基于全站仪和快鸟影像协同的山地样地定位与匹配研究

王书涵，张晓丽，杨 铭，刘会玲

（北京林业大学 林学院，精准林业北京市重点实验室、省部共建森林培育与保护重点实验室，北京 100083）

基于全站仪和快鸟影像协同的山地样地定位与匹配研究

王书涵，张晓丽，杨 铭，刘会玲

（北京林业大学 林学院，精准林业北京市重点实验室、省部共建森林培育与保护重点实验室，北京 100083）

山区高低起伏的地形容易影响样地三维坐标的采集精度，从而限制了高分遥感在山区林业上的广泛应用。以鹫峰林场为研究区，提出了采用全站仪和手持 GPS 结合遥感图像协同对样地进行定位的方法，并提出了坐标修正方案：即首先运用手持 GPS 结合全站仪采集样地及单木的绝对大地坐标；然后利用大比例尺地形图采用基于控制点、 RPC 的两种正射校正方法对覆盖研究区的 QuickBird 影像进行正射校正， RMSE 多光谱控制在1个像元之内，全色图像控制在 10 个像元之内；并以样地为例分析了样地及单木的匹配精度。研究结果表明：本方案能快速准确地建立样地中单木与高分影像的联系，其中基于控制点的图像正射校正法的匹配精度最高，相对提高幅度为 92.6%，而基于 RPC 的提高幅度70.05%，即 EControlPoint＞ ERPC。研究结果表明，对应用于地形复杂的山区的高空间分辨率的遥感影像正射校正是不可缺少的步骤，而本文提出的方案能实际应用于山区的高分遥感样地定位，具有推广利用的价值，并为山区的高分遥感进一步的应用打下基础。

快鸟影像；高空间分辨率遥感图像；全站仪；手持GPS；正射校正；

中低等空间分辨率影像，如Landsat TM、MODIS等已经被广泛运用到大尺度的森林资源、生态环境变化监测、土地利用分类等研究中[1-3]。高分辨率遥感影像由于空间分辨率高、地物表现能力良好的优势被许多学者应用于小范围的森林资源调查[4]，并取得一定成果[5-7]。然而林业遥感的研究区域经常是在地形起伏多变的山区，如何精确而准确的建立实际地物特征和影像信息间的联系一直是林业研究者讨论和关心的问题[8-9]。手持GPS采集目标点的精度误差是主要的问题，容易受到山区地形和树冠的遮挡无法及时收到差分信号，导致定位精度不高，往往单点解只能达到10 m左右，造成样地坐标和遥感图像无法很好的匹配。这种定位的不确定性误差在中低等分辨率影像遥感反演植被参数的过程中往往可以通过样地的设置将其平差或者忽略，不会对结果造成很大的影响（TM空间分辨率为30 m，MODIS空间分辨率最高为250 m）。但是这样的精度误差无法满足高分遥感影像在林场级的林业应用，10 m级的误差会导致偏差严重，无法精确定位到相应的树种，因此也限制了高分遥感影像在林业上的应用。

在海拔变化明显的山区，针对少有相关文献讨论山区样地的定位精度问题，本文以快鸟影像为例，以鹫峰林场为研究区，运用全站仪与快鸟影像的协同，及后期的处理，精确定位样地四个角及单木坐标，并在影像上准确还原出样地的地理位置。并探讨了正射校正对对位精度的影响，即采用影像数据自带的RPC参数的正射校正方法和基于控制点的校正方法；采用全站仪和手持GPS相结合的外业调查方法，对样地及单木进行快速而准确的定位。本文提出的方法可为高分遥感在林业上的应用提供借鉴。采集得到精确的GPS的坐标点还可作为高分影像进行分类和精度评价的训练样本和检验样本，为遥感的定量分析、森林资源监测等提供依据。

