構建低空無人機遙感影像模型測算林木郁閉度

郭 穎

（山東省泰安市東平縣臘山林場，山東泰安 271513）

林業(yè)生產中需要獲取林木郁閉度、胸徑、冠幅以及樹高等林木參數(shù)為林業(yè)生產策略調整提供數(shù)據(jù)支持。傳統(tǒng)人工實地調查方法耗時費力，且林區(qū)地形地勢復雜，人工作業(yè)難度較大，可在傳感設備搭載、利用飛行控制、遠程通信以及GPS 定位等先進技術支持下，利用無人機技術實現(xiàn)林木參數(shù)的精準與高效獲?。?］。無人機技術的應用能突破氣象條件限制，以特有的空中視角監(jiān)測林業(yè)資源，獲取林區(qū)的低空影像數(shù)據(jù)，利用影像拼接建模軟件，構建林區(qū)數(shù)字正射影像、數(shù)字表面及高程模型，通過準確提取林木參數(shù)，實現(xiàn)高效精準的林業(yè)調查分析，保障林業(yè)生產工作高質高效推進。

1 研究區(qū)域概況

山東省泰安市徂徠山林場是山東省的第二大林場，位于中山區(qū)，地理位置在東經(jīng)117°16＇—117°20＇，北緯36°02＇—36°07＇。該林場距離主城區(qū)25 km，林場面積為1.03 萬hm2，植被覆蓋率高達92.4%，森林覆蓋率為87.8%［2］。林場中有豐富的動植物資源，有多種優(yōu)質林苗木品種。以徂徠山林場的林木參數(shù)提取為例，分析無人機在林業(yè)生產中的具體運用方法。

2 數(shù)據(jù)來源

2.1 數(shù)據(jù)獲取設備及數(shù)據(jù)分析軟件

利用四旋翼無人機獲取相關數(shù)據(jù)，該無人機飛行速度最高值為20 m/s，上升及下降速度最高值分別為6、4 m/s，可于6 000 m 高空完成飛行作業(yè)，具備一體化云臺相機，可收集俯仰角度介于-90°與+30°的影像，有效像素為1 240 萬［3］。同時，利用飛行控制軟件進行無人機飛行控制，通過定時定點曝光，提升航測數(shù)據(jù)準確性，減少手控人員工作量。攝影測量影像處理軟件采用的是Agisoft PhotoScan，該軟件可利用攝影測量基本原理自動完成內定向、相對或絕對定向，既能調整照片角度及位置，也可在多視圖三維重建技術支持下，構建點云密集且具有紋理特性的多邊形模型，并可導入地理坐標系統(tǒng)。在大數(shù)據(jù)技術支持下，還具備圖片擬合匹配、數(shù)據(jù)點云及網(wǎng)格生成、紋理賦予等功能。

2.2 無人機遙感影像獲取及外業(yè)調查數(shù)據(jù)收集

在林區(qū)內選取18 個生長年限不同的樣地，利用無人機飛行作業(yè)獲取高分辨率遙感影像。飛行前利用飛行控制軟件科學規(guī)劃無人機飛行航線，飛行航高設置為120 m，影像拍攝重疊率為90%，每次飛行范圍為100 m×100 m，飛行時間為18 min/次。無人機執(zhí)行任務的同時，還同步開展人工實地調查，調查人員共7 人。主要采集林場內人工楊樹林的林木參數(shù)，林木生長年限分別為3、6、9、12、15、18 年。工作內容為林木郁閉度提取，并需測量收集林木冠幅、樹高及胸徑數(shù)據(jù)，共設置18 個小班，劃定樣方后，開展每木檢尺作業(yè)。人工測量林木株數(shù)時，于樣方劃定后，采用人工編號的方式統(tǒng)計林木數(shù)量。郁閉度測量除采用目測法外，還可應用樣線法、樣點法或林冠投影法。冠幅、樹高及胸徑則采用皮尺及卷尺。

3 林木參數(shù)提取與分析

3.1 無人機影像的獲取過程

3.1.1 航高確定 由于林場內林工結構、樹葉顏色具備高度相似性，數(shù)據(jù)處理時難以有效解析，且匹配點獲取難度較大，為此，應用無人機提供林木參數(shù)時，要輸出高質量影像，且鄰近影像間要具備一定的重疊度。飛行拍攝過程中，無人機航高與影像資料分辨率成反比，為符合影像拼接建模要求，拍攝時無人機飛行高度不可低于林木高度的2 倍［4］。影像數(shù)據(jù)獲取中，選定了8 個飛行高度（表1）。由表1 可知，航高低于100 m 時，匹配點獲取數(shù)量不足，航高低于90 m 時，匹配點缺失程度均超過了90%，航高為110、120 m 時，匹配點缺失程度分別為35.94%與34.56%，此時建模成功率會高于110 m 以下，且面積不變的情況下，所需獲取的影像數(shù)量相對較少，建模速度更快。故無人機影像獲取時可將航高設定為120 m。

