應(yīng)用無(wú)人機(jī)可見光數(shù)據(jù)對(duì)胡楊林群落單木信息的提取1)

張文奇 李丹 師慶東 郭玉川

(生態(tài)環(huán)境部環(huán)境規(guī)劃院，北京，100043) (中海油研究總院有限責(zé)任公司) (新疆大學(xué))

胡楊(Populuseuphratica)作為最古老的楊柳科楊屬樹種，自身耐干旱、耐強(qiáng)光、抵抗風(fēng)沙襲埋的優(yōu)良品質(zhì)，成為我國(guó)荒漠地區(qū)唯一能自然成林的喬木類型[1-2]。胡楊林生態(tài)系統(tǒng)為西部干旱區(qū)提供了不可估量的經(jīng)濟(jì)和生態(tài)服務(wù)價(jià)值，包括阻隔荒漠化擴(kuò)張進(jìn)程、生物多樣性保護(hù)、土壤的形成和固碳、娛樂(lè)和審美等。因此，胡楊林生態(tài)系統(tǒng)是西部地區(qū)生態(tài)保護(hù)和恢復(fù)工作的重點(diǎn)。

胡楊林監(jiān)測(cè)和管理依靠定期的實(shí)地抽樣調(diào)查收集森林資源清查數(shù)據(jù)，這種調(diào)查方式通常覆蓋相對(duì)較小的空間尺度(<0.5 hm2)，并且受極端天氣和交通設(shè)施落后的影響，進(jìn)入偏遠(yuǎn)荒漠地區(qū)普遍困難，而且花費(fèi)較高的調(diào)查成本。與傳統(tǒng)的地面調(diào)查相比，無(wú)人機(jī)能夠在更短的時(shí)間內(nèi)收集更廣泛的空間信息，提高野外工作效率[3-5]，且擁有比衛(wèi)星圖像更高的空間分辨率，同時(shí)做到大面積覆蓋，比其他機(jī)載系統(tǒng)(如激光雷達(dá)或機(jī)載攝影測(cè)量)更經(jīng)濟(jì)的方法[6]。在陸地森林生態(tài)系統(tǒng)中，通過(guò)低成本無(wú)人機(jī)收集高分辨率圖像正在成為測(cè)繪地表碳儲(chǔ)量的一種有效手段[7-9]。運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)(SfM)算法的應(yīng)用使無(wú)人機(jī)影像數(shù)據(jù)挖掘從二維向三維過(guò)渡，通過(guò)UAV-SfM能夠獲得常見的森林調(diào)查數(shù)據(jù)(包括樹種、高度、樹冠直徑和地上生物量)可以補(bǔ)充傳統(tǒng)的森林資源調(diào)查技術(shù)[10]。董新宇等[11]通過(guò)增強(qiáng)無(wú)人機(jī)正射影像光譜特征，利用馬爾科夫隨機(jī)場(chǎng)模型與形態(tài)學(xué)算子等方法得到油松、樟子松林區(qū)立木信息，單木識(shí)別精度達(dá)到89%；Mccombs et al.[12]和Pouliot et al.[13]分別選擇當(dāng)?shù)毓诜钚≈岛彤?dāng)?shù)毓诜骄禐榫植孔畲笾荡翱谧R(shí)別樹木頂點(diǎn)光譜信息；Tao et al.[14]為了解死亡松樹的空間分布，手動(dòng)標(biāo)記了2000多個(gè)死亡松樹和非死亡松樹樣本，對(duì)AlexNet和GoogLeNet的深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練(80%)和優(yōu)化(20%)，利用訓(xùn)練好的模型對(duì)福建省晉江地區(qū)無(wú)人機(jī)數(shù)字正射影像進(jìn)行死亡松樹的檢測(cè)，總體精度為65%～80%。這些研究展示出無(wú)人機(jī)平臺(tái)的靈活性與發(fā)展前景，但實(shí)驗(yàn)對(duì)象大多針對(duì)針葉林或分布規(guī)律整齊的人工林，對(duì)胡楊林這類干旱區(qū)落葉闊葉林的研究較為缺乏。由于闊葉林樹冠反射率受冠層結(jié)構(gòu)、光照角度等多種因素影響，光譜的“峰”與“谷”并不明顯，對(duì)比單峰的針葉林，胡楊成熟木的完整樹冠大多由2到4個(gè)大的枝干組成，冠幅達(dá)8 m以上，樹冠光譜反射率存在多個(gè)峰值，制約了無(wú)人機(jī)可見光數(shù)據(jù)對(duì)闊葉林垂直結(jié)構(gòu)的探索。