1 试验区与仪器设备

1.1 试验区概况

研究区在位于北京市海淀区的鹫峰国家森林公园（图 1 所示）。位于 39°54′ N、116°28′ E，最高海拔1 153 m，最低海拔60 m，总面积约为832.04 hm2，整体坡度起伏较大。山上林分较为破碎，地下灌木较厚，山下植被较为齐整，树种结构单一[10]。针叶林面积为474.85 hm2，占整个林区面积的57.1%。主要是种植于20世纪50年代的人工林，主要的林分类型有：侧柏林、油松林、落叶松林、刺槐林、栓皮栎林、栓皮栎与槲栎混交林等[11]，属于华北大陆季风气候，具有冬春季干燥多风、夏季凉爽多雨的特征[12]。

1.2 仪器设备

地面样地调查采用Garmin手持式GPS接收机，因其小巧携带方便常被科研人员采用。地面单木的位置测量采用宾得免棱镜全站仪R-422N，其免棱镜测量模式下超过550 m的测量距离保证了样地内单木坐标采集的准确和迅速，必要情况也可以转换成相应的棱镜测量模式进行地面实地调查。

1.3 信息源

采用的遥感图像为覆盖研究区的快鸟图像LV2A数据，16Bit位深度。根据Digital Global公司的分级标准，将快鸟图像分为基本图像，标准图像和正射校正图像，其中标准影像数据本身已经做了几何粗校正，但未做正射校正，RMSE通常为3 ～10 m。本研究获取的QBLV2A影像属于标准影像，采用了WGS84坐标系统，可以直接用来进行正射校正[13]，成像时间为2009-10-16T 07:17:48。多光谱空间分辨率为2.4 m，全色分辨率为0.6 m。太阳高度角为37.3°，太阳天顶角是166.6°，平均卫星天顶角为74.6°，平均卫星高度角为 67.3°。

2 试验方法

2.1 遥感图像的正射校正

2.1.1 地形图的选取与校正

正射校正需要研究区域的高程信息，全色高分影像的分辨率达到0.6 m，一般需要使用具有较高比例尺精度的地形图进行几何精校正。例如1∶5 000比例尺的比例尺精度为0.5 m，与QuickBird全色影像的空间分辨率较为一致。本研究采用由北京市测绘设计研究院提供的1∶2 000比例尺的地形图分别对全色和多光谱影像进行正射校正。首先将1∶2 000比例尺的地形图等高线数字化，将等高线转换为TIN，再将TIN通过ArcGIS的地形分析模块将TIN转换为DEM。地形图本身为栅格化的图像已经进行过几何精校正，采用Beijing_1954坐标系统，中央经线117° E，比例因子1。图2为线状等高线提取TIN的结果，并将TIN转换成了1 m精度的DEM提供正射校正所需的高程信息图。

图1 研究区位置图Fig.1 Geography position of the study area

2.1.2 控制点的选取

遥感图像的正射校正采用两种方式，分别为基于图像自带的RPC文件进行正射校正和基于控制点的校正。从已校正的1∶2 000比例尺地形图中选取明显地面特征点作为控制点，如房屋的角点，道路的交叉点，水塘，寺庙等。尽量保证图像的四周和中央都有点分布以控制整体精度。分别在ENVI5.0的正射校正模块中进行。

2.2 图像融合

图像融合技术既能保留影像的空间分辨率又能不丢掉光谱信息，有利于解译和定量分析[14-15]，将经过两种方法校正得到的多光谱和全色图像分别采用PCA（Principle Component Analysis）、HPF（高通滤波）和Wavelet（小波）进行融合。通过比较图像均值和标准差评价融合图像的效果，选择了均值与原多光谱最为接近的，而标准差最大的一种方法进行图像的融合。

2.3 地面单木绝对大地坐标的采集

手持GPS信号因易受到树冠地形的干扰，直接量测浓密林区的单木坐标精度极差，且目标相互之间的相对位置精度无法保证。而全站仪和手持GPS的配合使用保证了绝对大地坐标的准确获取。首先建立全站仪测量系统：选择直角坐标测量，（1）建立基站点：于样地外没有树木遮挡且较为平坦处设立基站点，然后利用手持GPS 采集基站点的坐标，利用采集得到的大地平面坐标作为基站点坐标，设(XB-A，YB-A)。（2）建立后视点：从基站点往南或者往北用皮尺量测直线D（用罗盘仪定出南北方向），将此点作为后视点。后视点的坐标为(XB-A，YB-A±D)其中后视点纵坐标加减的确定取决于基站点相对于后视点的位置。全站仪测量系统建立之后接着便可测量单木坐标。将全站仪测量得到的点导出即可得到单木的绝对位置。

