无人机在林业灾害监测及林业摄影测量中的应用

刘彦良，邱晓坤

1.西安市小王涧国有生态林场，陕西周至 710400；2.天津农学院 园艺园林学院 天津 300392

林业是我国国民经济的重要组成部分。当前，我国林业建设工作内容包括对林业生态的保护与修复，对森林、草原、野生动植物资源的监督与管理，对林业灾害和病虫害的防治等。传统的林业灾害监测工作过程中，由于工作条件较为恶劣，整体工作质量不高。无人机技术能够规避和转化以往工作中的各项劣势，全面提升林业监测管理效能。

1 无人机技术在当前林业工作中的应用价值

无人机技术在当前林业灾害监测过程中所具有的发价值主要体现在提升精准度、提升工作效率、提高工作安全性和提升智能化水平等方面，具体内容阐述如下。

(1)提升工作精准度。无人机技术可以实现对林业数据的精确测量、精准定位和精确录入等。传统林业监测工作所用的卫星影像精度为2.5 m，地面分辨率为10 m，面积误差在5%，在监测与管理过程中无法准确地识别地面上树木的数量和种类，工作精度较低。无人机技术的作业精度则能够控制在1.5～5.0 cm的层面，且使用过程中误差可以限制在1%左右，可达到精确分析相关植株种类和数量的目的。无人机在定位方面也更为精准，相较于传统卫星定位偏差10 m的情况，无人机在精度控制方面可以限定在1 m范围内，特别是在一些地形较为复杂或者是过渡地区，无人机的精度优势更为显著[1]。

(2)提升工作效率。相较于传统的人工巡查，无人机在运行过程中的效率显著更高，且视角更为广阔。同时，依托对应的软件和数据，无人机可以在较短的时间内完成大面积林区的数据采集、统计和分析工作。例如，如果需要对6 667 hm2左右的林区进行病虫害调查，以人工进行的方式进行调查，工作量约为200 hm2/d，完成林区调查工作所需时间约为1年。而采取无人机作业的方式进行调查，其调查效率可以达到667 hm2/d，完成全部林区的调查工作仅需10 d左右。极高的作业效率可以保证森林病虫害防治工作的时效性，有效避免病虫害对更大范围内的林业资源形成威胁。

(3)提高工作安全性。安全性集中体现在无人机可以克服地理环境的限制，进入人类难以进入的地区进行多角度观察和拍摄方面。同时，如果在林业灾害发生的过程中采取人工的方式进行调查，将会极大地增加作业风险。无人机可以代替人工完成对高风险地区的作业任务。

(4)提升智能化水平。在对林区面积、地类进行调查时，无人机技术可以实现自动计算，且误差率通常在0.1%左右。同时，调查过程中也可以针对各项调查因子，如坡向、坡度、高程、冠幅、树高等进行自动测量和计算[2]。此外，在进行林业灾害监督和防治时，无人机可以实现远程连接，与其他单位协同作业。

2 无人机在林业灾害监测中的应用

2.1 林业灾害监测

无人机可依托各类机载传感器设备，从不同高度的空域获取地物信息，并收集地表信息，从而实现林业灾害监测。根据原理差异可以将机载传感器分为高光谱传感器、多光谱传感器和激光雷达。

高光谱传感器是利用诸多窄且连续的光谱波段获取各类地物数据，可获取空间信息、辐射信息和光谱信息数据。这些数据的维度多样，数据量大，需将所获取的背景数据与目标数据进行有效分离，从而获取目标数据。为了保证数据的精准性，在处置的过程中相关单位和人员还需要进行对数据波段、条纹等进行去除处理，并进行大气校正等处理工作。当前的实践过程中，可以采用的数据处理方法较为多样，如加权空谱主成分分析算法(WSSPCA)、深度学习和迁移学习等，都能够极大地增强无人机监测数据对于森林信息识别的准确程度。

多光谱传感器在处理过程中需要针对所获取的数据进行大气校正、噪声去除等工作，所获取的图像数据也具有较高的准确度，能够充分把握地面信息[3]。现阶段的多光谱传感器类型较多，在使用过程中需要根据目标数据和目标区域的实际情况合理选择设备。多光谱传感器所获取的数据通常可以应用于对当前森林健康程度的评估，以帮助相关工作人员进行病虫害防治工作。

激光雷达也是当前林业灾害监测过程中常用的技术类型，主要是通过向需测量的物体发送光脉冲信号，再将返回的信号与发射信号进行对比和处理，从而把握目标信息。不同的激光雷达设备在应用时具有各自的特征和应用范围，且测量精度和扫面速率也具有差异。例如，0.1～3 500 m射程的脉冲式激光雷达，其测距精度可以控制在2～1 000 m范围内，而最大扫描速率可以达到50 000点/s；1～120 m射程的激光雷达，其测距精度则可以控制在2～120 m范围之内，最大扫描速率可以达到133 000点/s。