本研究使用消費(fèi)級(jí)多旋翼無(wú)人機(jī)在克里雅河下游胡楊林區(qū)域執(zhí)行多個(gè)航拍任務(wù)，將激光雷達(dá)領(lǐng)域中常用的單木識(shí)別方法結(jié)合胡楊自身結(jié)構(gòu)特征應(yīng)用于UAV-SfM數(shù)據(jù)，用于量化克里雅河下游區(qū)域內(nèi)的胡楊林單木結(jié)構(gòu)特征，并在地塊水平上與實(shí)地測(cè)量結(jié)果進(jìn)行比較，分析無(wú)人機(jī)可見光數(shù)據(jù)在提取胡楊林單木信息上的優(yōu)勢(shì)以及不足之處，旨在為闊葉林的相關(guān)研究提供參考。

1 研究區(qū)概況

達(dá)里雅布依綠洲位于新疆維吾爾自治區(qū)于田縣境內(nèi)，是由克里雅河下游發(fā)育而成的尾閭綠洲，地理坐標(biāo)范圍38°16′～38°37′N，81°5′～81°46′E，面積342 km2[15]。綠洲整體南高北低，海拔1 100～1 300 m，年降水量不足20 mm，蒸發(fā)量在3 500 mm以上，年均溫23.5 ℃，晝夜溫差大，綠洲浮沉，沙暴天氣較多，平均大風(fēng)時(shí)間2.1 d，年均沙暴時(shí)間20.3 d，年均浮沉?xí)r間155.4 d[16]。綠洲內(nèi)植被類型簡(jiǎn)單，以胡楊、檉柳(Tamarixchinensis)、蘆葦(Phragmitescommunis)為主要建群種[17-20]。

2 研究方法

2.1 數(shù)據(jù)來(lái)源

本文所用的實(shí)驗(yàn)數(shù)據(jù)為達(dá)里雅布依綠洲內(nèi)無(wú)人機(jī)拍攝的可見光RGB影像以及對(duì)應(yīng)的地面樣方實(shí)測(cè)數(shù)據(jù)(見圖1)。實(shí)驗(yàn)所用的無(wú)人機(jī)設(shè)備型號(hào)為大疆精靈4PROV2.0，機(jī)身質(zhì)量1 375 g，最長(zhǎng)飛行時(shí)間約30 min，最大承受風(fēng)速10 m/s，可在0～40 ℃環(huán)境溫度中工作，云臺(tái)搭配1英寸CMOS傳感器，有效像素2 000萬(wàn)，單張拍攝照片為5 472×3 648。拍攝時(shí)間為2019年8月，飛行高度為100 m，航向重疊率80%，旁向疊率80%。

2018年7月調(diào)查小組在進(jìn)入達(dá)里雅布依綠洲后沿主河道流向及河道兩側(cè)布設(shè)共計(jì)52個(gè)樣方，設(shè)置樣方大小均為20 m×20 m，主要記錄了樣方內(nèi)胡楊的多度、高度、東西/南北冠幅和胸徑信息。

(b)為達(dá)里雅布依綠洲TM影像；(c)、(d)、(e)為樣點(diǎn)P01、P02、P03無(wú)人機(jī)航拍數(shù)據(jù)。圖1 研究區(qū)示意圖

2019年8月實(shí)地調(diào)查任務(wù)和無(wú)人機(jī)航拍任務(wù)同時(shí)進(jìn)行，在P01、P02、P03無(wú)人機(jī)航拍區(qū)域下用樣繩建立50 m×50 m的樣方，以手持GPS、胸徑尺、測(cè)高儀、皮尺為主要工具，詳細(xì)記錄樣方內(nèi)每顆胡楊的地理坐標(biāo)、株數(shù)、高度、冠幅、胸徑信息以及樣方內(nèi)其它物種種類蓋度信息。