图2 研究区等高线DEM图(单位：m）Fig.2 DEM in study area converted from contour line

此时采集的单木绝对坐标仍然有偏差，无法与快鸟图像真实的样地位置匹配。因此，在前述测量步骤的基础上增加一个特征点辅助样地定位，基本思路如下：首先，样地周边需要确定一个特征点，其需具备明显的形状特征保证其能从快鸟影像中快速目视定位，比如道路的交叉处、铁路的交叉点、房屋、水池等均可以作为特征点。特征点的选取不宜离样地太远，若特征点超过了全站仪的观测范围，可以采用搬站的方式引点测量。

在外业过程中，由于调查人员的知识层次不一，不可避免会出现一些差错。比如，将手持GPS 采集的坐标点（L，B）输入全站仪中时，横、纵坐标输入颠倒，导致测量结果出现偏差，如图3所示。

可以将（X0，Y0）做关于直线y=x对称的点得到（x′，y′）（结果见表 1），接着，作（x′，y′）关于直线X=XB-A的对称点，按照公式1计算。即可得到正确的坐标点（X，Y）（结果见表2，图4）。其中，（X0，Y0）为直接测量得到的单木坐标，（x′，y′）为对称点。

图3 未修正的GPS 采集点的偏差示意图Fig.3 Deviations schematic diagram with the uncorrected GPS points

3 结果与分析

3.1 全站仪测量点的修正结果

示例样地中全站仪测量的初步结果记做（X0，Y0），由于横、纵坐标颠倒导致全站仪测量值出现偏差。表1（X′，Y′）为处理的中间过程，（X，Y）为最终正确的坐标点（见表2）。B-A为基站点的坐标。

表1 将（X0, Y0）作关于直线y=x的对称点Table 1 The symmetry points of (x0,y0) about line X=XB-A

3.2 QB图像正射校正结果

控制点的选择原则为尽量分散，表3显示多光谱图像正射校正控制点的均方根误差（RMSE），表4显示了全色图像的正射校正结果。多光谱图像的总校正精度控制在1个像元之内，全色图像由于分辨率较高，而地形图表达受限，不能很精细地选择控制点，因此控制在10个像素之内即可满足要求。

表2 将（X′, Y′）作关于直线X=XB-A的对称点Table 2 The symmetry points of (x′,y′) about line X=XB-A

图4 修正的GPS采集点示意图Fig.4 Schematic diagram with the corrected GPS points

3.3 融合结果的对比

不同融合方法的融合效果有差异，本文通过目视和统计方法衡量融合的效果。从目视效果来看，HPF融合方法效果最好，PCA对比度稍低效果其次，而小波融合出现了较为模糊现像；比较3种方法的均值和标准差，从图5可以看出HPF方法各个波段的均值与原始多光谱的均值最为接近，而HPF的标准差相比小波和PCA方法偏高，图像层次更丰富（图6）。目视效果和定量分析的结果一致。因此最终采用HPF方法进行融合。

表3 多光谱图像控制点误差Table 3 Multispectral image orthorectification control points error

表4 全色图像正射校正控制点误差Table 4 Panchromatic image orthorectification control points error

