无人机航测技术在森林资源调查中的应用

2021-12-08王太法

南方农业 2021年27期

王太法

（贵州省林业调查规划院，贵州贵阳 550003）

无人机航测技术是利用无人机飞行系统和导航定位系统结合数字摄影构成飞行器，其具有灵活性强、分辨率高、覆盖面积广、作业成本低等特点，被广泛应用在环境资源调查之中。

1 森林资源调查概述

森林作为我国重要的自然资源，需要对其生态生长情况进行全面的了解。森林资源调查包括森林面积、树木种类、地域环境、生长状况等内容，林业人员根据森林资源调查信息将能够制定出科学合理的资源发展规划，确保森林资源的可持续发展。森林资源调查工作主要集中在掌握森林资源种类、数量、生产状况方面，是保护森林资源和促进森林资源有效利用的必要手段，而且森林本身占地面积广、覆盖范围大，森林资源没有明确的地域划分，也需要调查工作对相关区域进行规划，可按照树木种类、林地关系、地域特点进行划分，能够提升森林资源的丰富程度。另外，林木资源需要调查清楚树木的生长周期，依据生长周期适当进行采伐、抚育和养护工作，实现森林资源的科学管理，促进森林生态环境的高质量发展运用。

2 无人机航测技术在森林资源调查中的重要作用

森林资源调查工作需要先确定调查样地范围，再对样地内所有满足条件的树木进行调查，将树种、树高、冠幅、坐标等内容进行记录。传统森林资源调查法需要每2～3 人为一组，在1～2 h 内在森林现场进行观测和调查，由于人工调查只能在现场进行，在调查结束后相关数据信息基本不会复查，这样才能节约调查时间，但也导致数据信息的准确性很容易受人为因素的影响。利用无人机进行航测调查同样大小区域所需的时间仅为30 min 左右，并且还能获取大范围的影像信息，相同调查时间内无人机对比人工调查，可多次对样地进行观测，进一步提升森林资源调查的完整性，再加上影像信息的精准度，可获得更为准确的冠幅、树高、面积、密度等信息。无人机航测也存在一些缺点。1）无人机依靠GPS导航进行工作，在树冠遮挡或其他干扰因素的作用下，调查往往会出现一定偏差。2）森林资源中林木胸径分析多是以重要因子模型计算得出，因此拍摄无法准确测量。不过在科学技术快速发展的背景下，激光雷达、三维激光扫描等先进技术也逐渐应用在无人机航测之中，将测量出更为精准的数据信息［1］。

3 无人机航测技术在森林资源调查中的应用

3.1 航测设计

在无人机航测前需要进行一些准备工作，确保飞行过程的安全稳定。1）要提前检查无人机起落区域的情况，确保起飞和降落区域内没有障碍物，并确定降落点。2）要提前做好航测当日气象条件的分析工作，虽然无人机航测可以在较差环境下进行工作，但仍然以良好天气状况为主，以提高航测分辨率。同时还需对无人机航测影响进行数据纠正，结合相关软件和三维技术对无人机影像生成后的位置、网格、云数据等重新建立模型，能够真正展现出调查目标的形态特性。另外，航测路线和区域应当结合过往人工调查经验进行规划，以便于无人机高效快捷地调查所需内容。在完成飞行任务后，还需要对相关影像数据进行处理，保障影像、图片的清晰度和饱和度。

3.2 树高信息

无人机航测技术主要利用数字地表模型中的DEM（Digital Elevation Model，DEM）模块构件三角网模型，以此从三维点数据中运用最大领域法计算出树顶点的位置和高度，这就是树冠的最高点，当然此数值并未经过精度处理，只是作为模型设定条件的最高点，还需针对冠面坡度、最大曲率、最小曲率等因素进行分析。结合无人机航测得到的相关影像，分析树木特征和坐标信息，再根据GPS 显示的相对坐标位置，测量区域范围内每株树高。精度计算公式为精度=1-（提取树高-实测树高）/实测树高，通过此公式便可以得到样地区域内树高测量中的最低精度和最高精度，再经过无人机对树干高度的多次提取计算，得到测量中具有的误差，便可以明确更为精准的树高［2］。

