无人机遥感技术在林业资源调查与监测中的应用

2020-02-12孙亚珍王延坤

江西农业 2020年3期

孙亚珍王延坤

（西安绿环林业技术服务公司，陕西西安 710048）

在林业行业，我国林业资源监测初期使用地表测试与空中测试相融合的模式，主要利用传统工具比如罗盘设备、测高设备、皮尺以及测绳等开展工作。随着科技的发展，调研人员借助无人机遥感技术便能获得高分辨率图像，并获得树木冠幅、郁闭度、高度等数据，从而能够有效提高作业效率。基于此，归纳了无人机遥感技术在林业资源调查与监测中的应用，旨在为发挥无人机遥感技术在林业资源监测中的应用优势提供参考。

1 无人机遥感的优点

1.1 成本低第一，无人机遥感体系的应用成本远低于卫星与载人飞行器；第二，其放射与回收的场所需求比卫星与载人飞行器低，不需要租赁起航与停航的场所，并且平日的维检极为简易；第三，操作比卫星与载人飞行器简易，面向大众，容易掌控。所以，无人机遥感能够大幅度降低参数的获得成本。

1.2 机动灵活无人机空拍时间自由度较高，而且可以迅速飞达预定地区，起航便利，能够使用弹射、车载、投掷等模式从田野山头、沙滩、空地等多类地域起飞，能够迅速升空并获得遥感图像，通过滑行、伞降、撞网的模式收回。

1.3 参数精准度高无人机起飞高度低，能够获得高分辨率的遥感图像。图像的空间分辨率能够精确到分米，可以精准地映射绝大部分地物的外形、质量、色调，并且无人机能够改变太阳视角，在相异时间实施空拍，来规避地物某个方位的阴翳对图像造成的影响。

1.4 气候影响小无人机是低空航行，能够在多云气候下进行作业，填补了卫星光学遥感被云朵遮拦无法获得图像的空白，并且也解决了载人航天遥感受限于恶劣气候的难题。

2 无人机遥感技术在林业调研与监测中的信息提取与运用

2.1 获得林木几何数据王云波等以林木资源二类调查为实例，通过ArcMap对无人机遥感影像实施林区规划，根据土层种类与数目种类结构分成6个类别，小班的规划精准度达到88.7%[1]。乔正年等利用面对受体的提取模式与人工观察法提取单林木冠幅，得到冠幅参数，树冠面积与样地面积的比值就是林分的郁闭度，两类模式的运算成果显示，冠幅的提取精准度随着林分郁闭度的增大而下降[2]。侍昊使用DOM图像实施屋内小班规划，与外业调研小班规划对比，统一性达到97.89%；从DOM图像中使用面向对象多尺度分割模式提取单林木冠幅，获得冠幅数据；使用单林木冠幅与现场调研的林木胸径构建胸径冠幅模型，凭借既有的二元材积表构建胸径和材积回归模型。最后构建冠幅和材积模型，让冠幅计算材积能够实现；与现场测试的材积对比，整体精准度达到91.20%，为迅速运算供应了新的可能[3]。马涛挑选中低郁闭度林分在ArcGIS中加载高准度的DOM，挑选克里金模式获得成面数据，形成DEM影像，从而获得CHM，从CHM内提取样地的林木高度；与现场测试对比，3个样地林木高度平均精确度超过0.86；在高中低郁闭度林分中，预测的整体精准度是0.67；运用现象受体的多尺度分割科技，把树冠或林冠地区从图像中提炼，融合ArcGIS软件获得郁闭度，郁闭度提取数据与绘制数据比较精准，准确率高达90%[4]。

2.2 提取森林生物量讯息使用无人机空拍形成的树冠遥感图像能够预测树林生物量。黎新宇等使用无人机遥感得到高分辨率图像预测单木生物数据，透过面向受体分类模式从遥感影像中获得单木树冠大小的数据，融合现场测试的胸径构建树冠体积-胸径模型，凭借胸径-树干生物量的经验方程、使用树冠体积预测树木生物量[5]。提取森林生物量讯息也就是使用统筹回归的模式，凭借遥感参数推演生物量。有关参数显示，树冠直径与胸径有着关联性，使用树冠直径来推演胸径，最终在使用胸径与生物量的关联就能够演算林木生物量。韩东等在40 m低空摄录水稻田地与蔬果地，获得使用GLI与ExG两类植物数据可以高效区别植物与非植物，这对生物量演算有一定程度的帮助[6]。谢刚等使用无人机遥感技术，通过可见光波数据提取到植物数据VDVI，为推演大地区尺度林木生物量提供了参考[7]。使用卫星图像，可以估算大区域尺度的林木生物量讯息。然而，偏低的图像分辨率对估测精准度造成的影响较大，无人机遥感和卫星遥感融合能够得到高精准度，使用无人机遥感推演林木生物量将是以后的发展态势，遥感科技的进步、参数源的多元化与卫星遥感和无人机遥感将的联合应用，为高精度获得林木生物量提供了支持。

2.3 监测林木病虫害使用无人机遥感能够高效获得树林濒死木、病虫害的方位讯息。王枚梅使用无人机遥感得到的图像，使用人工观测法探寻感染疾病死亡的林木，通常能够满足人工砍伐的精度需求[8]。侍昊使用无人机平台装入双光谱摄录机，能够获得可见光影像与红外影像，提取影像中像素点的特征向量，能够精准地区分病虫害产生的地区[3]。王云波参考无人机遥感的影像数据，使用非监测分类模式，即参考影像的类似性实施分类的模式，融合田野实测编译影像，解析出红色地区是条形柄锈菌（Puccinia Striiformis）诱发的小麦条锈病区域，佐证离开无人空拍图可以有效显现发病源头与病害地区。患病小麦叶绿素被毁坏，与健康小麦色调有极大差别，让基于影像的监测变得高效[1]。

2.4 树林火警对森林大火多发的区域，运用无人机遥感技术侦察能够高效预防与探寻火灾的根源，也可以对灾难现场实施评价对。乔正年等使用无人机探查树林火警情况，实验中无人机高效探寻到火点与覆盖情况，并进行预警，并且获得火点的实际坐标[2]。黎新宇等使用无人机遥感得到RGB（红色、绿色、蓝色）色调空间的遥感影像，再把林木火警影像转换成HSV（色彩、饱和率、亮度）空间，挑选径向基函数作为支持向量设备的核函数实施森林火警的甄别，精确度超过87%[5]。