徐攻博 葉嘉琦 徐旭平 李領(lǐng)寰 吳建挺

?

基于航空攝影測量技術(shù)的森林資源調(diào)查方法研究

徐攻博1葉嘉琦1徐旭平2李領(lǐng)寰2吳建挺3

（1浙江省第二測繪院 浙江杭州 310012； 2國家林業(yè)局華東林業(yè)調(diào)查規(guī)劃設(shè)計(jì)院 浙江杭州 310019； 3浙江省測繪質(zhì)量監(jiān)督檢驗(yàn)站 浙江杭州 310012）

針對(duì)傳統(tǒng)的森林資源調(diào)查方法無法實(shí)現(xiàn)大規(guī)?？焖佾@取調(diào)查因子，提出了一種基于數(shù)字正射影像、數(shù)字高程模型和數(shù)字地表模型的森林資源自動(dòng)化解譯技術(shù)。以建德市新安江林場為研究區(qū)域，基于航空攝影測量數(shù)據(jù)及林業(yè)專題數(shù)據(jù)，采用開閉合運(yùn)算提取極值法獲取株數(shù)、高度等多種調(diào)查因子，進(jìn)而通過樹高-株數(shù)-蓄積量方程估算小班蓄積量。研究結(jié)果表明：所提算法可快速獲取多種調(diào)查因子，實(shí)現(xiàn)了小班蓄積量估算，估算精度符合《浙江省森林資源規(guī)劃設(shè)計(jì)調(diào)查規(guī)程》的精度要求，為無人機(jī)遙感技術(shù)服務(wù)大范圍、多尺度森林資源調(diào)查工作提供新的技術(shù)手段。

自動(dòng)化解譯；調(diào)查因子；數(shù)字正射影像；數(shù)字地表模型

森林是指以喬木樹種為主體的，喬木、灌木、草本等植被以及動(dòng)物、微生物與無機(jī)環(huán)境所構(gòu)成的生態(tài)系統(tǒng)。[1]森林資源是重要資源之一，傳統(tǒng)的森林資源調(diào)查主要以地面采集為主，工作量大、效率低、周期長，難以滿足“年度出數(shù)”的森林資源監(jiān)測需求。[2]航空攝影測量、地理信息技術(shù)、圖形解譯技術(shù)、無人機(jī)技術(shù)等在測繪領(lǐng)域發(fā)揮著巨大的作用[3]，也是森林資源調(diào)查技術(shù)革新的熱點(diǎn)所在?？焖偬崛∩中畔⑹巧仲Y源調(diào)查的發(fā)展趨勢。[4]

森林資源調(diào)查內(nèi)容豐富，包括樹種、株數(shù)、樹高和蓄積量等因子。[5]在株數(shù)因子提取方面，Culvenor提出影像鄰域輻射最大值和最小值特征提取[6]，汪少華等基于同態(tài)濾波處理高分影像提取樹冠信息[7]，樊江川利用立體像對(duì)法和面向?qū)ο蠓指罘椒ㄌ崛8]。在樹高因子提取方面，F(xiàn)alkowski等利用空間小波分析方法在點(diǎn)云數(shù)據(jù)中提取高度和冠幅信息[9]；曹明蘭基于鄰域最高過濾法提取行道樹信息[10]。

航空攝影測量技術(shù)能快速準(zhǔn)確地表現(xiàn)數(shù)據(jù)之間的聯(lián)系和發(fā)展趨勢，滿足對(duì)森林資源質(zhì)和量變化的動(dòng)態(tài)監(jiān)測。[11]近年來，通過航空攝影測量技術(shù)采集高分辨率DOM、DEM和DSM數(shù)據(jù)，在冠幅、樹高、株數(shù)、郁閉度及蓄積量等調(diào)查因子精準(zhǔn)監(jiān)測上已取得了一定的研究成果，人工神經(jīng)網(wǎng)絡(luò)及其模糊邏輯分類方法也被應(yīng)用于森林分類上[12]，為森林資源的精準(zhǔn)監(jiān)測提供了新的技術(shù)手段。

