張虎

(三和數(shù)碼測繪地理信息技術(shù)有限公司,甘肅 天水 741000)

森林是地球上最大的碳庫,是維護(hù)地球碳的主要來源。因此,對我國林業(yè)的生物量和碳量進(jìn)行了快速、精確的評估是一個迫切需要研究的課題。當(dāng)前,林科院對生物量的測算一般是以林地地面生物量為單位,包括樹干、樹枝和樹葉等。但常規(guī)的林地生物量測量方法費(fèi)時費(fèi)力,效率低下,對林地生態(tài)環(huán)境有很大影響。因此,根據(jù)模型建立的可行性以及多組變量和生物之間聯(lián)系的研究,可根據(jù)精度對比來對最佳因子進(jìn)行刪選,進(jìn)而估算出森林單木生物具體的數(shù)量,為相關(guān)研究提供充足的理論依據(jù)。

1 數(shù)據(jù)獲取

1.1 獲取無人機(jī)激光雷達(dá)數(shù)據(jù)

本文所采用的是大疆M600(深圳大疆技術(shù)股份有限公司),SZT-250 型的激光雷達(dá)。資料收集于2021 年9月27 日,有好的氣候條件,沒有大風(fēng)；該系統(tǒng)的平均地速為28.8km/h,相對高度50.2m,持續(xù)時間6min56s,掃描速率10-100 行/s,平均點(diǎn)濃度40 個點(diǎn)/m2,總共獲得了7 個區(qū)域的資料[1]。該系統(tǒng)使用了LiDAR 的標(biāo)準(zhǔn)儲存格式(.Las),并可以按照(.pcd)、(.txt)等形式進(jìn)行數(shù)據(jù)的轉(zhuǎn)換。

1.2 獲取實(shí)測數(shù)據(jù)

在2021 年10 月3 日至5 號進(jìn)行了對水曲柳和樟樹樣地的實(shí)地考察。根據(jù)林分的密度,在兩種樹種中隨機(jī)抽取3 個邊寬15m 的樣品,進(jìn)行了試驗(yàn)。按照東西、南北兩個方位進(jìn)行了樹冠寬度的測定,計算出了單木的平均冠寬,并通過測高機(jī)獲得了單木的單木高度。

2 研究方法的實(shí)施

2.1 根據(jù)點(diǎn)云數(shù)據(jù)來提取單木參數(shù)

根據(jù)本研究區(qū)域的實(shí)際分析,區(qū)域內(nèi)林分郁閉度相對較高,這樣所使用的無人機(jī)激光雷達(dá)很難在樹干上打到激光點(diǎn),根本無法準(zhǔn)確提取出單木的胸徑。所以為了對生物量單木結(jié)構(gòu)參數(shù)進(jìn)行反演和測量提取,本次選擇樹高、冠幅和樹冠的投影面積和體積來作為其所要提取的參數(shù)[2]。

2.1.1 預(yù)處理

本文在LiDAR360(北京數(shù)字綠土科技有限公司)的基礎(chǔ)上,完成了三個階段的點(diǎn)云數(shù)據(jù)預(yù)處理[3]。

2.1.1.1 本文提出了一種以距離為基礎(chǔ)的隔離點(diǎn)方法對噪聲進(jìn)行消噪,將某一球面中的點(diǎn)數(shù)小于給定的點(diǎn)作為噪聲點(diǎn)[4]。在此樣點(diǎn)上,利用樣本資料的分配,設(shè)定了3個相鄰點(diǎn)和5m 的鄰近搜尋范圍。

2.1.1.2 利用逐步加密的三角形網(wǎng)絡(luò)過濾方法,將點(diǎn)云區(qū)分為地面和非地平面。在8°、1.4m 的情況下,地面平面的分選效率最高。

2.1.1.3 將分割后的地表點(diǎn)按0.5m 乘0.5m 作為基礎(chǔ)單位,利用反向加權(quán)方法進(jìn)行局部插值,從而產(chǎn)生DSM和DEM。用DSM方法對DEM進(jìn)行消解,可以獲得樹冠的高度。

