基于无人机遥感的南岭山地树冠与树干性状关联研究

龚粤宁，杨昌腾，周光益，李兆佳，李超荣，杨 龙，孙中宇

（1. 广东南岭国家级自然保护区管理局，广东乳源 512727；2. 中国林业科学研究院热带林业研究所，广州 510520；3.广东省科学院广州地理研究所，广州 510070）

树冠性状和树干性状之间（如冠幅与胸径之间）存在密切的数量关系（Attiwill,1966;Norton et al. 2005; Blanchard et al., 2016），可以用于彼此反演，进行生物量和蓄积量计算（Troxel et al.,2013），也可用在造林过程中制定合适的林分密度，获得更合理的林分结构（Hemery et al.,2005；王小兰等，2019）。相较树干性状，树冠性状通常更难获取，所以以往研究多用树干性状的实测数据，通过数学公式计算树冠性状，其中用胸径计算冠幅的案例（Bechtold, 2003；王旭东 等，2016；许林红 等，2018；郝建等，2019）较多。近年来，无人机遥感技术逐渐成熟（Ancin-Murguzur et al.,2020），成为获取树冠性状的便捷工具（李赟等，2017；Wu et al.,2020），以树冠性状为基础反演树干性状的研究（刘文萍等，2017；王枚梅等，2017）逐渐增多。通过树冠性状计算得出的胸径信息，可以代入树木的异速生长方程，用于大范围估算森林生物量（朱思名等，2020）。探讨树冠性状与树干性状间的关联性，有助于深入理解树木对环境变化的响应策略，同时对提升森林碳储量遥感评估的精度亦有重要意义。

目前国内外以人工林和针叶林为研究对象的案例居多，以自然林和阔叶林为研究对象的案例相对较少，多数案例往往只针对某一特定的树种（Hetherington, 1967; Iizuka et al., 2018；许 林 红 等，2018；郝建等，2019），缺少群落尺度或针对混合树种的树冠-树干性状关系研究。现有研究显示，树冠和树干性状间的数量关系在不同林型和不同地域间往往存在较大差异（张冬燕等，2019），且不是每个树种的树冠性状与树干性状间都存在较高的相关性（韦雪花等，2013）。因此，在运用树冠与树干性状回归关系开展研究时，需要充分考虑地域、林型、物种，以及地形差异对结论产生的影响（Bechtold,2003）。

现有研究表明，中国北方森林阔叶树种的胸径与冠幅相关系数可达0.90 以上（戴福 等，2009），相比之下，位于华南地区广东省主要用材林树种冠幅与胸径的相关系数略低，基本稳定在0.62～0.79（何开伦等，2006）。南岭山地位于广东省北部，地带性森林集中分布在海拔400～1 900 m，从山底到山顶随着物种组成和生境的变化，群落冠层树木个体存在明显的矮化现象，即海拔因素对群落冠层树木的树高、树干直径以及树冠的形态均产生较大影响，这进一步增加了树干-树冠性状关系的复杂性，也引发了一系列新的科学问题。如：在南岭山地是否存在用树冠性状反演树干性状的生物学基础？南岭山地不同海拔树冠性状与树干性状间的关系是否存在差异？在南岭山地运用树冠与树干性状关系计算生物量时，是否要考虑海拔因素？上述问题的解决，对于大范围开展南岭山地森林生物量的遥感反演，提高反演精度具有重要意义。

因此，本研究基于无人机遥感技术，以南岭山地海拔600～1 600 m 的冠层树木为研究对象，系统探讨南岭山地冠层树木的树冠性状和树干性状间的关联以及这种关联随海拔的变化规律，以期为南岭山地森林群落结构研究以及生物量估算提供参考。