本研究以建德市新安江林場為研究區(qū)域，根據(jù)抽樣統(tǒng)計(jì)原理選取若干小班為樣本，基于高分辨率數(shù)字正射影像（digital orthophoto map, DOM）、數(shù)字高程模型（digital elevation model, DEM）和數(shù)字地表模型（digital surface model, DSM）數(shù)據(jù)成果，采用開閉合算法和極值法提取平均樹高和株數(shù)等森林資源調(diào)查因子，進(jìn)而通過樹高-株數(shù)-蓄積量經(jīng)驗(yàn)方程估算小班蓄積量，為無人機(jī)遙感技術(shù)服務(wù)大范圍、多尺度森林資源調(diào)查工作提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

研究區(qū)為浙江省建德市新安江林場。新安江林場是建德市三家國有林場之一，建場于1957年10月。林場內(nèi)包括銅官林區(qū)、朱家埠林區(qū)和滄灘林區(qū)，林區(qū)內(nèi)樹種多樣，森林類型以針闊混交林為主。林場森林資源二類小班共640個(gè)，總面積56729畝。林場具有涵養(yǎng)新安江庫區(qū)及新安江沿江兩岸水源和保護(hù)建德城區(qū)周邊環(huán)境兩大功能。新安江林場屬于商品經(jīng)營性林場，范圍內(nèi)植被覆蓋變化較頻繁，存在周期性監(jiān)測森林資源的需求。

1.2 數(shù)據(jù)源

研究區(qū)數(shù)據(jù)包含基礎(chǔ)數(shù)據(jù)及森林資源專題數(shù)據(jù)。

基礎(chǔ)數(shù)據(jù)來源于2016年4月航測成果，其中DOM和DSM的空間分辨率為0.2m，DEM的空間分辨率為5m。

森林資源專題數(shù)據(jù)為新安江林場范圍內(nèi)2016年浙江省森林資源二類調(diào)查數(shù)據(jù)庫，共640個(gè)小班，小班屬性包含胸徑、樹高、株數(shù)、蓄積量等信息。

2 研究方法與試驗(yàn)分析

以新安江林場為研究區(qū)域，以針葉林、闊葉林及針闊混交林等多種森林類型為研究對(duì)象，基于航空攝影測量生產(chǎn)的DOM、DEM和DSM數(shù)據(jù)成果，采用開閉合運(yùn)算提取極值算法獲取平均樹高、株數(shù)等調(diào)查因子，進(jìn)而通過樹高-株數(shù)-蓄積量經(jīng)驗(yàn)方程估算小班蓄積量[13]，并以二類林業(yè)小班調(diào)查因子驗(yàn)證估算精度。技術(shù)流程如圖2所示。

圖2 森林資源自動(dòng)化解譯技術(shù)流程圖

2.1 株數(shù)因子提取

林場區(qū)域地形復(fù)雜，樹種交叉生長，DOM圖像紋理特征不明顯，為實(shí)現(xiàn)基于DOM影像的單木樹冠定位功能，采用開閉合運(yùn)算提取極值算法獲取株數(shù)因子。

首先，將DOM的RGB圖像轉(zhuǎn)換為灰度圖，灰度形態(tài)學(xué)是基于圖像的幾何特征，利用預(yù)先定義的結(jié)構(gòu)元素對(duì)圖像進(jìn)行匹配或局部修正，以達(dá)到提取目標(biāo)、抑制噪聲的目的[14]；其次，利用DSM和DEM相減計(jì)算獲得地物高程模型，同時(shí)對(duì)彩色影像進(jìn)行預(yù)處理操作，預(yù)處理內(nèi)容包括直方圖均衡化處理以及剔除地物高程零值和負(fù)值等干擾區(qū)域；最后，對(duì)預(yù)處理后的影像進(jìn)行形態(tài)學(xué)重建的開運(yùn)算和閉運(yùn)算操作。

圖像處理中，膨脹和腐蝕運(yùn)算是兩類基本運(yùn)算。灰度圖像的膨脹運(yùn)算公式為：

灰度圖像的腐蝕運(yùn)算公式為：

開運(yùn)算和閉運(yùn)算可通過膨脹和腐蝕的組合實(shí)現(xiàn)，開運(yùn)算是對(duì)圖像先進(jìn)行腐蝕運(yùn)算再進(jìn)行膨脹運(yùn)算，閉運(yùn)算是先進(jìn)行膨脹運(yùn)算再進(jìn)行腐蝕運(yùn)算。[15]開運(yùn)算和閉運(yùn)算采用公式如下：

開運(yùn)算可消除細(xì)小的圖像噪聲，在纖細(xì)點(diǎn)處分離物體，平滑較大物體的邊界；閉運(yùn)算可以填充目標(biāo)物內(nèi)細(xì)小的空間，連接鄰近物體。

