基于遥感技术的长白落叶松优树选择方法与传统选择方法比较

何清伟，赵 健，董明亮，庞 勇，孙晓梅，张金凤*

（1.北京林业大学，北京 100083；2.中国林业科学研究院，北京 100091）

长白落叶松（Larix olgensis Henry）为松科的落叶乔木，木材蓄积丰富，用途广泛，是我国东北、内蒙古林区以及华北、西南高山针叶林的主要森林组成树种，是中国长白山针叶林的主要树种之一[1-5]。长白落叶松具有生长迅速、适应性强、材质优良的特点，在我国北方高寒地区被广泛栽培。落叶松人工林生长性状受立地条件影响很大，而且同一林分不同单株间胸径、树高相差较大。目前落叶松育苗生产所需种子少部分来自种子园，大部分来自于野外无选择采集，造成繁育苗木生长良莠不齐。

优树选择（plus tree selection）是林木遗传改良的一种基本手段，可为不同世代种子园和无性繁殖提供优良基础材料。优树是在同一立地条件下，与在该立地条件范围内的其他林木相比较，表型性状相对优良的个体，选优是对其表型性状的综合选择[6]。欧洲从20世纪40年代开始进行了优树选择工作,20世纪50年代,前苏联、美国也开展了优树选择工作。国内从20世纪70年代开始进行大规模优树选择工作,主要包括杉木、油松、落叶松、杨树、红松、马尾松等百余个树种[7]。为了提高优树选择的质量和准确性,林木育种工作者采取了很多种优树选择方法。常见优树选择方法有优势木对比法、小标准地法、绝对生长量法、标准差法等[8]。国外对加勒比松、欧洲赤松、南方松优树的评定方法很多[9-10]，华北落叶松、日本落叶松、长白落叶松的优树选择主要采用优势木对比法、小标准地法、基准线法，每种方法都有相应的技术指标和要求[5-6]，但是传统的优树选择方法有诸多不足，例如，工作极其艰巨，选优范围小，效率低下。因此，探索新的选优方法已成为当前林木改良工作的迫切需要。

20世纪 90年代开始兴起的遥感 IMU/DGPS（inertial measurement unit/differential GPS，惯性测量单元/差分GPS）辅助航空摄影测量技术，只需少数地面控制点，简化了测图工序，缩短了成图周期，非常适合在我国林区进行摄影测量成图。随着遥感科学与技术的发展可能为林业工作方式提供更多的途径，很多研究已经表明，机载激光雷达技术（ALS）的出现可以直接提取高精度森林树高，同时它还能够提供森林冠层上表面的水平分布和垂直结构信息等[11-12]；地基激光雷达（TLS）的出现可以快速获取森林单木参数如树位置、胸径、树干材积以及林分中树密度及蓄积量等树木几何参数，这种方式不仅节省了人力，还提高了工作效率[13-14]。因此，遥感技术的利用是改良现有优树选择方法的可能途径。

本研究是我国首次将遥感技术与传统优树选择方法结合的尝试，结合遥感技术的选优方法刚好可以弥补传统优树选择的不足，可以节省大量的人力、物力和时间。利用优势木对比法、小标准地法和基于遥感技术选优3种优树选择方法对孟家岗林场长白落叶松人工林开展优树选择工作，以期为提高林木优树选择的效率找到更好的途径。

1 材料和方法

1.1 试验地点和材料

试验场地孟家岗林场位于桦南县东北部（130°32′42″～130°52′36″E，46°20′16″～46°30′50″N），属东亚大陆性季风气候。冬季漫长、寒冷且干燥；夏季短促、温暖而湿润；早春少雨、风大易干旱；秋季降温迅速，常有冻害发生。早霜现于9月上、中旬，晚霜终于5月中、下旬。年平均气温2.7℃。极端最高气温35.6℃，最低气温-34.7℃。年≥10℃积温2 547℃。年平均降水量550 mm。全年日照时数1 955 h。无霜期120 d左右。以选择落叶松速生丰产、材质优良的育种繁殖材料为目标，于2018年8月10日—8月25日，根据二类调查表和林场信息选出40林班2小班，都不在择伐林分区域内且小班整体生长环境一致，为丘陵中层暗棕壤，小班面积为19.89 hm2。林龄40a，平均胸径18.5 cm，平均树高16.4 m，小班内布设3个互不相邻的100 m×100 m的方形样地——F12、F13、F21样地，样地内分别有树木213株、159株、184株，共计556株。

