基于无人机影像的森林生物量估测与制图

（东北林业大学 工程技术学院，黑龙江 哈尔滨 150040）

森林对生态系统的平衡发挥着重要的作用，森林系统是陆地生态系统中重要的碳汇源之一，森林生物量是衡量森林固碳能力和生产力的重要指标[1-2]。作为地表碳循环研究的重要组成部分，有效地监测生物量和碳储量等关键森林参数有助于更好地了解碳循环以及生物圈-大气层的相互作用[3-6]。《京都协议书》中对于通过在本国或者第三国植树造林以抵消本国CO2排放的规定促进了关于森林生物量动态监测以及生物量制图方面的研究[7]。

无人机凭借其机动性强和可以快速回访的特点，已经被广泛应用于林业和农业调查研究中。随着无人机技术的不断发展，摄影测量技术在林业调查、森林结构参数获取、森林景观三维重建等方面发挥着越来越重要的作用[8-11]。Bendig[12]利用普通RGB 商用相机对农田生物量进行了估测以及估产研究，结果表明农产品的鲜重和干重估测R2均大于0.8。何游云[13]在面向对象的基础上获取了森林的树冠参数，分别利用两个样地进行建模和精度验证，结果表明，结合CA-DBH 以及DBH-SB 经验方程的基础上对森林生物量的估测是有效的。Du 等[14]的研究表明，经过校准的森林覆盖比例图可以按比例缩小区域森林生物量统计数据到森林覆盖像素，从而生成相对精细分辨率的生物量图。付凯婷[15]利用高分辨率遥感影像提取单木冠幅数据，结合实际测量的单木胸径数据建立了CA-DBH模型，并通过结合胸径与单木材积之间的关系模型得到航空单木材积模型，最后估测出林分的蓄积量，总体精度能达到90%以上。Goodbody 等[16]结合无人机航空摄影测量获取的影像数据与Lidar数据获取完整的树木点云，在完整点云数据的基础上建立单木生物量预测模型，结果表明，利用无人机航空数据估测生物量在减少人力成本的同时可以提高森林的运营管理效率。赵鑫[17]利用无人机影像获取的冠幅和树高信息分别编制了冠幅-材积一元航空立木材积表和冠幅以及树高-材积二元航空立木材积表。

以往的研究多集中于利用卫星遥感数据进行大规模的森林生物量调查与估测，受限于卫星影像的分辨率以及回访周期，很难高效率的进行森林生物量获取。而部分研究侧重于不同树种的生物量估测，对不同的树种分别进行建模不但工作量大且无法应对较为复杂的森林环境。因此，本研究利用无人机航空摄影测量技术获取森林树高，结合实测建立的H-DBH模型与生物量通用经验模型估测研究区森林生物量，并可快速完成生物量制图工作。研究结果可快速准确地完成森林样地生物量估测和制图，同时也为大尺度生物量的估测和碳储量的估算提供技术参考。

1 研究区域概况

研究区位于东北林业大学哈尔滨城市林业示范基地（127°35′E，45°42′N），海拔134～163 m。基地总占地面积43.95 hm2，内现有18种人工林分布在46个样地内，各类人工林共占地 25 hm2。研究区属于温带季风气候，年平均气温为3.5℃，平均降水量为534 mm[18]。人工林的平均郁闭度在0.6 以上，且多为生长趋于稳定的过成熟林木。基地现有主要树种有糖槭Acer saccharum、小青杨Populus pseudosimonii、兴安落叶松Larixgmelinii、胡桃楸Juglans mandshurica、水曲柳Fraxinus mandshurica、白桦Betula platyphylla、樟子松Pinus sylvestris、蒙古栎Quercus mongolica等。由于研究区域内林分构成较为复杂，包括了针叶和阔叶在内的多种树种，为了保证建模精度，本研究从研究区的四种人工林样地中选取了2 块针叶林和两块阔叶林样方（20 m×20 m）[19]进行H-DBH模型构建和精度验证，另外从这些人工林样地中再选取四块样方（20 m×20 m）进行无人机生物量估测与精度验证。四种人工林样地树种分别由水曲柳、黑皮油松、蒙古栎和樟子松组成。详细情况如表1所示。

2 研究方法

2.1 研究流程

本研究的基于无人机影像的林分生物量估测与制图的流程如图1所示。该框架可分为树高的估测和生物量模型估测两个部分，最后结合数字冠层模型中得到的树高数据和DBH-SB 生物量模型数据，并借助ArcGIS10.1 软件完成生物量制图工作。

