无人机遥感影像提取的单木冠幅数据在桉树林分蓄积量估测中的应用1)

覃静婷 刘世男

(广西大学，南宁，530004)

张丽琼

(广西壮族自治区南宁树木园)

覃永华

(广西壮族自治区林业勘测设计院)

为了量化森林资源,可持续森林管理需要能够快速高效地获得准确具体的信息[1]。然而,传统的森林清查昂贵、耗时、费力[2],也对生态环境造成一定的破坏[3],需要替代或补充方法克服现场数据采集的缺点[4]。无人机技术的发展,使得摄影测量、航片拼接、密集点云等图像处理技术得到广泛使用[5-8];虽然无人机系统的飞行时间较传统飞机短[9],但由于其具有成本低[10]、灵活[11]、可重复收集数据[12]特点,越来越多地在林业中应用[13]。

在林业应用中,冠幅已被证明是一个多用途的生态指标[4],它还决定了碳封存、阴影、防风和树木生长[14]。冠幅面积,在资源供应、树龄评估林木的空间需求,在森林的功能和服务方面变得复杂[4,15];许多遥感应用,涉及蓄积量估算研究,其中冠幅都作为其估算时需要的重要指标[16-17]。刘俊等[18]利用Worldview-2影像不同波段纹理特征,对植被指数提取,估算森林蓄积量;马骧等[19]利用机载激光雷达,对国外松片林的平均冠幅提取,反演蓄积量;这些研究中均为传统的空间数据集,无法提供足够的数据准确地估算树冠和树高等参数;因此,需要高分辨率数据确定冠层结构参数[20-23]。近年来,利用高分辨影像提取目的对象的准确性评估是研究热点,而关键在于确定提取对象与现有地理对象的匹配程度[8,24],并且已经提出了几种基于对象的分类技术[25-28];但是,为了进一步提高评估的准确性,提取冠幅的质量评估对估算林分蓄积量尤为重要。为此,本研究以广西南宁树木园坛里管理区桉树(Eucalyptusspp.)人工林为研究对象,以无人机高分辨率航拍影像为数据源,采用面向对象的图像分析技术提取桉树单木冠幅信息,并以样方实测数据构建冠幅-胸径模型、冠幅-树高模型,结合二元材积公式推算林分蓄积量;对提取的冠幅进行相关性分析和精度分析,利用无人机影像提取桉树冠幅信息估算林分蓄积量;旨在为减少调查工作量、提高工作效率,为森林资源经营管理提供技术支撑。

1 研究方法

研究地点:广西壮族自治区南宁市树木园坛里管理区(22°34′31″～22°46′51″N,108°15′14″～108°22′22″E,见图1),地形复杂,坡度20°～30°,海拔69～210 m。该地区年平均降水量1 280 mm,年平均气温21.8 ℃。管理区内以桉树林为主,在管理区内设置6块20 m×20 m的典型样地。

图1 研究区的样地和样本

样方数据获取:在样地进行实地调查的参数,单木树高、胸径(1.3 m高)、冠幅直径(见表1)。使用超声波测高测距仪测量树高,使用胸径尺测量林木胸径,使用皮尺测量树冠垂直投影的冠幅直径,共得到287株桉树样木数据。同时,使用天宝GPS记录样地4个拐点和中心点地理坐标及地面控制点地理坐标。

表1 样地实测数据统计

影像数据来源:样地调查的同时进行无人机航拍数据采集。无人机航摄,选择无风且光线充足的时段(11:30—12:30)进行,以减少阴影影响。固定翼无人机(SenseFly eBee)搭载CANON 16MP相机,相机上配备12.75×8.50 mm传感器。使用eMotion 2.0制定飞行计划和监控软件确定飞行参数,飞行速度165 km/h、相对航高227 m、纵向和横向重叠率85%、旁向重叠率60%、云台俯仰角度90°,获取分辨率为8 cm像素影像。数据统一采用UTM—WGS84 49N。

无人机影像处理:利用PostFlight Terra 3D软件对无人机数据进行处理。应用无人机拍摄的110张图像,构建生成数字表面模型(DSM)和数字正射影像图(DOM),然后通过实测地面控制点坐标与影像中同名地物点正射校正,再进行倾斜校正和投影差校正,消除环境因子的影响。

冠幅提取:对校正的正射影像图利用ArcGIS 10.2对样地进行裁剪,使用eCognition 9.02软件执行面向对象的图像分析方法生成树冠边界。利用ESP2插件,确定最优分割尺度[29],在面向对象的图像分析过程中,使用与图像对象相关的光谱、位置、几何、纹理等特征进行分类[30]。首先,对正射影像数据应用简单的分割和分类算法,对植被和非植被区域进行分类;然后,将得到的非植被多边形的区域从影像中剔除,到植被区域;根据植被区域再次使用与图像对象相关的光谱、位置、几何、纹理等特征和数字表面模型,划分单个树冠。

