基于无人机遥感的森林参数信息提取研究进展

王 娟,陈永富,陈 巧,李华玉,张 超

(1.西南林业大学 林学院,昆明 650224；2.中国林业科学研究院资源信息研究所 国家林业和草原局林业遥感与信息技术重点实验室,北京 100091)

随着遥感技术的发展以及现代林业需求的不断提升,森林资源调查经历了从传统地面调查到航空、航天等不同平台类型,遥感数据空间分辨率从千米级到厘米级不断提高,波段信息从单波段到多光谱不断丰富,数据结构从二维图像扩展到三维点云,等等。近年来,近地面遥感技术为森林资源调查及森林参数信息的获取提供了新的机遇和挑战。其中,无人机遥感技术作为一种新型的数据获取手段,不仅可以弥补地面监测与航天、卫星遥感之间的尺度空缺,将监测点上的结果更准确地扩展到区域尺度,供森林资源调查与监测使用,还可搭载不同性能的传感器以获取时空匹配的多源数据,在森林参数信息提取、生态环境调查、生物多样性监测、森林火灾及病虫害监测等领域应用广泛[1]。

目前,无人机遥感技术为不同尺度的森林参数提取和森林资源调查、监测与规划提供了技术支撑。无人机能够逐渐应用于森林资源调查主要的原因有:

1) 无人机类型多样。目前应用于林业领域的无人机主要包括多旋翼无人机、固定翼无人机、无人直升机等。其中,多旋翼无人机在林区调查受限程度小,适合于小区域精细尺度的森林资源调查；固定翼无人机飞行速度快,起降受环境限制,适合于大区域的森林调查。

2) 数据源丰富。无人机平台搭载不同性能的传感器,实现了高空间、高时效、高光谱遥感影像的获取,以及热红外遥感数据和高密度的激光雷达点云数据的获取；弥补了星载和机载高分辨率影像和传感器价格昂贵、易受天气状况影响,以及重返周期长、不能实时更新等缺陷,为单木尺度森林参数信息的提取提供了更加精细的数据支撑。

3) 无人机数据后处理软件发展迅速,如Pix4D Mapper,Agisoft′s PhotoScan,PixelGrid,LiMapper和LiDAR 360等。操作简单的自动化及专业化的无人机数据后处理软件为无人机在森林参数提取中的应用提供了有效保障。

1 无人机遥感技术的发展

无人机(unmanned aerial vehicle,UAV)是无人驾驶航空器的简称,与遥感载荷、地面控制站和数据链接组成无人机遥感系统,最早用于军事领域,后来广泛应用于农业生产、资源调查和环境监测等民用领域[2]。随着无人机技术的不断发展,各种机型的无人机不断增加,越来越多的人开始使用无人机进行野外调查研究。无人机及其搭载的传感器种类多样,性能不一,应用领域也不一致,因此,准确了解无人机及传感器类型将有利于高效地开展森林参数信息提取的研究。

1.1 无人机类型

无人机根据重量、载荷及系统组成等分为不同的分类体系,常见的有基于尺寸的分类和基于结构的分类。按照我国《民用无人驾驶航空器系统驾驶员管理暂行规定》根据重量将无人机划分为微型、轻型、小型和大型无人机[1]。微型无人机空机重量<7kg,载荷大小<5 kg；轻型无人机空机重量为7～116 kg,载荷大小为5～30 kg；小型无人机空机重量 ≤5 700 kg,载荷大小 ≤50 kg；大型无人机空机重量>5 700 kg,载荷大小为200～900 kg之间。微/轻小型无人机质量轻,易携带,可自主规划航线实行飞行任务,实现对林班、小班数据的采集和获取,调查对象覆盖不同区域尺度,如单木、样地和林场等,是目前森林参数信息提取研究中应用较多的类型。

按照无人机机械组成及飞行原理,无人机还可划分为无人直升机、多旋翼和固定翼无人机等类型(表1)。后两者在森林资源调查与监测中应用较多,其中,旋翼无人机因其机动灵活,定点观测等优势适合于小区域精细尺度的森林资源调查。目前,随着无人机不断地商业化和产业化,国内外无人机的品牌不断出现,常见的无人机品牌有3D Robotisc(美国)、AscTec(德国)、大疆Phantom系列和LiAir(中国)等。总之,不同类型的无人机在载荷、飞行时间、最大起飞高度及应用领域均有不同,需要根据具体的研究类型来进行选择,更多详细的无人机信息可参考国家遥感中心无人机遥感系统信息库。