按照調(diào)查結(jié)果在室內(nèi)結(jié)合無(wú)人機(jī)影像根據(jù)標(biāo)志物確定每棵樹的坐標(biāo)位置，并依據(jù)胡楊密度及胸徑特征將這3個(gè)樣地分為成熟林、幼齡林兩種類型(見表1)。

表1 樣地胡楊參數(shù)統(tǒng)計(jì)

2.2 影像預(yù)處理

利用可見光無(wú)人機(jī)對(duì)實(shí)驗(yàn)區(qū)進(jìn)行航拍，用Pix4Dmapper軟件做影像預(yù)處理，通過(guò)優(yōu)化原始數(shù)據(jù)、創(chuàng)建自適應(yīng)窗口識(shí)別單株胡楊頂點(diǎn)，最終提取樹高并計(jì)算胡楊分布格局，以地面實(shí)測(cè)數(shù)據(jù)做驗(yàn)證。技術(shù)流程如圖2所示。

圖2 技術(shù)路線

野外拍攝工作完成后利用Pix4Dmapper軟件中的運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法生成正射影像(DOM)和3D點(diǎn)云，Pix4Dmapper軟件提供了點(diǎn)云分類功能，利用漸進(jìn)三角網(wǎng)的濾波算法將點(diǎn)云分為地面點(diǎn)和非地面點(diǎn)，算法原理是設(shè)定一個(gè)固定大小的格網(wǎng)，計(jì)算格網(wǎng)內(nèi)所有點(diǎn)云高程值的最小值，以最小值為種子點(diǎn)構(gòu)建最初的三角網(wǎng)，以兩點(diǎn)之間的垂直距離和傾斜角為閾值條件，判斷三角內(nèi)隨機(jī)選取的點(diǎn)與頂點(diǎn)之間的關(guān)系是否滿足條件，從而決定該點(diǎn)是否屬于地面點(diǎn)，如果是地面點(diǎn)則將其作為新的頂點(diǎn)加入三角網(wǎng)并反復(fù)循環(huán)這一步驟，直到?jīng)]有新的地面點(diǎn)產(chǎn)生為止。分類得到的地面點(diǎn)可以插值得到數(shù)字地面模型(DTM)，非地面點(diǎn)插值為數(shù)字地表模型(DSM)，在GIS軟件里用數(shù)字地表模型減去數(shù)字地面模型生成冠層高度模型(CHM)，冠層高度模型的取值范圍在植被的高度信息最大值和0之間[21-22]。圖3展示了UAV-SfM數(shù)據(jù)衍生的產(chǎn)品示例。

2.3 冠層高度模型優(yōu)化

在使用冠層高度模型時(shí)，發(fā)現(xiàn)單株胡楊樹冠內(nèi)同時(shí)檢測(cè)出多個(gè)樹頂(圖4a)，闊葉林樹冠形態(tài)多樣，從高度剖面看有的為單峰，有的為雙峰甚至多峰。Chen et al.[23]提出冠層極大值模型(CMM)這一概念來(lái)解決這類極值點(diǎn)較多的問(wèn)題，冠層極大值模型通過(guò)建立一個(gè)大小適宜的窗口(5×5)，用此窗口遍歷整個(gè)圖像，遍歷后的窗口中心像元記錄其鄰域內(nèi)出現(xiàn)的最大值數(shù)值。與冠層高度模型相比，冠層極大值模型中可以剔除許多無(wú)關(guān)的局部極大值(圖4b)。采用高斯濾波矩陣(C5×5)作為樹頂檢測(cè)中抑制不相關(guān)局部極大值的方法[24-25]，高斯濾波過(guò)程實(shí)際上是對(duì)整個(gè)窗口中的像元值進(jìn)行加權(quán)平均，從而有效地去除噪聲，對(duì)輸入數(shù)據(jù)起到平滑作用。對(duì)冠層極大值模型結(jié)果做高斯濾波處理生成平滑后的冠層極大值模型(SCMM)，除樹頂外的偽局部極大值數(shù)量被大幅降低(圖4c)。

