無人機遙感影像提取的單木冠幅數(shù)據(jù)在桉樹林分蓄積量估測中的應(yīng)用1)

覃靜婷 劉世男

(廣西大學(xué)，南寧，530004)

張麗瓊

(廣西壯族自治區(qū)南寧樹木園)

覃永華

(廣西壯族自治區(qū)林業(yè)勘測設(shè)計院)

為了量化森林資源,可持續(xù)森林管理需要能夠快速高效地獲得準確具體的信息[1]。然而,傳統(tǒng)的森林清查昂貴、耗時、費力[2],也對生態(tài)環(huán)境造成一定的破壞[3],需要替代或補充方法克服現(xiàn)場數(shù)據(jù)采集的缺點[4]。無人機技術(shù)的發(fā)展,使得攝影測量、航片拼接、密集點云等圖像處理技術(shù)得到廣泛使用[5-8];雖然無人機系統(tǒng)的飛行時間較傳統(tǒng)飛機短[9],但由于其具有成本低[10]、靈活[11]、可重復(fù)收集數(shù)據(jù)[12]特點,越來越多地在林業(yè)中應(yīng)用[13]。

在林業(yè)應(yīng)用中,冠幅已被證明是一個多用途的生態(tài)指標[4],它還決定了碳封存、陰影、防風(fēng)和樹木生長[14]。冠幅面積,在資源供應(yīng)、樹齡評估林木的空間需求,在森林的功能和服務(wù)方面變得復(fù)雜[4,15];許多遙感應(yīng)用,涉及蓄積量估算研究,其中冠幅都作為其估算時需要的重要指標[16-17]。劉俊等[18]利用Worldview-2影像不同波段紋理特征,對植被指數(shù)提取,估算森林蓄積量;馬驤等[19]利用機載激光雷達,對國外松片林的平均冠幅提取,反演蓄積量;這些研究中均為傳統(tǒng)的空間數(shù)據(jù)集,無法提供足夠的數(shù)據(jù)準確地估算樹冠和樹高等參數(shù);因此,需要高分辨率數(shù)據(jù)確定冠層結(jié)構(gòu)參數(shù)[20-23]。近年來,利用高分辨影像提取目的對象的準確性評估是研究熱點,而關(guān)鍵在于確定提取對象與現(xiàn)有地理對象的匹配程度[8,24],并且已經(jīng)提出了幾種基于對象的分類技術(shù)[25-28];但是,為了進一步提高評估的準確性,提取冠幅的質(zhì)量評估對估算林分蓄積量尤為重要。為此,本研究以廣西南寧樹木園壇里管理區(qū)桉樹(Eucalyptusspp.)人工林為研究對象,以無人機高分辨率航拍影像為數(shù)據(jù)源,采用面向?qū)ο蟮膱D像分析技術(shù)提取桉樹單木冠幅信息,并以樣方實測數(shù)據(jù)構(gòu)建冠幅-胸徑模型、冠幅-樹高模型,結(jié)合二元材積公式推算林分蓄積量;對提取的冠幅進行相關(guān)性分析和精度分析,利用無人機影像提取桉樹冠幅信息估算林分蓄積量;旨在為減少調(diào)查工作量、提高工作效率,為森林資源經(jīng)營管理提供技術(shù)支撐。

1 研究方法

研究地點:廣西壯族自治區(qū)南寧市樹木園壇里管理區(qū)(22°34′31″～22°46′51″N,108°15′14″～108°22′22″E,見圖1),地形復(fù)雜,坡度20°～30°,海拔69～210 m。該地區(qū)年平均降水量1 280 mm,年平均氣溫21.8 ℃。管理區(qū)內(nèi)以桉樹林為主,在管理區(qū)內(nèi)設(shè)置6塊20 m×20 m的典型樣地。

圖1 研究區(qū)的樣地和樣本

樣方數(shù)據(jù)獲取:在樣地進行實地調(diào)查的參數(shù),單木樹高、胸徑(1.3 m高)、冠幅直徑(見表1)。使用超聲波測高測距儀測量樹高,使用胸徑尺測量林木胸徑,使用皮尺測量樹冠垂直投影的冠幅直徑,共得到287株桉樹樣木數(shù)據(jù)。同時,使用天寶GPS記錄樣地4個拐點和中心點地理坐標及地面控制點地理坐標。