2.1.2 提取單木冠幅和樹高

本次選擇k 均值聚類算法來進(jìn)行樹高與單木冠幅的提取方法,該方法是一種根據(jù)迭代求解的聚類分析算法。首先,將K 組的元素隨機(jī)選取為初值,再分別求出各子簇與各子簇的間距,并將各子群向鄰近的子群中心指派[5]。在所有的元素都被指派之后,按照簇內(nèi)已存在的單元進(jìn)行再一次的運(yùn)算,直至最終的目的功能完全收斂。在這種情況下,利用迭代法將每個點(diǎn)云塊分成若干簇,從而完成了對單個樹木的樹冠的辨識和分割。

在Visual Studio 2017 中,利用k-means 方法對冠層點(diǎn)云進(jìn)行了分段,根據(jù)其結(jié)果提取東西冠幅和南北冠幅,并計算出冠幅的平均值。在此基礎(chǔ)上,利用最大值方法求出了最大的樹頂,得到了最大值,得到了最大值的Z值。

2.1.3 計算單木樹冠的投影面積和體積

二維凸包是一種以點(diǎn)群為基礎(chǔ)建立的樹頂區(qū)域的基本方法：在一個區(qū)域中,樹頂?shù)耐渡涿媸且粋€區(qū)域的全部點(diǎn)的聚集,而二維凸包則是將頂點(diǎn)聚集的最外圍的幾個點(diǎn)結(jié)合在一起構(gòu)造一個凸多邊形,并利用凸多邊形的區(qū)域計算出樹的投影區(qū)域[6]。而計算樹頂容積的方法是根據(jù)積分原理,將樹頂劃分成幾個層次,然后通過兩個平面凸包運(yùn)算,計算出各層次的截面積。

通過對不同的層間容積進(jìn)行分析,得出不同的層間容積,并將這些層間的容積進(jìn)行相加,從而獲得不同的層間容積。

2.2 構(gòu)建生物量模型

在林木單樹的成長模式中,應(yīng)用最廣泛的是非線性模式。在這三種模式中,以相對增長模式(異速生長關(guān)系)最為典型,可歸納成CAR 與VAR 兩種模式。胥輝運(yùn)用重新取樣的方式,證實(shí)了CAR 模式在相對增長模式下的參數(shù)估算更為精確。

利用CAR 技術(shù)建立了樹冠寬度、樹冠體積、樹冠投影區(qū)域等生物量的計算公式,并與國家林業(yè)局發(fā)布的異速生長公式進(jìn)行了比較(如表1)。因?yàn)樗械墓趯右蛩囟挤舷嚓P(guān)增長的規(guī)律,CAR 的表達(dá)可以用它們的各個變項(xiàng)或結(jié)合變數(shù)的乘積來表達(dá)。

表1 國家林業(yè)局公布的水曲柳和樟子松的異速生長方程

根據(jù)上述方程可得到樹高、冠幅、樹冠體積與投影面積的生物量模型,具體公式如下：

其中W 表示生物量,H 表示樹高,C 表示冠幅平均值,S 表示樹冠投影的面積,V 表示樹冠體積,且a1、a2、a3與a4、a5均為模型參數(shù)。

2.3 本模型的評價與驗(yàn)證

本研究采用五種統(tǒng)計方法,分別評價了確定因子R2、RMSE、總相對誤差、MRE、MREA 等5 種統(tǒng)計方法,評價了該模式的擬合準(zhǔn)確率和預(yù)測能力[7]。每個指數(shù)的計算方法的描述如下：

