无人机可见光遥感在普洱市森林资源监测中的应用①

冷鸿天，杨雨渐，王海波，李元杰，冷天熙，马俊华，吴颜奎

(1.云南省林业调查规划院，云南 昆明 650051；2.云南省林业调查规划院 大理分院，云南 大理 671000)

随着社会的发展，环境保护越来越受到重视，森林资源管理也从传统对森林资源的开发利用转变为以保护为主，从重视经济效益转变为重视生态效益和社会效益。为贯彻落实党的十九大精神和生态文明思想，努力践行“绿水青山就是金山银山”的绿色发展理念，紧扣云南省“西南生态安全屏障、全国生态文明排头兵、中国最美丽省份”的生态战略定位，云南省通过开展森林督查，森林资源管理“一张图”和森林资源年度监测等工作加强对森林资源的管理。

无人机遥感是利用无人驾驶飞行器技术、遥感传感器技术、遥测遥控技术、通信技术、POS定位定姿技术、GPS差分定位技术和遥感应用技术，具有自动化、智能化、专业化快速获取国土、资源、环境、事件等空间遥感信息，并进行实时处理、建模和分析的先进新兴航空遥感技术解决方案[1]。

当前，森林资源监测手段主要依靠现地调查和卫星影像判读两种方式，现地调查精度高，能够实施精细监测，但投入的成本高，花费时间多，对一些地形条件恶劣，不能到达的地方只能放弃或采用其他调查方法。而卫星影像虽然可以实施全面监测，但受到影像精度和实效性的限制，难以对森林资源变化实施及时精确监测，而无人机技术的使用可以对两种监测不足之处形成有效补充。

1 研究区概况与数据获取

1.1 研究区概况

普洱市位于云南省西南部，地处北回归线附近，海拔317～3 370 m，境内群山起伏，全区山地面积占98.3%，地形条件复杂，交通不便，林业野外调查条件艰苦。普洱市气候适合林业产业发展，森林覆盖率超过67%，茶园达21.2万hm2，破坏森林资源的情况时有发生，森林资源监测压力大。

1.2 数据采集与处理

无人机按照飞行方式划分，分为固定翼无人机和多旋翼无人机。固定翼无人机飞行距离远，飞行速度快，拍摄范围较大，但对起降环境要求高。而多旋翼无人机可以垂直起降，定点悬停在空中，对起降环境要求低，但续航时间较短，飞行范围较小[2]。此次采用的无人机是垂直起降固定翼无人机，结合了两种飞行方式的优点，续航里程和测量范围相对于大疆等民用无人机有很大提升，一次起降能有效拍摄2 km2范围，极大地提升了林业野外工作效率，节约调查成本，适宜大范围测量。同时华测华鹞P316携带高精度的RTK和索尼RX1黑卡相机，配合地面站差分记录每张照片拍摄点的位置信息和姿态信息，定位精度高，数据处理成果效果好。项目使用仪器设备和软件如表1所示。

表1 项目使用仪器设备和软件Tab.1 Equipment and software used in the project

在云南省普洱市选择几个有代表性的森林监测图斑进行无人机数据采集，飞行高度为200 m，飞行范围约2 km2，航向重叠度70%，旁向重叠度60%。

2 技术流程

无人机遥感获得林区高分辨率照片后，在电脑中采用POS对数据进行预处理，并将解算出来的飞机位置与姿态数据及照片一一匹配。使用Pix4Dmapper无人机影像处理软件对图像进行畸变校正、全自动空三处理，生成三维点云和DEM(数字高程模型)、DOM(数字正射影像)和DSM(数字表面模型)，在ArcMap中对数据进行处理分析与应用。同时通过DSM减去DEM得到CHM(冠层高度模型)，通过Lidar360软件处理点云数据和CHM，提取林分因子。总体技术路线如图1所示。

