郭 穎

（山東省泰安市東平縣臘山林場(chǎng)，山東泰安 271513）

林業(yè)生產(chǎn)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(chǎn)策略調(diào)整提供數(shù)據(jù)支持。傳統(tǒng)人工實(shí)地調(diào)查方法耗時(shí)費(fèi)力，且林區(qū)地形地勢(shì)復(fù)雜，人工作業(yè)難度較大，可在傳感設(shè)備搭載、利用飛行控制、遠(yuǎn)程通信以及GPS 定位等先進(jìn)技術(shù)支持下，利用無人機(jī)技術(shù)實(shí)現(xiàn)林木參數(shù)的精準(zhǔn)與高效獲?。?］。無人機(jī)技術(shù)的應(yīng)用能突破氣象條件限制，以特有的空中視角監(jiān)測(cè)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(gòu)建林區(qū)數(shù)字正射影像、數(shù)字表面及高程模型，通過準(zhǔn)確提取林木參數(shù)，實(shí)現(xiàn)高效精準(zhǔn)的林業(yè)調(diào)查分析，保障林業(yè)生產(chǎn)工作高質(zhì)高效推進(jìn)。

1 研究區(qū)域概況

山東省泰安市徂徠山林場(chǎng)是山東省的第二大林場(chǎng)，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(chǎng)距離主城區(qū)25 km，林場(chǎng)面積為1.03 萬hm2，植被覆蓋率高達(dá)92.4%，森林覆蓋率為87.8%［2］。林場(chǎng)中有豐富的動(dòng)植物資源，有多種優(yōu)質(zhì)林苗木品種。以徂徠山林場(chǎng)的林木參數(shù)提取為例，分析無人機(jī)在林業(yè)生產(chǎn)中的具體運(yùn)用方法。

2 數(shù)據(jù)來源

2.1 數(shù)據(jù)獲取設(shè)備及數(shù)據(jù)分析軟件

利用四旋翼無人機(jī)獲取相關(guān)數(shù)據(jù)，該無人機(jī)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(tái)相機(jī)，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(shí)，利用飛行控制軟件進(jìn)行無人機(jī)飛行控制，通過定時(shí)定點(diǎn)曝光，提升航測(cè)數(shù)據(jù)準(zhǔn)確性，減少手控人員工作量。攝影測(cè)量影像處理軟件采用的是Agisoft PhotoScan，該軟件可利用攝影測(cè)量基本原理自動(dòng)完成內(nèi)定向、相對(duì)或絕對(duì)定向，既能調(diào)整照片角度及位置，也可在多視圖三維重建技術(shù)支持下，構(gòu)建點(diǎn)云密集且具有紋理特性的多邊形模型，并可導(dǎo)入地理坐標(biāo)系統(tǒng)。在大數(shù)據(jù)技術(shù)支持下，還具備圖片擬合匹配、數(shù)據(jù)點(diǎn)云及網(wǎng)格生成、紋理賦予等功能。

2.2 無人機(jī)遙感影像獲取及外業(yè)調(diào)查數(shù)據(jù)收集

在林區(qū)內(nèi)選取18 個(gè)生長(zhǎng)年限不同的樣地，利用無人機(jī)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(xué)規(guī)劃無人機(jī)飛行航線，飛行航高設(shè)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(shí)間為18 min/次。無人機(jī)執(zhí)行任務(wù)的同時(shí)，還同步開展人工實(shí)地調(diào)查，調(diào)查人員共7 人。主要采集林場(chǎng)內(nèi)人工楊樹林的林木參數(shù)，林木生長(zhǎng)年限分別為3、6、9、12、15、18 年。工作內(nèi)容為林木郁閉度提取，并需測(cè)量收集林木冠幅、樹高及胸徑數(shù)據(jù)，共設(shè)置18 個(gè)小班，劃定樣方后，開展每木檢尺作業(yè)。人工測(cè)量林木株數(shù)時(shí)，于樣方劃定后，采用人工編號(hào)的方式統(tǒng)計(jì)林木數(shù)量。郁閉度測(cè)量除采用目測(cè)法外，還可應(yīng)用樣線法、樣點(diǎn)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(jī)影像的獲取過程