2.4 自適應(yīng)窗口的樹頂探測(cè)

自適應(yīng)窗口最大值算法指尋找冠層高度模型中存在的樹木頂點(diǎn)時(shí)，窗口大小將根據(jù)樹高-冠徑關(guān)系調(diào)整為與高度相匹配的寬度(直徑)，是柵格數(shù)據(jù)表面像元大小的奇數(shù)倍，然后使用該圓形窗口來(lái)分析窗口中心像素與窗口內(nèi)其他像素的高度對(duì)比，以確定中心像素是否為局部最大值。自適應(yīng)窗口搜索樹頂是基于樹的高度和樹冠大小之間存在相關(guān)關(guān)系的假設(shè)，樹高與冠徑成正比，冠徑是沿兩個(gè)垂直方向的平均距離。

利用2018年實(shí)測(cè)的200棵胡楊的樹高和樹冠大小數(shù)據(jù)推導(dǎo)出樹高和樹冠之間的關(guān)系，發(fā)現(xiàn)胡楊冠徑(Dc)大小在樹高(H)值較大時(shí)有很強(qiáng)的變異性，不符合線性關(guān)系，因此選擇R2最高(0.783)的冪函數(shù)Dc=0.752×H0.802表示樹高和樹冠之間的關(guān)系。

2.5 識(shí)別精度檢驗(yàn)

通過(guò)地面放置的標(biāo)志物搭配目視解譯勾繪出胡楊中心點(diǎn)作為本次單木識(shí)別實(shí)驗(yàn)的驗(yàn)證數(shù)據(jù)。參考解宇陽(yáng)等[26]用到的精度評(píng)價(jià)標(biāo)準(zhǔn)，分為樣地識(shí)別準(zhǔn)確率和單木位置匹配兩種尺度。樣地尺度上的準(zhǔn)確率是指不考慮單木識(shí)別的位置只考慮識(shí)別數(shù)量的準(zhǔn)確度。樣地內(nèi)探測(cè)到的株數(shù)與實(shí)測(cè)株數(shù)的比值(Dp)作為樣地評(píng)價(jià)標(biāo)準(zhǔn)。Dp=(Nd/Nr)×100%。式中，Nd為單木識(shí)別算法在樣地中探測(cè)到的胡楊株數(shù)，Nr為驗(yàn)證數(shù)據(jù)中的胡楊株數(shù)。Dp值越接近100%說(shuō)明樣地尺度上樹木的數(shù)量探測(cè)越準(zhǔn)確。

(a)數(shù)字正射影像；(b)數(shù)字地表模型；(c)數(shù)字地面模型；(d)冠層高度模型。圖例單位:m。圖3 無(wú)人機(jī)數(shù)據(jù)衍生產(chǎn)品

(a)冠層高度模型；(b)冠層極大值模型；(c)平滑后冠層極大值模型。圖4 單株胡楊不同模型下局部最大值點(diǎn)

單木尺度上的評(píng)價(jià)標(biāo)準(zhǔn)分為單木位置1∶1對(duì)應(yīng)的數(shù)量、信息檢索與統(tǒng)計(jì)學(xué)中的準(zhǔn)確率、查全率。單木位置1∶1對(duì)應(yīng)關(guān)系是說(shuō)在驗(yàn)證數(shù)據(jù)中每棵樹附近范圍內(nèi)，有且只有一個(gè)單木識(shí)別算法提取到的樹木頂點(diǎn)，而出現(xiàn)非1∶1的情況均算作錯(cuò)識(shí)、漏識(shí)現(xiàn)象。查全率和準(zhǔn)確率計(jì)算公式如下：Ar=(N1∶1/Nr)×100%；Ad=(N1∶1/Nd)×100%。式中，Ar為查全率；Ad為準(zhǔn)確率，N1∶1表示樹木1∶1對(duì)應(yīng)關(guān)系的數(shù)量即正確識(shí)別的總數(shù)，查全率(Ar)的含義是實(shí)測(cè)單木中，被算法準(zhǔn)確識(shí)別胡楊的數(shù)量比例；準(zhǔn)確率Ad代表1∶1識(shí)別數(shù)量占單木識(shí)別算法探測(cè)數(shù)量的比例。