2.2 森林火灾检测

无人机在林业灾害，如火灾的监测中，主要应用于4个方面，即对林区信息的收集、烟雾的识别、火灾蔓延预测和扑救。

林区信息的收集是无人机在林业灾害防治工作中较基础性的作用。在森林火灾的监测过程中，相关的区域整体环境复杂程度较高，必须系统性把握所有信息，并结合实际环境进行分析，从而保证决策工作的科学性。无人机技术可以较为全面地获取和分析林区林分、可燃物等信息，同时可以结合当前的天气特征等信息建立对应的灾害模型，对灾害发生的过程、可能带来的影响等情况进行推算和反演。

烟雾是森林火灾防范和治理过程中的重要影响因素。在森林火灾发生的初期阶段，由于可燃物的燃烧通常不完全，会产生大量的烟雾，容易导致工作人员误判火势，影响林业灾害的治理效果。无人机的监测工作则可以规避误判火势，保证分析效果。一般而言，获取的烟雾图像在RGB颜色空间内一般区别不明显，在不同的背景照明与环境条件的影响下，烟雾图像颜色在各个空间中均存在差异[4]。针对这种现象，当前的无人机监测可以在YUV颜色空间中分割烟雾图像区域，再将YUV颜色空间转换为RGB信号，有利于帮助工作人员准确分析林区森林火灾烟雾特征，保证火灾特征研判的准确性。

在火灾蔓延预测方面，无人机监测可根据可燃物、气象因子、地形等影响火灾走向的因素进行综合判断，但该过程中主要把控的因素仍然是火焰本身。为了实现对火焰特征的分析，无人机所获的RGB色彩空间图像仍然需要进行进一步处理。火焰的图像在R通道的亮度最高，轮廓最清晰，而G通道和B通道则相对较弱。因此，为了准确分割火灾图像以判断火焰的发展方向和蔓延路径，应统计G通道火焰像素点，从而构建火焰发展方向的图像[5]。

当无人机获取准确的火灾特征信息后，相关单位和工作人员即可组织具有针对性的火灾扑救方案。无人机本身也搭载了灭火弹、水箱等扑救工具，不仅可以极大地增强火灾扑救的准确度，还可以有效地保障人员在灾害扑救过程中的安全性，避免出现意外。

无人机除了可以对森林火灾的情况进行监测和反应之外，也可以直接应用于森林消防工作中。森林消防无人机具有响应速度快、机动性强、覆盖范围广和灭火效果好等优势，合理应用能够极大地避免人员在森林消防中面临风险。森林消防无人机在应用阶段主要是通过编队行动的方式来形成更好的消防效果，合理的编队能够减少任务用时，降低燃料或电能的消耗以及增强对障碍物的躲避能力，是森林消防无人机应用过程中的关键技术。

目前的编队方法有如下几种：(1)领航-跟随方法。主要是一种让森林消防无人机在飞行过程中以一架或多架作为领航者，按照既定轨迹飞行，其余设备则通过通信网络对领航者的方向和位置进行跟踪的方法，可以保证飞行器距离的稳定和飞行过程的顺利，有助于完成森林消防任务。(2)虚拟结构法。这是一种集中式的编队控制措施，在应用时将编队的队形视作虚拟结构，而所有的无人机作为虚拟结构上的点，保证其相对位置不变即可，有利于防止领航者在消防任务中发挥其优势。

2.3 林业病虫害监测与防治

病虫害是威胁森林健康和林业资源安全重要灾害之一。当前，常见的林业病虫害主要包括发松材线虫病、马尾松毛虫、美国白蛾等，防治措施则一般为化学防治、生物防治和物理防治等。人力监测与防治的过程中，需投入的人力、物力资源较为庞大，且安全风险较高。而无人机技术则可以提供全方位的病害林区的图像信息，同时，多光谱、激光雷达等设备可以快速识别目标区域中潜在的病虫害现象，并依据数据模型准确评估病虫害数目，帮助工作人员快速清除受影响的植株[6]。

在病虫害调查过程中，无人机可以通过拍摄疑似疫区抓取病害树木特征。例如，已发生松材线虫病的树木，其树冠往往会变为红色，基于此对松树林区的红色信号进行识别，即可掌握病虫害的发生和影响范围。相关单位和人员可以借助无人机清点已经发生疫病的植株数量，识别林分、林相结构，从而推测当地病虫害发生的原因及影响因素，保证相关单位和工作人员科学决策病虫害防治工作。无人机也可以应用于病虫害的直接防治过程中，例如，可通过无人机平台喷洒药物，避免工作人员长时间处在高浓度药物环境中，出现意外情况。

