基于UAV高分影像的楊樹冠幅提取及相關性研究

李 赟，溫小榮,*，佘光輝，林國忠

(1.南京林業(yè)大學南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心，江蘇 南京 210037； 2.南京林業(yè)大學林學院，江蘇 南京 210037)

基于UAV高分影像的楊樹冠幅提取及相關性研究

李 赟1,2，溫小榮,1,2*，佘光輝1,2，林國忠1,2

(1.南京林業(yè)大學南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心，江蘇 南京 210037； 2.南京林業(yè)大學林學院，江蘇 南京 210037)

[目的]以無人機高清影像為數(shù)據(jù)源，結合樣地實地調查數(shù)據(jù)，研究楊樹冠幅提取及其與胸徑和林分蓄積量的相關性，為無人機森林調查技術提供一種思路和方法。[方法]基于無人機高分影像及實地調查數(shù)據(jù)，采用面向對象法，對楊樹林木冠幅進行分割與提取，通過實地測量數(shù)據(jù)建立冠幅-胸徑模型，利用一元材積表計算樣地蓄積量，并進行相關性分析與精度檢驗。[結果]影像分割效果良好，但提取得到的冠幅比實際值偏小，研究區(qū)最適宜的楊樹冠幅分割尺度為10，平滑度0.1，緊致度0.5。楊樹冠幅與胸徑建立相關模型，其中一元線性方程擬合效果最好，相關系數(shù)為0.75。通過模型計算的樣地蓄積與實測樣地蓄積進行雙側T檢驗，結果sig=0.058>0.05，兩組數(shù)據(jù)差異不顯著。[結論]采用面向對象法，通過無人機高分影像能自動分割并提取了楊樹林木冠幅信息，提取效果良好；利用影像提取林木平均冠幅，通過冠幅-胸徑相關關系模型得到林木胸徑，進而推算林分蓄積的方法可以滿足森林資源調查精度要求。

無人機；高分影像；楊樹冠幅；森林蓄積量

近年來無人機遙感技術發(fā)展迅速，輕小型無人機因其獲取影像機動靈活、影像分辨率高等優(yōu)勢，成為傳統(tǒng)航空攝影測量手段的有效補充[1]，為林分冠幅信息的提取提供了有力的技術支持。冠幅提取的方法主要有面向對象法、分水嶺分割法、專家分類法等。吳見[2]等通過基于邊緣的算法對快鳥全色影像中的植被區(qū)域進行二級分割，利用光譜、形狀和紋理特征組成的空間特征對退耕還林地的樹冠信息進行了提取，總體精度達到84.67%。王茹雯[3]等利用面向對象技術對延慶縣試驗地的側柏樹冠信息進行了提取，監(jiān)測平均精度達到80.02%，針葉林提取精度高于闊葉林。Wang Le[4]等采用分水嶺分割法，在樹冠中心點周圍描繪樹冠輪廓，以及Song C[5]等利用IKONOS影像,通過半方差函數(shù)計算冠幅,均取得了較好的精度。大部分研究者僅進行了林木冠幅信息提取在方法技術上的探究，而將冠幅提取方法進一步用于森林調查中，探究與林木胸徑、林分蓄積量之間的相關關系，研究還較少。

隨著遙感事業(yè)的大力發(fā)展，利用遙感技術估測森林蓄積量的研究不斷深入，大多數(shù)研究者利用遙感數(shù)據(jù)，結合少量樣地調查數(shù)據(jù)，建立回歸模型的方法[6-9]估測森林蓄積量，少部分研究者利用LiDAR、雷達等儀器，獲得林分樹高等林分結構參數(shù)，直接計算森林蓄積量[10-12]，或者融合主被動遙感獲取的影像，以及分別提取主被動遙感中的遙感信息參數(shù)進行森林蓄積量估測[13-16]?，F(xiàn)今遙感估測蓄積量方法主要是基于大尺度范圍，雖省時省力，但難以做到精細化。