1 研究方法

1.1 树干性状的测量方法

随机选取了南岭山地海拔600 m（8 株）、800 m（11 株）、1 000 m（12 株）、1 400 m（10 株）和1 600 m（8株）5个海拔高度的49株冠层优势树木（表1），依照测树学的基本方法对目标树木的树高、基径、胸径、2米径和4米径进行测定。其中，树高采用激光测高仪测定，基径、胸径、2米径和4米径采用胸径尺测定，在量取树木树干性状的同时，用手持差分GPS（Trimble Geo X7）记录每棵树的地理坐标。受到坡度、树冠密度和树冠交叉错位等影响，在较高飞行高度上获取的树冠影像上，某些树冠仍会存在定位及分割较难的情况。因此，为了提高树冠性状的提取精度，在目标树冠正上方用无人机在不同高度拍摄影像，进一步确定树冠的相对位置和轮廓，用于后期辅助树冠的定位和分割（图1）。

图1 利用无人机获取的影像辅助定位树冠Fig.1 Images obtained by drones are used to assist in locating tree crowns

表1 树种及其分布海拔Table 1 Tree species and their distribution at altitude

1.2 树冠性状测定方法

主要测定冠幅、冠周长和冠面积等3个树冠性状。其中，冠幅为树冠南北向和东西向冠幅的平均值，冠周长为树冠垂直投影的周长，冠面积为树冠垂直投影的面积。上述树冠性状通过无人机遥感获取，采用的无人机型号为DJI Phantom 4 RTK，重量1 391 g，最长飞行时间约30 min，悬停精度±0.1 m，携带的传感器类型为可见光（RGB）相机，传感器为1英寸CMOS，有效像素2 000万，照片最大分辨率4 864 pix×3 648 pix。树冠无人机遥感数据的具体采集方法为：于2019 年11―12 月，选择晴朗天气的T 10:00―14:00 进行无人机飞行作业。首先在DJI GS pro地面站上规划覆盖研究区的无人机作业航线，飞行高度设置为60 m，航向重叠率和旁向重叠率各设置为80%，飞行作业时在现场同步设置地面控制点用于后期的影像校准。在海拔600、800、1 000、1 400 和1 600 m 处分别获取了250、369、242、269 和370 张林冠正射影像，将正射影像导入Photoscan 软件，经排列、生成密集点云、生成网格、生成纹理和生成数字高程模（DEM）等过程后，得到研究区树冠的正射镶嵌影像（DOM），随后将DOM导入ArcGIS 中，根据GPS 坐标以及不同高度无人机影像的辅助，将地上测量过树干性状的个体与影像中的树冠逐一匹配，确定目标后，对目标树冠进行勾取，获得冠幅、冠周长和冠面积（图2）。

图2 基于无人机遥感影像的树冠性状提取Fig.2 Extraction of tree crown traits based on UAV remote sensing images

1.3 统计学方法

采用典型关联分析（Canonical Correlation Analysis, CCA） 的统计学方法分析树冠性状与树干性状的关联性；采用线性回归方法确立树干性状间树冠性状间的回归关系。统计分析采用SPSS for Windows 13.0软件处理。

2 结果分析

2.1 南岭山地树冠性状与树干性状间的整体关联性

结果显示，本研究所涉及的树冠性状，即冠幅、冠面积及冠周长间具有较高的相关性（R=0.94～0.97）（表2）。树干性状方面，除了树高与其他性状间的相关性较低（R=0.5～0.59）以外，基径、胸径、2 米径以及4 米径之间的相关性也较高（R=0.93～0.98）（表3）。树冠性状与树干性状关系方面，典型相关分析方法统计了3对典型变量间的相关性，相关系数及其检验结果表明，仅第一典型相关系数在统计学上具有显著意义（R=0.89，P＜0.01），冠面积与基径、胸径、2 米径和4 米径间的相关性最好（R＞0.80）；冠幅和冠周长与基径、胸径、2 米径及4米径间的相关系数值高度接近，均在0.76～0.80；树高与树冠性状间的相关性相对较低（R≈0.6）（表4）。以上结果表明，南岭山地树冠性状之间、树干性状之间都具有较高的内部相关性，树冠性状与树干性状之间也存在显著的相关性，用树冠性状反演树干性状具有统计学意义。