表1 无人直升机、固定翼和多旋翼无人机优缺点对比Tab.1 Comparison of advantages and disadvantages of unmanned helicopters,fixed-wing and multi-rotor drones

1.2 无人机遥感载荷

无人机平台搭载的传感器类型与传统机载平台类似,主要包括高分相机、多光谱相机、高光谱成像仪、热红外成像仪、激光雷达扫描仪等。1)高分相机因其成本低和数据处理简单等优势,在森林参数信息提取研究中应用最广泛。高分相机能获取高达厘米级的RGB影像,获取的光谱和纹理等信息可用于提取树冠参数信息和进行林窗分析[3]等。2)多光谱和高光谱成像仪均可获取可见光和近红外波段信息,其中高光谱获取的波段更多,具有更高的光谱分辨率。无人机多光谱影像获取的光谱信息能用于植被制图、植被长势和营养监测等研究[4-5],高光谱遥感影像还可用于森林病虫害监测、生物多样性研究等领域[6]。3)热成像仪能够获取热红外波段信息,对温度变化的反应比较敏感,多用于监测森林火灾、农作物抗旱性研究和识别植被冠层信息等[7]。4)无人机激光雷达扫描仪均为脉冲式,通过低空飞行获取高密度的激光点云数据,生成的产品空间分辨率也能够达到厘米级别,还能构建林区精细地形信息,在树高、冠幅、枝下高和叶面积指数等森林参数反演研究中应用较广泛[8]。如上所述,不同的传感器获取的数据具备不同的特征,应用领域也不一致。无人机平台传感器类型多样,可以获取时空匹配的多源数据,降低后期数据配备难度。

1.3 无人机遥感系统

目前,应用于森林资源调查的无人机系统主要为无人机摄影测量系统和无人机激光雷达系统2种类型。无人机激光雷达系统因配备激光扫描仪和高精度GNSS & IMU(全球导航卫星系统与惯性测量单元),能获取地物三维点云构建林下精细地形和反演森林参数结构。无人机摄影测量系统图像定位比激光雷达系统低。随着计算机视觉图像的快速发展,无人机摄影测量系统可以通过图像三维重建方法生成三维点云获取植被表面高度信息,这是一种低成本的森林结构信息获取方式。

2 无人机遥感森林参数信息提取

森林参数是反映森林经营管理状况与森林质量的重要指标。传统的森林资源调查主要以布设样地进行抽样调查作为技术手段,不利于大区域尺度的调查研究,且林下条件复杂存在调查难度大、效率低和精度差等问题,难以满足现代林业的发展要求。近年来,国内外基于无人机进行森林参数提取,主要包括单木和林分水平上的树高与冠幅的提取,林木株数、胸径、郁闭度,蓄积量、生物量及碳储量,等等因子的获取。由于无人机无法直接测量胸径信息,主要通过树高和冠幅因子进行反演得到。

2.1 冠幅提取

树冠是一种多功能的生态指标,是光合作用的主要场所。树冠面积的大小是森林资源调查的重要因子之一,是估测树木胸径、构建生物量和蓄积量林分模型的重要参数；树冠直径还可以作为预测林分密度、株数密度的基准,进而估计林分间的竞争关系[9]。无人机获取的光学遥感影像分辨率高,能够直观地体现树冠的纹理、形状、光谱和颜色等信息,为快速、精确提取冠幅提供了有效途径,是目前基于无人机提取冠幅信息的主要数据源,提取方法主要有目视解译、面向对象、控制标记的分水岭分割等方法。

1) 目视解译法。

目视解译是指通过人机对话的方式勾绘识别遥感影像中的树冠边界,提取精度因人而异,不确定性大,且难以实现大面积树冠信息的提取。蔡文峰等[10]基于数字测量系统VirtuoZo采用目视解译法,在立体对象下测量冠幅直径,与实地测量直径间相关性较好,但不适合大范围林区的调查。

