基于快鳥影像樹冠特征的天山云杉材積反演1)

郝 瀧 陳永富 張東升 高蘇善

(西南林業(yè)大學(xué)，昆明，650224) (中國林業(yè)科學(xué)研究院資源信息所) (新疆維吾爾自治區(qū)林業(yè)科學(xué)研究院) (新疆天西林業(yè)管理局霍城林場)

樹木地上部分主要有樹干和樹冠組成，樹冠是樹木進(jìn)行光合作用的主要場所，為樹木的生長提供了重要的能量來源。對樹冠的大小做出準(zhǔn)確的判斷和研究，可以對林木的長勢進(jìn)行跟進(jìn)檢測，可以防治樹木病蟲害情況的發(fā)生，預(yù)測樹木的生長量、求算小班蓄積量等。

近年的諸多研究都表明，樹木的冠幅與胸徑之間有密切的關(guān)系，而冠幅是可以通過遙感數(shù)據(jù)獲得的主要測樹因子。隨著高空間分辨率遙感影像在林業(yè)中普遍應(yīng)用，不同學(xué)者對樹冠信息的提取有了較深入的研究，馮益明根據(jù)統(tǒng)計(jì)學(xué)的半方差理論，利用高分辨率快鳥影像對林分冠幅估測［1］;熊軼群利用射線法提取樹冠面積取得了較高的精度［2］。覃先林等利用高空間分辨率衛(wèi)星遙感影像對張家口和昌江黎族自治縣王下鄉(xiāng)樹冠信息的提取進(jìn)行了研究［3］;黃建文等利用高分辨率快鳥影像通過對退耕還林區(qū)的樹冠的提取來監(jiān)測林木的成活率和長勢［4］;吳見運(yùn)用面向?qū)ο蟮姆椒▽ν烁€林區(qū)的樹冠信息提取取得較高精度［5］。以上研究主要利用面向?qū)ο蠹夹g(shù)來提取樹冠信息，但是并未對實(shí)測數(shù)據(jù)進(jìn)行精度驗(yàn)證，筆者在前人樹冠信息提取方法的基礎(chǔ)上，以面向?qū)ο蠓诸惣夹g(shù)為依托，對研究區(qū)的低林分密度的云杉樹冠的提取做了研究，并與實(shí)測數(shù)據(jù)進(jìn)行精度驗(yàn)證，建立相關(guān)模型，進(jìn)一步計(jì)算工程區(qū)的天山云杉的材積，總體上取得了較好效果。

1 研究區(qū)概況

霍城縣位于新疆維吾爾自治區(qū)西北部，天山西段，伊犁河谷西北部，地理坐標(biāo)為東經(jīng)80°11' ～81°24'，北緯43°39' ～44°50'。南北長120 km、東西寬85 km，總面積5 720 km2。該區(qū)屬溫帶半干旱氣候，全年日照時(shí)間2 550 ～3 500 h，日均日照時(shí)間8 ～12 h，全年平均氣溫8.2 ～9.4 ℃，年降水量140 ～460 mm。

2 材料與方法

2.1 材料

獲取的覆蓋試驗(yàn)區(qū)的高分辨率快鳥遙感影像，其獲取時(shí)間為2012年7月31日，其中含有0.6 m分辨率的全色波段和2.44 m 分辨率的多光譜數(shù)據(jù)，當(dāng)日天空質(zhì)量很好，遙感圖像清晰，成像質(zhì)量很好。另外，搜集了霍城林場果子溝管護(hù)所林相圖和霍城地形圖，以及eCognition 8.0、ENVI 和Arcgis10.0 等軟件。外業(yè)調(diào)查數(shù)據(jù)包括在試驗(yàn)工程區(qū)調(diào)查的冠幅數(shù)據(jù)(東西冠幅、南北冠幅)，樹高和胸徑數(shù)據(jù)。

2.2 方法

2.2.1 試驗(yàn)流程

利用高分辨率的快鳥遙感影像對實(shí)驗(yàn)區(qū)的單木進(jìn)行監(jiān)測。本研究以面向?qū)ο蟮男畔⑻崛〖夹g(shù)為主要依托，提取試驗(yàn)工程的天山云杉的冠幅，并以外業(yè)實(shí)測數(shù)據(jù)為驗(yàn)證數(shù)據(jù)，對研究區(qū)的云杉實(shí)現(xiàn)監(jiān)測。具體試驗(yàn)流程如圖1所示。

