基于无人机影像的森林树冠因子提取研究

马忠卫

(江苏省地质调查研究院，江苏 南京 210018)

0 引 言

为切实履行自然资源统一调查监测职责，自然资源部明确了调查、监测的工作思路及内容，建立自然资源调查监测体系及资源管理“一张图”[1-3]，形成山水林田湖草生命共同体。森林资源调查监测需要拓展调查内容、调整调查周期，改进调查方式，创新调查技术。

传统林业调查采用地面抽样布设样地辅助每木检尺方法，外业调查人员利用角规、皮尺、测胸尺等测树工具实地调查获取林木高度、胸径、树龄等森林信息，这种作业方法手段单一且效率低、周期长，很难满足当前林业高精度短周期的要求[4]。无人机可以及时获取调查区正射影像图、数字高程模型等丰富多样的数据成果[5-6]，众多研究主要从宏观角度考虑，对单木信息提取研究较少[7]。本研究利用无人机航测影像估测树冠相关因子，利用面向对象多尺度分割算法进行分割处理并分析树木个数及冠幅提取精度。

1 数据处理

1.1 研究区域

清江浦区北部区域属于淮安市主城区，东临淮安区，西、北临淮阴区，南连洪泽区，东经118°53′-119°08′，北纬33°20′-33°38′，面积309.68 km2。实验中选取了清江浦区一处地块，航测面积约0.27 km2，具体位置如图1所示。实验采用大疆M300 RTK航测系统，最大载重2.7 kg，最大起飞重量9 kg，定位模块为GPS+GLONASS+BeiDou +Galileo，单次飞行时间55 min，具有视觉系统和红外感知系统；相机采用睿铂DG3 PSDK型号相机，像素6 000×4 000，镜头焦距28 mm×43 mm，像元尺寸3.9 um，如图2所示。

1.2 研究数据

航测数据采用Context Capture Center软件进行空三处理，将航测相机文件、图片数据、POS数据导入软件图像特征点密集匹配，并以此进行区域网平差解算，完成相对定向；将外业测量的像控点成果内业逐个转刺，使用像控点对相对定向自由变换模型进行约束平差，将区域网纳入到实地准确的大地坐标系统中，完成绝对定向，制作正射影像图(图2)、数字高程模型(DEM)、数字表面模型(DSM)及三维立体模型，详细技术路线如图3所示。

2 结果分析

树冠因子的提取是森林资源的主要因子之一，提取树冠因子可以实现对胸径的估测和对森林郁闭度的准确测算。目前无人机航测数据的分辨率不断提升，树冠的更多纹理细节和结构特点被挖掘出来，基于面向对象分类、多尺度分类法和支持随机向量机分类等方法被证明适用于高分辨遥感影像分类，经过以往研究比较，适合无人机高分辨率影像的影像分割方法主要有面向对象分割、分水岭分割等。

本文采用面向对象多尺度分割算法对无人机影像冠幅进行提取分析，该方法是一种自下而上的分割方法，通过归并临近像元或细小分割单元，确保分割单元之间异质性最小、单元自身像素间同质性最高，基于区域合并技术实现影像分割[8]。利用影像分割结果，进一步分析提取株数及冠幅精度。

2.1 分割结果

通过不断的调整分割尺度参数观察分割效果，获取最优的分割尺度，各研究参数初始分割结果如图4所示。对比看出，分割参数为100时，出现严重过分割现象，后期处理任务较重，分割尺度为200时，出现不同程度的欠分割，造成多株单木被分割在一起，选定分割效果较为理想，分割尺度为150的分割结果进行下一步提取研究，其分割结果局部放大图如图5所示。基于初始分割结果，内业进一步剔除裸地、阴影区和过分割碎小图斑，得到最终的分割结果。

2.2 株数提取分析

人机交互解译是遥感影像中重要的地物识别方法，人工解译多被应用于土地利用类型分类中，如第三次国土调查。利用人机交互方式对高分辨率影像，特别是航测影像的树木个数的统计，其准确性通常能达到95%左右，是一种较为可靠的对比鉴定方法，本文验证数据采用人工判读数值作为树木株数的真值。实验中以目视解译的数据作为依据，详细计算了分割的单木株数的几种统计类型，具体统计汇总类型包括：匹配类，指人工交互勾绘范围与自动分割对象结果基本吻合，且二者株数一致；错分类，指自动分割单元范围超过一半区域不与人工解译的区域重合；漏分类，指自动分割结果集中连片，未检测出正确的林木数量；过分类，指分割林木数量超过该范围人工勾绘林木数量。实验区勾绘精度情况如表1所示。

表1 提取株数统计表

分析分割统计结果整体表现，可以看出，实验区范围株数总体分类精度和匹配结果较好，但存在过分割现象在错误中占比较重，且主要位于实验区范围周边，考虑树木整体纹理和亮度与周围环境对比度不理想，造成过分割现象。

2.3 冠幅提取精度

冠幅是树木生长健康情况的一项重要指标，冠幅信息是森林遥感调查监测的重要任务，在以往使用中低分辨率卫星图像中提取森林信息常常就是提取树木的冠幅大小，随着遥感影像分辨率迈入米级、亚米级后，林木纹理、结构等森林信息更为丰富，无人机航测的发展让林木冠幅可几何提取[9]。林木冠幅通用计算方式是采用东西冠幅和南北冠幅两种，然后取其平均值作为冠幅结果，此计算方法主要是为了避免树木生长因太阳方向而产生的差异[10]。

本文对冠幅自动提取值的精度评定以自动分割的冠幅和人工勾绘的冠幅差异值进行比较，提取自动分割单元的冠幅方式主要使用ArcGIS平台Python计算语言分析最大外接矩形。针对冠幅提取中过分割问题，本文将明显过分割的对象先进行归并，再计算冠幅大小。对比人工勾绘冠幅和自动分割的冠幅的东西冠幅和南北冠幅，冠幅分析情况如表2和图6所示。

表2 冠幅提取情况

冠幅精度分析中常出现自动勾绘值大于人工解译值的情况，说明本方法在辨别树冠边界和人工解译上还有一定差异。在林窗与林木差异性较大时分割边界较好，但当二者差异性较小或局部郁闭度很高时结果差异性较大，主要原因一是本文在分割过程中采用的因子较少，造成分割结果不是很理想；二是针对后期分割单元没进进一步处理。为提高精度。可增加纹理特征(如灰度共生矩阵、对比度等)等因子，在分割基础上针对边缘可进一步优化边缘检测算子，平滑处理，对畸形进一步收紧，保证检测准确度。

3 结 语

本文利用无人机航空摄影测量数据获取了实验范围的林木树冠因子信息，并通过实地测量进行高精度观测验证分析。研究表明，利用面向对象多尺度分割算法进行单木冠幅分割处理，提取的冠幅大小及株数密度满足一定的要求，获得较好的效果。通过无人机测量树木冠幅成本较低、效率高、灵活性强，并且可以解决平时人工调查难以达到的小班地块，因此，相较于传统人工调查核实方法，无人机遥感监测能更好地服务于大规模森林资源调查。