2) 面向对象分类法。

面向对象分类法是无人机高分辨率影像提取冠幅常见的分类方法之一,是以若干同质像元组成的对象为处理单元,通过分析对象的光谱、纹理、形状等特征从而进行信息提取[11]。面向对象多尺度分割是冠幅提取最常见的方法之一,其中多尺度分割的精度直接影响到树冠信息的提取。李赟等[12]以亮度值作为指标采用面向对象多尺度分割的方法提取杨树冠幅信息,冠幅分割效果较好,并建立冠幅-胸径模型进行蓄积量估测；王枚梅等[13]基于固定翼无人机获得高分遥感影像,采用面向对象多尺度分割法提取高山松树冠参数信息,提取效果良好,证明基于无人机遥感影像进行树冠参数的自动提取是可行的；孙钊等[14]采用多尺度分割法提取树冠,对光谱、纹理等特征进行特征空间优化和面向对象分类,提取高郁闭度杉木纯林树冠面积和林分郁闭度,提取精度较高,证明基于无人机高分辨率影像进行高郁闭度林分下冠幅信息提取是适用的；韦雪花[15]基于轻小型航空遥感影像,采用面向对象法提取林分郁闭度、冠幅等参数信息,其中,单木冠幅提取精度为72%,平均冠幅提取精度为87%,研究表明单木分割的准确率直接影响到单木树冠提取精度。

3) 标记控制分水岭分割法。

分水岭分割法是基于边界检测分段系列的重要组成部分,对微弱边缘较敏感,较适合高分辨率的影像。为减少过分割和欠分割现象,诸多研究者提出了采用标记控制分水岭分割算法来进行树冠的分割,主要通过在原始图像中寻找一些内部或外部标记来引导算法进行分割。李丹等[16]采用阈值分割法和FCM聚类算法对无人机高分辨率正射影像树梢进行标记,采用基于标记的分水岭算法进行单木分割,分析发现该算法用于单木树冠分割效果较好,并提出基于标记的分水岭分割法适用于高郁闭度林分中林分因子的提取,但随着郁闭度的增加精度随之下降；Mu等[17]基于无人机高分影像采用自适应阈值和标记控制分水岭分割法来识别单株树木,提取树冠信息,结合目视解译与地面调查进行精度评价,误差较小；全迎等[18]对比了机载激光雷达和无人机搭载激光雷达单木提取精度,对落叶松树冠特征因子(CHM)采用标记控制分水岭分割算法提取单木冠幅信息,研究表明无人机激光雷达精度高于机载激光雷达。

2.2 树高提取

树高作为森林资源调查的重要测树因子,能够反映有关物种在特定地点生长时的生产能力,反映树木生长状况,估测蓄积量、生物量和碳储量等森林参数。基于无人机遥感技术进行树高提取主要包括单木水平和林分(样地)水平:单木水平提取方法主要有CHM(Canopy height model,冠层高度模型)分割、点云分割和树高模型估测等；林分水平提取主要通过建立冠层高度与无人机激光雷达获取的预测变量间的相关性来进行间接估测,如高度分位数法。基于无人机提取树高主要通过无人机摄影测量系统和激光扫描系统2种方式来实现。

1) 无人机摄影测量系统。

谢巧雅等[19]采用无人机多光谱数据生成DSM与地形图生成的DEM构建CHM,采用随机森林法生成树顶点进行树高提取,研究表明高程变化对树高提取精度存在显著影响；杨坤等[20]基于Pix4D软件处理无人机高分影像,生成正射影像和三维点云,并对点云进行筛选,采用最大类间方差法进行点云分割提取树高,绝对误差小于80cm,研究发现树冠形状会对树高的提取造成显著影响。运动结构重建算法(structure from motion,SfM)是基于无人机摄影测量技术提取树高研究中常见的图像三维重建方法之一。刘江俊等[21]采用SfM 算法结合无人机影像对研究区进行三维重建并构建CHM,采用局部最大值算法进行树顶点和树高提取,提取值与实测树高的R2达0.9以上,表明分辨率和窗口大小对树顶点和树高的提取影响较大。Dandois等[22]利用无人机高分影像基于SfM算法得到密集点云并构建CHM,提取树高与实测树高的R2均在0.6以上。Stefano等[23]基于无人机高分影像生成密集点云,结合地面调查数据建立平均高、优势木平均高和株数等模型,模型的R2均高于0.6。Karprina等[24]通过无人机影像还原树木3D密集点云后,通过算法自动识别树冠以及树木周围地面点高程估测树木高度,树高估测误差较小。

2) 无人机激光雷达系统。

激光雷达可以有效穿透森林,为树高提取创造有利条件。杨凡等[25]采用无人机激光雷达对低矮植被高度进行估测,在特定航高和扫描范围下,树高误差能够达到厘米级,证明无人机激光雷达技术能够快速高效获取低矮植被信息；Jaakkola等[26]介绍了一种新型的无人机激光扫描系统,基于无人机激光雷达点云数据构建CHM并提取26个点云特征变量,采用随机森林算法估测胸径和树高信息,研究表明利用该系统进行树高和胸径等森林参数的提取是可行的。无人机激光雷达获取的高密度点云数据,能够得到精细的空间结构信息。诸多研究表明,点云密度是单木检测和分割的重要影响因素之一,随着点云密度的改变,树高提取精度也会随之改变[27]。如:Lin等[28]通过对比在原始点云和抽稀点云密度下树高提取结果时发现,高密度点云能提高树高估测精度；Wallace等[29]基于多旋翼无人机获取激光雷达点云数据,研究表明在50 point/m2的原始点云下提取的树高信息精度高于抽稀后点云的提取。