表1 人工林样地概况Table1 Summary of the plantation plots

图1 生物量估测与制图流程Fig.1 Biomass estimation and mapping process

2.2 树高获取

2.2.1 数据获取

利用曼图拉ms-670 无人机于2018年5月在东北林业大学城市林业示范基地进行航片数据采集。曼图拉ms-670无人机主要由主机、手动遥控器、监视器、影像云台组成。主机对角轴距为67 cm，抗风能力6级，搭载2 000万像素数码相机条件下最大飞行高度可达3 000 m。相机经过校检，内方位元素中主距f为16.25 mm，像主点偏差x0和y0分别为-0.31 mm和-0.08 mm，径向畸变系数k1和k2分别为3.12E-04和-1.59E-06，偏心畸变系数p1和p2分别为1.33E-04和4.91E-05。数据采集设置航高为200 m，航飞当天能见度高，风力小于三级，整个林场共布设6个飞行控制点，同时获取包含样地在内的林场的高精度影像数据，在航向与旁向重叠率为75%的条件下得到60 张研究区影像。采用南方NTS 全站仪测量航片控制点坐标以及地形数据，坐标系采用独立坐标。整个林场共布6个飞行控制点坐标并用红漆标记，对选取的样地进行碎步测量以获取样地的地形数据。

2.2.2 树高提取方法

树高值的估测是生物量获取的前提，由于研究区域的林分郁闭度较高（平均郁闭度在0.6 以上），传统的目视解译方法难以获得单株立木树高数据，本研究采用了一种无人机与全站仪结合的树高提取方法获取研究区域的树高参数[20]。

首先利用Agisoft PhotoScan 无人机影像处理软件进行初步的几何校正以及空三加密，处理完成后得到整个实验区的高分辨率DSM（Digital surface model）模型。由于研究区域林分郁闭度较高，难以直接通过无人机影像的三维重建获得DEM（Digital elevation model)）模型，利用全站仪测得研究区域的地形数据生成DEM模型，最后通过对DSM 以及DEM的栅格减法归一化处理后得到研究区域的数字冠层树高模型（DCHM），研究区域的数字冠层模型，如图2所示。

图2 数字冠层树高模型Fig.2 Digital canopy height model

在此基础上，采用局部最大值法获取研究区域的树高数据。局部最大值法的思想是通过寻找树冠光谱反射最大值点为树冠的中心和树冠顶点，通过设置一个移动窗口探测影像的局部最大值为树冠中心点位置。本研究通过设置不同移动窗口大小进行多次对比确定移动窗口的大小为3 m×3 m，窗口每隔0.5 m 向上、向下滑动一次，取出每次滑动窗口内的最高点作为局部最大值，处理完成后的所有局部最大值点即为我们选取的树冠中心点。利用局部最大值算法可以提取树冠中心点位置和对应单木的树高数据，由于数字冠层模型经过了归一化处理，所以得到的树冠中心点坐标可认为通过无人机航空影像得到的树高估测值。样地树高的实测数据通过尼康测树仪获取，并利用胸径尺测量每株单木的胸径数据，利用MS Excel 完成H-DBH 建模。

2.3 生物量模型建立

为了完成生物量数据的估测，需要借助生物量经验模型进行胸径到树干生物量的反演工作。通过航空影像可以直接提取树高数据，而无法直接获取树木的胸径值，建立H-DBH模型便成了获取胸径数据的直接方法。本研究首先通过水曲柳、蒙古栎、樟子松、黑皮油松四块建模样方的实测数据建立H-DBH 反演模型。已有研究表明，径阶和该径阶下的树木平均高程得到的线性拟合方程效果比较好，对于反演样方树高来说，最好的模型是径阶-树高模型[21]。因此，在完成H-DBH模型建模后，将通过无人机影像提取得到的树高数据估测代入到模型当中可以得到胸径估测值，结合已有的DBHSB 经验模型从而得到树木的生物量数据。

2.4 生物量估测与制图

通过树高提取和H-DBH模型建立方法可以得到胸径的估测值，通过胸径估测值结合DBH-SB模型便可以提取森林生物量数据。由于东北林业大学城市林业示范基地中现共存18个树种，若采用不同树种的生物量经验模型无法通过无人机影像准确区分不同树种，因此采用一种通用的生物量模型成为最适合的选择。本研究采用了曹伟生提出的通用性一元立木地上生物量模型[22]，模型公式：

式（1）中M为待求生物量，D为1.3 m 处胸径，r为木材密度（取木材的平均密度0.54）。

在完成H-DBH模型的研建和DBH-SB模型选择后，将得到的数字冠层树高模型（DCHM）导入到ArcGIS 软件中，通过软件中的空间分析功能结合DBH-SB模型完成航空生物量制图。

3 结果分析及评价

3.1 样方数据

本研究在无人机航空摄影测量影像的基础上通过局部最大值算法提取了测试样方（20 m×20 m）树高数据，同时通过测树仪和胸径尺获取了树高和胸径的实测数据，如表2所示为实测树高和通过影像提取的树高数据，4 块样方的平均精度均超过了85%，提取的树高平均精度达到了89%。

表2 样方平均树高Table2 Average tree height of the quadrats

整个研究区域中包括了针叶和阔叶在内的多种树种，本研究在测试样方所在的人工林样地内另外选取了针叶林和阔叶林样方各2 块（20 m×20 m），获取了4 块建模样方所有树木的径阶-树高模型，并以此作为研究区域生物量制图的基础。表3为4 块样方中的树木径阶和树高数据。