表1 樣地實測數(shù)據(jù)統(tǒng)計

影像數(shù)據(jù)來源:樣地調(diào)查的同時進行無人機航拍數(shù)據(jù)采集。無人機航攝,選擇無風(fēng)且光線充足的時段(11:30—12:30)進行,以減少陰影影響。固定翼無人機(SenseFly eBee)搭載CANON 16MP相機,相機上配備12.75×8.50 mm傳感器。使用eMotion 2.0制定飛行計劃和監(jiān)控軟件確定飛行參數(shù),飛行速度165 km/h、相對航高227 m、縱向和橫向重疊率85%、旁向重疊率60%、云臺俯仰角度90°,獲取分辨率為8 cm像素影像。數(shù)據(jù)統(tǒng)一采用UTM—WGS84 49N。

無人機影像處理:利用PostFlight Terra 3D軟件對無人機數(shù)據(jù)進行處理。應(yīng)用無人機拍攝的110張圖像,構(gòu)建生成數(shù)字表面模型(DSM)和數(shù)字正射影像圖(DOM),然后通過實測地面控制點坐標與影像中同名地物點正射校正,再進行傾斜校正和投影差校正,消除環(huán)境因子的影響。

冠幅提取:對校正的正射影像圖利用ArcGIS 10.2對樣地進行裁剪,使用eCognition 9.02軟件執(zhí)行面向?qū)ο蟮膱D像分析方法生成樹冠邊界。利用ESP2插件,確定最優(yōu)分割尺度[29],在面向?qū)ο蟮膱D像分析過程中,使用與圖像對象相關(guān)的光譜、位置、幾何、紋理等特征進行分類[30]。首先,對正射影像數(shù)據(jù)應(yīng)用簡單的分割和分類算法,對植被和非植被區(qū)域進行分類;然后,將得到的非植被多邊形的區(qū)域從影像中剔除,到植被區(qū)域;根據(jù)植被區(qū)域再次使用與圖像對象相關(guān)的光譜、位置、幾何、紋理等特征和數(shù)字表面模型,劃分單個樹冠。

模型構(gòu)建與檢驗:由于速生樹種的冠幅與樹高有顯著相關(guān)性、林木胸徑與冠幅有顯著相關(guān)性[31],為了得到更準確的模型,建立實測冠幅-樹高模型、實測冠幅-胸徑模型;即從實測的287株桉樹中,隨機抽取215株作為建模數(shù)據(jù),剩余的72株作為檢驗數(shù)據(jù)。做散點分布圖,從常見的11種回歸分析模型中選擇擬合度最好的模型并檢驗。

蓄積量推算:利用廣西林業(yè)勘測設(shè)計院的速生桉二元材積模型推算單木材積[23]。研究區(qū)桉樹二元材積方程V=C0×D×[C1-C2×(D+H)]×H×[C3+C4×(D+H)];式中C0=1.091 541 45×10-4、C1=1.878 923 70、C2=5.691 855 03×10-3、C3=0.652 598 05、C4=7.847 535 07×10-3、V為材積、H為樹高、D為胸徑。將無人機影像提取的修正后的桉樹單木冠幅代入構(gòu)建的模型中,得出桉樹胸徑、樹高數(shù)據(jù),根據(jù)速生桉二元材積模型推算桉樹單木材積,將樣地所有桉樹單株材積累加,得到樣地總蓄積量。

2 結(jié)果與分析

2.1 影像提取冠幅與實際測量冠幅的相關(guān)性

根據(jù)ESP2得到不同的分割尺度的峰值,利用面向?qū)ο蟮膱D像分析技術(shù)產(chǎn)生的對象效果不同(見圖2);綜合分析得到影像多尺度分割的最優(yōu)尺度為32、形狀因子0.5、緊致因子0.5。影像分割完成后,采用最鄰近分類方法提取樣地的樹冠。選取有代表性的樣本作為分類指標,構(gòu)建閾值模型進行分類,修正樹冠與分割錯分和冗余部分、合并過于破碎的樹冠對象,完成所有樣地的冠幅提取。再將影像提取的冠幅數(shù)據(jù)與樣方實測冠幅數(shù)據(jù)進行比較(見表2),提取的桉樹單木冠幅平均精度為90.85%。由圖3可知,影像提取冠幅與實際測量冠幅之間存在較強的相關(guān)關(guān)系(決定系數(shù)R2=0.956),線性方程擬合結(jié)果較好,根據(jù)擬合結(jié)果得到表達式為:DC,M=0.948 1DC,I+0.132 8;式中的DC,M為實測冠幅、DC,I為影像提取冠幅。