图5 三种融合方法的均值比较Fig.5 Mean value with three kinds of fusion methods

3.4 定位结果的评定

本文以样地B1、B2两个样地为例评定两种正射校正的定位结果，所选取的这两个样地毗邻，分别位于道路的两侧，并且树冠高大容易辨认，因此在QuickBird影像中很容易识别，图7右显示了样地的位置。分别采用目视效果和距离统计方法评价定位的精度。定位效果如图7所示，从目视效果来看，经过控制点正射校正的定位精度明显优于RPC系统自带的校正精度，而未经过正射校正的图像的定位偏移距离最大（如图7左所示），林分单木的定位结果几乎不可靠。定量分析定位的结果，采用直线距离衡量地面实测单木GPS点到图像实际单木位置的匹配精度，结果见表5。其中图像实际单木位置从图像目视解译出。从表5可以看出，无论是B1还是B2，采用控制点校正后的图像定位精度最高，相对提高幅度最大，误差距离也最小。不作正射校正的高分影像单木定位的结果最差，偏离距离最大。偏移距离采用公式2计算。

图6 三种融合方法的标准差比较Fig.6 Standard deviation with three kinds of fusion methods

其中(x0，y0)为GPS采集点，(x1，y1)为从图像中提取的单木位置点。

采用本文提出的样地匹配方法，对研究区内另两个样地进行样地GPS单木位置点同快鸟影像的匹配分析，对定位的方案进行检验，得到样地精确的匹配效果图。样地定位结果如图8所示，从目视检验来看匹配效果较好，一定程度上说明了本文提出的样地匹配方法的可行性。

图7 正射校正后定位精度评定（局部放大）Fig.7 Position accuracy assessment after orthorectification (Local Zoom)

表5 GPS测量单木点与实际图像上单木点的误差距离†Table 5 The error between individual trees points with GPS and individual trees points in image

4 结论与讨论

本文提出了应用于山区的高分影像的单木坐标定位方法：利用全站仪和手持GPS辅以测定特征点的方法较为精确地测定了单木的坐标并还原了影像中对应的单木及样地位置。该方法能直接获取样地及单木绝对大地坐标，同时还保留了目标点的相对位置的准确性。一定程度上解决了手持GPS无法准确获取样地内单木间相对位置的弊端，又解决了山地林区样地定位不精准的矛盾。针对测量过程中容易出现的错误，本文还提出了相应的坐标修正方法。定位评价的结果显示，应用于山区的高空间分辨率影像单木准确定位的实现，正射校正是不可缺少的步骤，基于控制点的正射校正方法定位精度最高，平均提高幅度达到了92.6%，而RPC正射校正的平均提高幅度为70.05%。研究结果表明：手持式GPS虽然定位精度有限，但通过合适的坐标投影设置，图像经正射校正后，能达到较好的定位结果。从而在一定程度上解决了地面同名地物点与遥感影像匹配难的问题，拓展了高分影像在林业上的应用。

图8 其他样地匹配结果Fig.8 Matching results in other plots

随着遥感图像空间分辨率的不断提高，单木参数因子如树冠轮廓、树高、胸径等因子的准确提取成为了可能；而GPS定位技术的不断改进又更进一步推动了高分辨率遥感影像在林业上的广泛应用。可以说遥感影像的空间分辨率和GPS定位精度的不断提高，为森林结构参数的提取提供了有利的条件[16-17]。但另一方面，随着高分辨率遥感影像种类及获取手段层出不穷[18]，很多技术上的问题亟待得到解决。基于高分辨率遥感的单木定位与匹配就是值得探讨的问题之一。影响高分辨率遥感影像的单木定位和匹配困难的原因主要有两个因素，一是遥感影像本身的几何畸变，其主要来源于传感器与卫星平台的安装，卫星位置、姿态观测误差和几何处理模型造成的误差等[19]，地形起伏也是造成影像畸变的一个重要因素[20]；二是地面精度的验证问题，存在的主要困难就是很难获取高精度的目标物的绝对大地坐标，即坐标真值。这方面的误差通常来源于地面样地或单木调查应用的手持GPS定位精度受到树冠遮挡、地势、天气等因素影响造成结果的不确定性。这两方面的因素影响了高分遥感的单木定位匹配精度。