3.1.1 航高確定 由于林場(chǎng)內(nèi)林工結(jié)構(gòu)、樹葉顏色具備高度相似性，數(shù)據(jù)處理時(shí)難以有效解析，且匹配點(diǎn)獲取難度較大，為此，應(yīng)用無人機(jī)提供林木參數(shù)時(shí)，要輸出高質(zhì)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(jī)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(shí)無人機(jī)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(gè)飛行高度（表1）。由表1 可知，航高低于100 m 時(shí)，匹配點(diǎn)獲取數(shù)量不足，航高低于90 m 時(shí)，匹配點(diǎn)缺失程度均超過了90%，航高為110、120 m 時(shí)，匹配點(diǎn)缺失程度分別為35.94%與34.56%，此時(shí)建模成功率會(huì)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(duì)較少，建模速度更快。故無人機(jī)影像獲取時(shí)可將航高設(shè)定為120 m。

表1 影像匹配點(diǎn)缺失情況

3.1.2 調(diào)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(shè)定為安全模式，并調(diào)整為低速飛行，結(jié)合天氣情況設(shè)定白平衡，鏡頭角度設(shè)定為90o，重疊度設(shè)置為90%。規(guī)劃航線時(shí)，將航向、旁高的重疊度均設(shè)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(shè)置2 個(gè)相鄰的飛行軌道，將上述2 個(gè)重疊度均設(shè)置為95%。在原本10 min 的飛行時(shí)長(zhǎng)上增加8 min。飛行軌道增設(shè)后，飛行重疊度及影像質(zhì)量均可得到明顯提升，點(diǎn)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(jī)遙感影像構(gòu)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(jī)影像數(shù)據(jù)組添加到模塊中，軟件可自動(dòng)以拍攝相對(duì)位置為依據(jù)進(jìn)行定向。再利用處理工具匹配相鄰影像間的特征點(diǎn)，在相機(jī)優(yōu)化校準(zhǔn)匹配完成后，生成密集點(diǎn)云，再進(jìn)行無人機(jī)二維影像的點(diǎn)云化處理。對(duì)點(diǎn)云化數(shù)據(jù)做網(wǎng)絡(luò)化生成處理，通過網(wǎng)絡(luò)化點(diǎn)云數(shù)據(jù)構(gòu)建，按照點(diǎn)-面-體的順序完成三維模型構(gòu)建，再利用馬賽克模式完成紋理賦予運(yùn)算。影像數(shù)據(jù)質(zhì)量越高，得出的密集點(diǎn)云圖片及紋理賦予完成后的圖像越清晰。模型構(gòu)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(jié)果，通過生成數(shù)據(jù)處理報(bào)告對(duì)處理精度進(jìn)行檢驗(yàn)。