模型构建与检验:由于速生树种的冠幅与树高有显著相关性、林木胸径与冠幅有显著相关性[31],为了得到更准确的模型,建立实测冠幅-树高模型、实测冠幅-胸径模型;即从实测的287株桉树中,随机抽取215株作为建模数据,剩余的72株作为检验数据。做散点分布图,从常见的11种回归分析模型中选择拟合度最好的模型并检验。

蓄积量推算:利用广西林业勘测设计院的速生桉二元材积模型推算单木材积[23]。研究区桉树二元材积方程V=C0×D×[C1-C2×(D+H)]×H×[C3+C4×(D+H)];式中C0=1.091 541 45×10-4、C1=1.878 923 70、C2=5.691 855 03×10-3、C3=0.652 598 05、C4=7.847 535 07×10-3、V为材积、H为树高、D为胸径。将无人机影像提取的修正后的桉树单木冠幅代入构建的模型中,得出桉树胸径、树高数据,根据速生桉二元材积模型推算桉树单木材积,将样地所有桉树单株材积累加,得到样地总蓄积量。

2 结果与分析

2.1 影像提取冠幅与实际测量冠幅的相关性

根据ESP2得到不同的分割尺度的峰值,利用面向对象的图像分析技术产生的对象效果不同(见图2);综合分析得到影像多尺度分割的最优尺度为32、形状因子0.5、紧致因子0.5。影像分割完成后,采用最邻近分类方法提取样地的树冠。选取有代表性的样本作为分类指标,构建阈值模型进行分类,修正树冠与分割错分和冗余部分、合并过于破碎的树冠对象,完成所有样地的冠幅提取。再将影像提取的冠幅数据与样方实测冠幅数据进行比较(见表2),提取的桉树单木冠幅平均精度为90.85%。由图3可知,影像提取冠幅与实际测量冠幅之间存在较强的相关关系(决定系数R2=0.956),线性方程拟合结果较好,根据拟合结果得到表达式为:DC,M=0.948 1DC,I+0.132 8;式中的DC,M为实测冠幅、DC,I为影像提取冠幅。

图2 无人机遥感影像不同分割尺度对比(图中数据为影像分割尺度值)

2.2 预测桉树胸径的冠幅-胸径模型的构建与检验

将215棵桉树实测胸径、冠幅数据导入SPSS 22.0分析软件中,以实测冠幅为影响因素,以桉树胸径为评价指标,建立曲线估计模型(见表3、图4)。

根据表3的11种曲线估计模型得出,冠幅-胸径模型的对数函数方程决定系数精度达到0.799,在候选模型中拟合度最高。采用该方程建立冠幅-胸径模型,D=4.531 4ln(DC,M)+5.913;式中的D为胸径、DC,M为冠幅。

剩余的72株样木测量数据用于模型精度检验;实测冠幅代入冠幅-胸径模型计算预测桉树胸径,将实测胸径值与预测胸径值导入SPSS 22.0软件,计算均方根误差、系统误差、平均相对误差。

表2 桉树单木冠幅面积的影像提取精度分析结果

表3 桉树实测冠幅-胸径模型及参数统计结果

图3 影像提取冠幅与实测冠幅相关性

经计算得,均方根误差为0.76 cm、系统误差为0.51%、平均相对误差为4.64%。由图5可以看出,预测值残差均落在-3.0～2.0 cm区间,且随机分布在置信区内,说明模型拟合效果显著,可以利用该模型计算研究区桉树胸径。

2.3 预测桉树树高的冠幅-树高模型的构建与检验

将实测的215棵桉树树高、冠幅数据导入SPSS 22.0软件中,以桉树实测冠幅为影响因素、树高为评价指标,建立曲线估计模型(见表4、图6)。

图4 桉树实测冠幅-胸径模型拟合曲线

图5 预测桉树胸径的冠幅-胸径模型残差分布

表4 桉树实测冠幅-树高模型及参数统计

图6 桉树实测冠幅-树高模型拟合曲线

剩余的72株测量数据作模型精度检验,经计算得:均方根误差为0.90 m、系统误差为-0.83%、平均相对误差为3.61%。由图7可以看出,预测值残差在-2.0～2.0 m的置信区间,且误差指标均小于检验标准,说明模型拟合效果显著,可以利用该模型计算研究区桉树树高。