1.2 研究方法

优势木对比法是以候选树为选优中心，在立地条件相对一致的10～25 m半径范围内，选出仅次于候选树的3～5株优势木，实测胸径并计算其树高和材积，候选树的胸径等指标超过规定标准即可入选[18]。本次优势木法候选树的树高、胸径等指标超过优势木平均树高15%平均胸径30%的规定标准且形质优良抗性良好，即可入选候选优树。

小标准地法以候选树为中心画圆逐步向四周展开，在坡地可呈椭圆形长轴平行水平方向，实测树木的胸径、树高，再计算各指标的平均值。把候选树与平均值比较符合标准的即可入选[18]。在此次标准地法选优中,实测40-2小班的556棵树的胸径和树高，以胸径大于平均数一个标准差且形质优良抗性良好的标准确定入选候选优树。

基于遥感技术的选优方法则是利用遥感技术所获取的高分辨率影像，进行单木数据解析[14]。ALS数据的采集时间为2018年3月。飞行平台是运-12小型运输机，可以低速稳定飞行，相对飞行高度约为1 500 m，飞行速度240 km/h。飞机上搭载的传感器系统为中国林业科学研究院资源信息所集合Li DAR、CCD、高光谱的Li CHy系统。该系统采用双频DGPS和惯性导航仪进行精密的定位。另外还同步获取了航空影像数据和高光谱数据，CCD相机型号为 Digi CAM-60，地面空间分辨率约为 0.2 m，高光谱相机型号为AISA EagleⅡ，光谱分辨率为4.6 nm，地面空间分辨率为1 m。TLS数据采集所使用的设备为Trimble TX8，它是一款较为轻便的地基激光扫描测量仪器，采用窄的红外激光束快速扫描机制，提供快速、非接触的数据获取。为了匹配ALS与TLS数据，借助全站仪和GPS数据为TLS点云数据赋予坐标信息。

结合机载激光雷达数据与地基激光雷达数据估算森林样地每木胸径与树高。利用Hough变换检测算法估算森林样地单木胸径，Hough变换检测算法识别单木位置并拟合胸径的步骤一般是：首先分离地面点，生成 DEM（Digital Elevation Model）；然后根据DEM把点云高程数据归一化到DEM上，去除地形对树高的影响；最后把树干处某段数据分层后栅格化，用Hough变换检测每层树干并用圆拟合或椭圆拟合求树干直径[21]。树高则是利用Hough变换算法估算样地每木胸径并计算树干生长方向，根据这个方向可以获取两个树高，即TLS树高与ALS树高，获取的ALS树高均为优势木高度。在树种较均一的样地，可以利用异速生长方程计算样地生物量，方程中输入参数为TLS估算的胸径与树高，对于优势木来说，树高则取TLS与ALS估测树高值中的最大值。根据树木形态特征设置一系列阈值去除非树干处拟合圆，提高单木识别准确度。通过Hough变换和圆拟合方法得到的单木位置、胸径、不同高度处树干直径与实测数据对比，发现树高和DBH的平均误差分别为3.4 m和0.76 cm，误差在预期范围内。然后利用地基激光雷达获取的树干生长方向与该方向上单木垂直结构提取单木树高（见图1）。获取单株树木树高、胸径等表型数据信息后，参照标准地选优方法确定优树标准，在40-2小班以树高大于平均数一个标准差且形质优良抗性良好的标准确定入选候选优树，再利用ArcGIS软件确定小班边界，获取候选优树在林场的具体位置，然后到现场找到候选优树，实测胸径和树高等生长指标和其他形质指标。