采取无人机对区域病虫害监测时，工作人员需要提前收集区域病虫害数据，同时也需要通过可行的途径了解区域地理情况，如利用Google Earth卫星影像数据分析地理特征，据此进行飞行计划的制定。此外，还应当考虑拍摄区域的植被情况，设置无人机飞行的各项参数，一般飞行高度保持为300 m左右较为适宜，每次飞行的航向和旁向重叠率控制为50%～60%。需复查每次飞行所采集的影像，并删除其中无效的或整体质量相对较差的影像，进行复飞。所获取的图像采取软件实施处理，如Pix-4D校准和镶嵌后，可获得DOM影像，再采取对应软件进行影像增强，即可确保病虫害分析的准确性。

3 森林摄影测量

森林摄影测量工作可以用于调查森林资源，从而为后续的林业建设决策提供参考。传统的森林资源调查工作存在诸多不足，如地面工作量较大，所获取的数据信息在实时性、可靠性方面相对欠缺等。无人机摄影测量可以有效地解决这些问题。通过无人机摄影测量技术获取目标区域森林图像数据后，相关单位和工作人员需要首先进行森林特征的判读。特征判读主要分为直接判读和间接判读。在直接判读过程中，需要掌握的基本特征包括形状、大小、色调、阴影和纹理。

形状指的是对应地物的形态、构造和轮廓特征。就树木而言，其特征主要表现为中心处以最大冠幅出现，在图像的边缘位置则会表现为倾斜纵面树形，且地物的形状特征会因为比例尺而逐步模糊和消失[7]。大小是指地物在图像中的分辨率，其与图像的比例尺关系密切。以实际情况为例，如果比例尺为1∶5 000，图像之中的地物直径在0.25 m左右即可比较清晰地观察到其大小。色调是指图像之中对应地物的亮度与颜色等，与天气、时间和摄影设备等因素关系较为密切。根据这一特征也可以实现对树木具体种类的辨别。

间接判读方法则是根据相关地物与现象之间的关系达到判断的目的。在林业无人机调查过程中，常会采取以地形特征来分析当地的树种分布情况的现象。此外，依托对目标林区的林分调查，也可以实现对树木的胸径、立地条件、生长量和材积等情况的间接判读。以某地的无人机摄影调查结果为例，调查结果显示，树木的形状以椭圆形为主，且伴随部分圆形或星形图像元素，图像的整体色调为棕绿色，亮度偏暗，图像纹理粗糙紧实，可推测相关区域的优势树种主要为红松。同时，也可以通过图像特征对树木的龄组、郁闭度等进行判读，幼龄林的颜色往往偏暗，纹理较小且均匀，呈现颗粒状，而过熟林则会表现出颗粒大且粗糙的图像纹理特征。在进行郁闭度识别时，郁闭度为0.2～0.4时，图像纹理表现为颗粒大小不均且可见地表。郁闭度为0.4～0.7时，图像颜色会存在明显的黑色林隙，纹理则表现为颗粒稀疏。郁闭度为0.7～1.0时，图像的颜色会较为明亮，图像纹理特征为颗粒紧凑，不存在缝隙。

在对森林进行无人机摄影测量时，调查森林的具体生长情况进行也是其中较为关键的项目。该过程中，工作人员需要系统性布设和调查样地，分批次完成数据采集。一般而言，第一次进行数据采集时，需要布设正方形单木精细调查样地，样地布设时可适当缩小空间范围，如采取25 m×25 m的正方形布设方式，保证其中树种的单一性。第二次数据采集时则往往要求样本的分布具有均匀性和代表性。为了满足这一需求，可以进一步扩大样地范围，如划分为4 km×4 km的网格，在每个网格中考虑树种、树龄、种植密度等综合因素。在这种方式之下，即可全面统筹区域之内的树木情况。传感器选择层面，在进行树木高度和枝下高度的测量时，可以使用超声波激光测量设备，实时、动态测量样地的角点和中心点绝对坐标。

4 结束语

在当前的林业灾害监测和林业摄影测量工作中应用无人机技术，能够极大地提升相关工作的精准性和效率，促进我国林业建设。在应用相关技术的过程中，工作人员需要准确地把握无人机技术在林业调查和研究之中起到的作用，合理地应用相关技术，通过科学的分析手段达到指导林业灾害防治、林业资源调查的目的。