基于冠層高度模型（CHM）多種算法單木分割技術(shù)在森林資源調(diào)查的應(yīng)用

孫志

（上海元易勘測設(shè)計有限公司，上海201210）

新型森林資源調(diào)查，需要獲取樹高、胸徑、冠幅等林木的精準(zhǔn)信息。面對大規(guī)模林業(yè)調(diào)查時，傳統(tǒng)方法測量難度大，工期長，信息采集效率低。隨著我國低空空域的放開，無人機(jī)的推廣應(yīng)用，給林木統(tǒng)計工作提供了新思路。由無人機(jī)正射平臺和機(jī)載雷達(dá)系統(tǒng)組成的無人機(jī)激光雷達(dá)掃描，是能夠同時發(fā)送接收激光點(diǎn)云，不受地形、大氣等外界因素的干擾主動遙感技術(shù)運(yùn)用，具有容易穿透密郁閉度較高的樹冠層特質(zhì)，在林業(yè)調(diào)查方面可以準(zhǔn)確、有效、快速地測量大面積森林和樹木的高度，對大范圍、精細(xì)化的林業(yè)調(diào)查意義重大[1]。

1 技術(shù)組成

1.1 單木分割技術(shù)

使用激光雷達(dá)數(shù)據(jù)的單木分割技術(shù)主要采用影像、點(diǎn)云與先驗信息相結(jié)合的方法，基本特質(zhì)是正射影像、激光點(diǎn)云與算法的結(jié)合。單木分割容易使用三維空間信息，更容易反映樹冠結(jié)構(gòu)；能夠探測灌木或小樹，可以同時應(yīng)用光譜信息與高度信息。

1.2 點(diǎn)云賦色的原理

光譜特征成為點(diǎn)云數(shù)據(jù)獲取的樹冠結(jié)構(gòu)特征的重要補(bǔ)充，高度分布特征描述不同樹種樹冠特性，強(qiáng)度特征借單木探測技術(shù)和分割技術(shù)以達(dá)到識別樹種的目的。由于激光點(diǎn)云數(shù)據(jù)缺乏光譜信息，點(diǎn)云在區(qū)分茂密樹冠和區(qū)分樹種是存在局限性。正射影像對點(diǎn)云進(jìn)行賦色后，點(diǎn)云數(shù)據(jù)具有RGB 真彩色，提高了點(diǎn)云的辨識度，從而使單木分割的正確率提高。

1.3 CHM的多種算法

圖像分割是面向?qū)ο蟮幕A(chǔ)，基于不同場景可以選擇不同類型的分割提取方法，實(shí)現(xiàn)的方法和技術(shù)有分水嶺算法、PCS 算法、歸一化割、基于CHM的多項式擬和、區(qū)域合并的均值漂移等等。

2 測區(qū)概況

測區(qū)位于上海市浦東新區(qū)外環(huán)線外，規(guī)劃總面積49.19 公頃。東側(cè)為廢棄公園與拆遷村，公園內(nèi)香樟、水杉、桉樹、廣玉蘭以及部分灌木林。西側(cè)場地內(nèi)有部分廢棄房屋，主要植被為香樟林。測區(qū)內(nèi)林木相對集中，測區(qū)內(nèi)植被覆蓋率超過50%。林木密度大，人員進(jìn)入困難。

3 數(shù)據(jù)采集與處理

綜合考慮測區(qū)的地形、地貌、機(jī)載激光雷達(dá)設(shè)備的參數(shù)、天氣條件、航帶寬度以及點(diǎn)云密度，本次選擇六旋翼工業(yè)級無人機(jī)RT650、激光雷達(dá)LD-R300 和正射平臺，獲取5cm 精度的點(diǎn)云和正射影像數(shù)據(jù)。

3.1 飛行路線規(guī)劃

根據(jù)航攝要求，計算可得合理航飛高度。根據(jù)像素、航飛高度設(shè)計航向重疊度與旁向重疊度。

3.2 像控點(diǎn)布測

小型無人機(jī)飛行過程中飛行姿態(tài)易受到外部因素干擾，記錄的影像數(shù)據(jù)無法滿足大比例尺測圖要求。為滿足成圖精度，采用航線兩端及中間間隔一或兩條航線布設(shè)像控點(diǎn)的方法。像控點(diǎn)平面位置采用基于GNSS 連續(xù)運(yùn)行參考站SHCORS 系統(tǒng)的GPS 網(wǎng)絡(luò)RTK 三級要求布設(shè)。像控點(diǎn)高程通過數(shù)學(xué)擬合方法，獲取該區(qū)域內(nèi)的高程異常模型，且聯(lián)測附近區(qū)域內(nèi)兩個已知等級水準(zhǔn)點(diǎn)，像控點(diǎn)以L 型紅色油漆或特殊標(biāo)記地面處布設(shè)。

