基于激光雷達(dá)的東莞常綠闊葉林結(jié)構(gòu)參數(shù)提取與生物量估算

蘇純蘭，朱韋光，嚴(yán)朝東，董輝，劉頌頌，曾煥忱

1.東莞市林業(yè)科學(xué)研究所，廣東東莞 523006；

2.中國科學(xué)院華南植物園，廣東廣州 510650

森林是自然界中物質(zhì)最繁多、多樣性最豐富多彩、層次結(jié)構(gòu)最復(fù)雜、生產(chǎn)力最宏大的陸地生態(tài)系統(tǒng)，在各類陸地生態(tài)系統(tǒng)中居于主體地位[1]，具有調(diào)節(jié)氣候、涵養(yǎng)水源、碳固存、生物多樣性保育等不可替代的生態(tài)系統(tǒng)功能和服務(wù)功能[2]。森林資源是生態(tài)建設(shè)的物質(zhì)基礎(chǔ)，是生態(tài)安全的前提保障，是生態(tài)文明的重要載體，而森林資源調(diào)查是掌握森林資源數(shù)量、質(zhì)量以及分布狀況的重要途徑，也是森林經(jīng)營規(guī)劃方案科學(xué)制定和生態(tài)結(jié)構(gòu)調(diào)整的重要依據(jù)。獲取森林結(jié)構(gòu)參數(shù)，如樹高、胸徑等，是森林資源調(diào)查的主要工作，為森林生物量、碳儲量以及經(jīng)濟(jì)生態(tài)價值估算提供重要的基礎(chǔ)數(shù)據(jù)[3]。

森林群落結(jié)構(gòu)是指樹木個體在環(huán)境中的分布及其與周圍環(huán)境之間相互作用所形成的組分和構(gòu)造，包括非空間結(jié)構(gòu)特征指標(biāo)如物種組成、區(qū)系特征、徑級結(jié)構(gòu)等和空間結(jié)構(gòu)指標(biāo)如林木空間分布格局、競爭指數(shù)(生長空間、大小比數(shù))以及混交度等[4]。與其他生態(tài)系統(tǒng)相比，森林生態(tài)系統(tǒng)在水平和垂直維度上都存在著較大的異質(zhì)性。森林生態(tài)系統(tǒng)結(jié)構(gòu)不同，其所具有的生態(tài)功能也就不同[5]。因此，研究森林結(jié)構(gòu)，對深入了解物種分布與環(huán)境的關(guān)系，以及探討森林生長發(fā)育和更新演替規(guī)律等都具有重要意義[6]。傳統(tǒng)森林結(jié)構(gòu)調(diào)查，多采用人工調(diào)查的方式，既費(fèi)時又耗力，且調(diào)查結(jié)果多以文字解析或統(tǒng)計(jì)描述為主，無法有效的解決森林生態(tài)系統(tǒng)空間異質(zhì)性問題。森林生物量是評估生態(tài)系統(tǒng)功能的基本測度指標(biāo)，一直受到學(xué)者們的高度關(guān)注。有學(xué)者[7-8]通過估算生物量進(jìn)而評估植被碳儲量、生產(chǎn)力及其他生態(tài)系統(tǒng)服務(wù)功能。激光雷達(dá)可以直接、快速、精準(zhǔn)地獲取研究對象的三維空間信息[9-10]，在森林監(jiān)測中使用激光雷達(dá)可以精確獲取森林三維結(jié)構(gòu)和功能信息[11]，如樹高、胸徑、冠幅直徑、冠幅面積、冠幅體積等[12]。通過提取得到的結(jié)構(gòu)參數(shù)便可以進(jìn)一步估算生物量、蓄積量等[13-14]其它重要森林信息。

文章將機(jī)載激光雷達(dá)和背包激光雷達(dá)的掃描數(shù)據(jù)，通過點(diǎn)云處理軟件以人機(jī)交互的方式獲取闊葉林單木及結(jié)構(gòu)參數(shù)，包括胸徑、樹高、冠幅直徑、冠幅面積、冠幅體積等因子，并與實(shí)測數(shù)據(jù)進(jìn)行對比驗(yàn)證，分析各結(jié)構(gòu)因子的提取精度，并用監(jiān)測結(jié)果對林分生物量建立預(yù)測模型，研究采用背包激光雷達(dá)數(shù)據(jù)和機(jī)載雷達(dá)數(shù)據(jù)獲取林分結(jié)構(gòu)參數(shù)及估測生物量的精度及適用性。

