无人机遥感在林业调查领域的应用

2018-02-14 10:21毛沂新
吉林林业科技 2018年3期
关键词:单木胸径航拍

毛沂新

(辽宁省林业科学研究院,辽宁 沈阳 110032)

森林资源调查是林业活动的一项重要工作,是林业领域进行科研与生产实践的基础与核心,科学、合理的森林经营和管理可以充分发挥森林生态与经济效益[1-3]。传统的森林资源调查主要由地面人工调查来完成,通过每木检尺和解析木,获得胸径、树高、林分密度和蓄积量等信息,该过程繁琐而且劳动强度大、耗时耗力,不经济高效[4-6]。

随着无人机与便携式通讯设备等相关技术的成熟与普及,使得以小型无人机为平台搭载多种功能与用途的遥感或影像信息获取设备逐步被林业和农业等领域所接受和重视。其具有体积小、便携操作性强、平台构建简单、信息获取传感器搭配组合方式多元、作业周期短和运行维护成本低等特点[7],能够快速、精确地获取中、小尺度上空间和实物信息,有效填补现有大尺度上航天、遥感等区域技术领域的空白。进一步完善对地监测体系,为大尺度的卫星和遥感影像与小尺度的高精度抽样调查相结合找到新技术与途径,达到优势互补,同时保证精准性,节省人力、物力资源,提升调查工作效率。

1 无人机遥感概况

无人机遥感是以无人飞机搭载不同遥感与图像传感器设备为平台,利用无线电与GPS等相关操控技术,实时、快速、准确获取环境、国土等资源与空间信息的低空遥感技术[8]。

1.1搭载平台选择

小型无人机作为一种新型的低空对地观测平台,主要在1 000 m以下高度进行航拍。目前低成本航拍领域普遍采用多旋翼无人机,如四旋翼、六旋翼和八旋翼,其具有良好的稳定性,可悬停获得较高质量图像,GPS辅助,操作性强,可垂直起降,对空间要求低,经过适当改装后可对镜头调姿,为森林资源调查和监测带来极大便利。

1.2机载数据采集设备选择

无人机遥感系统中所搭载的传感器主要包括高分辨率可见光相机、多光谱相机、高光谱相机、热红外传感器、激光雷达与合成孔径雷达等。根据航摄任务不同,所需搭载的采集设备也不同,必要时还需一定程度改装。

1.3地面控制系统

航摄任务前要进行航线规划,预先设定无人机飞行过程的起降点、航迹、姿态、高度等相关飞行参数,通过其自驾系统进行自主飞行,必要时切换成手动控制飞行,飞行中形成的数据与地面操控平台实时互联[9]。

1.4无人机数据后处理

目前无人机数字摄影测量处理平台有很多,主要有德国INPHO摄影测量系统、俄罗斯AgisoftPhotoScan系统、美国Imagestation测量系统、徕卡Leica Photogrammetry Suite (LPS) 数字摄影测量系统、瑞士PIX4D Mapper系统、加拿大PCI Geomatica遥感图像处理软件,以及国内比较成熟的高分辨率遥感影像数据一体化测图系统PixelGrid[7]。通过运用这些软件可以得到基础性数据产品:正射影像图(DOM)、数字表面模型(DSM)、数字高程模型(DEM)、冠层高度模型(CHM)和三维可视化场景(3D Model)[10,11],同时结合Envi、ERDAS、ArcGIS等技术成熟的软件平台处理多光谱数据。

1.5森林特征参数信息获取

森林结构参数是反映森林质量及经营状况的重要指标。随着图像合成、分析处理等技术的飞速发展,使得小型无人机遥感、影像设备有效、精准地获取森林结构参数信息与计算成为可能,在后期对传感器采集的影像等相关数据进行畸变校正、影像匹配拼接形成三维和正射影像等处理后进行树木参数提取,可实现的主要基本参数包括单木的树高、冠幅、密度、郁闭度、林窗面积等因子,而单木胸径、材积、生物量等指标是通过对所获取的基本参数结合树木生长模型进行反演得到[12]。无人飞行系统已经被证明是一种有效的森林资源调查工具,可以为林业提供低成本、高精度的遥感数据。通过无人机不仅可以获取具体的树木信息,还可以有针对性地进行森林资源调查及林区规划。

2 森林结构参数获取

2.1 树高信息获取

树高是反应林木长势、立地条件的基本参数。对无人机航拍高分辨影像进行影像处理、拼接,生成正射影像(DOM)和三维点云,将树木顶部点云及树根部的地面点云通过最大类间方差法求得树木高度,单木树高估测精度在0.86 以上,也可利用全数字摄影测量系统,通过三维自动重建方法生成数字表面模型后估测出树高值,其精度基本满足林业调查与规划需要。

2.2林冠层信息提取

冠层信息是林业调查的重要组成部分。利用无人机航空遥感数字影像可以有效分析林冠结构,目前利用无人机影像提取冠幅常用的方法有目视解译和面向对象法,其中面向对象的影像分割方法是利用图像处理软件并结合影像纹理和光谱特征进行分割,快速获得单木冠幅信息[13],也可进行大尺度估计,以快速获得森林乔木覆盖率和叶面积指数等乔木冠层信息。对单木树冠进行提取的关键点在于对林木光谱及纹理信息判定与范围的划分,以便找出最为显著的特征统计值作为分割指标,将其提取出来,其精度能达到 90 %以上。

