望遠攝影測樹儀設計與試驗

邱梓軒 馮仲科 盧 婧 孫仁杰

(北京林業大學精準林業北京市重點實驗室， 北京 100083)

引言

隨著森林資源調查數據的精準化要求越來越高[1]，對單木和林分的量化信息需求日益增長[2]，由此，形成了更多的林業數據獲取和分析的方法，產生了更多的森林精準經營相關的儀器[3]。

3S技術作為林業監測手段和方法，主要優勢在其多元性、信息時效性以及成果共享性[4]；遙感和無人機等技術作為林業影像數據獲取方式，主要優勢在其對森林資源影響數據實時動態獲取[5-7]；“互聯網+”的創新和應用，促進了全球森林資源監測技術水平的提高。但是，目前森林資源調查依然面臨著以下幾方面問題：①儀器設備和技術手段相對落后，市場上儀器價格昂貴且功能單一，遙感和無人機等技術僅能為小班區劃提供輔助信息[8-9]。②部分山區，由于調查難度大且不可到達的原因，森林資源信息未能進行調查數據及時更新[10-11]。③森林資源調查過程中，外業調查勞動強度大且效率低下，內業處理數據多且費時費力[12]。

樊仲謀等[13]利用全站儀結合電子手薄測量樹冠面積，結合三維激光掃描儀對單木進行量測及模擬，獲得單木的材積；文獻[14-17]研發了3D電子角規，進行林分調查，利用測樹經緯儀、測樹全站儀、測樹超站儀進行單木量測，并對精度進行分析。黃曉東等[18]研制可量測胸徑和樹高的多功能便攜式微型超站儀，實現樹高、胸徑的自動測量。徐偉恒等[19]研制了手持式數字化多功能電子測樹槍，實現了樹高測量、林分調查、樣地標定等功能。邱梓軒等[20]研制了便攜式智能森林測繪記算器，利用PDA、EDM、云臺以及安卓系統，具有樹高測量、胸徑測量、三元材積解算、3D角規樣地測量、基本測量等5項功能，實現了內外業一體化。近些年，隨著便攜式測樹產品的不斷創新，已經基本解決了上述問題，但是，仍然面臨著溝壑、峭壁、陡坡等地勢險峻而難以調查、看得見而測不著等問題。

本文對森林調查進行需求分析，將遠程激光測距傳感器、傾角傳感器、電子羅盤、長焦CCD鏡頭精密集成，基于測樹學原理、圖像處理技術[21]及攝影測量學原理，由安卓系統內嵌程序自動結算出單木樹高、胸徑及林分參數，形成便攜智能、非接觸測量的森林調查儀器——望遠攝影測樹儀，以期能夠實現遠距離(2 000 m內)遠程樹高測量、遠程胸徑測量、微樣地(6～9棵樹)林分測量等功能。

1 望遠攝影測樹儀構成

1.1 硬件結構

望遠攝影測樹儀的硬件包括PDA模塊(FAM5-PDA型，精準林業北京市重點實驗室制造，中國)、遠程EDM模塊(FAM5-EDM型，精準林業北京市重點實驗室制造，中國)、長焦鏡頭(焦距126 mm)和自主研發云臺，如圖1所示。PDA模塊是將CPU、RAM、ROM、GPU、觸控顯示屏、重力傳感器、陀螺儀、GPS芯片、藍牙芯片、WiFi芯片、電源等高度集成并設計鋁合金外殼，將3個部件高精度集成于云臺，并分別可拆卸、充電、更換，方便操作，如圖2所示。

圖1 望遠攝影測樹儀Fig.1 Forest telescope intelligent dendrometer1.望遠鏡部件 2.激光測距部件 3.望遠鏡調節鍵 4.激光測距調節鍵 5.1/4英制螺紋孔 6.鏡頭連接件 7.自主研發平板 8.平板緊固件