1 研究區(qū)及設(shè)備概況

1.1 研究區(qū)概況

大嶺山森林公園位于廣東省東莞市西南部，珠江口的東北部，北至厚大路，東以大嶺山山體為界線，東南以蓮花山山腰為界，西南至大嶺山林場場部，西北至厚街大逕村。東莞市林科園位于大嶺山森林公園東南部，面積105.33hm2，是該市以林業(yè)科研和科普教育為主題的基地。研究區(qū)是位于東莞市林科園的地帶性森林群落恢復(fù)與重建研究示范區(qū)，是喬木層以馬占相思為主的常綠闊葉林。

1.2 設(shè)備概況

該研究選用大載重工業(yè)級無人機(jī)(RT470)(圖1)四旋翼無人機(jī)及背包搭載激光雷達(dá)對常綠闊葉林進(jìn)行監(jiān)測，空中雷達(dá)(掛載LD-R1350 激光雷達(dá))可直接安裝于機(jī)艙腹部，飛機(jī)整體采用航空鋁材、碳纖相結(jié)合的機(jī)架結(jié)構(gòu)，雷達(dá)卡扣式安裝簡便快捷，單架次續(xù)航可達(dá)40min，抗風(fēng)等級6 級。同時有效提升飛機(jī)的安全性、有效性，充分保障對于測量的安全和續(xù)航時長的要求。背包雷達(dá)(PX-80)直接安裝于背包(圖1)，對林地結(jié)構(gòu)參數(shù)進(jìn)行監(jiān)測。

2 研究方法

2.1 地面樣地建設(shè)

于監(jiān)測區(qū)域選擇4 種不同撫育強(qiáng)度的以馬占相思為主的闊葉混交林，各建立1 個20m×60m 的樣方，調(diào)查對象為樣方喬木、灌木、草本層。喬木層監(jiān)測指標(biāo)包括樹木種類、樹高、胸徑、冠幅、位置；灌木層監(jiān)測指標(biāo)包括灌木種類、高度、蓋度；草本層監(jiān)測指標(biāo)包括種名、蓋度等指標(biāo)。

表1 各樣地基本情況Tab.1 Basic Information of Various Places

2.2 無人機(jī)數(shù)據(jù)獲取

無人機(jī)激光雷達(dá)影像數(shù)據(jù)的獲取時間為2019年3 月，飛行時天氣狀況良好。通過定位設(shè)備，找到布設(shè)樣地位置，進(jìn)行無人機(jī)遙感影像采集。每個樣地采集的影像大小依據(jù)當(dāng)?shù)氐牡孛婵刂贫?，飛行區(qū)域?yàn)闃拥胤秶?0hm2森林。

背包雷達(dá)影像的獲取時間為2020 年3 月，區(qū)域同上。

2.3 無人機(jī)數(shù)據(jù)處理

因無人機(jī)為低空飛行，獲取的單張遙感影像覆蓋范圍較小，需要通過拍攝多張影像才能覆蓋樣地及地面控制點(diǎn)范圍，而且無人機(jī)的飛行姿態(tài)、地面地物的復(fù)雜性、不同時間光線明暗等，都會影響拍攝得到的單張影像質(zhì)量[3]。機(jī)載激光雷達(dá)圖像拼接的流程一般為：圖像幾何校正、圖像預(yù)處理、圖像配準(zhǔn)、圖像融合，從而得到拼接后的監(jiān)測區(qū)域全景影像。無人機(jī)激光雷達(dá)及背包雷達(dá)全景影像數(shù)據(jù)拼接及分析運(yùn)用LiDAR360 軟件。通過軟件拼接后就可得到可直接用于分析的機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)、背包雷達(dá)點(diǎn)云數(shù)據(jù)，導(dǎo)出監(jiān)測指標(biāo)，具體導(dǎo)出初級指標(biāo)如表2。

表2 各類監(jiān)測平臺導(dǎo)出初級指標(biāo)Tab.2 List of Primary Indicators Exported by Various Monitoring Platforms