3.3 影像數(shù)據(jù)采集

為獲取高精度正射影像數(shù)據(jù)匹配點(diǎn)云數(shù)據(jù)，對激光點(diǎn)云數(shù)據(jù)賦色，激光雷達(dá)航向設(shè)置與正射平臺飛行航線一致，高度一致。影像采集前對飛行模塊調(diào)試，利用小型無人機(jī)對測區(qū)空域內(nèi)試飛，查探飛行環(huán)境。根據(jù)測區(qū)面積合理分配飛行線路，將測區(qū)均勻分為2 個飛行區(qū)域，每個區(qū)域2 個飛行架次。以U 型飛行線路設(shè)計，航向重疊度88%，旁向重疊度65%，飛行高度110米。

3.4 數(shù)據(jù)預(yù)處理

將飛行結(jié)束后的影像導(dǎo)入軟件中按具體標(biāo)準(zhǔn)操作，設(shè)置生產(chǎn)模型的模式為圖片格式，在控制點(diǎn)選項中增加像控點(diǎn)，每點(diǎn)輸入坐標(biāo)根據(jù)影像清晰度找到像控點(diǎn)，每個像控點(diǎn)從中選取出至少6 張影像圖刺點(diǎn)，刺點(diǎn)時盡量找到特征位置。照片中刪除曝光度較低的影像圖，完成后點(diǎn)擊軟件進(jìn)行項目生產(chǎn)，獲得經(jīng)過地面像控點(diǎn)改正后的測區(qū)正射影像圖。

3.5 精度分析

將像控點(diǎn)與影像成圖點(diǎn)比對，得到本次航飛精度，平面點(diǎn)中誤差為0.213m，高程點(diǎn)中誤差為0.154m，滿足《1：500 1：1000 1：2000 地形圖航空攝影測量數(shù)字化測圖規(guī)范》中1：1000 比例尺平面和高程中誤差分別為0.6m 和0.4m 的要求。

3.6 影像數(shù)據(jù)處理

通過正射影像對點(diǎn)云進(jìn)行賦色，使得點(diǎn)云數(shù)據(jù)能夠使用RGB 真彩色賦色，增強(qiáng)點(diǎn)云的可視化效果。全域地物類型主要是植被、建筑物、道路、裸地等。各地物形態(tài)還原完整，清晰、精準(zhǔn)度高?；诘孛纥c(diǎn)分類的點(diǎn)云，軟件自動生成測區(qū)的數(shù)字高程模型?；谌S彩色點(diǎn)去，軟件自動生成測試的數(shù)字表面模型。

4 單木分割

單木分割是基于樹冠定點(diǎn)位于（輻射亮度或高度的）局部最大值處，輻射亮度或高度值沿樹冠邊緣方向逐漸減小，在樹冠邊緣達(dá)到最小值的假設(shè)。算法思路是基于樹冠的光學(xué)特性、顏色、紋理特征，利用統(tǒng)計學(xué)方法及人際交互作業(yè)的方法直接描繪出單木樹冠的輪廓。根據(jù)前期調(diào)查，給定一個單木冠幅范圍值。計算輻射亮度或高度定位出局部最大值，確定種子位置，利用種子信息提取單木。

測區(qū)林地區(qū)域占比約50%，大部分植被十分茂密，樹與樹之間基本沒有間隙，而且存在不同樹種雜交區(qū)域，樹木冠層交錯覆蓋，需要實(shí)現(xiàn)準(zhǔn)確的單木分割難度很大。

為了盡可能保障單木分割效果，將測區(qū)按林地分布切割成9塊（K1～K9），以K1 區(qū)域為例，植被十分茂密，而且存在多種樹木雜交的情況，形成高矮兩層，樹木冠層交錯覆蓋，單一算法對CHM生成的種子點(diǎn)準(zhǔn)確率較低，容易導(dǎo)致單木分割存在很嚴(yán)重的過分（樹冠分叉）與欠分（低矮被遮擋、樹冠間無間隙）情況。

圖1 K1 區(qū)域效果圖

圖2 局部剖面圖

圖中局部坡面圖顯示，單木分割情況較好，樹木樹冠和光譜信息基本一致，個別樹木冠幅無明顯弧度，單一算法對此難以識別。針對部分樹冠分割難度大的情況，可以選擇不同類型算法、調(diào)整樹冠模型參數(shù)或根據(jù)樹干進(jìn)行識別，以提高單木分割的成功率。

5 結(jié)論

近年來航空攝影測量及相關(guān)技術(shù)的開發(fā)應(yīng)用，數(shù)字化、影像化數(shù)據(jù)逐漸普及，傳統(tǒng)工程測量技術(shù)對于高密度林區(qū)樹木測量上缺少有效方法，雖然單木分割無法達(dá)到百分之百的檢測成功率，但通過分割、提取、算法處理、篩選后，仍可以高效完成86%林木數(shù)據(jù)采集工作，使工作效率大大提高。分水嶺算法、PCS 算法、歸一化割、多項式擬和、區(qū)域合并的均值漂移等算法各有其優(yōu)勢和不足，其目的都是獲取單木信息，為森林資源調(diào)查提供技術(shù)支撐。相信隨著算法及儀器的精度的提高，激光雷達(dá)的噪聲處理技術(shù)成熟，單木分割技術(shù)逐漸完善，樹木的檢測率與分割率可以達(dá)到理想狀態(tài)。