2.3 胸径与生物量信息

胸径、蓄积量是判断林龄、森林质量和效益的重要指标,其主要是通过航空数字影像信息集合目标参数模型反演获得,可以根据已获取的指标数量建立一元、二元乃至多元航空立木材积表。主要是通过已获得的单木冠幅与实地调查林木胸径建立胸径—冠幅回归模型,获得单木胸径,再根据胸径—材积模型得到单木材积,并根据调查样地的植株密度计算林分蓄积,总体精度能达到 90 % 以上。另一种方式是通过对获取的影像和激光雷达数据得到完整的点云数据,利用点云数据建立生物量预测模型。通过此技术可以有效提高森林资源调查效率、降低成本,但精度仍有待进一步提高。

2.4其他信息获取

无人机航拍遥感能够以较低成本获取大量林木信息,使得其在森林资源调查和大规模森林清查方面具有得天独厚优势。通过搭载不同类型传感器以获得不同波段光谱信息,极大增强无人机森林调查能力和效率[14]。采用多种数据信息处理软件,对信息进行后期处理以获得树种及其空间分布等大量基础信息,也可通过搭载高分辨率或特定镜头,结合后期处理和人工判别,以进行对某一目标树种的信息提取或树种分类以及研究区域内树木空间分布情况。相关研究表明,通过无人机航拍获取高分辨率影像,并从中提取能反映林分空间结构特征的混交度、角尺度、大小比及树冠竞争等指数。

随着信息化和计算机技术不断发展,利用遥感技术重构模型的方法已经逐渐成熟,利用对图像后期处理技术可很好地进行区域林分、林冠层和单木的三维景观重建。无人机航空遥感具有信息获取速度快、处理简单、机动性强等优点,能够更好地展现森林价值,有利于森林保护和经营。利用无人机获取的遥感信息,可建立数字化地形模型、数字化立体模型与三维可视化、正射影像、信息查询、森林区划以及树种类型判读等一系列研究工作,其精度可基本满足一般林业调查与作业要求[15]。

3 结语

我国正处于林业信息化“智慧林业”发展新阶段,森林资源调查和监测的要求也逐步向数字化、信息化、智能化转变,使得林业工作模式、森林资源调查与监测技术创新得到了更加广阔的发展空间与支持。低空无人机遥感作为一项空间数据采集的重要手段,随着无人机遥感技术不断发展和信息数字处理技术的逐渐成熟,必将成为未来林业领域主要调查与监测手段之一。

参考文献

[1]曹明兰, 张力小, 王强.无人机遥感影像中行道树信息快速提取[J].中南林业科技大学学报, 2016, 36(10):89-93.

[2]谢建春, 孙丙玉, 李文清,等.一种低空无人机航摄系统关键技术的试验研究[J].测绘通报, 2015,(10):85-87.

[3]张园, 陶萍, 梁世祥,等.无人机遥感在森林资源调查中的应用[J].西南林业大学学报, 2011, 31(3):49-53.

[4]韩学锋.基于高分辨率遥感林分调查因子的提取研究[D].福州:福建师范大学, 2008.

[5]韦雪花.轻小型航空遥感森林几何参数提取研究[D].北京:北京林业大学, 2013.

[6]王佳, 杨慧乔,冯仲科,等.利用轻小型飞机遥感数据建立人工林特征参数模型[J].农业工程学报, 2013, 29(8):164-170.

[7]王伟.无人机影像森林信息提取与模型研建[D].北京:北京林业大学, 2015.

[8]尚何章.小型无人机飞行控制系统硬件设计与实现[D].南京:南京航空航天大学, 2012.

[9]王强.小型无人直升机航拍系统设计与实现[D].上海:上海交通大学, 2013.

[10]周占成, 朱陈明.无人机航摄系统获取DOM的技术研究[J].测绘标准化, 2011,(3):16-18.

[11]魏涌, 毕凯.低空无人机航摄系统在正射影像制作中的应用[J].铁道勘察, 2014, 40(2):17-19.

[12]汪小钦, 王苗苗, 王绍强,等.基于可见光波段无人机遥感的植被信息提取[J].农业工程学报, 2015, 31(5):152-159.

[13]周艳飞, 张绘芳, 李霞,等.不同方法提取无人机影像树冠信息效果分析[J].新疆农业大学学报, 2014,(3):231-235.

[14]徐誉远, 胡爽, 王本洋.无人机遥感在我国森林资源监测中的应用动态[J].林业与环境科学, 2017, 33(1):97-101.

[15]严宇波.无人机摄影测量影像匹配与纠正技术研究[D].沈阳:沈阳航空航天大学, 2013.

猜你喜欢
单木胸径航拍
地基与无人机激光雷达结合提取单木参数
结合Faster-RCNN和局部最大值法的森林单木信息提取
赤松纯林胸径结构对枯梢病发生的效应
武汉5种常见园林绿化树种胸径与树高的相关性研究
五常水曲柳变异分析及优良家系的早期选择
航拍巴彦呼硕
航拍,苍穹下的醉美视角
难忘的航拍
基于双尺度体元覆盖密度的TLS点云数据单木识别算法
基于体元逐层聚类的TLS点云数据单木分割算法