針對以上研究空缺，本研究以無人機高清影像為數(shù)據(jù)源，在前人研究的基礎上，結合樣地實地調查數(shù)據(jù)，對高清影像進行多尺度分割，提取楊樹單株林木冠幅，通過模型得到林木胸徑，建立冠幅-胸徑線性相關模型，進而估測出林分蓄積量，并進行相關性分析與精度評價，旨在為進一步改進和完善森林蓄積量無人機遙感監(jiān)測體系提供理論參考。

1 研究區(qū)概況

東臺林場位于江蘇省東臺市，地理坐標介于120°47′11″～120°52′0″E，32°53′30″～32°51′17″N，處于亞熱帶和北溫帶過渡區(qū)，季風顯著，四季分明，年均氣溫15.0℃，雨量充沛(年均降水量1 061.2 mm)，地勢平坦，近海無山，土壤肥沃濕潤，極適合楊樹生長。東臺林場現(xiàn)有樹種達200種，木材總蓄積量約5萬m3，主要經(jīng)營樹種為楊樹(PopulussimoniiCarr.)、水杉(MetasequoiaglyptostroboidesHu et Cheng)，林場內95%林分為人工純林，林下植被主要有：金銀花(LonicerajaponicaThunb.)、金鐘(ForsythiaviridissimaLindl.)、小葉女貞(LigustrumquihouiCarr.)、木香(RosabanksiaeAit.)、枸杞(LyciumchinenseMill.)等。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

表1 樣地測量數(shù)據(jù)匯總

2.1.2 遙感數(shù)據(jù) 樣地調查的同時，進行無人機遙感影像采集，采用的無人機是數(shù)字綠土八旋翼無人機，無人機搭載了一個CCD相機。將采集的高分影像進行拼接、幾何校正、正射校正、最終得到的影像分辨率為0.15 m。

2.2 研究方法

2.2.1 林木冠幅提取 采用面向對象法對林木冠幅進行分割和提取[17-18]。利用arcgis軟件，用樣地GPS信息建立樣地邊框，通過邊框裁剪出樣地內的無人機影像，將影像輸入Definiens eCognition 8.0軟件，進行面向對象多尺度分割。影像分割尺度的不同，產(chǎn)生的對象大小也不同，尺度太大會使提取的冠幅中包含空地、陰影等信息，尺度太小則可能使單株林木冠幅過于破碎；同時，平滑度與緊致度的權重也很大程度上影響分割效果[19]。本研究于8～20等多個尺度之間，以及不同緊致度、平滑度間進行多次試驗，最終選取的分割尺度為10，平滑度0.1，緊致度0.5。影像分割完成后，對各樣地分別提取出冠幅信息。分析面向對象分割單元發(fā)現(xiàn)，對象單元中林木枝葉的亮度值較高，將亮度值作為提取冠幅的指標。本研究應用閾值分類法，利用亮度值、相鄰性指數(shù)進行組合，描述樹冠類信息，針對79塊樣地，各設定相對應的閾值組合類型。提取出林木冠幅矢量信息之后，將影像分割提取楊樹平均冠幅與對應林木實測平均冠幅進行分析與誤差修正。

2.2.2 胸徑冠幅模型選擇 眾多研究表明[20-24]，林木胸徑與冠幅具有顯著的正相關性，且胸徑生長與冠幅增加的相關規(guī)律不受立地條件與林齡差異的影響[25]。本研究從235株樣木中隨機提取200株楊樹的胸徑、冠幅進行模型構建，剩余35株樣木作為模型檢驗樣本。根據(jù)散點分布圖，選擇一元線性模型、對數(shù)曲線模型、二次曲線模型、三次曲線模型、冪函數(shù)曲線模型、指數(shù)曲線模型、logistic模型等7種常見模型進行回歸分析，并選取出相關系數(shù)最大，且F值最小的模型。