在GIS軟件里將單木位置1∶1識(shí)別結(jié)果與冠層高度模型數(shù)據(jù)做疊加分析，提取該點(diǎn)的冠層高度模型數(shù)值作為樹高值。除了1∶1對(duì)應(yīng)關(guān)系的樹頂，部分錯(cuò)識(shí)現(xiàn)象的點(diǎn)應(yīng)用手動(dòng)校正并提取數(shù)高，漏識(shí)區(qū)域不做提取。

2.6 空間分布格局

3 結(jié)果與分析

3.1 樹頂識(shí)別效果

圖5是應(yīng)用固定窗口最大值算法(窗口大小是樣方內(nèi)出現(xiàn)的最小冠幅)與結(jié)合冠層高度模型優(yōu)化的自適應(yīng)窗口最大值算法和冠層高度模型數(shù)據(jù)探測(cè)的胡楊單木頂點(diǎn)，灰色邊框?yàn)?0 m×50 m樣方邊界。

a為實(shí)測(cè)可見單木；b為固定窗口；c為自適應(yīng)窗口。圖5 各樣方識(shí)別結(jié)果

由表2可知，固定窗口最大值樹頂探測(cè)百分比(Dp)為134.67%～287.5%，識(shí)別樹木數(shù)量是實(shí)際樹木數(shù)量的2倍，誤差較高，單木尺度上查全率為70%左右，但1∶1準(zhǔn)確率最高59%，最低26%。而經(jīng)過(guò)數(shù)據(jù)優(yōu)化后的自適應(yīng)窗口樹頂探測(cè)百分比(Dp)為93.33%～134.67%，單木尺度上查全率在90%左右，1∶1位置匹配單木準(zhǔn)確率最高87.14%，最低71.43%。固定窗口識(shí)別數(shù)量明顯多于實(shí)際數(shù)量，而自適應(yīng)識(shí)別結(jié)果更接近于真實(shí)結(jié)果，該算法消除了對(duì)搜索窗口大小的依賴，達(dá)到較高的精度。樣地P01、P02、P03自適應(yīng)窗口下1∶1匹配單木距離偏差均值分別為0.76、0.82、0.35 m，遠(yuǎn)小于表1中的單木冠幅范圍，說(shuō)明該算法下的單木識(shí)別位置準(zhǔn)確可信。

表2 樹木位置探測(cè)精度評(píng)價(jià)

3.2 樹高提取精度

由圖6、表3可知，3個(gè)樣地?zé)o人機(jī)估測(cè)樹高均值略低于實(shí)測(cè)樹高均值，平均絕對(duì)誤差在0.46～0.81 m，樣地P01平均相對(duì)誤差最低為8.66%，樣地P03小樹較多，相對(duì)誤差為21.86%。

各無(wú)人機(jī)樣方提取到的樹高與實(shí)地測(cè)量的樹高之間有較好的線性關(guān)系，決定系數(shù)(R2)為0.76～0.83，均方根誤差為0.54～1.02 m。全部樣地的均方根誤差為0.91 m，決定系數(shù)(R2)為0.90。樣地P01的決定系數(shù)最小(0.76)，但均方根誤差也最小(0.54 m)，說(shuō)明線性擬合效果雖然沒(méi)有其他兩個(gè)樣方好，但該樣方內(nèi)的胡楊單株估測(cè)高度與實(shí)測(cè)高度之間的偏差最小為0.54 m；樣地P02的決定系數(shù)比樣地P01高，均方根誤差最高為1.02 m，估測(cè)值與實(shí)測(cè)值之間的偏差大；樣地P03決定系數(shù)最高(0.83)，均方根誤差為0.96 m。