3 結(jié)果與分析

3.1 無人機(jī)激光雷達(dá)監(jiān)測指標(biāo)提取

對機(jī)載點(diǎn)云數(shù)據(jù)進(jìn)行點(diǎn)云著色，通過分析可知，數(shù)據(jù)采集范圍合格。點(diǎn)云數(shù)據(jù)的航帶間的點(diǎn)云沒有分層，能夠很好采集植被下的地面點(diǎn)，還原實(shí)際地形起伏，地面點(diǎn)厚度在22cm 以內(nèi)(地面有大量落葉，可能導(dǎo)致地面點(diǎn)厚度增加)。點(diǎn)云數(shù)據(jù)能夠真實(shí)還原樹木點(diǎn)云，查看樹木分布及生長情況，樹木掃描情況數(shù)據(jù)質(zhì)量合格（圖2）。

通過軟件提取單木種子點(diǎn)，進(jìn)行單木分割，能夠獲取樹高、冠幅等信息；單木分割可以得到樹木比較精確的位置，快速獲取林班樹高、冠幅等信息，且通過分析點(diǎn)云數(shù)據(jù)可為后續(xù)生物量估算提供數(shù)據(jù)支撐。4 個20m×60m 的實(shí)測樣地，無人機(jī)激光雷達(dá)點(diǎn)云各樣地頂層樹木分割數(shù)量為1 號(25 棵)、2 號(12棵)、3 號(19 棵)、4 號(27 棵)。這些被識別的頂層喬木大都為馬占相思，平均識別率為74%。

表3 1～4 號樣地機(jī)載激光雷達(dá)點(diǎn)云單木分割結(jié)果Tab.3 Single Tree Segmentation Results of Airborne Lidar Point Cloud for Plot No.1～4

3.2 背包激光雷達(dá)監(jiān)測指標(biāo)提取

使用PX80 背包lidar 采集了1～4 號樣地的地面點(diǎn)云數(shù)據(jù)，用于精細(xì)化獲取單木位置及胸徑，采集步驟如下：實(shí)地踏勘，規(guī)劃采集路線，布設(shè)像控板。地面背包雷達(dá)掃描的整體情況：能夠清晰分辨樹木主體結(jié)構(gòu)，有少量躁點(diǎn)；樹木高度大于8m 的部分，背包雷達(dá)采集不到。點(diǎn)云回環(huán)情況：樣地內(nèi)點(diǎn)云沒有分層、重影。地面點(diǎn)云密度情況：5000pts/m2～60000pts/m2之間。綜上，背包雷達(dá)采集數(shù)據(jù)較好，可用于后續(xù)的處理與利用。將PX80 背包數(shù)據(jù)導(dǎo)入LiDAR360 分析軟件中進(jìn)行單木分割處理，提取單木位置、胸徑等參數(shù)，單木分割的流程為：裁剪樣地點(diǎn)云；地面點(diǎn)分類；點(diǎn)云歸一化原數(shù)據(jù)；提取種子點(diǎn)、人工編輯；基于種子點(diǎn)的單木分割；獲取單木位置、胸徑等參數(shù)，并對背包雷達(dá)單木分割結(jié)果進(jìn)行精度分析。

采集的背包數(shù)據(jù)，經(jīng)過軌跡解算、點(diǎn)云著色、三維重建處理，可導(dǎo)出標(biāo)準(zhǔn)格式(.las)的點(diǎn)云數(shù)據(jù)。將點(diǎn)云數(shù)據(jù)導(dǎo)入分析軟件中進(jìn)行單木分割處理，為區(qū)分不同分割單木，對不同單木賦予不同顏色，生成分割結(jié)果，背包激光雷達(dá)對于地面點(diǎn)向上一定距離內(nèi)點(diǎn)云采集密度較大，呈現(xiàn)結(jié)果較好，但超過這一距離時，點(diǎn)云逐漸變得稀疏，顯示結(jié)果相對較差，經(jīng)過軟件分析，這一距離為8m，即背包雷達(dá)能夠準(zhǔn)確獲取距離地面8m 之內(nèi)樹木的點(diǎn)云數(shù)據(jù)。大于這個值，點(diǎn)云數(shù)據(jù)就只能呈現(xiàn)結(jié)構(gòu)位置情況，無法顯示細(xì)節(jié)參數(shù)，或細(xì)節(jié)參數(shù)顯示不準(zhǔn)確。精度分析顯示，背包雷達(dá)測量胸徑(＞5cm) 與實(shí)際測量對比標(biāo)準(zhǔn)誤差為1.2cm（表4）。背包雷達(dá)測量胸徑與實(shí)測胸徑擬合直線圖（圖4），直線K 值為1.038，R2高達(dá)0.9391。背包激光雷達(dá)可在林下灌木和小喬木較少時，快速準(zhǔn)確監(jiān)測樣方樹種胸徑，為生物量估算提供精確數(shù)據(jù)基礎(chǔ)。