公式中,n 表示樣本單元數(shù),y^i表示模型預(yù)測值,yi表示樣本的實(shí)測值,yi表示樣本平均值。

3 結(jié)果與分析

3.1 提取單木冠幅與樹高的結(jié)果分析

3.1.1 采用k-means 方法進(jìn)行樣地點(diǎn)云的聚類,并根據(jù)研究區(qū)域的方向,對單木進(jìn)行了冠幅的采集。以冠點(diǎn)云的最大值之差為東、西兩個冠幅的最大、最大的差異為南、北兩個冠幅的均值。采用水曲柳樣地和樟子松樣地的單木平均冠幅進(jìn)行了統(tǒng)計,并用k-means 方法對其進(jìn)行了統(tǒng)計。從圖1、2 可以看出,根據(jù)該方法所獲得的單株的冠幅為3.47-8.10m,平均為5.54m；結(jié)果表明,樟子松類的單株冠幅為2.27-5.78m,平均為4.11m。由表2可知,k-means 法的平均冠幅x 和實(shí)際的平均冠幅y 之間有良好的線性相關(guān)性,R2和RRMSE 分別為0.82 和0.61m；結(jié)果表明,在樟子松中,R2與RMSE 各占0.43 m。研究結(jié)果顯示：采用k-means 方法對單木冠幅進(jìn)行檢測,其準(zhǔn)確率是比較高的。

圖1 水曲柳樣地中提取冠幅平均值與實(shí)測冠幅平均值的回歸關(guān)系

圖2 樟子松樣地中提取冠幅平均值與實(shí)測冠幅平均值的回歸關(guān)系

表2 提取與實(shí)測平均冠幅的回歸關(guān)系

3.1.2 根據(jù)點(diǎn)云的分割資料,采用最大值方法對樹冠進(jìn)行檢測,得到的Z 值為單個樹木的高度。采用水曲柳樣地和樟子松樣品地的實(shí)際樹高測量資料與計算方法進(jìn)行了統(tǒng)計,并將其與實(shí)際數(shù)據(jù)進(jìn)行了比較。如從圖3和4 中可以看出,以該方法為基礎(chǔ),得到的單木樹高為17.97-23.27m,平均為20.78m；結(jié)果表明,該樹種的個體高度為15.54-19.12m,平均為17.25m。由表3 中所列的抽吸率與實(shí)際觀測值的回歸分析可知,水曲柳樣品地的平均高度R2分別為0.86 和0.49m；結(jié)果表明,在樟子松類地中,R2和RMSE 分別為0.84 和0.40m。實(shí)驗(yàn)結(jié)果顯示,該方法所得到的數(shù)據(jù)與實(shí)際數(shù)據(jù)有著良好的相關(guān)關(guān)系。

圖3 水曲柳樣地中提取樹高與實(shí)測樹高的回歸關(guān)系

圖4 樟子松樣地中提取樹高與實(shí)測樹高的回歸關(guān)系

表3 提取與實(shí)測樹高的回歸關(guān)系

3.2 兩塊樣地統(tǒng)計樹冠投影面積與體積的結(jié)果分析

利用兩個樣本地的平面凸包方法,將點(diǎn)云的剖面數(shù)據(jù)進(jìn)行了求解,并利用逐步凸包法求出了兩個樣本地的樹冠投影面積和體積,并在表格4 與5 中給出了相應(yīng)的結(jié)果：

表4 兩塊樣地樹冠投影面積統(tǒng)計結(jié)果

表5 兩塊樣地樹冠體積統(tǒng)計結(jié)果

4 結(jié)論

本文采用無人駕駛的激光雷達(dá)對兩個樣品進(jìn)行了掃描,并采用計算機(jī)程序和計算機(jī)程序進(jìn)行了分析。根據(jù)所提取的單一木質(zhì)構(gòu)件的特征,構(gòu)建了包括樹高、樹冠寬度、樹冠投影區(qū)域和樹冠容積的新的生物量模式,并與已發(fā)布的水曲柳、樟子松的生物量表進(jìn)行了比較。本文的具體結(jié)論是：

4.1 將該方法所獲得的單木冠幅和樹高與實(shí)際數(shù)據(jù)進(jìn)行了比較,結(jié)果表明：水曲柳類地的冠幅為3.47-8.10m,樹高為20.78m；結(jié)果表明,研究區(qū)內(nèi)各樹種的生長狀況符合,各樹種的單木因素與實(shí)測資料具有較強(qiáng)的相關(guān)性。因此,利用無人機(jī)雷達(dá)所獲得的單一樹木的參量,可以將其用于生物量模式。

4.2 選擇以樹高、樹冠寬度、樹冠投影面積、樹冠容積等參數(shù)來擬合,以水曲柳和樟樹的生物量模式最佳,R2值為0.834,0.792,RMSE 值為18.912、8.120kg/株,綜合評價指數(shù)都很好,與以上分析相吻合。