2.2.3 蓄積量推算 利用一元材積表計算楊樹單株材積，查詢蘇北地區(qū)楊樹一元材積表，研究區(qū)楊樹的一元材積經(jīng)驗式為：

V=0.000 050 479 1D1.908 505 4[(0.923 600 4+

0.050 210 9×e-0.096 864 79D)-37.807 42]0.990 765 07(1)

將影像提取的修正后的冠幅代入冠幅-胸徑模型，算出楊樹胸徑，進而得到楊樹單株材積，根據(jù)影像分析出的林木株數(shù)，將樣地所有楊樹單株材積累加，即可得到樣地蓄積量。

3 結果與分析

3.1 林木冠幅分割

(2)

圖1 35號樣地冠幅分割圖Fig.1 Crown segmentation image of No. 35 plot

表2 模型擬合結果

表3 模型方差檢驗

3.2 胸徑冠幅模型構建與驗證

利用SPSS統(tǒng)計軟件，選取7種回歸模型，以楊樹實測冠幅為自變量，胸徑為因變量，建立估測模型，結果如圖3、表4所示。

圖2 影像分割平均冠幅與實測平均冠幅相關性Fig.2 The correlation of image segmented average crown and measured average crown

圖3 冠幅-胸徑相關性曲線圖Fig.3 The curves of crown and DBH correlation

表4 曲線估計模型參數(shù)匯總

由表4可知，一元線性函數(shù)相關系數(shù)R2最大，且其剩余標準差最小，選取該模型構建胸徑、冠幅模型，表達式為：

(3)

將剩余的35株樣木測量數(shù)據(jù)用于最優(yōu)模型適用性檢驗，利用均方根誤差RMSE、系統(tǒng)誤差TRE、平均相對誤差MPE(公式4～6)三個評價指標進行模型檢驗，以RMSE≤5，TRE≤±5%，MPE≤±10%，作為檢驗標準[26]。

經(jīng)計算得：TRE=-0.190 3%，MPE=0.883 3%，RMSE=1.577 cm，預測值減去實測值即可得到殘差，殘差分布圖如圖4所示。

圖 4 冠幅-胸徑模型殘差分布圖Fig.4 Residual distribution of crown and DBH correlation model

由檢驗結果可以看出，預測值殘差在-3.0～4.1cm之間，且誤差指標TRE、MPE、RMSE(分別為-0.190 3%，0.883 3%，1.577 cm)均小于檢驗標準，說明模型擬合效果良好，可利用(3)式，通過楊樹冠幅，計算研究區(qū)楊樹胸徑。

3.3 蓄積量推算及精度分析

通過無人機影像得到樣地林木平均冠幅長度，由方程(2)、(3)得到林木胸徑，代入楊樹一元材積經(jīng)驗表達式即可得到楊樹材積，累加后得到樣地蓄積量。將79塊樣地實測胸徑得到的蓄積量(V1)與通過冠幅-胸徑模型得到的蓄積量(V2)進行對比，相減后得到殘差值，殘差分析圖如圖5所示。對兩種方法得到的蓄積量通過SPSS軟件進行雙側T檢驗，檢驗結果列于表5，從表中可以看出，sig值>0.05，說明兩組數(shù)據(jù)差異不顯著，表明兩種方法得到的蓄積量之間相關關系強。

表5 T檢驗結果表

圖5 蓄積量殘差分布圖Fig.5 Residual distribution of volume

4 結論

利用影像提取平均冠幅通過相關關系推算得到的蓄積量與樣地實測胸徑估算的蓄積量兩組數(shù)據(jù)進行雙側T檢驗，檢驗結果sig=0.058>0.05，表明兩組數(shù)據(jù)差異不顯著，相關性較強。利用影像提取林木平均冠幅，通過冠幅-胸徑相關關系模型得到林木胸徑，進而推算林分蓄積的方法可以滿足森林資源調查精度要求。

本研究充分利用了無人機高分影像分辨率高、椒鹽噪聲少、形狀紋理信息豐富，且時效性強等特點，自動分割提取了楊樹林木冠幅，并通過相關性分析建立冠幅-胸徑模型，進而推算樣地林分蓄積量，為無人機森林蓄積量調查技術提供了方法參考。

[1] 畢 凱,李英成,丁曉波,等. 輕小型無人機航攝技術現(xiàn)狀及發(fā)展趨勢[J]. 測繪通報,2015(3):27-31.