图1 处理后点云场景及单株解析木Figure 1 Point cloud scene and single plant analysis wood after processing

以材积较群体增益大于250%从上述3种选优方法确定的候选优树中分别选出最终入选优树。

1.3 数据处理

使用Microsoft Excel（2010）完成原始数据输入和整理。遗传增益是评价育种成效的关键参数之一，本研究选择的是同种长白落叶松优树群体，较群体均值增益=选择差/选择群体平均值[15-20]比较3种选优方法选出的候选优树群体效果及最终优树的选择效果，选择差就是指选出树木性状的平均值与选择群体的平均值之差。

式（1）中ΔG是较群体均值增益，V2指的是选出树木性状的平均值，V1指选择群体的平均值。

式（3）中P为入选率，N1为入选群体个体数，N2选择群体总数。

式（4）中 ΔV 为材积，H 为树高，d为直径，F为落叶松实验形数（F值为 0.47）。

SSE（误差平方和）该统计参数计算的是拟合数据和原始数据对应点的误差的平方和，计算公式如下：

RMSE（均方根误差）该统计参数也叫回归系统的拟合标准差，计算公式如下:

R2为平方和与总离差平方和的比值，这一比值越大，模型越精确，回归效果越显著。

SSR为预测数据与原始数据均值之差的平方和，计算公式如下：

SST即原始数据和均值之差的平方和，公式如下:

2 结果与分析

2.1 利用3种方法进行长白落叶松优树选择

利用优势木对比法、小标准地法和基于遥感技术的方法对孟家岗林场40-2小班的3块样地进行优树选择，分别选出候选优树45株，3种方法选出的候选优树互有重合（见表1）入选的候选优树自然整枝良好，干形通直、圆满，单一主干，树冠匀称，无病虫害。以材积较群体增益大于250%最终确定了6株最终优树，入选率为1%，且3种选优方法选择的入选优树一致，这为下一步开展落叶松良种选育和改良以及无性系高效繁殖提供了宝贵的基础材料。

表1 3种方法优树选择的数据Table 1 Data of three methods of plus tree selection株数

3种选优方法的候选优树数据进行比较发现，小标准地法对40-2小班选择的候选优树较群体均值增益最大，树高增益30.5%，胸径增益43.8%，材积增益167%。优势木对比法对40-2小班选择的候选优树较群体均值增益居中，树高增益27.4%，胸径增益38.9%，材积增益142.9%。基于遥感技术的选优方法对40-2小班选择的候选优树较群体均值增益较小，树高增益23.8%，胸径增益34.1%，材积增益119%。候选优树入选率8.1%。

用优势木对比法对孟家岗林场40-2小班林地进行了选优工作。4名研究人员花费2d时间对556株长白落叶松进行了优势木对比法的优树选择，按材积较群体增益大于250%，从F12、F13、F21样地分别选出最终优树2、3、1株。F12样地树高较群体均值增益为45%，胸径较群体均值增益65.3%，F13样地树高较群体均值增益为56.3%，F13样地胸径较群体均值增益为82.2%，F21样地树高较群体均值增益为44.1%，F21样地胸径较群体均值增益为64.1%，40-2小班树高较群体均值增益为49.4%，40-2小班胸径较群体均值增益为73%，整体树高较群体均值增益范围为44.1%～56.3%，整体胸径较群体均值增益范围为64.1%～82.2%（见表5）。

表2 优势木对比法候选优树数据Table 2 Candidate plus tree selection data of dominant wood comparison method

表3 小标准地法法候选优树数据Table 3 Candidate plus tree selection data for small standard land method

表4 基于遥感技术候选优树数据Table 4 Candidate plus tree selection data based on remote sensing technology

利用小标准地法对孟家岗林场40-2小班3块样地进行优树选择。研究人员花费5d共计测量40-2小班的556棵树的胸径和树高，选出候选优树45株，按材积较群体均值增益大于250%的标准，最终确定入选优树6株，最终优树数据同表5。