圖2 硬件總體框架Fig.2 Framework of hardware

PDA模塊中的CPU選用聯發科 Helio P10處理器，頻率1.8 GHz(大四核)，核心數8核，用于解釋指令和處理數據；GPU選用Mali-T860，處理位數64位，用于處理獲取圖像信息；RAM選用LPDDR3內存架構，容量2 GB，最高頻率2 133 MHz；ROM選用C8051F410 片內閃存設計，16 GB，最高持續速度80 m/s，速度級別Class 10；CCD鏡頭選用長焦定焦光學鏡頭，定焦126 mm，1 300萬像素，用于獲取圖像信息；重力傳感器采用三軸加速傳感器LIS331DLH ，用于測量望遠攝影測樹儀和測點間的傾斜角；陀螺儀采用集成電路芯片GY-26，用于測量望遠攝影測樹儀到測點的磁方位角；GPS芯片用于接收GPS信號，藍牙芯片用于接受遠程EDM模塊所測得的數據，WiFi芯片用于傳輸圖像信息及連接網絡；電源采用集成電路TPS61020 ，用于向各器件供電。

1.2 軟件設計

在Android Studio 2.1開發環境下集成，利用Java語言進行匯編實現，將數據存儲到輕型的SQLite數據庫中，PDA使用基于Linux核心的Android安卓系統平臺。軟件部分采用模塊化結構設計，對應相應功能，有樹高測量模塊、胸徑測量模塊、微樣地林分測量模塊、基本測量模塊，最終匯總為森林調查軟件。如圖3a所示，為森林調查軟件主程序流程圖，主程序主要包括初始化界面以及功能選擇，用戶可以通過選擇進入不同功能模塊。如圖3b～3d所示，為3項功能模塊的程序流程圖，樹高、胸徑、林分平均高、林分平均胸徑、林分密度、林分蓄積量等主要測量參數以及圖像信息、傾角、斜距、磁方位角等輔助測量參數均能實時顯示，獲取的數據會以文件形式保存在內存中，可以用micro USB導出。

圖3 主程序和3個功能模塊流程圖Fig.3 Flow charts of main program and three function modules

1.3 功能參數

望遠攝影測樹儀功能包括遠程樹高測量、遠程胸徑測量、微樣地林分測量、基本測量4項功能。距離測量，在使用覘板條件下，測量距離范圍為5～2 000 m，測量精度為±0.3 m(400 m以內)/±1 m(400 m以上)，最小顯示單位為0.1 mm；傾角測量范圍為-55°～55°，測量精度為2°。方位角測量范圍為0～360°，測量精度為2°。操作系統為Android 4.2.2，CPU為1.8 GHz八核處理器，內存2 G RAM，儲存16 G ROM。GNSS指標，接收機為GPS L1、L2，GLONASS L1、L2，BDS B1、B2(B3可選)，支持SBAS、CORS等多種差分改正，單點定位為4 m，SBAS精度小于2 m，外部源差分小于0.1 m(CEP)。PDA尺寸為153.6 mm×75.5 mm×8.2 mm，其電池連續工作時間為12 h，EDM尺寸為125 mm×77 mm×45 mm，其電池連續工作時間為5 h，望遠攝影測樹儀的工作環境溫度為-20～50℃。

2 測量原理

2.1 遠程樹高測量

樹高測量原理比較簡單，主要為相似三角形和三角函數2種[1]。本儀器利用三角函數原理，樹高測量方法如圖4所示。調整測點位置A，確保測點和目標木之間無明顯遮擋，將儀器對準樹木根徑處點B，測得斜距L1和天頂距α1；瞄準樹梢頂點C，測得天頂距α2，計算樹高為

(1)

式中H——立木高度，m

L1——測站點到樹根的斜距，m

α1——對準樹根時的天頂距，(°)

α2——對準樹梢時的天頂距，(°)

樹高能實時顯示并自動存儲。

圖4 遠程樹高測量原理圖Fig.4 Principle diagram of tree height telemetering

2.2 遠程胸徑測量

胸徑測量工具種類繁多，常用的有輪尺、直徑卷尺、鉤尺等[1]。本儀器屬于非接觸式測量，測量結果為輪尺測量結果，胸徑測量方法如圖5所示。將儀器屏幕中十字絲瞄準樹干根徑處點B，測得斜距L1和天頂距α1；不斷調整儀器傾角，當樹高為1.3 m左右時，即確定此處為胸徑，測得站點到胸徑距離L；已檢校CCD定焦鏡頭焦距為f，將屏幕中十字絲瞄準樹干中心，獲取樹干影像信息，根據CCD鏡頭成像原理為