图1 技术路线流程Fig.1 Technical route and process

3 无人机可见光遥感在森林资源监测中的应用

3.1 对新增森林的调查

新增森林的重要途径是未成林地生长成林。由于云南省地形起伏较大，人工调查费时费力，且只能采用抽样的方法进行检查，对整个造林区域情况了解不足。而使用无人机影像数字正射影像图DOM可以方便地获取造林地面积和造林株数，检查是否符合造林规范。同时直观地计算覆盖率，判断是否达到森林的标准。很大程度上代替了人工现地观测，提高了调查效率，减轻了调查人员工作强度。

选择普洱市的一块新造林地，种植树种为桉树。通过选取50 m×50 m样方可以很容易地得到造林密度为2 000株/hm2，这与《云南省森林资源规划设计调查操作细则》中桉树合理造林株数相符。由于绿光波段的反射较强，而红光和蓝光具有吸收特性，充分考虑植被的光谱特征且无人机DOM只含有红、绿、蓝3个波段信息，VDVI可以有效区分植被和非植被且阈值在 0 附近[3]。计算公式为：

(1)

式中：R、G、B分别表示影像中的红、绿、蓝波段值。

对VDVI图层(图2)以0.6为阈值，可以有效提取出本测区植被覆盖范围，利用ArcMap中的重分类对VDVI进行二值化并将其转为矢量，利用筛选工具可方便统计植被面积，精确计算郁闭度(图3)，计算结果，该样地郁闭度为0.51，达到了森林标准。可见，采用此方法计算的郁闭度非常准确，准确度达95%以上。这种方法的缺点是不同树种其阈值不同。因此，阈值需要采用所拍摄区域的树种来确定。

图2 拍摄区域VDVI值Fig.2 VDVI value of shooting area

图3 阈值为0.6时提取的植被分布Fig.3 Vegetation distribution extracted at threshold 0.6

3.2 对减少森林的调查

森林减少的主要原因为建设项目使用林地(图4)和林木采伐(图5)。无人机由于自生的优势已被广泛运用于使用林地的核查工作中。付凯婷[4]利用DOM影像进行室内小班区划，与外业调查小班区划相比，一致性为97.89%。在外业查验工作中，传统方式是人工手持GPS采点进行调查，费时费力，且存在人力不能到达的情况。通过在ArcMap中将无人机拍摄的正射影像与前期影像及审批矢量进行叠加分析，可以发现是否存在超范围使用林地或超范围采伐的情况。同时，由于卫星影像并不能做到及时更新，对一些新使用林地的项目，无人机的介入可极大地提升调查的准确性和时效性。

图4 无人机可见光遥感监测建设项目使用林地Fig.4 Forest land of UAV visible light remote sensing monitoring construction project

图5 无人机可见光遥感监测森林采伐Fig.5 UAV visible light remote sensing monitoring forest cutting

3.3 立地因子的提取

低空观测的无人机可以获得丰富的高分辨率图像，达到快速获得地表信息的目标，有助于呈现三维地表形态。新增林地调查中需要调查如地貌、坡度、坡位、坡向等立地因子。通过无人机影像生成的DEM，利用ArcMap工具箱中表面分析工具，可以很方便地提取出立地因子，并通过重分类按一定的标准分类，最后将成果利用空间链接工具更新到矢量数据中。具体操作流程如图6所示。

图6 立地因子提取流程Fig.6 Site factor extraction process

按《森林资源一张图操作细则》，可将坡向分为9个坡向：北、东北、东、东南、南、西南、西、西北、无坡向(图7)；地貌指图斑所在海拔高度，分为6个地貌：极高(≥5 000 m)、高山(3 500～4 999 m)、中山(1 000～3 499 m)、低山(<1 000 m)、丘陵、平原；同样坡度也分为6级：平(0°～5°)、缓(6°～15°)、斜(16°～25°)、陡(26°～35°)、急(36°～45°)、险(≥46°)(图8)，不同颜色代表不同坡度级和坡向。