[2] 吳 見,彭道黎. 基于面向對象的Quick Bird影像退耕地樹冠信息提取[J].光譜學與光譜分析,2010,30(9): 2533-2536.

[3] 王茹雯,彭道黎,吳 濤,等. 利用面向對象的技術進行樹冠信息提取研究[J]. 中國農(nóng)學通報，2010，26(15): 128-134.

[4] WANG Le, GONG Peng, BIGING G S. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery [J]. Photogramm Eng Remote Sens, 2004, 70(3)：351-357.

[5] Song C, Woodcock C E. Estimating tree size from multiresolution remotely sensed imagery [J]. Photogrammetric Engineering and Remote Sensing. 2003(69): 1263-1270.

[6] 潘 帥,李 娟,徐 新,等. 利用遙感數(shù)據(jù)估測森林蓄積量[J]. 吉林林業(yè)科技,2013,42(4):30-32.

[7] 董 斌,馮仲科,杜林芳,等. 山東省黃河流域森林蓄積量遙感定量估測模型研究[J]. 遙感技術與應用,2010,25(4):520-524.

[8] 陳 楚,關澤群,張鵬林,等. 利用RS和GIS的森林蓄積量偏最小二乘估測研究[J]. 湖北林業(yè)科技,2004,(4):25-28.

[9] Killki P, P?ivinen R. Reference Sample Plots to Combine Field Measurements and Satellite Data in Forest Inventory[C] // Proceedings from Seminars Organised by SNS.(Research Notes,19).Helsinki: University of Helsinki, 1986:209-215.

[10] Fatoyinbo T. Remote sensing of biomass-principles and applications [M]. Rijeka: Intech 2012:27-55.

[11] 梁志鋒,凌飛龍,汪小欽. L波段SAR與中國東北森林蓄積量的相關性分析[J].遙感技術與應用,2013,28(5):871-878.

[12] Gatziolis D，Popescu S, Sheridan R,etal. Evaluation of terrestrial Lidar technology for the development of local tree volume equations [C]//Proceedings of the 10th International Conference on LiDAR Applications for Assessing Forest Ecosystems，University of Freiburg，Germany，2010:35-42.

[13] Alprone L, Baronti S, Garzelli A,etal. LANDSAT ETM+ and SAR image fusion based on generalized intensity modulation[J].IEEEI Transactions on Geoscience and Remote Sensing, 2004, 42(12):2832-2839.

[14] Pierce L, Walker W, Dobson M,etal. Fusion of optical and SAR data for forestry applications in the Sierra Nevada of California [J]. International Geoscience and Remote Sensing Symposium,2002,3(3):1771-1773.

[15] Popescu S, Wynne R, Scrivani J. Fusion of small-footprint Lidar and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia, USA [J]. Forest Science,2004, 50(4):551-565.

[16] 楊永恬. 基于多源遙感數(shù)據(jù)的森林蓄積量估測方法研究[D].北京：中國林業(yè)科學研究院,2010:12-13.

[17] Kim J B, Kim H J. Multiresolution-based Watersheds for Efficient Image Segmentation [J]. Pattern Recognition Letters, 2003, 24(1):473-488.

[18] Trias-Sanz R, Stamon G, Louchet J. Using colour, texture, and hierarchial segmentation for high-resolution remote sensing [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2008, 63(2):156-168

[19] 李春干,代華兵,譚必增,等. 基于SPOT5圖像分割的森林小班邊界自動提取[J].林業(yè)科學研究,2010,23(1):53-58.

