林 鑫,龐 勇,李春干

(1.廣西大學(xué) 林學(xué)院,南寧 530004；2.中國(guó)林業(yè)科學(xué)研究院資源信息研究所,北京 100091)

機(jī)載激光雷達(dá)能夠精細(xì)刻畫(huà)森林的三維結(jié)構(gòu),已廣泛用于森林參數(shù)(樹(shù)高、斷面積、蓄積量、郁閉度等)估測(cè)[1],不但可以提高森林資源調(diào)查監(jiān)測(cè)效率、降低成本,而且可以生成高精度的數(shù)字高程模型(DEM)以及一系列的森林參數(shù)估測(cè)產(chǎn)品,為森林經(jīng)營(yíng)管理者提供豐富、詳細(xì)的林分結(jié)構(gòu)信息[2]。然而,目前機(jī)載激光雷達(dá)技術(shù)應(yīng)用仍存在著航空管制飛機(jī)調(diào)度困難、單架次投入較大等問(wèn)題,小區(qū)域森林資源調(diào)查監(jiān)測(cè)應(yīng)用難以推廣[3]。

小區(qū)域的無(wú)人機(jī)遙感影像數(shù)據(jù)獲取成本低于機(jī)載激光雷達(dá)。近年來(lái)有研究發(fā)現(xiàn),由航空遙感影像獲取的密集匹配點(diǎn)云也能夠較精確地刻畫(huà)森林三維結(jié)構(gòu)和估測(cè)森林參數(shù)。Bohlin等[4]將密集匹配點(diǎn)云和激光雷達(dá)生產(chǎn)的數(shù)字地形模型(DTM)相結(jié)合,對(duì)北方針葉林分的樹(shù)高、樹(shù)干材積和斷面積進(jìn)行估測(cè)；Zarco-Tejada等[5]利用無(wú)人機(jī)影像生成的三維點(diǎn)云對(duì)橄欖樹(shù)(Canariumalbum)林進(jìn)行單木樹(shù)高提?。焕顏?wèn)|等[6]使用無(wú)人機(jī)航測(cè)技術(shù)獲取試驗(yàn)區(qū)的數(shù)字地表模型(DSM)和數(shù)字高程模型(DEM),并以樹(shù)高和冠幅作為解析變量對(duì)森林參數(shù)進(jìn)行估測(cè),結(jié)果樹(shù)高、冠幅、蓄積量的估測(cè)精度分別達(dá)到83.73%,86.98%,81.80%；Fritz等[7]使用無(wú)人機(jī)搭載消費(fèi)級(jí)相機(jī)得到的密集匹配點(diǎn)云進(jìn)行樹(shù)干提取,并與高分辨率地基激光雷達(dá)點(diǎn)云進(jìn)行比較,發(fā)現(xiàn)無(wú)人機(jī)密集匹配點(diǎn)云和地基激光雷達(dá)具有高度相關(guān)性。有研究發(fā)現(xiàn),密集匹配點(diǎn)云對(duì)樹(shù)高、斷面積、材積等的估測(cè)精度與機(jī)載激光雷達(dá)的估測(cè)精度十分接近[8]。目前,通過(guò)航空遙感影像獲取集匹配點(diǎn)云估測(cè)森林參數(shù)的研究,大多數(shù)是在較稀疏林分中進(jìn)行的。鑒于此,本文對(duì)不同密度的林分,分析無(wú)人機(jī)影像密集匹配點(diǎn)云與機(jī)載激光雷達(dá)點(diǎn)云的差異情況,以期為無(wú)人機(jī)在森林資源調(diào)查監(jiān)測(cè)中的應(yīng)用提供技術(shù)參考。

1 研究區(qū)概況

研究區(qū)位于河北省圍場(chǎng)滿族蒙古族自治縣北部的塞罕壩機(jī)械林場(chǎng),地理坐標(biāo)42°12′～42°34′N(xiāo),116°54′～117.27′E,處于內(nèi)蒙古高原與冀北山地的交匯地帶,海拔1 500～2 067m。林場(chǎng)主要以華北落葉松(Larixprincipis-rupprechtii)、樟子松(Pinussylvestris)、云杉(Piceaasperata)人工林為主。在研究區(qū)內(nèi)選擇3塊不同密度的人工林進(jìn)行試驗(yàn),密集林分、稀疏林分和未成林地的面積分別為7，13，25 hm2,造林密度分別為4 000，300，2 000株/hm2(均未進(jìn)行過(guò)間伐),林分年齡分別為57，56，3a,由激光雷達(dá)得到的林分平均高分別為14.8，17.3，1.3 m。密集林分、稀疏林分郁閉度分別為0.85和0.55。