本文所提出的方案也存在一些弊端，比如由于GPS采集的坐标不可能百分之百的准确，对于定位的结果仍然需要人工调整并移动位置点，以保证定位的准确性；当样地的郁闭度较高并位于复杂的林分内，四周又没有合适的特征点可供参考和选取的时候，在高分遥感影像上准确定位并找到单木的位置仍然存在很大的困难。总之，本文结合遥感、测绘、地理信息系统等技术手段提高了样地及单木的定位精度，特别是准确获取了山区样地的大地绝对坐标，对科研、生产均有指导意义，例如利用提取的单木位置信息可以进一步分析树种的空间格局[21]、提取单木竞争指标[22]等。

致谢：本论文受到国家“863”计划课题“数字化森林资源监测技术”（2012AA102001）、教育部北京市森林培育与保护省部共建重点实验室项目“北京生态公益林节水增效抚育技术及碳储量、三维绿量遥感测定技术研究”（2009GJSYS02）资金资助，野外基础数据来源于实验室学生野外采集，在此一并表示感谢。

[1]Muukkonen P, Heiskanen J. Biomass estimation over a large area based on standwise forest inventory data and ASTER and MODIS satellite data: A possibility to verify carbon inventories[J]. Remote Sensing of Environment, 2007, 107(4): 617-24.

[2]Foody G M. Status of land cover classification accuracy assessment[J]. Remote Sensing of Environment, 2002, 80(1):185-201.

[3]徐涵秋,唐 菲. 新一代Landsat系列卫星:Landsat 8遥感影像新增特征及其生态环境意义[J]. 生态学报, 2013, 33(11):3249-3257.

[4]吴 见,彭道黎. 基于面向对象的QuickBird影像退耕地树冠信息提取[J]. 光谱学与光谱分析, 2010, 30(9): 2533-2536.

[5]林 辉,宁晓波,吕 勇. 基于高分辨率卫星图像的立木材积表的编制[J]. 林业科学, 2004, 40(4): 33-39.

[6]熊轶群,吴健平. 基于高分辨率遥感图像的树冠面积提取方法[J]. 地理与地理信息科学. 2007, 23(6): 30-33.

[7]张慧春,郑加强,周宏平,等. 农药精确施用系统信息流集成关键技术研究[J]. 农业工程学报. 2007, 23(5): 130-136.

[8]罗 旭,李春干,李崇贵,等. 星基差分GPS用于林区高分辨率遥感图像几何精校正[J]. 北京林业大学学报,2005,27(S2):48-51.

[9]陈尔学,李增元,车学俭,等. DGPS在资源环境遥感中的应用方法研究[J]. 遥感学报, 2001, 5(4): 282-288.

[10] 刘 维,张晓丽,马 菁. 鹫峰国家森林公园主要乔木树种含碳率分析[J]. 西北林学院学报, 2011, 26(5): 214-218.

[11] 赵永泉,彭道黎. 北京鹫峰公园主要人工林群落多样性研究[J]. 西南林学院学报, 2008, 28(1): 17-22.

[12] 王 昆,张晓丽,王 珊,等. 鹫峰地区QuickBird影像纹理特征与生物量估测关系初探[J]. 地理与地理信息科学, 2013,29(3): 52-55.

[13] Digital Globe, Inc. QuickBird Imagery Products-product guide[EB/OL]. http://glcf.umd.edu/library/guide/QuickBird_Product_Guide.pdf.

[14] Lu D, Li G, Moran E,et al. A comparison of multisensor integration methods for land cover classification in the Brazilian Amazon[J]. GIScience & Remote Sensing. 2011, 48(3): 345-370.

[15] Lu D S, Hetrick S, Moran E,et al.Detection of urban expansion in an urban-rural landscape with multitemporal QuickBird images[J]. Journal of applied remote sensing. 2010, 4(1).

[16] Ozdemir I, Karnieli A. Predicting forest structural parameters using the image texture derived from WorldView-2 multispectral imagery in a dryland forest, Israel[J]. International Journal of Applied Earth Observation and Geoinformation,2011,13(5):701-710.

[17] Meng J, Li S, Wang W,et al. Estimation of Forest Structural Diversity Using the Spectral and Textural Information Derived from SPOT-5 Satellite Images[J]. Remote Sensing, 2016, 8(2): 125.

