1.548 m;這與黃旭等[18]研究利用背包激光雷達(dá)提取落葉松單木因子所得出的結(jié)論基本一致。但是本研究中樹(shù)高的提取結(jié)果要優(yōu)于黃旭等[18]的研究結(jié)果。為了避免由于樹(shù)冠互相遮擋導(dǎo)致的上部樹(shù)冠點(diǎn)云不完整,特意選擇在4月份采集數(shù)據(jù),此時(shí)蒙古櫟還未展葉,因此樹(shù)冠上部通視良好,能夠收集到較為全面的單木點(diǎn)云,這在一定程度上提高了蒙古櫟樹(shù)高的提取精度。在未來(lái)的研究中,若能結(jié)合背包激光雷達(dá)和無(wú)人機(jī)激光雷達(dá)各自的優(yōu)勢(shì),認(rèn)為樹(shù)高的提取精度將能大幅提高。

本研究選取的樣地位于山坡頂部的天然林中,林內(nèi)無(wú)林道,若采用地基激光雷達(dá)采集數(shù)據(jù),那么搬運(yùn)儀器將會(huì)是一項(xiàng)十分繁重的工作,此時(shí)背包激光雷達(dá)的優(yōu)勢(shì)便愈加明顯[24]。傳統(tǒng)的外業(yè)數(shù)據(jù)調(diào)查方式在財(cái)力、物力和人力方面消耗巨大,且效率不盡如人意。而背包激光雷達(dá)特別適合于在樣地尺度進(jìn)行數(shù)據(jù)收集,只需一個(gè)人便可以輕松完成外業(yè)數(shù)據(jù)采集,節(jié)省出的時(shí)間與人力可以進(jìn)行其他數(shù)據(jù)的采集,大大提高了外業(yè)數(shù)據(jù)采集效率。

5.2 結(jié)論

本研究利用背包激光雷達(dá)掃描了蒙古櫟天然林3塊樣地,基于采集到的點(diǎn)云數(shù)據(jù)提取了蒙古櫟的胸徑和樹(shù)高,最后根據(jù)提取出的胸徑和樹(shù)高構(gòu)建了蒙古櫟胸徑-樹(shù)高最優(yōu)模型。得出了如下的具體結(jié)論。

1)利用背包激光雷達(dá)數(shù)據(jù)提取的蒙古櫟的胸徑和樹(shù)高與實(shí)測(cè)數(shù)據(jù)具有很高的相關(guān)性,其中提取胸徑與實(shí)測(cè)胸徑的平均R2為0.948,RMSE為0.792 m;提取樹(shù)高與實(shí)測(cè)樹(shù)高的平均R2為0.942,RMSE為1.548 m。結(jié)果可靠,能夠滿足實(shí)際生產(chǎn)中每木檢尺的要求。

2)利用所提取的胸徑和樹(shù)高建立的蒙古櫟胸徑-樹(shù)高模型都具有很好的擬合效果,拋物線模型為基于BLS點(diǎn)云數(shù)據(jù)蒙古櫟天然林胸徑-樹(shù)高最優(yōu)模型,檢驗(yàn)結(jié)果顯示模型的MAE為1.524 m,RMAE為0.101。為背包激光雷達(dá)在林業(yè)建模方面應(yīng)用提供了進(jìn)一步的理論基礎(chǔ)。

總的來(lái)說(shuō),背包激光雷達(dá)有一定能力在天然林中進(jìn)行數(shù)據(jù)采集,這為后續(xù)天然林的研究提供了新的技術(shù)方法。