圖2 無人機遙感影像不同分割尺度對比(圖中數(shù)據(jù)為影像分割尺度值)

2.2 預(yù)測桉樹胸徑的冠幅-胸徑模型的構(gòu)建與檢驗

將215棵桉樹實測胸徑、冠幅數(shù)據(jù)導(dǎo)入SPSS 22.0分析軟件中,以實測冠幅為影響因素,以桉樹胸徑為評價指標,建立曲線估計模型(見表3、圖4)。

根據(jù)表3的11種曲線估計模型得出,冠幅-胸徑模型的對數(shù)函數(shù)方程決定系數(shù)精度達到0.799,在候選模型中擬合度最高。采用該方程建立冠幅-胸徑模型,D=4.531 4ln(DC,M)+5.913;式中的D為胸徑、DC,M為冠幅。

剩余的72株樣木測量數(shù)據(jù)用于模型精度檢驗;實測冠幅代入冠幅-胸徑模型計算預(yù)測桉樹胸徑,將實測胸徑值與預(yù)測胸徑值導(dǎo)入SPSS 22.0軟件,計算均方根誤差、系統(tǒng)誤差、平均相對誤差。

表2 桉樹單木冠幅面積的影像提取精度分析結(jié)果

表3 桉樹實測冠幅-胸徑模型及參數(shù)統(tǒng)計結(jié)果

圖3 影像提取冠幅與實測冠幅相關(guān)性

經(jīng)計算得,均方根誤差為0.76 cm、系統(tǒng)誤差為0.51%、平均相對誤差為4.64%。由圖5可以看出,預(yù)測值殘差均落在-3.0～2.0 cm區(qū)間,且隨機分布在置信區(qū)內(nèi),說明模型擬合效果顯著,可以利用該模型計算研究區(qū)桉樹胸徑。

2.3 預(yù)測桉樹樹高的冠幅-樹高模型的構(gòu)建與檢驗

將實測的215棵桉樹樹高、冠幅數(shù)據(jù)導(dǎo)入SPSS 22.0軟件中,以桉樹實測冠幅為影響因素、樹高為評價指標,建立曲線估計模型(見表4、圖6)。

圖4 桉樹實測冠幅-胸徑模型擬合曲線

圖5 預(yù)測桉樹胸徑的冠幅-胸徑模型殘差分布

表4 桉樹實測冠幅-樹高模型及參數(shù)統(tǒng)計

圖6 桉樹實測冠幅-樹高模型擬合曲線

剩余的72株測量數(shù)據(jù)作模型精度檢驗,經(jīng)計算得:均方根誤差為0.90 m、系統(tǒng)誤差為-0.83%、平均相對誤差為3.61%。由圖7可以看出,預(yù)測值殘差在-2.0～2.0 m的置信區(qū)間,且誤差指標均小于檢驗標準,說明模型擬合效果顯著,可以利用該模型計算研究區(qū)桉樹樹高。

2.4 預(yù)測桉樹林分蓄積量模型的構(gòu)建與檢驗

通過無人機影像提取得到的單木冠幅,將構(gòu)建的提取冠幅-實測冠幅模型、冠幅-胸徑模型、冠幅-樹高模型與二元材積公式成立聯(lián)立方程組,將提取的桉樹單木冠幅代入方程中推算出單株材積,累加后得到樣地蓄積量。根據(jù)實測蓄積量與模型推算的蓄積量進行對比分析(見表5),并對兩組蓄積量進行t檢驗(P>0.05),差異不顯著,模型擬合度較好,表明兩個蓄積量之間相關(guān)性較強。根據(jù)樣方蓄積量精度分析,樣地287棵桉樹總蓄積量為15.31 m3,根據(jù)無人機影像估算蓄積量為14.18 m3,無人機影像估算的桉樹蓄積量精度達到93.32%,滿足森林資源調(diào)查的需求。

圖7 預(yù)測桉樹樹高的冠幅-樹高模型殘差分布

3 討論

目前,在使用eCognition軟件時,并沒有一套系統(tǒng)的流程處理圖像,影像尺度分割完全取決于樹種和研究者的經(jīng)驗。如朱思名等[32]依據(jù)無人機影像提取的樣地內(nèi)天山云杉冠幅,最優(yōu)分割尺度參數(shù)為60、形狀因子為0.5、緊致因子為0.5;而本研究依據(jù)無人機影像提取的樣地內(nèi)桉樹冠幅,最優(yōu)分割尺度參數(shù)為32、形狀因子為0.5、緊致因子為0.5;因此,在面向?qū)ο蟮膱D像分析方法中規(guī)則集的制定和開發(fā)有待進一步研究。