图7 坡向分布Fig.7 Slope aspect distribution

图8 坡度分布Fig.8 Slope distribution

3.4 林分因子提取

通常，可以通过高分辨率影像依经验进行树种的识别，并将其在影像上区划出来。除此之外，株数、树高和冠幅也是反映林分质量的重要参数。株数、树高和冠幅的提取主要有两种方法：(1)直接利用消除地面高程后的点云选取最高点和计算其余点与最高点的距离进行分割；(2)利用生成的CHM采用分水岭算法进行分割。分水岭分割算法是地形学和水文学分析中的一种重要算法，其主要目的是找出集水盆地之间的分水线，后来被应用在图像处理中。分水岭分割算法的主要缺点是由于受噪声等影响，会产生过分割，导致图像中出现很多低洼，即分割出大量细小区域，这些区域对于图像分析无意义[5]。因此，必须对分割前的图像进行平滑处理，Lidar360软件选择的是高斯平滑算法。白名雄等[6]利用Lidar360中的分水岭算法对CHM进行树高提取，估测精度为87.58%。笔者采用此方法对林分株数的提取进行验证。

首先采用Lidar360中点云分割工具对照片生成的点云进行处理，可以得到树坐标、树高、树冠半径、树冠面积、树冠体积等参数。处理流程如图9所示。

图9 点云分割单木提取流程Fig.9 Process of individual tree segmentation and extraction of point cloud

在ArcMap中用栅格计算器工具计算DSM和DEM的差值，得到CHM(冠层高度模型)，此模型详细描述了冠层高度信息，可使用此数据反演生物量。用分水岭算法分割图层，包含了株数、树高和冠幅信息。分割效果与高斯平滑参数设置关系很大，经多次实验，在0.1 m分辨率的数字冠层模型上，sigma取5，半径取17，得到较好的效果(图10)。处理流程如图11所示。

图10 单木分割效果Fig.10 Effect of individual tree segmentation

图11 DSM分割单木提取流程Fig.11 Process of individual tree segmentation and extraction of DSM

在25 m×25 m样方范围分割较疏林地和较密林地，对森林株数使用目视判读法进行验证(表2)。

由表2可得，CHM单木分割效果明显好于直接用点云分割。但对于较密林地准确率下降明显，同时对连片且树高相近的单木不能有效分割。原因主要是此次的拍摄是单镜头垂直拍摄，飞行高度较高，可见光的穿透能力不足，未准确采集到森林冠层下的信息，且为了保证拍摄范围而降低了照片的重叠度，使处理生成的点云密度不够。因此，在采用无人机进行植被调查时，应优先使用携带多镜头的多旋翼无人机低空慢速飞行，在条件具备时更建议使用激光雷达进行数据采集。

3.5 测区3D展示

同样，在ArcScene中加载DOM数据，在属性中基本高度选项卡选择在自定义表面上浮动，文件选择DEM，即可生成三维数字沙盘(图12)，在测区展示时更直观。

图12 测区3D展示Fig.12 3D display of survey area

4 结论与讨论

无人机影像分辨率精度可达到肉眼近地观测精度，还可采集部分立地因子和林分因子数据，在一些情况下可代替人工现地调查，提高调查工作效率，减轻调查人员工作强度。但无人机由于自生特性，在林业上的应用尚存在一些问题：由于无人机续航时间不足，不能用于大面积普查。大型无人机需要有相应的资质，有的地区无法起飞或要报民航部门审批。同时，林业无人机航测缺乏相应的标准规范，成果质量不统一。无人机野外调查成本较高，包括无人机平台设备费用、电池损耗、车旅费、向导费用等。

由于受无人机机型和设备限制，此次森林监测中的很多设想尚未完成，对无人机更多功能的探索尚需进一步研究。主要有：无人机携带激光雷达生成点云应用于森林蓄积量调查估算；携带多光谱传感器获取测区的多光谱信息;利用光谱差异评估测区植被生长状态，以及森林健康状况的调查监测。