2 研究方法

2.1 數(shù)據(jù)采集系統(tǒng)與處理

1) 2018年8月采用深圳大疆創(chuàng)新科技有限公司生產(chǎn)的Phantom 4RTK獲取無(wú)人機(jī)影像數(shù)據(jù),飛行高度50 m,云臺(tái)傾角-90°(正射拍攝),航向重疊80%～85%,旁向重疊70%,影像空間分辨率0.02～0.03 m。2018年8—9月由AS350“松鼠”直升機(jī)搭載CAF-LiCHy系統(tǒng)[9]獲取激光雷達(dá)數(shù)據(jù)。激光雷達(dá)傳感器為RieglLMS-Q680i,波長(zhǎng)1 550nm,掃描角±30°,采集全波形數(shù)據(jù),掃描頻率240 KHz。飛行相對(duì)航高 1 100m,旁向重疊58%,單條航帶的點(diǎn)云密度4.1點(diǎn)/m2。

2) 對(duì)機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行航跡檢校,平面位置精度控制在2cm之內(nèi),航帶間點(diǎn)云誤差為12～22cm。使用Lastools軟件[10]對(duì)離散點(diǎn)云數(shù)據(jù)進(jìn)行去噪處理,得到DEM(LiDAR_DEM)等產(chǎn)品。

3) 在Agisoft PhotoScan Professional軟件中通過(guò)SfM和MVS算法提取無(wú)人機(jī)影像密集匹配點(diǎn)云。為獲取詳細(xì)的冠層結(jié)構(gòu)信息,在數(shù)據(jù)處理過(guò)程中,對(duì)齊照片和建立密集點(diǎn)云的生成質(zhì)量分別選擇最高和超高模式,密集點(diǎn)云生成中的深度過(guò)濾為輕度模式,完成處理后將密集匹配點(diǎn)云導(dǎo)出。密集匹配點(diǎn)云的DEM(UAV_DEM)生產(chǎn)方法與機(jī)載激光雷達(dá)點(diǎn)云的生產(chǎn)方法相同。

4) 為使密集匹配點(diǎn)云和機(jī)載激光雷達(dá)點(diǎn)云具有相同的坐標(biāo)系,在激光雷達(dá)點(diǎn)云中選擇易于判讀的地面點(diǎn)作為控制點(diǎn)進(jìn)行配準(zhǔn),2種點(diǎn)云的平均距離偏差優(yōu)于0.3m。密集林分、稀疏林分和未成林地的LiDAR點(diǎn)云密度分別為33，48，9點(diǎn)/m2,相應(yīng)的密集匹配點(diǎn)云密度分別為102，1 524，1 387點(diǎn)/m2。

2.2 點(diǎn)云數(shù)據(jù)差異性分析

數(shù)據(jù)分析采用目視比較和統(tǒng)計(jì)檢驗(yàn)2種方法進(jìn)行。目視比較通過(guò)觀察2種點(diǎn)云分別在3種密度林分中的空間分布,分析其精確刻畫(huà)不同密度林分冠層三維結(jié)構(gòu)的能力。

在密集林分、稀疏林分和未成林地中分別隨機(jī)布設(shè)164，181和103個(gè)10m×10m的空中樣地,提取2種點(diǎn)云數(shù)據(jù),對(duì)密集匹配點(diǎn)云分別使用UAV_DEM和LiDAR_DEM進(jìn)行高度歸一化處理,得到2套密集匹配點(diǎn)云歸一化數(shù)據(jù),機(jī)載激光雷達(dá)點(diǎn)云使用LiDAR_DEM進(jìn)行高度歸一化,采用配對(duì)t樣本檢驗(yàn)方法檢驗(yàn)2套密集匹配點(diǎn)云和激光雷達(dá)點(diǎn)云的統(tǒng)計(jì)特征參數(shù)的差異性。檢驗(yàn)指標(biāo)包括5個(gè)高度指標(biāo)和4個(gè)密度指標(biāo):25%，50%，75%分位數(shù)高度(ph25，ph50，ph75)、平均高(hmean)、最大高(hmax)；25%，50%，75%分位數(shù)密度(dh25，dh50，dh75)和郁閉度(CC)。