表1 影像匹配點缺失情況

3.1.2 調節(jié)攝影參數(shù) 為獲取高分辨率林木影像資料，拍攝觸發(fā)設定為安全模式，并調整為低速飛行，結合天氣情況設定白平衡，鏡頭角度設定為90o，重疊度設置為90%。規(guī)劃航線時，將航向、旁高的重疊度均設定為90%。采取雙軌道飛行法，具體方法是基于90%的飛行重疊度，規(guī)劃二次飛行，設置2 個相鄰的飛行軌道，將上述2 個重疊度均設置為95%。在原本10 min 的飛行時長上增加8 min。飛行軌道增設后，飛行重疊度及影像質量均可得到明顯提升，點云數(shù)據(jù)獲取量有所增加，可有效提高建模精度。

3.2 根據(jù)無人機遙感影像構建模型

利用拼接建模軟件創(chuàng)建新模塊，將待拼接建模的無人機影像數(shù)據(jù)組添加到模塊中，軟件可自動以拍攝相對位置為依據(jù)進行定向。再利用處理工具匹配相鄰影像間的特征點，在相機優(yōu)化校準匹配完成后，生成密集點云，再進行無人機二維影像的點云化處理。對點云化數(shù)據(jù)做網(wǎng)絡化生成處理，通過網(wǎng)絡化點云數(shù)據(jù)構建，按照點-面-體的順序完成三維模型構建，再利用馬賽克模式完成紋理賦予運算。影像數(shù)據(jù)質量越高，得出的密集點云圖片及紋理賦予完成后的圖像越清晰。模型構建完成后，還需要輸出數(shù)字地表模型（DSM）、數(shù)字正射影像圖（DOM）數(shù)據(jù)，得到最終的影像拼接處理結果，通過生成數(shù)據(jù)處理報告對處理精度進行檢驗。

3.3 林木郁閉度提取與精度分析

3.3.1 提取郁閉度數(shù)值 由于傳統(tǒng)郁閉度提取方法的局限性，環(huán)境開闊度、林下植被生長情況均是郁閉度提取的關鍵影響因素。利用無人機遙感技術可消除這些因素影響，通過拍攝遙感影像精準獲取林木郁閉度數(shù)據(jù)，采用DOM 數(shù)據(jù)展開郁閉度研究，受到主觀因素影響，工作效率低下［5］?？刹捎脽o人機DSM 數(shù)據(jù)提取法，自動化完成郁閉度數(shù)據(jù)提取。該方法可清晰顯示遮檔樹木枝葉與未被遮擋地面之間的高度差，低空飛行情況下，DSM 數(shù)據(jù)以顏色鮮明、對比清晰的像元體現(xiàn)出來。DSM 數(shù)據(jù)分析共分為3個步驟，一是明確非郁閉區(qū)域像元值，選取相對像元值區(qū)間。由于DSM 影像數(shù)據(jù)顏色對比清晰，數(shù)據(jù)穩(wěn)定性更高，更易獲取到像元值區(qū)間。二是掩膜處理像元值區(qū)間，并生成新存儲數(shù)據(jù)。掩膜操作時，需將像元值區(qū)間輸入設定欄，通過操作執(zhí)行使之存儲于閃存文件中。通過掩膜處理，可將DSM 影像劃分為2 個區(qū)域，即代表非郁閉區(qū)的掩膜區(qū)與代表郁閉區(qū)的非掩膜區(qū)。三是利用軟件統(tǒng)計掩膜區(qū)及非掩膜區(qū)的占比數(shù)據(jù)，得出郁閉區(qū)及非郁閉區(qū)的比值。該方法可自動化完成林木郁閉度的提取，且精度高、誤差小，提取速度更快。本研究各區(qū)域的郁閉度提取時間介于1～3 min，所有樣地組郁閉度提取只用38 min 便全部完成。

3.3.2 分析郁閉度精度 郁閉度精度分析有4 個檢驗指標，一是相關系數(shù)，無人機測量值與人工實地測量值間擬合度越接近1，說明擬合曲線價值性高，具備較高精度。二是均方根誤差，驗證無人機及人工實地測量值偏差的方法，二者偏差值越小，模型精度越高。三是相對誤差，該方法可同時考量無人機及人工實地測量間的誤差及樣本自身大小，樣本值越小，模型估測郁閉度精度越高。四是估測精度，主要是檢測反演結果精度并實施綜合評價，取值與100%越接近，反演模型估測精度越高。通過無人機DSM數(shù)據(jù)提取、人工實地調查2 種方法，得出了該林場18組人工林林分郁閉度值（表2）。根據(jù)數(shù)據(jù)繪制了DSM 郁閉度精度驗證相關系數(shù)（圖1）。采用多種參數(shù)驗證林木郁閉度提取精度，詳見表3。