2.2.2 遙感影像預(yù)處理

獲取的遙感圖像在使用之前需要進(jìn)行預(yù)處理，主要包括:正射校正，圖像融合。

正射校正。正射校正將傳感器的旋轉(zhuǎn)、地形的起伏、地球曲率等因素綜合在一個模型中進(jìn)行處理，將圖像獲取和處理過程中產(chǎn)生的位置誤差全部消除，生成具有平面無變形的正射影像［6］。本研究利用1∶ 10 000 的地形 圖和1 ∶ 10 000 DEM 數(shù)據(jù)對2012年高分辨率快鳥影像在envi 下進(jìn)行正射校正，控制點(diǎn)誤差控制帶1 個象元內(nèi)。

影像融合。高分辨率快鳥的多光譜數(shù)據(jù)有較高的光譜分辨率但是空間分辨率較低;全色波段數(shù)據(jù)光譜分辨率較低但是空間分辨率較高，因此將多光譜數(shù)據(jù)和全色數(shù)據(jù)融合，可得到既有較高空間分辨率也有較高光譜分辨率的影像。主成分分析(PCA)是在統(tǒng)計(jì)基礎(chǔ)上進(jìn)行的一種多維(多波段)正交線形變換，數(shù)學(xué)上稱為K－L 變換［7］。變換后主成分分量信息量總和與變換前多光譜各波段信息量總和呈逐漸減少的趨勢［8］。本研究采用主成分變換對多光譜影像融合取得了較好效果。

圖1 技術(shù)流程

2.2.3 面向?qū)ο蠓诸?/p>

所謂面向?qū)ο蠓椒ǎ峭ㄟ^對影像的分割，使同質(zhì)像元組成大小不同的對象。正是由于對象內(nèi)部的光譜差異小，所以對任意對象可以忽略其紋理等空間信息，而從光譜和形狀兩方面刻畫。利用對象的空間特征和光譜特征進(jìn)行分類，可以有效地克服基于像元層次分類的不足。

2.2.3.1 多尺度分割

高分辨率影像中對象特征各有不同，需根據(jù)實(shí)際情況設(shè)定不同的分割尺度，不同尺度分割得到的對象采用層次網(wǎng)絡(luò)結(jié)構(gòu)組織［9］。

分割尺度大小的選擇對面向?qū)ο蟮姆诸惤Y(jié)果精度有重要影響，分割尺度過大分類精度無法達(dá)到所要求的分類精度，若分割尺度過小，則會導(dǎo)致圖像分割過于細(xì)碎，同樣使得分類結(jié)果的精度無法達(dá)到要求。

不同的分割尺度分割結(jié)果如圖2所示。

圖2 不同分割尺度圖像

2.2.3.2 隸屬度函數(shù)分類

本研究應(yīng)用隸屬度函數(shù)及閾值方法提取樹冠信息?；谀：诸惼鞣诸惥哂型该餍院瓦m用性的特點(diǎn)，比較接近人類的思維方式［10］，模糊分類法具有特征值向模糊值轉(zhuǎn)化、允許特征之間的組合、特征描述明確且可調(diào)整、能夠進(jìn)行復(fù)雜的特征描述的優(yōu)點(diǎn)［11］。根據(jù)文獻(xiàn)［4］、［12］，利用影像對象的亮度特征，相鄰性和形狀指數(shù)3 個特征進(jìn)行組合描述樹冠類。

表1 分類規(guī)則

圖像經(jīng)過分割和分類后，得到樹冠分布圖如圖3所示。

圖3 樹冠分布圖

利用誤差矩陣和Kappa 系數(shù)對分類結(jié)果進(jìn)行精度評價(jià)，結(jié)果顯示面向?qū)ο蠓诸惙椒軌驖M足樹冠提取的精度要求。對分類結(jié)果進(jìn)行評價(jià)得到的分類精度如表2所示。