表5 樣方桉樹蓄積量的估測精度

本研究中,遙感影像采用面向?qū)ο蟮亩喑叨确指?可以有效提取桉樹單木冠幅信息,提取的桉樹單木冠幅平均精度為90.85%,與實測冠幅相比,提取的冠幅值總體偏小;李赟等[22]利用面向?qū)ο蠓椒ㄌ崛」诜?根據(jù)提取單木冠幅與實測數(shù)據(jù)建模(決定系數(shù)R2=0.956);兩者研究結(jié)果接近,這是郁閉度較高的林分中相鄰冠幅之間存在遮擋現(xiàn)象,而在郁閉度中低的樣方中樹木間隔比較分散,相鄰冠幅之間遮擋現(xiàn)象較小,冠幅分割輪廓清晰,提取效果較好。因此,在無人機影像中采取新的方法提取重疊部分冠幅或結(jié)合多元數(shù)據(jù)進行冠幅的提取,仍然值得深入的研究探討。

樹高和胸徑是估算林木蓄積量的重要因子,而本研究的無人機航拍影像無法直接提取,所以需要典型樣地的每木檢尺,根據(jù)實測數(shù)據(jù)建立冠幅-胸徑模型、冠幅-樹高模型達到估算蓄積量的目的。本研究從11種曲線估計模型中,選擇對數(shù)方程作為冠幅-胸徑模型(R2=0.799)、選擇三次方程作為冠幅-樹高模型(R2=0.755)。付凱婷[23]依據(jù)無人機遙感影像提取冠幅信息,根據(jù)提取的信息選擇一元方程為冠幅-胸徑模型(R2=0.760)。茍丙榮[33]使用無人機遙感影像獲取的森林樣地三維點云數(shù)據(jù),利用CHM、八叉樹半徑近鄰搜素法和區(qū)域增長法,進行單木分割、提取森林冠層結(jié)構(gòu)參數(shù),構(gòu)建白樺一元立木材積模型、二元立木材積模型和多特征因子材積回歸模型蓄積量的反演模型。國內(nèi)外基于遙感影像反演蓄積量的研究已有很多,但曲線模型選擇的方程也不盡相同[34-36]。由于不同立地條件時,樹種不同,立木胸徑與冠幅、樹高與冠幅的擬合關(guān)系也不同;因此,不同立地條件時,不同樹種的胸徑、樹高與冠幅關(guān)系,還有待于進一步研究。

4 結(jié)論

本研究以實地調(diào)查為基礎(chǔ),利用EBEE無人機搭載數(shù)碼相機航拍,獲取廣西南寧樹木園壇里管理區(qū)的高分辨率遙感影像。對影像進行正射影像處理之后,采用面向?qū)ο蟮膱D像分析技術(shù)可以有效提取桉樹單木冠幅信息,提取的桉樹單木冠幅平均精度為90.85%,實測冠幅與提取影像冠幅之間存在良好的線性關(guān)系(R2=0.956),公式為DC,M=0.948 1DC,I+0.132 8。

利用無人機影像提取單木冠幅,并與實測冠幅的線性關(guān)系得到修正后的單木冠幅,代入冠幅-胸徑模型、冠幅-樹高模型,即可得到桉樹的胸徑、樹高數(shù)據(jù)。將樹高和胸徑代入廣西林業(yè)勘測設(shè)計院的速豐桉二元材積公式中,估算出樣地蓄積量為14.18 m3,估算精度為93.32%,與實測蓄積量比對分析后進行t檢驗(P>0.05),說明模擬蓄積量與實測蓄積量之間差異不顯著,相關(guān)性較強。

利用無人機遙感影像提取桉樹單木冠幅,通過冠幅-胸徑模型、冠幅-樹高模型得到胸徑和樹高,推算林分蓄積量,方法切實可行,精度滿足森林資源調(diào)查的應(yīng)用。表明無人機遙感技術(shù)的應(yīng)用,可以輔助傳統(tǒng)的調(diào)查模式,提高調(diào)查效率。