基于遥感技术的优树选择方法需要对孟家岗林场进行遥感影像提取，结合机载激光雷达数据与地基激光雷达数据估算林场F12、F13、F21的3块样地单木胸径与树高。根据“树高平均值+标准差”作为筛选标准预先选出候选优树45株，然后将这45株候选优树的相对位置标注在这3块样地（F12，F13，F21）的地图上（见图 1）。在实地调查时，根据单木分割数据中优树的经纬度信息，定位优树的大致位置，然后在半径5 m范围内，结合单木分割位置图中单株间的相对位置，确定候选优树。2位研究人员花费2 h实地测量了45株候选优树的生长量数据和其他选优指标，形成与单木分割数据的相互印证，这种方法大大缩短了优树选择时间，提高了效率。基于遥感数据和人工实地测量，选出的6株最终入选优树与小标准地法和优势木对比法一致，为相同优树，证明了基于遥感技术选优的可靠性。

表5 优势木对比法的优树选择数据Table 5 Plus tree selection data of dominant wood comparison method

图2 F12样地优树相对位置示意图Figure 2 Schematic diagram of relative position of plus trees in F12 plot

2.2 3种选优方法的比较

由于在1%入选率下3种选优方法选出6株优树一致，从树高、胸径、材积较群体均值增益上比较3种选优方法相同。由表6得知，从时间成本由多到少排序为小标准地法＞优势木对比法＞基于遥感技术的选优方法。小优势木对比法花费时间是基于遥感技术选优的27.5倍，小标准地法花费时间是基于遥感技术选优的67.5倍。标准地法需要测量选优范围内所有树的数据，大大加大了林木工作者的工作量，优势木对比法需要林木工作者在林地里寻找优树，花费了大量的时间在寻找优树上。而基于遥感技术的方法只需要前期提取和处理数据就可以直接选出优树。基于遥感技术的选优方法能节省大量的人力、物力和时间。从成本上比较，结合遥感技术的选优方法金钱成本最低，由于现阶段第一次结合遥感技术选优，成本主要是在无人机遥感获取方面。随着研究深入，以后成本会更低。综上所述，结合遥感技术的选优方法能够节省大量时间和人力物力且精度较高，弥补了传统选优方法的不足，基于遥感技术的选优方式是未来林木优树选择的发展方向。

3 讨论

优树选择是短期内进行林木遗传改良的重要途径和基本技术[22-24]，而传统选优方法费时费力，效率低下。随着科技进步，遥感技术逐渐应用到各个行业。林业遥感技术指通过卫星和飞机对森林资源进行实时动态地监测，形成各种类型数据和信息，并通过综合分析处理得到各种目的数据，从而为林业生产和决策提供数据支持[25]。遥感技术在林业中的应用非常多，主要包括林业资源调查与动态监测、森林病虫灾害监测、森林火灾预警等。无人机遥感（UAV remote sensing）是指以无人飞机（Unmanned Aerial Vehicle，UAV）为系统平台，通过搭载不同遥感传感器，并综合利用遥测遥控技术、定位定姿技术和遥感应用技术，能够快速、自动、准确地获取资源、环境、土地等空间遥感信息，并进行实时处理与分析的航空遥感技术[26]。