表2 面向?qū)ο蠓诸惥?/p>

3 樹冠提取的結(jié)果

通過對比2013年外業(yè)實(shí)測的樹冠與利用面向?qū)ο蠹夹g(shù)提取的樹冠對比可以發(fā)現(xiàn)，總體上實(shí)測的樹冠大于提取的樹冠。

試驗(yàn)區(qū)有部分樹冠尺寸較小無法提取，是因?yàn)楦叻直媛士禅B影像的分辨率的影響，并且該方法無法提取出大小在1 m 以下的樹冠。根據(jù)文獻(xiàn)［4］可知，在樹冠信息提取的過程中，樹冠邊緣的光譜類別會影響到冠幅的提取。對于高分辨率快鳥數(shù)據(jù)來說，在柵格分類時(shí)，如果一個樹冠相關(guān)的象元沒有提取出來，就會使整個樹冠尺寸減少約0.6 m，而使面積減少0.36 m2。這些因素都使得所提取的樹冠面積較實(shí)測樹冠面積小。經(jīng)過計(jì)算可以得到試驗(yàn)區(qū)內(nèi)天山云杉冠幅的估算值，并將得到的估算值與試驗(yàn)區(qū)內(nèi)實(shí)測的天山云杉冠幅的實(shí)測值做對比，最終可以得到實(shí)測值與試驗(yàn)區(qū)內(nèi)冠幅的遙感估算值的均方根誤差為0.186 8，說明對樹冠面積的提取精度較好，總的提取精度為0.891 7。

4 樹冠面積—胸徑回歸模型的構(gòu)建與材積計(jì)算

為便于通過冠幅大小來獲得研究區(qū)內(nèi)天山云杉的其他測樹因子，將外業(yè)實(shí)測的云杉胸徑數(shù)據(jù)與遙感方法從高分辨率快鳥遙感影像提取的冠幅面積進(jìn)行回歸分析，以樹冠面積作為自變量，實(shí)測的胸徑的大小為因變量構(gòu)建一元線性回歸模型可得提取的云杉冠幅面積與實(shí)測胸徑的線性回歸模型為:y=1.212x+3.727，R2=0.753 3，擬合效果顯著性明顯。

圖4 胸徑與冠幅的一元線性回歸模型

利用外業(yè)調(diào)查的胸徑數(shù)據(jù)，驗(yàn)證回歸方程求得的胸徑數(shù)據(jù)，可以發(fā)現(xiàn)，利用預(yù)測方程所得結(jié)果的均方根誤差為0.130 4，總的預(yù)估精度為0.879 1，說明實(shí)驗(yàn)區(qū)云杉胸徑的建模效果良好。

利用上文所提取到的冠幅值，可求得實(shí)驗(yàn)區(qū)天山云杉的胸徑值。根據(jù)文獻(xiàn)［13］可知云杉的一元材積經(jīng)驗(yàn)式為:V=0.000 104 47D2.5420946。經(jīng)過計(jì)算可以得到研究區(qū)內(nèi)的天山云杉的估算蓄積，并將其與實(shí)測的天山云杉蓄積作對比，對比計(jì)算結(jié)果顯示實(shí)測天山云杉的蓄積量與通過遙感方法估算的試驗(yàn)區(qū)內(nèi)的天山云杉蓄積的均方根誤差為0.219 6，總的預(yù)估精度為0.873 6，除了個別低于70%，基本都在85%以上，部分甚至達(dá)到95%以上，說明實(shí)驗(yàn)區(qū)云杉胸徑的建模效果良好。總的來說，以冠幅面積建立的回歸模型能夠較好地估測云杉的材積。將冠幅面積與胸徑的回歸方程代入一元材積經(jīng)驗(yàn)式可得到以提取的冠幅面積(W)為自變量的材積公式:V=0.000 104 47(1.212W +3.727)2.5420946。式中:V為云杉材積;W 為云杉的冠幅。