表4 背包雷達(dá)數(shù)據(jù)精度分析Tab.4 Accuracy Analysis of Backpack Radar Data

3.3 生物量估算結(jié)果分析

生物量與森林垂直結(jié)構(gòu)信息相關(guān)性高[15]，當(dāng)選擇機(jī)載激光雷達(dá)時，選取喬木樹高作為初級反演指標(biāo)，用上述1～4 號樣地分割的樹高作為自變量與通過實(shí)測獲得胸徑作為因變量進(jìn)行各類曲線回歸（表5），結(jié)果發(fā)現(xiàn)10 個曲線模型的F 檢驗(yàn)P 值都遠(yuǎn)小于0.01，擬合模型在統(tǒng)計(jì)學(xué)意義上非常顯著。由表5 可知，點(diǎn)云數(shù)據(jù)所獲樹高與實(shí)測胸徑擬合度(R2)最大的是二次曲線方程，故相對而言二次曲線方程為描述云數(shù)據(jù)所獲樹高與實(shí)測胸徑關(guān)系的最優(yōu)方程。

表5 機(jī)載激光雷達(dá)點(diǎn)云監(jiān)測樹高與實(shí)測胸徑曲線擬合模型Tab.5 Airborne Lidar Point Cloud Monitoring Tree Height and Measured Breast Diameter Curve Fitting Model

通過把10hm2(除1～4 號樣地)所獲得的剩余點(diǎn)云估測樹高帶入最優(yōu)擬合曲線：y=86.33-5.767x+0.14x2，即可得到相應(yīng)的胸徑值。胸徑值帶入闊葉林喬木各器官生物量W=aDb 模型方程[16]計(jì)算得到的生物量(表6)。由表6 可知，無人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)反演的大嶺山森林公園以馬占相思為建群種的闊葉混交林，頂層單株干生物量平均值為0.42t，枝生物量平均值為0.1t，葉生物量平均值為0.07t，根生物量平均值為0.12t，單株總生物量平均值為0.71t。

表6 無人機(jī)激光雷達(dá)數(shù)據(jù)闊葉混交林生物量反演結(jié)果Tab.6 Biomass Inversion Results of Broad-Leaved Mixed Forest From Uav Lidar Data

當(dāng)選取背包激光雷達(dá)數(shù)據(jù)反演時，由已獲得的背包雷達(dá)數(shù)據(jù)處理得到的1～4 號樣地的單木分割結(jié)果，代入生物量W=aDb模型方程。結(jié)果顯示（表7），背包雷達(dá)掃描點(diǎn)云數(shù)據(jù)反演單株干生物量平均值為0.09t，枝生物量平均值為0.02t，葉生物量平均值為0.03t，根生物量平均值為0.03t，單株總生物量平均值為0.16t。

表7 背包激光雷達(dá)數(shù)據(jù)闊葉混交林生物量反演結(jié)果Tab.7 Inversion Results of Biomass in Broad-Leaved Mixed Forest From Backpack Lidar Data