[20] 鄧寶忠,王素玲,李慶君. 紅松闊葉人工天然混交林主要樹種胸徑與冠幅的相關分析[J]. 防護林科技,2003,(4):19-20.

[21] 時明芝,張凡東. 107楊樹陽性冠幅與胸徑關系的研究[J]. 福建林業(yè)科技,2005,32(4):97-98.

[22] 王 勇,蔣 燚,黃榮林,等. 廣西江南油杉人工林冠幅與胸徑相關性研究及應用[J]. 廣東農(nóng)業(yè)科學,2014,(6):62-65.

[23] 盧妮妮,王新杰,張 鵬,等. 不同林齡杉木胸徑樹高與冠幅的通徑分析[J]. 東北林業(yè)大學學報,2015,43(4):12-16.

[24] 何開倫,魏安世,余松柏. 廣東省主要用材林樹種胸徑與冠幅相關性研究及應用[J].廣東林業(yè)科技,2006,22(1):32-35.

[25] 莊晨輝,潘潤榮,鄭廣源. 杉木、馬尾松中幼林撫育間伐的研究[J]. 福建林業(yè)科技,1994,(S1):36-41.

[26] 蔣麗秀. 利用固定樣地研制馬尾松單木和林分生長率模型[D].南京林業(yè)大學,2014:23-25.

(責任編輯：彭南軒)

Study on Poplar Crown Extraction and Correlation Based on UAV High Resolution Image

LIYun1,2,WENXiao-rong1,2,SHEGuang-hui1,2,LINGuo-zhong1,2

(1. Co-Innovation for Sustainable Forestry in Southern China, Nanjing Forestry University, Nanjing 210037, Jiangsu, China ; 2. College of Forest Resources and Environment, Nanjing Forestry University, Nanjing 210037, Jiangsu, China)

[Objective] To research poplar crown extraction and stand volume correlation based on UAV high resolution image and field investigation data, and to provide ideas and methods for UAV forest survey technology. [Method]Based on the data from the high resolution image acquired from UAV and the field investigation, the crown of poplar were segmented and extracted by object-oriented method, then modified it by field measured crown, and the crown-DBH model was established through field measurement data. Finally, the sample plot volume were calculated through single entry volume table and the correlation analysis and accuracy test were conducted. [Result] The crown image segmentation showed a good result, but the extraction of the crown was smaller than the actual value. The most suitable image segmentation scale, smoothness, and compactness of poplar crown were 10, 0.1, 0.5. Some poplar crown and DBH related models were established. It showed that linear equation had best fitting effect and its correlation coefficient was 0.75. T test of the volume which was calculated by related model and the field investigation volume showedsig=0.058>0.05, indicating that no significant difference in the two groups data. [Conclusion]By object-oriented method, the poplar crown is extracted effectively through the UAV high-resolution image. The method is accord with the accuracy demands of forest resources survey, which extracts poplar average crown by image and obtains poplar DBH by crown and DBH relationship model, then calculates stand volume.

unmanned aerial vehicle; high resolution image; poplar crown; forest volume

10.13275/j.cnki.lykxyj.2017.04.017

2016-09-17

國家重點研發(fā)計劃課題(2016YFC0502704)；江蘇省林業(yè)三新工程(LYSX[2015]19)；江蘇省高校優(yōu)勢學科建設工程資助項目(PAPD)

李 赟(1991—)，男，湖南永州人，碩士研究生，主要研究領域：3S技術與森林資源動態(tài)監(jiān)測。

* 通訊作者：溫小榮(1972—)，男，江西贛州人，副教授，主要研究領域：森林經(jīng)理及3S技術應用。Email:njw9872e@163.com

S771.8

A

1001-1498(2017)04-0653-06