(2)

式中N——屏幕內所測圖像像素數

測得胸徑D，胸徑能自動顯示和儲存。

圖5 CCD鏡頭成像原理示意圖Fig.5 Principle sketch of CCD-based imaging

2.3 微樣地林分測量

微樣地調查方法同角規樣地調查一樣屬于點抽樣方法，充分考慮林木生長發育過程中對營養利用和生態空間分布的特點，將林分模擬成中心木及鄰近木構成的微圓樣地，它比正方形、長方形樣地更接近于實際情況。

圖6 微樣地林分測量界面Fig.6 Interface of micro-sample plot measurement

微樣地林分測量樣本數量為6～9棵，在不可到達區域內確定一棵中心木，再在有利地勢確定和中心木之間保持通視的2個觀測點，要盡量保證能夠觀測到中心木及鄰近木信息。利用本儀器測量并記錄立木樹種、立木距離Li、立木方位角αi、立木的樹高Hi、胸徑Di，自動解算林分平均胸徑、林分平均高、林分密度、林分蓄積量等信息，并隨著測量信息在屏幕上實時更新，測量結束可儲存并導出，如圖6為微樣地林分測量界面，其主要原理如下：

(3)

式中Hi——第i棵樹的樹高，m

n——立木株數，棵

(4)

式中Di——第i棵樹的胸徑，cm

k——距中心木最遠的立木編號

Dk——距中心木最遠立木的胸徑，cm

(3)林分密度測量由株數和樣圓面積之比計算，總株數由位置權重計算，樣圓以中心木到最遠鄰近木距離為半徑，因此，林分密度Nd(株/公頃)的計算公式為

(5)

式中Lk——中心木到第k棵立木的距離，m

(4)林分蓄積量以改進后的平均實驗形數法計算，胸高斷面積以位置權重計算，因此，林分蓄積量M(m3/hm2)的計算公式為

(6)

式中fj——導出形數[21](按六大區域分類，又分為針葉樹種、闊葉樹種、混交林3類)

Rk——中心木到最遠立木的距離，m

3 結果與分析

3.1 遠程樹高和胸徑測量試驗

為驗證望遠攝影測樹儀的樹高和胸徑測量功能及測量精度，在試驗基地林地展開試驗。在林區選取立地條件不同樣地對望遠攝影測樹儀的樹高測量功能和胸徑測量功能進行試驗，選用南方測繪NTS-382R6型全站儀進行樹高測量試驗，在兩個方向不同觀測點對每棵樹進行2次觀測，選用胸徑尺進行胸徑測量試驗。以NTS-382R6型全站儀和胸徑尺所測數據為基準值與望遠攝影測樹儀測量數據進行比較，計算相對誤差為

(7)

如表1所示，為樹高和胸徑測量相對誤差，在50組測量試驗數據中，樹高相對誤差范圍集中在1.50%～9.13%之間，胸徑相對誤差范圍集中在1.59%～6.61%之間，基本符合林業調查精度要求。

表1 樹高和胸徑測量相對誤差Tab.1 Relative error of tree height and DBH measurements

3.2 微樣地林分測量試驗

為驗證望遠攝影測樹儀的微樣地林分測量功能及測量精度，在試驗基地林地選取10塊樣地，樣地間距保持0.5 km距離，樣地主要樹種為槐樹和楊樹，分布均勻，生長狀況良好。其中，1053樣地測量株數為6棵，1081、1048、1079、1093樣地測量株數為7棵，1149、1062、1046樣地測量株數為8棵，1032、253樣地測量株數為9棵。

微樣地測量試驗是將望遠攝影測樹儀測量的林分平均高度、林分平均胸徑、林分密度、林分蓄積量與標準圓形樣地每木檢尺測量林分參數作比較，以標準樣地每木檢尺測量值作為基準值。從表2可以看出，在10組樣地測量中，林分平均高度平均相對誤差為5.53%，林分平均胸徑平均相對誤差為8.32%，林分密度平均相對誤差為13.96%，林分蓄積量平均相對誤差為17.36%，微樣地林分測量每塊樣地僅包含6～9棵樹，因此，相對角規樣地測量來說精度偏低，但是，屬于非接觸式測量方式，解決了不可到達點觀測難度高、看得見測不到等問題。