3 結(jié)果與分析

3.1 點(diǎn)云空間分布的差異

在密集林分中,無(wú)人機(jī)密集匹配點(diǎn)云與機(jī)載激光雷達(dá)點(diǎn)云在林分冠層表面的分布基本相近,但冠層內(nèi)部和地面幾無(wú)密集匹配點(diǎn)云分布(圖1(a))。在稀疏林分中,密集匹配點(diǎn)云和激光點(diǎn)云的空間分布比較接近,兩者都較好地刻畫(huà)了林分冠層三維結(jié)構(gòu)(圖1(b))。在未成林地中,由于密集匹配點(diǎn)云密度極大而激光點(diǎn)云密度相對(duì)較小,故密集匹配點(diǎn)云比激光點(diǎn)云能更好地刻畫(huà)冠幅小的幼樹(shù)的空間分布(圖1(c))。

圖1 3種密度林分中無(wú)人機(jī)密集匹配點(diǎn)云和機(jī)載激光雷達(dá)點(diǎn)云的空間分布

以上結(jié)果說(shuō)明,隨著林分冠層密度增大,密集匹配點(diǎn)云刻畫(huà)林分三維結(jié)構(gòu)的能力越差。原因是因?yàn)榱址置芏戎饾u增大時(shí),林木枝葉的相互遮擋程度也逐漸增高,林分冠層表面以下的點(diǎn)云提取變得越來(lái)越困難。

3.2 點(diǎn)云統(tǒng)計(jì)特征參數(shù)的差異

由于在密集林分中無(wú)人機(jī)密集匹配點(diǎn)云缺乏地面點(diǎn)數(shù)據(jù),無(wú)法生成UAV_DEM并用其進(jìn)行密集匹配點(diǎn)云的歸一化處理,故無(wú)法進(jìn)行UAV_DEM歸一化的密集匹配點(diǎn)云與激光點(diǎn)云的統(tǒng)計(jì)特征參數(shù)比較分析。

在采用UAV_DEM歸一化時(shí),稀疏林分的5個(gè)高度統(tǒng)計(jì)特征參數(shù)中,無(wú)人機(jī)密集匹配點(diǎn)云與機(jī)載激光雷達(dá)點(diǎn)云除ph25存在顯著性差異(P<0.05)外,其余參數(shù)均無(wú)顯著性差異,4個(gè)密度統(tǒng)計(jì)特征參數(shù)的差異也不顯著。就高度統(tǒng)計(jì)特征參數(shù)而言,未成林地的情況與稀疏林分相似,但未成林地的中上層密度統(tǒng)計(jì)特征參數(shù)(dh50,dh75),密集匹配點(diǎn)云與激光雷達(dá)點(diǎn)云存在顯著性差異(表1)。

表1 2種密集匹配點(diǎn)云與激光雷達(dá)點(diǎn)云的統(tǒng)計(jì)特征參數(shù)配對(duì)樣本t檢驗(yàn)結(jié)果

在采用LiDAR_DEM進(jìn)行歸一化時(shí),密集林分中無(wú)人機(jī)密集匹配點(diǎn)云的ph25,ph50均值和激光雷達(dá)點(diǎn)云的ph25,ph50的均值均存在顯著性差異(P<0.001),而ph75,hmean和hmax不存在顯著性差異。稀疏林和未成林地中,只有ph25存在顯著性差異(P<0.05),其余4個(gè)高度統(tǒng)計(jì)特征參數(shù)均不存在顯著性差異(表1)。

在密集林分和未成林地中,密度匹配點(diǎn)云的dh25,dh50和dh75與激光雷達(dá)點(diǎn)云相應(yīng)統(tǒng)計(jì)特征參數(shù)存在顯著性差異,但密集林分的郁閉度的差異不顯著,在稀疏林分中,2種點(diǎn)云的4個(gè)密度統(tǒng)計(jì)特征參數(shù)的均值均不存在顯著性差異(表1)。

造成密集匹配點(diǎn)云與激光雷達(dá)點(diǎn)云統(tǒng)計(jì)特征差異的原因是點(diǎn)云的空間分布不同,點(diǎn)云的空間分布決定林分高度和密度統(tǒng)計(jì)特征參數(shù)值的大小。在密集林分和未成林地中,2種點(diǎn)云的空間分布相差很大,其統(tǒng)計(jì)特征參數(shù)相差也就比較大；在稀疏林分中,2種點(diǎn)云的空間分布十分相近,相關(guān)的統(tǒng)計(jì)特征參數(shù)差異也就比較小。