表2 树冠性状间的相关系数（R）Table 2 Autocorrelation coefficient between tree crown traits(R)

表3 树干性状间的相关系数（R）Table 3 Autocorrelation coefficient between trunk traits(R)

表4 树冠性状与树干性状间的相关系数（R）Table 4 Correlation coefficient between tree crown traits and trunk traits(R)

2.2 不同海拔高度林冠性状与树冠性状的相关性差异

分别对不同海拔高度上冠面积、冠幅、冠周长与树高、基径、胸径、2米径和4米径的相关性进行分析（图3），结果表明，海拔600 m处，树冠性状与树干性状的相关性较高（R＞0.80）；海拔升至800 m 时，相关系数略有升高；到海拔1 000 m 处，相关系数值急剧下降（R＜0.50）；到海拔1 400 m 处，相关性系数值再次升高至0.80 左右；海拔1 600 m处，相关系数重新下降至0.70左右。总体上，树冠性状与树干性状的相关性随海拔的升高呈“M”型，树冠性状与树高的相关性相对特殊，随海拔的升高呈“W”型变化。

图3 不同海拔树冠面积与树干性状的相关性Fig.3 Correlation between canopy area and trunk traits at different elevations

2.3 树冠性状与树干性状间的线性回归关系

树冠性状与树干性状的散点图（图4）显示，除了树高以外，其余树冠和树干性状之间存在明显的线性关系。以冠幅、冠面积、冠周长为自变量，分别对胸径、基径、2米径和4米径等自变量进行多元线性回归分析，结果表明，冠面积是反演树干性状的最佳指标。由于冠幅和冠周长与冠面积存在显著的共线性关系（条件指标＞15.0，表5），进入模型时对决定系数提升贡献较小，无法显著提高回归方程的预测精度，因此采用冠面积作为单一自变量建立冠面积与胸径、基径、2米径和4米径的线性回归方程，分别为：

表5 树冠性状与树干性状逐步回归分析模型概要Table 5 Summary of stepwise regression model for crown and trunk traits

图4 树冠性状与树干性状的散点图矩阵Fig.4 Scatter plot matrix of crown and trunk traits

式中：DBH为胸径/cm；CA为冠面积/m2；BD为基径/cm；D2为2米径/cm；D4为4米径/cm。

从决定系数的数值可得知，南岭山地树木的冠面积对基径、2米径和4米径的预测精度优于对胸径的预测精度。

3 讨论

3.1 南岭山地树冠性状与树干性状的关联性

本研究显示，南岭山地冠层树冠性状与树干性状（树高除外）间具有较高的整体关联性（R＞0.75），说明在南岭山地基于树冠性状大范围反演胸径、基径、2米径和4米径具有较好的生物学基础和可行性。已有研究表明，北方森林阔叶树种的胸径与冠幅相关系数R可达0.90以上（戴福等，2009），广东省主要用材林树种的冠幅与胸径相关系数R在0.62～0.79，如果去除针叶树种，相关系数R＜0.65（何开伦等，2006）。在本研究中，南岭山地冠层树种胸径与冠幅的相关系数R=0.76，虽然低于北方阔叶树种，但高于同地域的其他用材林阔叶树种。在数据不确定性的控制方面，本研究采用带差分GPS的无人机遥感系统测定树冠参数，冠幅误差可控制在厘米级，相较于地面目测冠幅更为准确（孙中宇等，2017）。此外，尽管已有较成熟的影像分割软件用于自动分割树冠，但本研究仍采用目视解译的方法来人工划定树冠边界，避免了在某些情况下，如相邻的几株同种、同大小个体的树冠交织在一起时，采用软件自动分割树冠带来的误差。但在样本数量方面，本研究要略少于其他同类研究。另外，由于样本选取的随机性，本研究选取的样本在物种组成和数量方面存在一定的不平衡，可能导致结果存在误差，但这对南岭山地树冠和树干性状间总体关联性的影响在可控范围内。