圖6 估測(cè)值與實(shí)測(cè)值線性回歸分析

3.3 胡楊分布格局

表3 樹木高度提取結(jié)果

表4 胡楊分布格局

4 討論

本研究證明了無(wú)人機(jī)低空遙感估測(cè)胡楊林生態(tài)系統(tǒng)垂直結(jié)構(gòu)的可行性，無(wú)人機(jī)搭配數(shù)碼相機(jī)使用運(yùn)動(dòng)恢復(fù)結(jié)構(gòu)算法程序?yàn)樗锬九璧啬暇夁_(dá)里雅布依綠洲的3個(gè)調(diào)查點(diǎn)創(chuàng)建正射鑲嵌影像、DSM、DTM和CHM。由無(wú)人機(jī)遙感估測(cè)胡楊林的單木株數(shù)、定位、樹高、樹木分布格局與實(shí)測(cè)量值之間存在密切的對(duì)應(yīng)關(guān)系。無(wú)人機(jī)搭配激光雷達(dá)可以作為植被結(jié)構(gòu)特征檢索的工具[26-28]，激光雷達(dá)數(shù)據(jù)精度高，產(chǎn)生的3D點(diǎn)云數(shù)據(jù)能夠準(zhǔn)確估測(cè)樹木參數(shù)，然而激光雷達(dá)設(shè)備昂貴，數(shù)據(jù)處理方法繁瑣。使用消費(fèi)級(jí)無(wú)人機(jī)比地面測(cè)量、載人飛行圖像和激光雷達(dá)系統(tǒng)更便宜，同時(shí)保證了森林結(jié)構(gòu)參數(shù)估計(jì)的準(zhǔn)確性。

樹木的數(shù)量、位置信息是森林資源(生物量、初級(jí)生產(chǎn)力、蒸散)獲取的前提，當(dāng)不考慮樹木自身冠幅-樹高關(guān)系，僅考慮固定窗口(樣方中出現(xiàn)的最小樹冠直徑)時(shí)，胡楊正確識(shí)別率為77.68%，與白明雄等[29]使用固定窗口最大值反復(fù)調(diào)試的識(shí)別結(jié)果相似(78%～85%)，表明固定窗口算法即使經(jīng)過(guò)最優(yōu)尺度選擇，最終的精度也只能在保持在80%左右。固定窗口的大小根據(jù)樣地內(nèi)樹木冠幅大小而改變，樣方面積越大，固定窗口越難以兼容，而當(dāng)樣方數(shù)量較多時(shí)，每個(gè)樣方內(nèi)窗口的選擇就顯得繁瑣。在野外實(shí)測(cè)的112棵胡楊中，本實(shí)驗(yàn)使用的自適應(yīng)窗口最大值算法對(duì)胡楊正確識(shí)別率為85.71%。自適應(yīng)窗口以一定數(shù)量的實(shí)測(cè)樹高-冠幅樣本建立模型適用于各種類型的樣方，當(dāng)不考慮幼樹的情況時(shí)單木識(shí)別精度可達(dá)到95%。本研究在70株左右的小樹影響下識(shí)別率仍然到達(dá)82%，表明該方法在林齡結(jié)構(gòu)復(fù)雜的林分能夠發(fā)揮作用。由于無(wú)人機(jī)的超高分辨率，飛行高度為100 m，正射影像分辨率為0.028 m/pix，CHM分辨率0.14 m/pix，理論上地面的胡楊冠幅超過(guò)0.14 m就能被顯示在CHM數(shù)據(jù)上。

在單木準(zhǔn)確識(shí)別的基礎(chǔ)上，本研究進(jìn)一步證明了基于無(wú)人機(jī)可見光數(shù)據(jù)提取樹高和樹木分布格局的可行性。目前，激光雷達(dá)相關(guān)的研究越來(lái)越多，更多關(guān)注雷達(dá)數(shù)據(jù)的精準(zhǔn)性、穿透性。Lu et al.[30]通過(guò)背包激光雷達(dá)數(shù)據(jù)提取黃河三角洲刺槐林種子點(diǎn)與胸徑，再利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)根據(jù)種子點(diǎn)提取樹高，以兩種不同尺度數(shù)據(jù)相結(jié)合的方式構(gòu)建高精度的生物量反演模型，完成對(duì)刺槐林地上生物量的反演。激光雷達(dá)數(shù)據(jù)類型的組合應(yīng)用為林木參數(shù)反演提供了很好的案例，但這種方式依賴地面調(diào)查，更適合抽樣調(diào)查。干旱區(qū)胡楊林的林分郁閉度整體不高，嚴(yán)格受地表水資源控制，隨河岸分布綿延幾十至上百公里，這種環(huán)境下無(wú)論是人力、時(shí)間還是成本效益，無(wú)人機(jī)搭配可見光數(shù)碼相機(jī)更適合去完成資源調(diào)查任務(wù)，尤其是在精度可以得到保證的情況下。