4 結(jié)論與討論

4.1 結(jié)論

該研究以東莞市林科園的常綠闊葉林為主要研究對象，通過無人機(jī)激光雷達(dá)和背包激光雷達(dá)獲取森林樣地?cái)?shù)據(jù)，提取相關(guān)單木參數(shù)并估算其生物量。得到的研究結(jié)論如下：無人機(jī)搭載激光雷達(dá)可以快速獲取林地的三維地形情況[15]，通過單木分割可獲得林冠上層喬木的樹高、冠幅等單木參數(shù)，進(jìn)而估算生物量。背包激光雷達(dá)可準(zhǔn)確監(jiān)測林冠下層林分結(jié)構(gòu)信息，其中胸徑監(jiān)測精度高，利用生物量方程進(jìn)而也可以估算生物量，并且可作為機(jī)載雷達(dá)的補(bǔ)充。無人機(jī)遙感監(jiān)測技術(shù)與地面人工樣方監(jiān)測技術(shù)相比，其可在較短時間，較高效率，監(jiān)測得到評估指標(biāo)，估算生物量。隨著人工成本在不斷提高，無人機(jī)遙感監(jiān)測優(yōu)勢將越來越明顯。

4.2 討論

單木參數(shù)獲取是森林資源調(diào)查的主要工作，為森林生物量估算提供重要的基礎(chǔ)數(shù)據(jù)[17]。及時準(zhǔn)確、快速高效以及低成本的獲取單木參數(shù)和森林地上生物量一直是林業(yè)從業(yè)者及研究人員關(guān)注的重點(diǎn)問題。傳統(tǒng)的森林資源調(diào)查多采用抽樣調(diào)查的方法，需調(diào)查人員對樣地內(nèi)所有樹木每木檢尺，需耗費(fèi)大量的時間、人力、物力和財(cái)力，且調(diào)查周期長、效率低[18]。激光雷達(dá)具有很強(qiáng)的穿透力，能夠獲取森林三維空間結(jié)構(gòu)及林下地形的詳細(xì)信息，進(jìn)而準(zhǔn)確的提取單木參數(shù)，并為無損測量估算森林相關(guān)參數(shù)提供了借鑒和參考[19-21]。

激光雷達(dá)是近些年來發(fā)展十分迅速的一種主動遙感技術(shù)，對植被和林冠層均有很強(qiáng)的穿透力，能夠獲取森林空間結(jié)構(gòu)的詳細(xì)信息。單木參數(shù)因子是森林資源調(diào)查的主要工作，及時準(zhǔn)確、快速高效的獲取這些森林基本參數(shù)因子可以大大減少林業(yè)從業(yè)者的工作量、調(diào)查周期以及提高調(diào)查效率[15]。激光雷達(dá)不僅可以從森林資源數(shù)據(jù)中提取基本的森林參數(shù)因子，還能記錄森林真實(shí)的三維空間結(jié)構(gòu)信息，為森林資源的動態(tài)監(jiān)測提供了準(zhǔn)確有效的解決方案。無人機(jī)激光雷達(dá)和背包激光雷達(dá)均能夠在短時間內(nèi)獲取森林空間結(jié)構(gòu)詳細(xì)的點(diǎn)云數(shù)據(jù)，進(jìn)而提取林木參數(shù)因子，結(jié)合生物量異速生長模型估算森林資源的地上生物量；而后直接與某一生物量相關(guān)性較高的生態(tài)效益搭建關(guān)系，或生物量與生態(tài)效益搭建關(guān)系，建立模型，從而進(jìn)行生態(tài)效益估算[22-24]。

在該次監(jiān)測研究中，無人機(jī)搭載的激光雷達(dá)可獲取的平均樹高為24.5m，平均冠幅直徑為9.3m，平均冠幅面積為76.3m2，平均冠幅體積為1062.6m3。因此，無人機(jī)搭載的激光雷達(dá)更適合一些林冠分層少，林下灌木少的林地監(jiān)測。地面背包激光雷達(dá)則適用于樣地級小尺度，可以獲得樣地內(nèi)單木位置、胸徑，測量胸徑(＞5cm) 與實(shí)際測量對比標(biāo)準(zhǔn)誤差為1.2cm，幼樹、相鄰單木枝葉分割時可能出錯。監(jiān)測中也可發(fā)現(xiàn)，背包激光雷達(dá)在撫育強(qiáng)度較高的樣地，即林下植物少的樣地，其監(jiān)測效果較好，這說明背包雷達(dá)測量受植物覆蓋度及郁閉度影響較大。另外，背包激光雷達(dá)也可精確監(jiān)測樹高小于8m 的樹木的冠幅。