3.2 模型建立

首先利用各径阶的平均胸径和平均树高分别建立了4个建模样方的H-DBH模型，然后分别采用线性及多项式对数据进行回归，结果发现二项式回归得到的模型精度最高。4个样方的径阶-树高模型R2均大于0.70，回归结果如表4和图3所示。

表3 建模样方径阶-树高数据Table3 Diameter class-tree height data of the modeling quadrats

通过对回归结果进行进一步的分析发现，随着胸径的增加，特别是当胸径超过25 cm后，树高的增长变得缓慢。造成这种情况的主要原因是由于大部分树种随着林龄的增大，树木长到一定高度后，生长缓慢造成的[23]；另外，径阶大于30 cm的多为阔叶林，相同生长条件下阔叶林的树高普遍低于针叶林。根据4个建模样方总的树高-径阶数据建立了总的H-DBH 回归模型，如图4所示。

表4 建模样方H-DBH模型Table4 H-DBH model of the modeling quadrats

将提取得到的树高数据代入建立的H-DBH模型中便可以得到胸径估测值，分别对比了4 块测试样方的胸径实测值和估测值（表5），4 块样方的平均胸径精度均超过了80%，估测胸径平均精度达到了88%。

3.3 生物量估测

图3 每个建模样方的H-DBH 回归模型Fig.3 H-DBH regression model for each modeling quadrat

图4 总的H-DBH 回归模型Fig.4 Total H-DBH regression model

根据生物量的经验模型和H-DBH 总回归模型，结合实测树高和提取树高求得了4 块测试样方的生物量和估测航空生物量。对于不同样方，采用实测树高均值反演得到的胸径均值来计算实测平均地上生物量；根据每棵单木的树高反演得到的胸径计算每木生物量，通过求和得到总地上生物量。估测航空生物量的计算方法与实测法类似，只是将实测树高替换为采用局部最大值法提取的树高。蒙古栎样方由于树型较小，实测和估测平均地上生物量均值均不足100 kg，4 块测试样方估测地上生物量均值为151.86 kg，总地上生物量平均值为6 915.85 kg。将平均地上生物量和总地上生物量的平均精度作为每块测试样方的生物量估测精度，4 块测试样方总的估测精度为87%。具体结果如表6所示。

3.4 生物量制图

在ArcGIS 软件中完成生物量制图工作，首先通过栅格减法运算，得到研究区域高程归一化后的数字冠层模型，此时的数字冠层模型高度值即代表估测树高值。接下来通过局部最大值算法提取得到的树冠中心点平面坐标提取所有潜在的单木位置以及高度，代入相应的模型得到整个研究区域的生物量数值，最后通过重分类得到完整的生物量分布图。

表5 测试样方平均胸径Table5 Average DBH of the testing quadrats

表6 测试样方地上生物量Table6 Above ground biomass of the testing quadrats

图5为整个研究区的森林地上生物量分布图，无人机航空遥感估测的该区域平均森林地上生物量可达254.43 kg，总地上生物量达到了4 396.18 t。而生物量高于300的区域多集中在兴安落叶松样地区域，其区域内单位面积生物量较其他区域生物量高，该生物量分布估算结果与实际情况基本符合。

图5 研究区域地上生物量Fig.5 Aboveground biomass map in the study area

4 结论与讨论

本研究以东北林业大学城市林业示范基地的森林地上生物量为研究对象，基于搭载普通数码相机的无人机平台得到的航空影像对实验区域内的地上生物量进行估测和航空生物量制图研究。研究结果表明森林地上生物量数字冠层模型及精度和研究区域内的平均树高存在明显线性关系，其通过通用性的H-DBH和DBH-SB模型可以完成生物量的估测和制图工作。本研究得到的径阶-树高估测模型存在显著的相关性关系，通过通用性的一元地上生物量回归模型估测得到的研究区平均地上生物量可达254.43 kg，总地上生物量达到了4 396.18 t。

为了提高森林调查效率，更好地服务于森林调查与经营，大尺度的生物量估测与制图必不可少。本研究的研究结果可以为大尺度生物量估测与制图提供参考；同时精确区分森林类型进行精确建模有利于提高生物量估测精度，进而提高森林地上生物量的制图准确率；单一的航空影像数据无法直接提取树木胸径从而得到森林生物量，而胸径是与生物量关系最密切的森林调查参数，本研究受限于高郁闭度林分的冠幅密度，采用无人机与全站仪结合提取树高的方法在一定程度上提高了树高提取精度的前提下也加大了参数提取的工作量。因此，在今后的研究中可考虑利用无人机Lidar数据进行胸径的直接提取，同时结合卫星影像数据进行大范围的森林生物量反演以及碳储量估测对林业精细化经营有重要意义，随着遥感以及数字图像处理等技术进步，无人机在森林生物量估测及森林资源调查中必将得到更广泛应用。