[18] 曹明兰, 张力小, 王 强. 无人机遥感影像中行道树信息快速提取[J]. 中南林业科技大学学报, 2016, 36(10): 89-93.

[19] 袁修孝, 曹金山. 高分辨率卫星遥感精确对地目标定位理论与方法[M]. 北京: 科学出版社, 2012.

[20] 孙 军,黎 琪,李和睿. QuickBird遥感图像校正模型[J]. 四川兵工学报, 2012, 33(4): 107-109.

[21] 李艳丽,杨 华,亢新刚,等. 长白山云冷杉针阔混交林天然更新空间分布格局及其异质性[J]. 应用生态学报, 2013,25(2): 311-317.

[22] 孜来比·买木提名,杨 华,赵广亮,等. 单木竞争指标的研究进展[J]. 西北林学院学报, 2012, 27(6): 152-158.

[本文编校：吴 彬]

Field location and matching method research in mountain areas based on the synergy of QuickBird image and total station

WANG Shuhan; ZHANG Xiaoli, YANG Ming, LIU Huiling
(Key Laboratory or Silviculture and Conservation, Ministry of Education, Beijing Forestry University, Beijing 100083, China)

Extensively applying of high resolution image was restricted because dramatical affects were caused by the rugged topography of mountain area to the geometric rectification of high resolution remote sensing imagery and coordinate collection with high precision.The forestry research region in remote sensing is often rugged topography of mountains. How to link precisely and accurately the actual land features and image information has long been the concerned and discussed issues by researchers. Jiufeng national forestry park was selected as the study area. One Chinese pine (Pinus tabulaeformis) field sample plot and Chinese arborvitae (Platycladus oriental) field sample plot B2 and B3 were selected respectively. The synergy method combining with remote sensing and total station and Handheld GPS was proposed as well as the revised scenario of coordinate. First the true value of ground objects was collected using total-station and handheld GPS, including the trees in plots and angular points. The original QuickBird multispectral and panchromatic image were respectively orthorectified using two types of orthorectification methods: method based on control points identified from topographic map and RPC method. The RMSE of multispectral image and panchromatic image is within 1 pixel and 10 pixels respectively. Road intersections, houses and other obvious features in the 1:2000 topographic map were selected as the features where the GCPs are. The topographic map surveyed by Beijing institute of surveying and mapping in Oct 2004 has been geometrically corrected. Both methods of process above were conducted in ENVI 5.0. First, feature points were selected near the sample plots whose coordinates were obtained using differential GPS system. Matching accuracy between 3D coordinates of feature points and feature positions in the QuickBird image was analyzed. The results shows that matching accuracy of orthorectification based on control points reached the highest level with 92.6% increased range and RPC orthorectification is better than non-corrected image with 70.05% increased ranged: Econtrolpoint＞Erpc.The research indicates that the scenario proposed this paper can realize the position of plots in high resolution remote sensing imagery in the mountain area. And orthorectification is required in the application of high resolution remote sensing imagery especially in mountain area. The proposed method can provide reference for the application of remote sensing in the forestry. The GPS coordinates of the plots and trees can be used as training and testing samples on high image classification and accuracy evaluation, or quantitative analysis of remote sensing, and forest resources monitoring.

QuickBird; high spatial resolution remote sensing imagery; total station; handheld GPS; orthorectification

S715.3 文献标志码：A 文章编号：1673-923X(2017)10-0022-08

10.14067/j.cnki.1673-923x.2017.10.005

http: //qks.csuft.edu.cn

2016-05-29

国家“863”计划课题“数字化森林资源监测技术”（2012AA102001）；教育部北京市森林培育与保护省部共建重点实验室项目“北京生态公益林节水增效抚育技术及碳储量、三维绿量遥感测定技术研究”（2009GJSYS02）

王书涵，博士研究生 通讯作者：张晓丽，博士后，教授；E-mail：Zhang-xl@263.net

王书涵，张晓丽，杨 铭，等. 基于全站仪和快鸟影像协同的山地样地定位与匹配研究[J].中南林业科技大学学报，2017,37(10): 22-29.