本研究显示，在南岭山地，树冠面积是反演树干性状的最佳参数（R＞0.80），在逐步回归过程中，由于冠幅和冠周长与冠面积共线性较高，并未纳入反演模型中。树冠面积与2 米径和4 米径的相关性大于其与基径和胸径之间的相关性。但在以往的研究中，采用树冠面积反演树干性状的案例并不多见，这主要是由树冠面积难以获取，或地面获取的数据误差较大造成的。同样的原因，树干的2米径和4米径与树冠性状的关系研究也较少有案例涉及。在树冠性状便于获取，并且与树干性状存在稳定关联的情况下，冠径比（包括2 米径和4 米径）将会携带更多的树木生长和树木结构信息，可用于分析生态学规律以及指导造林实践。

3.2 南岭山地树冠性状与树干性状的关联性随海拔高度的变化

本研究表明，南岭山地不同海拔高度上树冠性状与树干性状间的关联性存在差异，具体表现为，树冠性状与树干性状的相关性在低海拔区（600～800 m）最高（R＞0.80），在高海拔区（1 400～1 600 m）次之（R≈0.7），在中海拔区（1 000 m）最低（R＜0.5）。这一现象很可能是由树木随着海拔高度升高逐渐矮化造成的。野外调查发现，海拔1 000 m处的常绿阔叶落叶混交林表现出明显的矮林过渡性质，部分树木个体出现矮化的迹象，矮化与非矮化树木混合的样本组成降低了树冠与树干性状的相关性。此外，2008年特大冰雪灾害导致南岭山地中等海拔的森林受损程度最重（王旭，2012），这对中海拔地区树冠性状与树干性状的关系也产生了深远的影响。尽管本研究忽略海拔高度的影响，建立了南岭山地树冠和树干性状的混合树种回归方程，并且获得较高的决定系数，但综上所述，根据海拔高度分别建立不同的回归方程，可进一步提高模型的预测精度。因本研究样本量有限，还需在后续研究中再深入探讨。

3.3 南岭山地树冠性状与树干性状的回归方程与生物量估算

本研究建立了南岭山地林冠树种冠面积与树干直径间的混合树种回归模型（方程1－4），各回归方程均有较高的决定系数，为南岭山地森林生物量的计算提供了基础。森林生物量通常使用以胸径和树高为自变量的异速生长方程进行估算。若树冠性状与胸径或树高间具有较强的回归关系，就可以通过回归方程，根据树冠性状计算胸径和树高，进而对大范围的森林生物量进行估算。本研究表明，在南岭山地，树冠性状与树高的关联性较差，但与胸径、基径、2米径及4米径的关联性较好。因此可根据方程1，用无人机获取的树冠面积计算树木胸径和生物量，从而实现无人机遥感对森林生物量的估算。此外，由于树冠性状与2 米径和4 米径的回归关系更好，在使用无人机遥感估算森林生物量的过程中，是否可以用2 米径或4 米径作为参数替换树木异速生长方程中的胸径来计算生物量？将树冠性状作为独立因子加入到异速生长方程中能否大幅提高森林生物量的估算精度？这些问题仍需要进一步深入研究。

4 结论

本研究以无人机遥感为技术手段，对南岭山地树冠性状与树干性状间的关联性进行了探讨，研究表明，南岭山地的树冠性状与树干性状间具有显著关联性，并在海拔600～1 600 m 区间随海拔升高呈“M”型变化。南岭山地森林存在用树冠性状反演树干性状并进一步估算森林生物量的生物学基础。本文建立了南岭山地树冠面积与树干直径间的混合树种回归模型，同时探讨了利用冠面积、2米径和4米径计算树木生物量的可行性，可为无人机遥感大面积估算南岭山地森林生物量提供基础。