孙志
(上海元易勘测设计有限公司,上海201210)
新型森林资源调查,需要获取树高、胸径、冠幅等林木的精准信息。面对大规模林业调查时,传统方法测量难度大,工期长,信息采集效率低。随着我国低空空域的放开,无人机的推广应用,给林木统计工作提供了新思路。由无人机正射平台和机载雷达系统组成的无人机激光雷达扫描,是能够同时发送接收激光点云,不受地形、大气等外界因素的干扰主动遥感技术运用,具有容易穿透密郁闭度较高的树冠层特质,在林业调查方面可以准确、有效、快速地测量大面积森林和树木的高度,对大范围、精细化的林业调查意义重大[1]。
使用激光雷达数据的单木分割技术主要采用影像、点云与先验信息相结合的方法,基本特质是正射影像、激光点云与算法的结合。单木分割容易使用三维空间信息,更容易反映树冠结构;能够探测灌木或小树,可以同时应用光谱信息与高度信息。
光谱特征成为点云数据获取的树冠结构特征的重要补充,高度分布特征描述不同树种树冠特性,强度特征借单木探测技术和分割技术以达到识别树种的目的。由于激光点云数据缺乏光谱信息,点云在区分茂密树冠和区分树种是存在局限性。正射影像对点云进行赋色后,点云数据具有RGB 真彩色,提高了点云的辨识度,从而使单木分割的正确率提高。
图像分割是面向对象的基础,基于不同场景可以选择不同类型的分割提取方法,实现的方法和技术有分水岭算法、PCS 算法、归一化割、基于CHM的多项式拟和、区域合并的均值漂移等等。
测区位于上海市浦东新区外环线外,规划总面积49.19 公顷。东侧为废弃公园与拆迁村,公园内香樟、水杉、桉树、广玉兰以及部分灌木林。西侧场地内有部分废弃房屋,主要植被为香樟林。测区内林木相对集中,测区内植被覆盖率超过50%。林木密度大,人员进入困难。
综合考虑测区的地形、地貌、机载激光雷达设备的参数、天气条件、航带宽度以及点云密度,本次选择六旋翼工业级无人机RT650、激光雷达LD-R300 和正射平台,获取5cm 精度的点云和正射影像数据。
根据航摄要求,计算可得合理航飞高度。根据像素、航飞高度设计航向重叠度与旁向重叠度。
小型无人机飞行过程中飞行姿态易受到外部因素干扰,记录的影像数据无法满足大比例尺测图要求。为满足成图精度,采用航线两端及中间间隔一或两条航线布设像控点的方法。像控点平面位置采用基于GNSS 连续运行参考站SHCORS 系统的GPS 网络RTK 三级要求布设。像控点高程通过数学拟合方法,获取该区域内的高程异常模型,且联测附近区域内两个已知等级水准点,像控点以L 型红色油漆或特殊标记地面处布设。
为获取高精度正射影像数据匹配点云数据,对激光点云数据赋色,激光雷达航向设置与正射平台飞行航线一致,高度一致。影像采集前对飞行模块调试,利用小型无人机对测区空域内试飞,查探飞行环境。根据测区面积合理分配飞行线路,将测区均匀分为2 个飞行区域,每个区域2 个飞行架次。以U 型飞行线路设计,航向重叠度88%,旁向重叠度65%,飞行高度110米。
将飞行结束后的影像导入软件中按具体标准操作,设置生产模型的模式为图片格式,在控制点选项中增加像控点,每点输入坐标根据影像清晰度找到像控点,每个像控点从中选取出至少6 张影像图刺点,刺点时尽量找到特征位置。照片中删除曝光度较低的影像图,完成后点击软件进行项目生产,获得经过地面像控点改正后的测区正射影像图。
将像控点与影像成图点比对,得到本次航飞精度,平面点中误差为0.213m,高程点中误差为0.154m,满足《1:500 1:1000 1:2000 地形图航空摄影测量数字化测图规范》中1:1000 比例尺平面和高程中误差分别为0.6m 和0.4m 的要求。
通过正射影像对点云进行赋色,使得点云数据能够使用RGB 真彩色赋色,增强点云的可视化效果。全域地物类型主要是植被、建筑物、道路、裸地等。各地物形态还原完整,清晰、精准度高。基于地面点分类的点云,软件自动生成测区的数字高程模型。基于三维彩色点去,软件自动生成测试的数字表面模型。
单木分割是基于树冠定点位于(辐射亮度或高度的)局部最大值处,辐射亮度或高度值沿树冠边缘方向逐渐减小,在树冠边缘达到最小值的假设。算法思路是基于树冠的光学特性、颜色、纹理特征,利用统计学方法及人际交互作业的方法直接描绘出单木树冠的轮廓。根据前期调查,给定一个单木冠幅范围值。计算辐射亮度或高度定位出局部最大值,确定种子位置,利用种子信息提取单木。
测区林地区域占比约50%,大部分植被十分茂密,树与树之间基本没有间隙,而且存在不同树种杂交区域,树木冠层交错覆盖,需要实现准确的单木分割难度很大。
为了尽可能保障单木分割效果,将测区按林地分布切割成9块(K1~K9),以K1 区域为例,植被十分茂密,而且存在多种树木杂交的情况,形成高矮两层,树木冠层交错覆盖,单一算法对CHM生成的种子点准确率较低,容易导致单木分割存在很严重的过分(树冠分叉)与欠分(低矮被遮挡、树冠间无间隙)情况。
图1 K1 区域效果图
图2 局部剖面图
图中局部坡面图显示,单木分割情况较好,树木树冠和光谱信息基本一致,个别树木冠幅无明显弧度,单一算法对此难以识别。针对部分树冠分割难度大的情况,可以选择不同类型算法、调整树冠模型参数或根据树干进行识别,以提高单木分割的成功率。
近年来航空摄影测量及相关技术的开发应用,数字化、影像化数据逐渐普及,传统工程测量技术对于高密度林区树木测量上缺少有效方法,虽然单木分割无法达到百分之百的检测成功率,但通过分割、提取、算法处理、筛选后,仍可以高效完成86%林木数据采集工作,使工作效率大大提高。分水岭算法、PCS 算法、归一化割、多项式拟和、区域合并的均值漂移等算法各有其优势和不足,其目的都是获取单木信息,为森林资源调查提供技术支撑。相信随着算法及仪器的精度的提高,激光雷达的噪声处理技术成熟,单木分割技术逐渐完善,树木的检测率与分割率可以达到理想状态。