表6 3种选优方法比较Table 6 Comparison of three plus tree selection methods

首先，传统的优树选择方法入选率低。在我国南方地区，广泛采用5株优势木对比法选优，但是，众多的优树设定项目指标，很难准确把握形质指标，只能在定性判断的基础上量化给分，这样增加了野外调查工作量和优树选择难度，导致野外调查优树入选率大幅度下降[22]。利用遥感技术和传统选优方法结合是我国选优方法的第一次尝试，结合遥感技术的选优方法可以依据单木解析的胸径、树高、材积等数据按入选指标直接选出优树，提高了选择的效率。其次，传统优树选择方法需要大量的人力、物力。例如在孟家岗林场优势木对比法选择优树，需要4～5个人耗时2 d才选出候选优树45株。结合遥感技术的选优方法可以2人4h直接测量确定的优树，节省了大量的人力、物力和时间（机载激光雷达数据和地基激光雷达数据的获取时间和费用及设备损耗未记入成本），提高了选优效率。第三，传统优树选择方法都需要林业工作者跑到林地现场去选择，林地大部分位于山区，危险系数高。而结合遥感技术的选优方法只需要室外遥感数据获取，室内进行数据处理即可选出优树，大大降低了林业工作者野外工作的危险系数。而且传统的选优方法优树选择范围有限，太多林区人员不可到达，一次性选择范围有限，基于遥感技术可以对所有林区进行数据提取和优树选择，大大扩大了优树选择范围。基于遥感技术的选优方法也有不足。例如，利用单木解析数据中候选优树的经纬度信息，很难在实际林地中准确定位候选优树。造成以上问题的主要原因是GPS定位信息有误差。GPS定位误差范围内的单株很多，因此很难精确定位到遥感数据解析出的单株。我们只能利用单木间相对位置来确定候选优树，但此方法的准确性暂时不能保障。由于此次遥感信息解析出来的3块样地位于40-2小班的中间位置，因此很难在实际林地中确定样地的边缘，这也进一步加大了我们利用单木间相对位置信息来确定候选优树的难度。基于遥感技术选优对于树冠和高度的精度范围有限，与实测数据进行了回归分析，结果显示：单木胸径估测结果y=1.054x-0.447，R2=0.96，RMSE=2.07 cm，P＜0.001。单木树高估测结果 y=1.009x-0.153，R2=0.93，RMSE=1.2 m，P＜0.01表明对单木树高和单木胸径估测结果较好。估测精度随着入选率变大而变小，例如本研究中基于遥感技术选择的候选优树与其他两种选优方法不完全相同，只是互有重合，而在1%入选率的最终优树时3种选优方法选择的优树一致。随着遥感技术应用的深入和科技的进步，未来这些问题将很快解决。结合遥感的选优方法也有局限性，优树选择不仅仅是数量指标，而质量指标和数量指标等相结合，遥感技术数据是没有办法监测质量指标的，而通过遥感数据选出预选优树再结合人工实地测量质量指标等选出实际入选优树，弥补了遥感技术的缺陷。使用面向对象提取方法和人工视觉的方法提取单木冠幅数据，经验证用无人机拍摄的影像解读单株树高等接近前两种方法的实际测量值，即遥感法对单株生长测定的精度能达到优树选择的生长量精度测定要求，但依据样地面积和树冠面积比得到林分郁闭度，通过两种方法的计算结果表明，冠幅提取精度将随着森林郁闭度的增加而降低，所以结合遥感技术的选优方法适合郁闭度比较低的林分[27]，这样精度可以大大提高。由于枝叶的遮挡，TLS不能完整获取树冠顶部信息，而ALS对树冠顶部的描述要比树冠下部详细的多，因此结合两种数据能获取更高精度的森林树高、胸径等结构参数。此次研究目的是选择速生丰产和材性优良的单株，林分郁闭度不大，遥感技术刚好可以提取树高等冠幅信息进行优树选择。

本研究的落叶松优树选择目的是选择速生丰产，材质优良的落叶松，所以以40-2小班树高，胸径进行的预估实际增益的比较，人为因素树高的估算会造成一定的实验误差，从而造成较群体均值增益的误差。其次较群体均值增益主要决定因素是选择强度，即不同的优树入选标准会导致不同的较群体均值增益大小。将遥感技术和传统选优标准结合，根据遥感数据确定候选优树的数目，用实地测量数据计算的较群体均值增益，发现用遥感数据确定的优树皆为实地优树，说明了遥感技术的可靠性。今后若结合林场二类调查表和林场其他信息数据，在选优过程中综合考虑复杂的外部环境对优树生长的影响，将进一步突显结合遥感技术选优的重要作用[27]。就林业行业而言，遥感技术在林业生产活动中的应用仍处在起步阶段，但其强大的应用前景，对推动现代林业、智慧林业和精准林业的建设和发展具有重要意义。相比传统选优方法，基于遥感技术的选优方法提高了优树选择效率，节省了人力和时间成本，是未来林木选优的发展方向。