3.3 冠幅信息

树木冠幅是无人机侦测森林资源中调查影像可以得到最为清楚的部分。在影像上树木的郁闭度有着明显的反馈，高郁闭度的树冠以片状形式表现，其他信息提取效果不佳，而低郁闭度的树冠分布散开，边缘清晰，提取质量良好。因此，冠幅信息的提取主要是面对高郁闭度进行调查侦测，可以有多种方法进行调查提取。

1）以地形分割选取类似的侦测方式，以目标物最优分割效果为基础，经过无人机多次调查后确定分割参数值。这种方式需要提前设置树冠分割规则特征，包括光谱、纹理、空间三要素。光谱是通过影像波段计算树冠属性；纹理则是通过设定纹理大小分析影像波段，可以用相关属性值代替纹理中心像元；空间要素则是三维形状、面积周长等参数的设定。此方法可以将大部分树冠信息完全分割出来，不过也存在部分粘连情况。但分割方式会受到影像本身拍摄阴影的影响，分割效果不好校对导致树冠信息受到较大干扰，多是在光照条件良好、树冠非过度密集的情况下使用［3］。

2）利用手工勾画出树冠提取边缘，将无人机拍摄的图像进行编辑，在图层中勾画出树冠外轮廓，再经过计算功能得到每个树冠的参数值。人工进行勾画提取树冠信息的效果比分割方式更好，可以避免分割受阴影的影响，提高树冠信息的完整性，相对的人工勾画也会增加调查人员的工作量。手工勾画方式主要以郁闭度较高，林木密集粘连的区域为主。

3）是基于分割和手工勾画相结合的人工神经网络分析提取方式，利用人工神经网络可以不断学习的优势，再利用图像分割和手工勾画所得到的图像为神经网络提供经验，以此对调查影像进行精度更高的分析。人工神经网络的优点在于较高的精准度和分析能力，可以结合不同影像冠幅值平均计算，再由图像分割和手工勾画提供支撑，得到精度更高的冠幅信息。不过人工神经网络方法需要花费大量的时间学习和分析，在面对样地区域较大的调查需求时，其提取效率较低。

3.4 地类信息

无人机航测技术在森林资源地类信息调查中主要以地类分类和像元特征为基础进行提取分析。运用相关软件工具对影像中不同地质类型进行相应信息的分析提取。地类信息调查可以采用神经网络、最大似然、最小距离等方法进行处理。不过地类信息获取分析与森林分析提取相比，表现和区分效果并不良好，尤其是在林地和耕地区分中，地类分析很容易出现混乱现象，这是由于反射率数值相近，分离性不高。面对此种情况，无人机航测技术要发挥其高分辨率影像的优势，对空间、光谱、纹理等信息特点进行分类，输出高精度的矢量结果。可以结合过往地域分割尺度，在无人机航测线路上针对明确会存在差异的内容，在调查时便可以通过无人机多次影像确定差异大小，从而实现地类信息的准确分割；或是构建起地类样本库的方式，为整个森林资源标注样本编号，例如林地12、耕地3、道路9、水体2 等样本，再将无人机拍摄的影像与地类样本库进行匹配，不仅有助于降低混乱分类状况出现的概率，而且能够提高分离性与地类边界准确度［4］。

3.5 单木信息

单独树木信息是评判森林资源样地发展情况的重要一环，无人机侦测技术在森林资源调查过程中往往注重全面、全方位的勘测，再通过多次信息内容分析提取出相对准确的数据信息，来评判森林资源情况。但对于单个树木或地质的调查较为缺乏：1）人工对于单独树木信息的调查较为容易，也具备针对性；2）无人机类型的限制，固定翼无人机难以有效面对单独树木进行调查，需要旋翼无人机进行侦测。但针对单独树木信息的调查在无人机侦测技术的帮助下有利于林业人员更加系统、准确地了解树木情况，而且在需要对多个独立树木进行调查时，也更加高效。针对树冠信息的调查会由辅助软件选取测算点，并将整个树冠划分为数个层次，根据每个层次的高度、投影面积、冠幅、树冠直径，详细计算树冠信息。划分层次的数量与树木种类有一定关系，例如阔叶类树木需要划分出5～6 个层面，才能保障计算的精准度。而树高分析是以GPS 坐标和相对基准点作为依据，无人机选取基准线上不同位置的三维点位作为测算点进行拍摄，便能够提升树高测算的精准度。单木信息获取有助于林业人员了解更为细致的树木生长状况，评判整个森林资源的发展趋势［5］。