經(jīng)開運(yùn)算和閉運(yùn)算分析的結(jié)果，提取局部極大值，極大值處即單木樹冠的頂部。通過單木樹冠頂部定位，統(tǒng)計(jì)匯總區(qū)域內(nèi)總株數(shù)，提取株數(shù)因子?；诨叶葓D像開閉運(yùn)算提取極值算法，可避免在提取目標(biāo)物時(shí)的合并問題和漏檢問題。

圖3 株數(shù)因子提取流程圖

2.2 樹高因子提取

2.3 建立調(diào)查因子與蓄積量回歸模型

以森林資源二類小班數(shù)據(jù)庫為基礎(chǔ)，選取數(shù)據(jù)庫中平均樹高、株數(shù)和蓄積量作為研究對(duì)象。

根據(jù)研究區(qū)域二類調(diào)查數(shù)據(jù)，640個(gè)小班蓄中，剔除非林地和蓄積量為空值的小班后，剩余553個(gè)小班。以553個(gè)小班蓄積量（V小班，m3）為因變量，小班樹高因子（H，m）和株數(shù)因子（N，株）為自變量，建立二元回歸模型，得公式（6），模型R2為0.84。該模型擬合度較好，研究區(qū)域小班蓄積量與樹高、株數(shù)因子的相關(guān)性較強(qiáng)。

2.4 精度估算

以二類調(diào)查數(shù)據(jù)為實(shí)測數(shù)據(jù)，采用決定系數(shù)（R2）、均方差根（RMSE）、相對(duì)均方差根（RMSEr）和相對(duì)誤差（RE）等指標(biāo)評(píng)價(jià)蓄積量估算值與二類數(shù)據(jù)庫值之間的相似性。

根據(jù)公式（6）,使用樹高-株數(shù)-蓄積量經(jīng)驗(yàn)方程得到的蓄積量估測值，根據(jù)方程估測值與二類調(diào)查數(shù)據(jù)建立回歸模型，樹高-株數(shù)-蓄積量法估測的蓄積量區(qū)間與二類調(diào)查數(shù)據(jù)基本一致。影像估算最小值和最大值分別為20.0m3和2073.1m3，平均值為462.6m3，而二類調(diào)查數(shù)據(jù)值為22.0m3-2162.0m3之間，平均值為544.4m3，平均蓄積量比二類數(shù)據(jù)低81.8m3。

表1 基于樹高-株數(shù)-蓄積量法估測的小班樣本蓄積量與二類調(diào)查數(shù)據(jù)比較

蓄積估算值與二類調(diào)查值之間的決定系數(shù)（R2）為0.68，均方差根（RMSE）為250.7m3，相對(duì)均方差根（RMSEr）為35.6%，相對(duì)誤差（RE）為-15.0%，如表2所示。

表2 基于樹高-株數(shù)-蓄積量法估算精度

綜合來看，在小班極值水平上，蓄積量估算精度為64.4%，而在整個(gè)林場水平上，蓄積量估算精度達(dá)到85.0%的精度要求。

但是，我們也發(fā)現(xiàn)平均蓄積量比二類調(diào)查值低81.8m3，存在低估現(xiàn)象。低估的原因有二，一是DEM分辨率為5m，精度不高所造成，高大林木呈高估現(xiàn)象，矮小林木呈低估現(xiàn)象，造成小班極值水平估算精度較低；二是新安江林場以針闊混交林為主，植被結(jié)構(gòu)復(fù)雜，株數(shù)因子提取存在漏檢或多檢的情況，自動(dòng)化解譯精度需進(jìn)一步完善，最終影像估算精度。

3 結(jié)語

基于圖形圖像技術(shù)提取調(diào)查因子的森林資源自動(dòng)化解譯技術(shù)，實(shí)現(xiàn)了快速、大范圍服務(wù)多尺度林業(yè)資源調(diào)查。自動(dòng)化解譯技術(shù)作為一種新穎的林業(yè)資源調(diào)查技術(shù)，優(yōu)化原有的調(diào)查方法，降低外業(yè)工作量。但也存在蓄積量整體低估現(xiàn)象，究其原因，一是基礎(chǔ)數(shù)據(jù)精度不一致，影響極值估算水平；二是研究區(qū)大部分為針闊混交林，郁閉度高、紋理復(fù)雜等原因影響因子提取精度；三是現(xiàn)階段解譯算法會(huì)造成部分大冠幅樹種被錯(cuò)誤檢測成多棵樹，株數(shù)提取結(jié)果存在不確定性。