2.4 预测桉树林分蓄积量模型的构建与检验

通过无人机影像提取得到的单木冠幅,将构建的提取冠幅-实测冠幅模型、冠幅-胸径模型、冠幅-树高模型与二元材积公式成立联立方程组,将提取的桉树单木冠幅代入方程中推算出单株材积,累加后得到样地蓄积量。根据实测蓄积量与模型推算的蓄积量进行对比分析(见表5),并对两组蓄积量进行t检验(P>0.05),差异不显著,模型拟合度较好,表明两个蓄积量之间相关性较强。根据样方蓄积量精度分析,样地287棵桉树总蓄积量为15.31 m3,根据无人机影像估算蓄积量为14.18 m3,无人机影像估算的桉树蓄积量精度达到93.32%,满足森林资源调查的需求。

图7 预测桉树树高的冠幅-树高模型残差分布

3 讨论

目前,在使用eCognition软件时,并没有一套系统的流程处理图像,影像尺度分割完全取决于树种和研究者的经验。如朱思名等[32]依据无人机影像提取的样地内天山云杉冠幅,最优分割尺度参数为60、形状因子为0.5、紧致因子为0.5;而本研究依据无人机影像提取的样地内桉树冠幅,最优分割尺度参数为32、形状因子为0.5、紧致因子为0.5;因此,在面向对象的图像分析方法中规则集的制定和开发有待进一步研究。

表5 样方桉树蓄积量的估测精度

本研究中,遥感影像采用面向对象的多尺度分割,可以有效提取桉树单木冠幅信息,提取的桉树单木冠幅平均精度为90.85%,与实测冠幅相比,提取的冠幅值总体偏小;李赟等[22]利用面向对象方法提取冠幅,根据提取单木冠幅与实测数据建模(决定系数R2=0.956);两者研究结果接近,这是郁闭度较高的林分中相邻冠幅之间存在遮挡现象,而在郁闭度中低的样方中树木间隔比较分散,相邻冠幅之间遮挡现象较小,冠幅分割轮廓清晰,提取效果较好。因此,在无人机影像中采取新的方法提取重叠部分冠幅或结合多元数据进行冠幅的提取,仍然值得深入的研究探讨。

树高和胸径是估算林木蓄积量的重要因子,而本研究的无人机航拍影像无法直接提取,所以需要典型样地的每木检尺,根据实测数据建立冠幅-胸径模型、冠幅-树高模型达到估算蓄积量的目的。本研究从11种曲线估计模型中,选择对数方程作为冠幅-胸径模型(R2=0.799)、选择三次方程作为冠幅-树高模型(R2=0.755)。付凯婷[23]依据无人机遥感影像提取冠幅信息,根据提取的信息选择一元方程为冠幅-胸径模型(R2=0.760)。苟丙荣[33]使用无人机遥感影像获取的森林样地三维点云数据,利用CHM、八叉树半径近邻搜素法和区域增长法,进行单木分割、提取森林冠层结构参数,构建白桦一元立木材积模型、二元立木材积模型和多特征因子材积回归模型蓄积量的反演模型。国内外基于遥感影像反演蓄积量的研究已有很多,但曲线模型选择的方程也不尽相同[34-36]。由于不同立地条件时,树种不同,立木胸径与冠幅、树高与冠幅的拟合关系也不同;因此,不同立地条件时,不同树种的胸径、树高与冠幅关系,还有待于进一步研究。

4 结论

本研究以实地调查为基础,利用EBEE无人机搭载数码相机航拍,获取广西南宁树木园坛里管理区的高分辨率遥感影像。对影像进行正射影像处理之后,采用面向对象的图像分析技术可以有效提取桉树单木冠幅信息,提取的桉树单木冠幅平均精度为90.85%,实测冠幅与提取影像冠幅之间存在良好的线性关系(R2=0.956),公式为DC,M=0.948 1DC,I+0.132 8。

利用无人机影像提取单木冠幅,并与实测冠幅的线性关系得到修正后的单木冠幅,代入冠幅-胸径模型、冠幅-树高模型,即可得到桉树的胸径、树高数据。将树高和胸径代入广西林业勘测设计院的速丰桉二元材积公式中,估算出样地蓄积量为14.18 m3,估算精度为93.32%,与实测蓄积量比对分析后进行t检验(P>0.05),说明模拟蓄积量与实测蓄积量之间差异不显著,相关性较强。

利用无人机遥感影像提取桉树单木冠幅,通过冠幅-胸径模型、冠幅-树高模型得到胸径和树高,推算林分蓄积量,方法切实可行,精度满足森林资源调查的应用。表明无人机遥感技术的应用,可以辅助传统的调查模式,提高调查效率。