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(zhǎng)情況均是郁閉度提取的關(guān)鍵影響因素。利用無人機(jī)遙感技術(shù)可消除這些因素影響，通過拍攝遙感影像精準(zhǔn)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(jī)DSM 數(shù)據(jù)提取法，自動(dòng)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(duì)比清晰的像元體現(xiàn)出來。DSM 數(shù)據(jù)分析共分為3個(gè)步驟，一是明確非郁閉區(qū)域像元值，選取相對(duì)像元值區(qū)間。由于DSM 影像數(shù)據(jù)顏色對(duì)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(chǔ)數(shù)據(jù)。掩膜操作時(shí)，需將像元值區(qū)間輸入設(shè)定欄，通過操作執(zhí)行使之存儲(chǔ)于閃存文件中。通過掩膜處理，可將DSM 影像劃分為2 個(gè)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(jì)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(dòng)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(shí)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(gè)檢驗(yàn)指標(biāo)，一是相關(guān)系數(shù)，無人機(jī)測(cè)量值與人工實(shí)地測(cè)量值間擬合度越接近1，說明擬合曲線價(jià)值性高，具備較高精度。二是均方根誤差，驗(yàn)證無人機(jī)及人工實(shí)地測(cè)量值偏差的方法，二者偏差值越小，模型精度越高。三是相對(duì)誤差，該方法可同時(shí)考量無人機(jī)及人工實(shí)地測(cè)量間的誤差及樣本自身大小，樣本值越小，模型估測(cè)郁閉度精度越高。四是估測(cè)精度，主要是檢測(cè)反演結(jié)果精度并實(shí)施綜合評(píng)價(jià)，取值與100%越接近，反演模型估測(cè)精度越高。通過無人機(jī)DSM數(shù)據(jù)提取、人工實(shí)地調(diào)查2 種方法，得出了該林場(chǎng)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(yàn)證相關(guān)系數(shù)（圖1）。采用多種參數(shù)驗(yàn)證林木郁閉度提取精度，詳見表3。

根據(jù)檢驗(yàn)指數(shù)分析發(fā)現(xiàn)，數(shù)據(jù)擬合度良好，且波動(dòng)幅度不大，具備較低的離散度。說明低空無人機(jī)DSM 數(shù)據(jù)自動(dòng)提取林木郁閉度具備精度高、穩(wěn)定性佳的優(yōu)勢(shì)。該方式總用時(shí)38 min，各小班平均提取時(shí)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(zhǔn)計(jì)算單木材積數(shù)據(jù)，獲取準(zhǔn)確的森林蓄積量，需要統(tǒng)計(jì)林木胸徑、冠幅及樹高等相關(guān)參數(shù)?？赏ㄟ^冠幅、樹高對(duì)胸徑進(jìn)行反演分析。根據(jù)人工實(shí)測(cè)胸徑及樹高數(shù)據(jù)，結(jié)合無人機(jī)DOM 提取的冠幅值，建立了回歸模型，得出了2 個(gè)最佳模型。

3.4.1 胸徑與冠幅模型 胸徑與冠幅的擬合對(duì)比過程中，構(gòu)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(gòu)建時(shí)，從樣本中選取了90%的數(shù)據(jù)，完成了各種模型的構(gòu)建，并利用剩余數(shù)據(jù)檢驗(yàn)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］?；貧w模型擬合后，可得出以下3 個(gè)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(gè)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(gè)模型的回歸分析結(jié)果均較佳，精度差異不大，但在未來因變量預(yù)測(cè)趨勢(shì)分析方面，各模型并不一致。經(jīng)過長(zhǎng)期的林地觀察，結(jié)合經(jīng)驗(yàn)分析，并將模型復(fù)雜程度納入考量，得出線性模型預(yù)測(cè)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(gòu)建一個(gè)胸徑與冠幅、樹高相結(jié)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(shí)測(cè)樹高分別代入以下2 個(gè)方程，構(gòu)建回歸模型，并采用方差分析法檢驗(yàn)2 個(gè)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(yàn)

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(duì)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(gè)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(fù)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(jié)

林業(yè)生產(chǎn)中，由于人工測(cè)量林木參數(shù)精度不足且較為耗時(shí)，本研究提出了一種利用無人機(jī)，運(yùn)用遙感影像技術(shù)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(jì)林木的郁閉度。相較于其他郁閉度測(cè)算方法，該方法的精度更高、穩(wěn)定性更強(qiáng)，并且郁閉度分析效率更快，林業(yè)生產(chǎn)中，可取代人工實(shí)測(cè)方法應(yīng)用，能有效消除主觀因素對(duì)林木參數(shù)提取產(chǎn)生的影響，并可實(shí)現(xiàn)三維可視化分析，利于提升林木參數(shù)提取的精準(zhǔn)度，為林業(yè)生產(chǎn)提供可靠的數(shù)據(jù)支持。