提高基礎(chǔ)分析數(shù)據(jù)質(zhì)量，改善解譯算法，采用多尺度分割手段綜合提升蓄積量估算精度，為大范圍開展森林資源調(diào)查提供全新的技術(shù)手段，服務(wù)于林業(yè)精準(zhǔn)監(jiān)測、精細(xì)化經(jīng)營和生態(tài)評(píng)估等多領(lǐng)域。

[1] 王偉.無人機(jī)影像森林信息提取與模型研建[D].北京林業(yè)大學(xué),2015.

[2] 李春干,梁文海.面向?qū)ο筮b感圖像森林變化監(jiān)測的工程化應(yīng)用方法[J].林業(yè)資源管理,2015,12(6): 137-143.

[3] 江志向,陳紫璇,練一寧，等.基于航模飛行器攝影數(shù)據(jù)的森林信息提取方法[J].北京測繪.2017,(3): 153-157.

[4] 張智超,范文義,孫舒婷.基于多種分類器組合的森林類型信息提取技術(shù)研究[J].森林工程,2015, (3):75-80.

[5] 王宗梅,徐天蜀,岳彩榮.基于高分辨率遙感影像的森林信息提取方法綜述[J].林業(yè)調(diào)查規(guī)劃,2016,（4）:1-6.

[6]CULVENOR D S. Tida: an algorithm for the delineation of tree crowns in high spatial resolution remotely sensed imagery[J]. Computers & Geosciences, 2002, 28(1):33-44.

[7] 汪少華,趙天忠,王鑫，等.利用同態(tài)濾波提取高分辨率遙感影像樹冠信息[J].遙感信息,2015, 30(3):60-64.

[8] 樊江川.無人機(jī)航空攝影測樹技術(shù)研究[D].北京林業(yè)大學(xué),2014.

[9] M J Falkowski, A M S Smith, A T Hudak, et al. Automated estimation of individual conifer tree height and crown diameter via two-dimensional spatial wavelet analysis of LiDAR data[J]. Canadian journal of remote sensing,2014,32(2):153-161.

[10]曹明蘭,張力小,王強(qiáng).無人機(jī)遙感影像中行道樹信息快速提取[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2016, 36(10):89-93.

[11]LIN HUI, PENG ChANGHUI. Geographic information system in forestry: problems and prospects[J]. Forestry studies in China. 2000, 2(1): 37-48.

[12]楊永恬,田昕,馮仲科，等.遙感混合分類算法及其在森林分類中的應(yīng)用[J].測繪科學(xué)，2004,29(4):55-57.

[13]浙江省質(zhì)量技術(shù)監(jiān)督局.森林資源規(guī)劃設(shè)計(jì)調(diào)查規(guī)程[S]（DB33/T 640-2007）.2007.

[14]Rafael C Gonzalez. Digital Image Processing using MATLAB[M]. Beijing:Publishing House of Electronics Industry.2008:276-284.

[15]周云川,何永強(qiáng),李計(jì)添.基于小波和灰度形態(tài)學(xué)的紅外圖像增強(qiáng)方法[J].激光與紅外，2011,（6）:683-686.

Research on forest resource inventory methods based on aerial photogrammetry techniques

XuGongbo1，YeJiaqi1，XuXuping2，LiLinghuan2，WuJianting3

This study proposes a method of forest resources automatic interpretation based on DOM, DEM and DSM to achieve the factors rapidly and massively. Based on the aerial photogrammetry data and the forestry thematic data, the number of plants, height and other surveying factors in Xin'anjiang forest farm in Jiande was obtained using the method of extracting extreme value by open-closing operation. Then the volume of small classes can be evaluated by the tree height - number of plants - volume equation. The result indicates that the accuracy of the estimated volume of small classes can meet the requirements. This study provides a new approach for large-scale and multiscale surveying in forest resources using UAV remote sensing.

Automatic interpretation; Survey factors; Digital Orthophoto Map; Digital Surface Mod

S758.4

B

1004-7743（2018）03-0065-04

2018-04-18

徐攻博（1982—），男，浙江杭州人，高級(jí)工程師，主要研究方向?yàn)榈乩硇畔⑾到y(tǒng)應(yīng)用；E-mail：xugongbo2012@163.com。