首页 > 论文范文 > 农业科技论文 > 农业工程论文 > 农业航空论文 > 探究无人机在大青山前坡油松林高度的监测状况

探究无人机在大青山前坡油松林高度的监测状况

2020-04-01 272 上传者：管理员

摘要：森林生态系统作为陆地生态系统重要的组成部分，其树高是森林调查中最重要的一个特点。本文通过对内蒙古呼和浩特市大青山前坡油松林进行地面控制点测量-无人机航空摄影试验获取数据的研究，对比分析了无人机影像获取的油松林高度与野外实地测量坑底至冠层顶部的数据，最终结果发现：在选取测量对比的30个样本中，无人机监测高度与实际测量值绝对误差范围在0~114cm之间，平均绝对误差12cm，相关系数R2为0.7059，剔除异常数据后相关系数R2达到0.9059，通过无人机影像获取点云数据生成冠层高度模型（CHM)监测油松林高度的方法是可供使用的。

关键词：
四旋翼无人机
树木高度
监测研究
航空摄影测量
加入收藏

森林生态系统是陆地生态系统的重要组成部分，在调节全球气候、维持全球碳收支平衡、减缓大气温室气体的浓度增长等方面起到至关重要的作用[1]。树高是森林调查中最重要的因子之一，它是评定森林质量和树木生长状况、划分林层的重要依据，不仅用于反映林地生产力，而且用于确定立木材积和材积生长率[2]，研究其分布状况对于整个森林生态系统研究有着重要的意义[3]。但是对于区域性森林冠层高度分布进行持续和精确的估测仍存在较大挑战[4-6]。遥感技术的出现给森林高度测量带来了重大突破，为快速、准确地获取大范围森林资源调查数据提供一种有潜力的技术手段[7]。Chopping等应用空间分辨率250m的MISR数据对森林冠层高度进行几何模型建立[8]。张巍巍等基于空间分辨率30m的TM遥感影像提取林木有关参数因子估测树高，表明预测模型测算的树高与调查实测值基本相符[9]。激光雷达作为一种主动遥感技术，其激光束可以穿透冠层达到地面，通过对其波形进行高斯分解，得到树木冠层与地面位置，进而可以估测森林高度[10]。王涛等通过机载激光雷达点云数据生成冠层高度模型（CHM)，从CHM中提取单株树木参数[11]。但激光雷达影像数据质量受诸多因素影响[12]且获取影像成本较高，从而制约了该技术得以更广泛的应用[13]。无人机（UAV)与遥感技术的结合具有自动化、智能化、专题化快速获取空间遥感信息的能力。无人机遥感的高时效、高分辨率等性能，是传统卫星遥感所无法比拟的[14]。王彬等基于无人3D摄影技术对云南大学范围内雪松群落高度进行测定，生成的空间模型提取树高与激光测距仪测定的树高拟合度较高[15]。内蒙古呼和浩特市大青山前坡生态建设工程是加强呼和浩特市生态保护的一项重要工程，项目东西全长120km，南北平均宽3.3km，区域总面积约400km2。本研究利用RTK测量系统采集控制点，无人机可见光相机拍摄航片，通过CHM计算树木高度以期对大青山前坡生态工程建设效果评估、山区森林群落的调查提供快速有效的方法。

1、研究区概况与数据来源

1.1 研究区概况

研究区位于内蒙古自治区呼和浩特市新城区坡底村以东，是大青山自然保护区中的一个区域（40°54′34″-40°54′30″N，111°41′22″-111°41′28″E)（图1)。研究区面积约为0.96km2，海拔高度约1200m。研究区内主要植物种类是以沙棘、黄刺玫为主的落叶灌木，油松为主的乔木，以及碱草等为主的草本植物。

图1 研究区位置示意图

1.2 数据来源

本研究采用大疆精灵（PHANTOM)4ADVANCED四旋翼无人机。影像的采集时间为2018年6月29日，天空状况晴朗，风速3.8m/s，航向重叠率和旁向重叠率分别为75%和60%，满足航空摄影测量要求[16]。航空影像控制点布设参考买小争等[17]研究成果在航带首尾、测区相对突出的地区共布设12个控制点。由于研究区域地面植被覆盖较多无明显地物可做控制点，故创新性地采用A3规格靶标作为控制点，航空影像结果表明该方法采集到的控制点清晰可见（图2)。