4 討論

1) 在密集林分中無(wú)人機(jī)密集匹配點(diǎn)云缺乏地面點(diǎn),無(wú)法生成UAV_DEM對(duì)點(diǎn)云進(jìn)行歸一化,僅通過(guò)密集匹配點(diǎn)云無(wú)法直接獲取林分冠層高度的信息,故密集匹配點(diǎn)云也就無(wú)法直接用于森林參數(shù)估測(cè)。使用LiDAR_DEM對(duì)密集匹配點(diǎn)云進(jìn)行高度歸一化處理時(shí),密集匹配點(diǎn)云和激光點(diǎn)云的林分中下層的高度統(tǒng)計(jì)特征參數(shù)(ph25,ph50)和冠層內(nèi)的密度統(tǒng)計(jì)特征參數(shù)(dh25,dh50,dh75)的均值均存在顯著性差異,林分中上層高度的統(tǒng)計(jì)特征參數(shù)(ph75,hmean,hmax)和郁閉度的差異不顯著,鑒于激光雷達(dá)點(diǎn)云可以準(zhǔn)確估測(cè)林分參數(shù)的情況,所以在有高精度DEM的前提下,可以利用密集匹配點(diǎn)云進(jìn)行冠層表面高度等一些森林參數(shù)估測(cè)。Lisein等[11]采用這一方法進(jìn)行林分冠層表面高度估測(cè)的模型的決定系數(shù)R2=0.82,均方根誤差rRMSE=8.4%。但是,由于可利用的點(diǎn)云統(tǒng)計(jì)特征參數(shù)有限,利用這一方法難以對(duì)平均直徑、斷面積、蓄積量等參數(shù)進(jìn)行較精確的估測(cè)。

2) 在稀疏林分中,不論是使用UAV_DEM還是使用LiDAR_DEM進(jìn)行高度歸一化,除ph25外,密集匹配點(diǎn)云的高度和密度統(tǒng)計(jì)特征參數(shù)與激光雷達(dá)點(diǎn)云的相應(yīng)的統(tǒng)計(jì)特征參數(shù)均無(wú)顯著性差異,意味著可以直接應(yīng)用無(wú)人機(jī)密集匹配點(diǎn)云進(jìn)行平均高、蓄積量等林分參數(shù)反演。Hemandez等[12]對(duì)松樹(shù)人工林平均高、冠幅估測(cè)結(jié)果的R2分別達(dá)到0.81和0.95,rRMSE達(dá)到4.56%和6.14%。稀疏林分ph25呈顯著性差異的原因可能是,稀疏林的林窗大,太陽(yáng)直接照射到地面的范圍大,樹(shù)影區(qū)和光照區(qū)亮度值范圍過(guò)大,從而影響了無(wú)人機(jī)密集匹配的效果[13]。

3) 本研究結(jié)果顯示,LiDAR點(diǎn)云由于密度較小而無(wú)法準(zhǔn)確刻畫(huà)冠幅較小的幼樹(shù)三維結(jié)構(gòu),而無(wú)人機(jī)密集匹配點(diǎn)云,由于密度大而具有這種能力,因此,可以通過(guò)無(wú)人機(jī)影像提取密集匹配點(diǎn)云來(lái)估測(cè)幼樹(shù)的樹(shù)高,開(kāi)展造林成效調(diào)查等。

5 結(jié)論

1) 對(duì)于密集林分,無(wú)人機(jī)密集匹配點(diǎn)云不能直接用于森林參數(shù)估測(cè),在既有高精度DEM數(shù)據(jù)的前提下,可進(jìn)行冠層表面高度等數(shù)量有限的森林參數(shù)反演。

2) 對(duì)于稀疏林分,無(wú)人機(jī)密度匹配點(diǎn)云的統(tǒng)計(jì)特征參數(shù)與機(jī)載激光雷達(dá)點(diǎn)云的統(tǒng)計(jì)特征參數(shù)基本上不存在顯著性差異,故無(wú)人機(jī)密集匹配點(diǎn)云可直接用于森林參數(shù)估測(cè)。

3) 對(duì)于新造未成林地,無(wú)人機(jī)密集匹配點(diǎn)云對(duì)幼樹(shù)三維結(jié)構(gòu)的刻畫(huà)優(yōu)于機(jī)載激光雷達(dá)點(diǎn)云,因此,在未成林地調(diào)查中,無(wú)人機(jī)密集匹配點(diǎn)云比機(jī)載激光雷達(dá)點(diǎn)云更具優(yōu)勢(shì)。