根據(jù)檢驗指數(shù)分析發(fā)現(xiàn)，數(shù)據(jù)擬合度良好，且波動幅度不大，具備較低的離散度。說明低空無人機DSM 數(shù)據(jù)自動提取林木郁閉度具備精度高、穩(wěn)定性佳的優(yōu)勢。該方式總用時38 min，各小班平均提取時間為2.11 min，比其他郁閉度提取方法更快，工作效率更高。

3.4 創(chuàng)建單木參數(shù)模型

為精準計算單木材積數(shù)據(jù)，獲取準確的森林蓄積量，需要統(tǒng)計林木胸徑、冠幅及樹高等相關參數(shù)?？赏ㄟ^冠幅、樹高對胸徑進行反演分析。根據(jù)人工實測胸徑及樹高數(shù)據(jù)，結合無人機DOM 提取的冠幅值，建立了回歸模型，得出了2 個最佳模型。

3.4.1 胸徑與冠幅模型 胸徑與冠幅的擬合對比過程中，構建了11 組回歸模型，除了線性模型外，還有二次式與三次式模型。擬合模型構建時，從樣本中選取了90%的數(shù)據(jù)，完成了各種模型的構建，并利用剩余數(shù)據(jù)檢驗擬合模型決定系數(shù)值（R2）表現(xiàn)良好的模型，再采用殘差平方和法確定最佳模型［6］。回歸模型擬合后，可得出以下3 個最佳回歸模型。

式中，D表示胸徑，K代表冠幅。通過分析發(fā)現(xiàn)，線性模型的R2值為0.525。而二次曲線及三次曲線模型的R2值則分別為0.532 與0.536，這3 個模型能詮釋因變量差異，說明回歸模型具備良好的擬合精度。這3 個模型的回歸分析結果均較佳，精度差異不大，但在未來因變量預測趨勢分析方面，各模型并不一致。經(jīng)過長期的林地觀察，結合經(jīng)驗分析，并將模型復雜程度納入考量，得出線性模型預測效果更佳，以式（1）作為胸徑與冠幅的最佳模型。

3.4.2 胸徑、冠幅及樹高模型 在胸徑及冠幅模型中，納入樹高參數(shù)，可構建一個胸徑與冠幅、樹高相結合的二元模型，該模型的精度更高，可為胸徑數(shù)據(jù)反演提供更加可靠的支持。將地面實測樹高分別代入以下2 個方程，構建回歸模型，并采用方差分析法檢驗2 個模型的擬合精度，具體數(shù)據(jù)見表4。

表4 線性與非線性模型的擬合精度檢驗

在樹高參數(shù)引入后，可得到胸徑與冠幅及樹高的線性與非線性模型擬合公式。

線性模型公式：

非線性模型公式：

根據(jù)分析發(fā)現(xiàn)，相較于一元模型，二元模型的精度更高，胸徑與冠幅、樹高的線性及非線性擬合模型決定系數(shù)分別為0.879 與0.877，說明擬合精度相對較高，顯著提升了胸徑與冠幅一元模型的精度值。在回歸胸徑參數(shù)工作方面，二元模型的表現(xiàn)更加優(yōu)異。在精度擬合度表現(xiàn)方面，2 個二元模型的R2都超過了0.87，且精度差異不大，綜合分析模型的復雜程度，最終確定以公式（4）作為胸徑與冠幅、樹高的最佳模型。

4 小結

林業(yè)生產中，由于人工測量林木參數(shù)精度不足且較為耗時，本研究提出了一種利用無人機，運用遙感影像技術獲取林地低空影像的方法，通過生成DSM 數(shù)據(jù)，確定非郁閉區(qū)域像元值，得出像元值區(qū)間，再經(jīng)過掩膜處理生成新的數(shù)據(jù)，統(tǒng)計林木的郁閉度。相較于其他郁閉度測算方法，該方法的精度更高、穩(wěn)定性更強，并且郁閉度分析效率更快，林業(yè)生產中，可取代人工實測方法應用，能有效消除主觀因素對林木參數(shù)提取產生的影響，并可實現(xiàn)三維可視化分析，利于提升林木參數(shù)提取的精準度，為林業(yè)生產提供可靠的數(shù)據(jù)支持。