5 結(jié)論與討論

本研究的樹冠信息提取方法簡便快捷，而且提取精度較高。在研究區(qū)利用高分辨率遙感影像提取樹冠大小，進(jìn)而利用遙感提取的冠幅和擬合方程可以求得胸徑，并根據(jù)一元材積公式可以較快捷地得到天山云杉單株的材積。該研究方法在很大程度上減少了外業(yè)調(diào)查和材積計(jì)算的工作量，提高了工作效率。研究主要采用面向?qū)ο蠹夹g(shù)對研究區(qū)的天山云杉的樹冠信息進(jìn)行提取，總體上得到較好的效果，冠幅面積提取的總體精度達(dá)到89.17%，實(shí)驗(yàn)結(jié)果的精度滿足要求。通過研究分析可知，在低郁閉度的情況下，基于高分辨率快鳥遙感影像提取樹冠大小的精度較高，為利用遙感數(shù)據(jù)和方法對樹木長勢的監(jiān)測提供了有效的方法，反映了高分辨率快鳥遙感影像數(shù)據(jù)具備了快速提取測樹因子的能力。

雖然高分辨率快鳥遙感影像中的樹冠形狀、尺寸和紋理等信息都有較好的表現(xiàn)，但是高分辨率影響的數(shù)據(jù)冗余量較大，空間信息也較為復(fù)雜，數(shù)據(jù)的處理和分析都相對比較復(fù)雜，在一定程度上會對提取結(jié)果的精度有影響。

根據(jù)研究所提取的冠幅擬合推出相應(yīng)云杉的胸徑值，將利用遙感提取的樹冠面積計(jì)算得到的預(yù)估胸徑值，代入一元材積經(jīng)驗(yàn)式求算出研究區(qū)內(nèi)的單株云杉材積，它與實(shí)測材積能夠較好地?cái)M合，精度87.36%。該研究方法對林分密度較低的天山云杉材積的反演取得較好的結(jié)果，但對于林分密度較大的森林，由于其冠幅間的相連和重疊，該方法的冠幅面積提取精度則較低，進(jìn)而導(dǎo)致材積的計(jì)算精度也較低，需要在以后的研究中進(jìn)一步研究探討。

［1］ 馮益明，李增元，張旭.基于高空間分辨率影像的林分冠幅估計(jì)［J］.林業(yè)科學(xué)，2006，42(5):110－113.

［2］ 熊軼群，吳健平.基于高分辨率遙感影像的樹冠面積提取方法［J］.地理與地理信息科學(xué)，2007，23(6):30－33.

［3］ 覃先林，李增元，易浩若.高空間分辨率衛(wèi)星遙感影像樹冠信息提取方法研究［J］.遙感技術(shù)與應(yīng)用，2006，20(2):228－232.

［4］ 黃建文，鞠洪波，趙峰，等.利用遙感進(jìn)行退耕還林成活率及長勢監(jiān)測方法的研究［J］.遙感學(xué)報(bào)，2007，11(6):899－905.

［5］ 吳見，彭道黎.基于面向?qū)ο蟮腝uickBird 影像退耕地樹冠信息提?。跩］.光譜學(xué)與光譜分析，2010，30(9):2533－2536.

［6］ 黨安榮，王曉棟，陳曉峰，等.遙感圖像處理方法［M］.北京:清華大學(xué)出版社，2003.

［7］ 孫家炳.遙感原理與應(yīng)用［M］.武漢:武漢大學(xué)出版社，2003.

［8］ 王廣亮，李英成，曾鈺，等.ALOS 數(shù)據(jù)像素級融合方法比較［J］.測繪科學(xué)，2008，33(6):121－124.

［9］ 鮑海英，李艷，趙萍.輔以紋理特征的面向?qū)ο蟮倪b感影像分類方法研究:以陜西省楊凌縣為例［J］.遙感信息，2009(4):33－37.

［10］ 趙書河.高分辨率遙感數(shù)據(jù)處理方法試驗(yàn)研究［J］.地學(xué)前緣，2006，13(3):60－68.

［11］ 陳云浩，馮通，史培軍，等.基于面向?qū)ο蠛鸵?guī)則的遙感影像分類研究［J］.武漢大學(xué)學(xué)報(bào):信息科學(xué)版，2006，31(4):316－320.

［12］ 喬程，駱劍承，吳泉源，等.面向?qū)ο蟮母叻直媛视跋癯鞘薪ㄖ锾崛。跩］.地理與地理信息科學(xué)，2008，24(5):36－39.

［13］ 孫麗，陳蜀江.新疆天山西部云杉生長量變化及其影響因子分析［J］.南方農(nóng)業(yè)學(xué)報(bào)，2011，42(5):566－570.