图2 靶标在航拍影像上的示意图

控制点测量采用南方S82-2013载波相位差分技术(RTK)测量系统，实时动态测量水平精度8mm±1mm/km×d，垂直精度10mm±1mm/km×d(d为被测点间距离,km)。研究共拍摄76张航空影像，12个控制点。飞行航线、拍摄点及控制点位置见图3。

图3 无人机航线和航拍位置

树木高度实际测量使用高5m的塔尺，由3人分别立尺、读数和记录，立尺从树坑底部开始，测得的树木高度为绝对高度。

2、研究方法

2.1 控制点数据坐标转换

由于RTK测量系统地面控制点测量结果使用的是WGS-1984坐标系统，为获得测量点的平面坐标与正常高，需要建立WGS-1984坐标系与国家平面坐标系及高程坐标系的转换关系。本研究国家平面坐标系使用北京1954坐标系，WGS-1984坐标系到北京1954坐标系的转换使用高斯投影的方法。为获得2个坐标系的2个大地测量基准之间的转换参数，通过联测测区附近的国家平面控制点求取了平面坐标转换七参数，获取了控制点的平面坐标，通过联测测区附近的水准点拟合了测距的似大地水准面，纠正了RTK测量获得的大地高与我国法定高程系统正常高之间的高程异常。控制点的大地坐标及处理后的平面坐标与正常高见表1。

表1 坐标转换后控制点坐标

2.2 航拍数据预处理

2.2.1 光学畸变误差校正。任何镜头都存在一定的失真，且挂载的相机没有准确测定内方位元素，透镜也没有经过严格的校正，所以拍摄得到的数字图像存在光学畸变误差。需要对航拍数据进行光学畸变误差的校正，航拍数据的预处理在Pix4D软件下实现，在软件中选择P4A无人机搭载的相机校验参数对影像进行畸变误差纠正。

2.2.2 色彩平衡。在数字航空影像的获取过程中，由于内部和外部环境等因素的干扰，使得一幅影像内不同部分色调、亮度、反差等存在不同程度的差异。本研究在实际拍摄当中遇到太阳被低云短时间遮挡，在低云移出后相机自动调节曝光与白平衡尚未调节完成造成了一张影像曝光过度的情况，色彩的不平衡寻找影像间的匹配点时会造成干扰。在Pix4D软件中通过ColorBalance工具对所有影像进行色彩平衡使所有影像保持色彩一致。

2.3 树高提取

森林冠层高度模型反映了森林冠层顶端距地表的高度信息，可反演树高、冠幅、郁闭度、生物量等重要森林参数。CHM的获取主要有2种方式：一种是通过数字地表模型与数字高程模型相减得到;另一种是直接通过点云与DEM相减得到归一化点云，再由归一化点云插值栅格化得到。本研究采用第一种方法获取CHM。将CHM以5cm为间隔进行图像分割，每颗树木高度范围内最高值即为树高。参与结果检验的30棵树在研究区范围内均匀选取保证数据的代表性。人工种植的油松均栽种在深度约60~80cm的坑中以获取更多的水分，因此对CHM测量树木高度上加70cm的平均坑深为最后树木高度。

2.3.1 数字地表模型的建立。数字表面模型是物体表面形态以数字表达的集合。将数据导入pix4D软件中自动进行初始化处理后，根据影像中的匹配点进行空中三角测量加密生成点云模型，点云模型经软件噪波过滤后插值生成数字地表模型。

2.3.2 数字高程模型的建立。DEM常用的数据结构是将离散点连接成为多边形格网。空中三角测量加密生成的点云中包含了树木高度信息，因此建立DEM的关键在于如何将点云中的树木点去除。有学者利用可见光光谱指数（RGBVI)区分植被与非植被点[27]，本研究区中地面覆盖以碱草为主的多种草本植物，RGBVI不能很好区分树木与草本植物，因此采用了如下方法：在GlobalMapper软件中导入点云模型并将点云模型转换为Shapefiles格式。在ArcGISDesktop中加载研究区DEM及Shapefiles格式的点云模型，在DEM上通过人工目视解译的方法对树上点进行删除，对剔除树上点后的点云模型进行插值生成DEM。各模型建立完成后见图4。

图4 研究区数字正射模型(a)、数字表面模型(b)、数字高程模型(c)、冠层高度模型(d)