3) 多源数据综合。

单一数据的不足导致多种数据源的结合为目前森林参数信息的提取提供了新的思路,如激光雷达与摄影测量技术的结合、无人机数据和机载数据的结合等。张吴明等[30]通过融合地基激光雷达数据与无人机影像提取树高,研究表明2种数据的融合能提高地基激光雷达对树高估测精度；许子乾等[31]通过融合无人机影像获取的冠层三维点云与LiDAR数据构建的DEM来提取高度和点云密度的相关特征变量,估算林分平均高、林分密度、蓄积量等林分因子,研究表明两种数据的互补作用为林分特征的获取提供了一种可靠的反演方法。

2.3 森林生物量和蓄积量提取

生物量和蓄积量的获取主要分为基于生物量模型或材积公式模拟、实地调查获取,以及基于遥感数据反演这3类,无人机提取森林生物量及蓄积量大多是基于无人机遥感数据提取的冠幅和树高等参数进行模型反演得到。

1) 森林生物量提取。

森林生物量是森林生态系统的重要标志,是森林生态系统生产能力的重要体现。森林生物量的精确估算有助于进行森林生态系统生产力、生物圈碳循环及全球气候变化等研究[32]。近年来,基于无人机遥感技术估测森林生物量逐渐成为一种新的研究趋势。如:何游云[33]对阔叶红松林和峨江冷杉林的实测胸径和无人机获取的树冠面积进行定量分析,探索单木尺度上地上生物量的研究方法,以获取该地区及其他区域相同树种生物量的遥感估算模型；朱雅丽等[34]以无人机遥感影像提取的胡杨冠幅为自变量,以生物量模型得到的地上生物量为因变量,间接构建胡杨生物量模型,分析确定了处于不同林龄胡杨样地的地上生物量的最优估测模型；Ota等[35]分别基于航摄地面点云和LiDAR地面点归一化点云构建CHM来估测热带森林地上生物量,研究发现2种方法获取的生物量估测精度(R2)均高于0.7,但基于LiDAR构建的CHM精度高于航摄点云,其R2为0.93；Zahawi等[36]通过多旋翼无人机高分影像,采用无人机遥感方法Ecosynth生成高分辨率的三维点云模型,以获取树高和森林地上生物量等参数,结果显示,实测生物量与Ecosynth获取的地上生物量的R2均大于等于0.81,研究表明Ecosynth无人机遥感技术可为小空间尺度上准确描述森林地上生物量提供技术支撑。

2) 森林蓄积量提取。

森林蓄积量是评价森林的重要指标,是反应林地生产力和经营措施的重要标志,为森林经营与林分采伐提供了重要依据[37]。陈忠明[38]以无人机遥感提取的杉木冠幅、株数及林分平均高为自变量,以实测林分因子估测的蓄积量为因变量建立多元线性回归模型、对数模型及最小二乘回归模型,表明无人机遥感技术提取杉木蓄积量是可行的；李亚东等[39]基于无人机特征点匹配生成的原始点云数据进行树冠分割,通过聚类提取树顶点和树高并建立二元材积模型以估测森林蓄积量,蓄积量估测精度达82.46%；Goodbody等[40]结合无人机高分影像和机载激光雷达估测森林蓄积量,结果表明,未来无人机数字航空摄影技术将成为蓄积量估测和森林资源调查的重要手段。

3 无人机在其他相关领域的应用

无人机遥感技术除了应用于森林参数信息提取方面外,在林区规划、森林景观三维重建、森林物候变化和树种分类等方面均有应用。解宇阳等[41]采用八旋翼无人机获取激光雷达数据,并采用Clark-Evans最近邻体分析方法计算样地内高大乔木分布格局,研究表明,基于无人机激光雷达技术提取植被冠层高度和单木位置的精度较高,但对于树木空间分布格局判定的准确性有待于进一步探索；林志玮等[42]基于无人机遥感数据采用DenseNet卷积神经网络建立了树种识别模型,提出了新的树种识别方式,发现影像解析度和模型网络层数会对识别精度造成一定的影响；刘清旺等[43]对无人机激光雷达与摄影测量技术在森林物候和结构变化、灾害监测及林下地形提取等方面的应用进行阐述,并对未来无人机遥感在林业上的应用进行展望。