本實(shí)驗(yàn)在數(shù)據(jù)處理等方面尚存在不足，無(wú)人機(jī)可見光數(shù)據(jù)不具備穿透性，在植被覆蓋率和森林郁閉度較高的地區(qū)樹木冠層都有重疊遮擋現(xiàn)象，可見光數(shù)據(jù)易受這些因素的干擾，基于高度局部最大值提取樹頂較為困難；另一方面，植被密度高，計(jì)算機(jī)難以找到足夠的地面點(diǎn)去構(gòu)建數(shù)字地面模型，進(jìn)而影響到冠層高度模型的生成，所以本實(shí)驗(yàn)的方法更適用于胡楊林這類干旱區(qū)稀疏闊葉林。調(diào)查區(qū)域常年遭受風(fēng)沙侵蝕與季節(jié)性河流洪水漫溢，常年沙塵暴等大風(fēng)天氣影響下部分胡楊自身結(jié)構(gòu)發(fā)生變化，樹干攔腰折斷，冠層部分消失，洪水漫溢時(shí)帶來(lái)大量的泥沙將胡楊1/3的樹干掩埋在沙土下，在這種生境中基于經(jīng)驗(yàn)方程的垂直結(jié)構(gòu)提取效果就要大打折扣。除了經(jīng)驗(yàn)方程的改進(jìn)外，高分辨率正射影像帶有豐富的紋理信息，不僅可以作為驗(yàn)證數(shù)據(jù)，在樹木冠幅、物種識(shí)別、生物量反演中的也有廣泛的應(yīng)用[31]，將正射數(shù)字影像與冠層高度模型相結(jié)合將是本研究進(jìn)一步探討的方向。

5 結(jié)論

利用激光雷達(dá)數(shù)據(jù)提取單木的思路對(duì)無(wú)人機(jī)數(shù)據(jù)衍生出的數(shù)字冠層模型數(shù)據(jù)進(jìn)行了不同類型胡楊樣方的單木識(shí)別研究，根據(jù)地面資料的先驗(yàn)知識(shí)，優(yōu)化CHM數(shù)據(jù)，通過(guò)自適應(yīng)窗口識(shí)別胡楊頂點(diǎn)，并計(jì)算了樹高以及胡楊分布格局。(1)將識(shí)別結(jié)果與實(shí)測(cè)數(shù)據(jù)作比較，單木1∶1匹配的樹木準(zhǔn)確率最高為87.14%，查全率90%左右，定位精度優(yōu)異；無(wú)人機(jī)提取的位置點(diǎn)與實(shí)測(cè)位置點(diǎn)相差0.75 m左右，幼齡林相差0.3 m左右。(2)在樣地尺度與單木位置匹配的尺度上，該算法比固定窗口最大值識(shí)別效率更高，在數(shù)量標(biāo)準(zhǔn)、位置匹配標(biāo)準(zhǔn)、識(shí)別效率的精度上都滿足胡楊株數(shù)調(diào)查準(zhǔn)確性的要求，彌補(bǔ)了傳統(tǒng)識(shí)別算法不能甄別偽頂點(diǎn)這一缺陷，為提取其他單木冠層結(jié)構(gòu)參數(shù)提供了前提條件。(3)3塊樣地的樹高估測(cè)值與實(shí)測(cè)數(shù)據(jù)都有較高的線性相關(guān)關(guān)系，R2最高0.83，均方根誤差在0.54～1.02 m，平均絕對(duì)誤差0.6 m；兩塊樣地的胡楊分布格局均為隨機(jī)分布，與實(shí)測(cè)結(jié)果一致，只有3號(hào)樣方分布格局為均勻分布，與實(shí)際不符。