3、结果与分析

结果与实测真实值在EXCEL软件下进行误差分析与相关性分析，误差分析结果见表2。相关性分析结果（图5)表明：CHM测量树高与真实值异常数据剔除前相关系数R2为0.7059，剔除后相关系数提高至0.9059，绝对误差最大值114cm，最小值0cm，平均绝对误差12.3cm。16号和7号油松的绝对误差异常偏大达114cm和-82cm，重新检查2个异常数据发现7号油松位于研究区南端缓坡区域，大青山保护区建设以来长久的雨水冲刷和风蚀导致树坑被填满，因此该树在计算高度时错误估算了坑深。经野外重新勘测，7号树木实际绝对误差为-12cm。16号油松位于研究区西侧，加密生成的点云未覆盖其树木顶端，经补测得到该树冠幅东西方向长275cm、南北方向长200cm，不同方位冠幅的过大差异对点云的自动匹配造成了一定的影响。研究数据在剔除16号油松并加入修正后的7号油松后相关系数R2达0.9013。

表2 树木高度误差分析

7棵CHM树高高于真实值是理论上不应出现的结果，该错误主要来源于树坑深度的不确定。研究区地形以山地为主，山地地形造成了坡度、坡向的不同，位于陡坡位置的树坑水土流失、风蚀较为严重，缓坡位置树坑深度普遍低于陡坡，以CHM树高普遍加70cm的平均坑深为树高无疑对结果产生了一定的影响。大部分CHM树高高度低于真实值。

图5 树木高度相关性分析结果

4、结论

本文以内蒙古呼和浩特市大青山前坡地区油松为研究目标，通过对无人机影像进行森林冠层模型的建立提取了油松树木高度，得到以下结论：

（1）CHM树高与真实树高的相关系数达到了0.9059，平均绝对误差12.3cm小于树木平均高度的5%，满足林业中测量树木高度的需求[2]。空中三角测量加密生成点云模型插值后得到的DSM较好地再现了研究区地面高度状况，对于研究区各种乔、灌木高度上具有良好反映。剔除树上点后插值得到的DEM较好地拟合了树下地面高度状况，但地面草本植物的生长造成了DEM普遍高于实际值。

（2）研究中根据影像自动匹配生成加密点云局部地区产生了空洞现象，在CHM数据获取和处理过程中都可能产生局部空洞现象，这种现象在机载激光雷达获取的CHM中常有见到，主要原因是由位于冠层下部枝干和地面返回的激光点插值形成的，本研究中空洞主要来源于影像中油松树上匹配点的缺失。风对无人机航拍影像有一定影响，油松顶端细小枝干在很小的风速下都会摆动造成相邻航空影像间的不一致，导致匹配点无法生成。人工添加匹配点可减少该误差的出现，同时增加了工作量且匹配效果一般。人工干预图像处理更加依赖相机本身的成像质量。

（3）通过无人机影像对中小区域不同时间的树木高度信息进行减法运算即可精确实现单颗树木生长高度的监测，相较于空间分辨率较低、探测范围较广的卫星遥感资料利用绿色植物在近红外及红光波段反射率的差异反映植被生长状况的方法更为直接有效;也可解决卫星遥感资料无法有效反映叶绿素含量较少的群落生长，如金叶榆状况的问题。

参考文献:

[1]隋宏大.树高测量综合技术比较研究[D].北京:北京林业大学,2009.

[2]李德仁,王长委,胡月明,等.遥感技术估算森林生物量的研究进展[J].武汉大学学报(信息科学版),2012,37(6):631-635

[3]侯红亚,王立海,徐华东,等.目测法估测树高的误差分析[J].森林工程,2012,28(2):6-8.

[4]周志强,岳彩荣,徐天蜀,等.森林高度遥感估测研究综述[J].现代农业科技,2012,(2):198-199,203.

[5]张巍巍,冯仲科,汪笑安,等.基于TM影像的林木参数提取和树高估测[J].中南林业科技大学学报,2013,33(9):27-31.

[6]吴红波.基于星载大光斑LiDAR数据反演森林冠层高度及应用研究[D].哈尔滨:东北林业大学,2011.

[7]王涛,龚建华,张利辉,等.基于机载激光雷达点云数据提取林木参数方法研究[J].测绘科学,2010,35(6):47-49.

[8]赵峰,李增元,王韵晟,等.机载激光雷达(LiDAR)数据在森林资源调查中的应用综述[J].遥感信息,2008,(1):106-110,53.

[9]金伟,葛宏立,杜华强,等.无人机遥感发展与应用概况[J].遥感信息,2009,(1):88-92.

[10]王彬,孙虎,徐倩,等.基于无人3D摄影技术的雪松(Cedrusdeodara)群落高度测定[J].生态学报,2018,38(10):3524-3533.

[11]张剑清,潘励,王树根.摄影测量学[M].武汉:武汉大学出版社,2003.