4 挑战及展望

4.1 面临的挑战

无人机遥感技术虽然能够弥补传统地面调查及航天航空遥感平台在更新周期和分辨率等方面的不足,但在森林资源调查领域仍然面临挑战。

1) 目前,基于无人机进行森林参数提取的研究多集中于树种结构单一,地形平坦的林分,对于混交林、异龄林和地形起伏较大的林分研究较少。复杂的林分为无人机飞行任务的执行及森林参数的提取增加了困难,解决复杂森林环境下使用无人机技术提取森林参数信息是未来森林资源调查需要解决的重要问题之一。

2) 高郁闭度林分树冠相互遮挡,导致树冠及其他林下信息提取精度差。无人机进行森林参数获取时,主要基于无人机激光雷达系统和摄影测量系统来实现,不论是无人机搭载的激光雷达扫描仪还是垂直摄影和倾斜摄影技术都难以获取高郁闭度林分林下信息。我国森林类型多样,郁闭度高的林区较多,因此,在高郁闭度林分下提取森林参数信息是目前需要解决的主要问题之一。

3) 无人机及其平台性能有待提升。首先,我国森林类型多样,地形复杂,在复杂林区进行数据收集时,会因无人机脱离操作者视野或触碰到较高遮挡物而失踪或坠落,因此,提升无人机避障能力及其安全性是非常重要的；其次,固定翼与多旋翼无人机各自都存在不足,两个机型的结合,可以相互补充,不仅能实现大面积林区长时间数据收集与监测,还具备垂直起降、定点观测、起飞便利等优势,实现不同尺度数据的获取。

4) 无人机数据处理软件的优化。目前,无人机数据处理软件虽然操作简单,具备自动化、一体化的数据处理形式,但主要集中于光学影像的拼接,对于飞行姿势不稳导致数据畸变、海量数据拼接花费时间长、计算机配置要求高和如何消除光照产生的阴影等问题的处理还有待进一步优化；针对于多源无人机数据配准和融合的软件较少,还有待开发。

5) 无人机行业相关飞行规定有待进一步完善。无人机技术不仅在军事领域发展迅速,在林业、农业等非军事领域也不断发展,不完善的无人机飞行规范和准则限制了无人机技术在林业领域的发展,因此,应该完善无人机飞行规范和准则,以促进无人机技术在林业及其他行业的应用和发展。

4.2 研究展望

无人机遥感在森林参数获取、森林资源调查与监测中具有广阔的应用前景,未来将可能成为森林资源调查的重要手段,但无人机遥感在林业中的应用还未形成成熟的技术体系,未来还需要从以下方面进行扩展:

1) 多源数据的获取。森林参数获取是进行森林资源调查的基础之一,森林资源调查具有时空尺度效应。无人机机动灵活,可以实时更新,既可以获取精细尺度的数据类型,又可以进行大面积森林资源调查,可用于长期动态的森林资源遥感数据收集,为森林资源经营和管理提供决策依据。

2) 多源数据融合。单一的数据源难以获取高精度的森林参数信息,多源数据结合将成为未来无人机提取森林参数的有效方法之一。通过无人机激光雷达与摄影测量技术的结合,既能获取具备纹理、光谱等高分辨率的时间序列信息,又能获取单木及地形三维信息,为森林参数提取、森林资源监测和管理提供了有效的数据支撑。

3) 激光雷达传感器的改进与普及。当前,无人机在森林资源调查领域中的应用主要以光学遥感影像为主,特别是高分影像应用最多,对于激光雷达扫描仪传感器的应用较少。激光雷达系统价格高、传感器重量大,多数研究团队及林业基层部门无法负担。因此,无人机激光雷达扫描仪、高精度的GNSS & IMU及光学传感器等遥感载荷的微型化、低成本化,将使得无人机遥感系统更好地应用于森林参数的获取,更好地服务于森林资源调查与监测工作的进行。

4) 无人机遥感技术在基层林业部门的应用。无人机遥感逐步成为森林参数获取、森林资源调查的重要手段之一。但在基层林业单位对于无人机的使用及其数据处理软件的应用还不普及,加强对基层林业人员无人机遥感技术的培训,可以提高森林资源调查的精度及效率。