表2 微樣地林分測量相對誤差Tab.2 Relative error of micro-sample ground measurement

4 結束語

設計了一種望遠攝影測樹儀。望遠攝影測樹儀由PDA模塊、遠程EDM模塊、長焦CCD鏡頭模塊和云臺高密度集成于一體，基于攝影測量學原理、圖像處理技術原理、測樹學原理，由內嵌遠程樹高測量模塊、遠程胸徑測量模塊、微樣地林分測量模塊、基本測量模塊模塊化程序，實現樹高測量、胸徑測量、微樣地林分測量等功能。詳細闡述了樹高測量、胸徑測量、微樣地林分測量等基本功能的原理和作業方式，并通過實際外業試驗驗證，得到樹高測量精度達93.32%，胸徑測量精度達96.49%，林分平均高度測量精度達94.47%，林分平均胸徑測量精度達91.68%，林分密度測量精度達86.04%，林分蓄積量測量精度達82.64%，解決了不可到達點觀測難度高、看得見測不到等問題。

1 孟憲宇. 測樹學[M]. 北京：中國林業出版社，2006:10-11.

2 馮仲科. 森林觀測儀器技術與方法[M]. 北京：中國林業出版社，2015:2-3.

3 馮仲科，趙春江，聶玉藻，等. 精準林業[M]. 北京：中國林業出版社，2001:3-4.

4 ALLAN A L. A simple control system for the photogrammetric survey of a tree[J]. Survey Review, 1998, 34(268): 373-378.

5 ANDERSEN H E , MCGAUGHEY R J , CARSON W W, et al. A comparison of forest canopy models derived from LIDAR and INSAR data in a Pacific Northwest conifer forest [J]. International Archives of Photogrammetry and Remote Sensing,2004,34: 211-217.

6 BANSKOTA A, WYNNE R H, JOHNSON P, et al. Synergistic use of very high-frequency radar and discrete-return lidar for estimating biomass in temperate hardwood and mixed forests[J]. Annals of Forest Science, 2011, 68(2): 347-356.

7 BORTOLOT Z J, WYNNE R H. Estimating forest biomass using small footprint LiDAR data: an individual tree-based approach that incorporates training data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2005, 59(6): 342-360.

8 MUUKKONEN P, HEISKANEN J. Estimating biomass for boreal forests using ASTER satellite data combined with standwise forest inventory data[J]. Remote Sensing of Environment, 2005, 99(4): 434-447.

9 POPESCU S, WYNNE R H. Seeing the trees in the forest: using lidar and multispectral data fusion with local filtering and variable window size for estimating tree height[J]. Photogrammetric Engineering and Remote Sensing, 2004, 70(5): 589-604.

10 BROWN S, LUGO A E. Above ground biomass estimates for tropicalmoist forests of Brazilian Amazon[J]. Intereieneia,1992,17:8-18.

11 MORALES R M, MIURA T, IDOL T, et al. An assessment of Hawaiian dry forest condition with fine resolution remote sensing[J]. Forest Ecology and Management, 2008, 255(7): 2524-2532.

12 閆飛. 森林資源調查技術與方法研究[D]. 北京：北京林業大學，2014.

13 樊仲謀,馮仲科,鄭君,等. 基于立方體格網法的樹冠體積計算與預估模型建立[J/OL]. 農業機械學報,2015,46(3):320-327.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150347&flag=1.DOI:10.6041/j.issn.1000-1298.2015.03.047.

FAN Zhongmou, FENG Zhongke, ZHENG Jun, et al. Tree crown volume calculation and prediction model establishment using cubic lattice method[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3):320-327. (in Chinese)

14 曹忠，鞏奕成，馮仲科，等. 電子經緯儀測量立木材積誤差分析[J/OL]. 農業機械學報,2015,46(1):292-298. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150141&flag=1.DOI:10.6041/j.issn.1000-1298.2015.01.041.

CAO Zhong, GONG Yicheng, FENG Zhongke, et al. Error analysis on standing tree volume measurement by using electronic theodolites[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(1):292-298. (in Chinese)

15 曹忠，馮仲科，徐偉恒，等. 電子經緯儀無損立木材積測量方法及精度分析[J]. 中南林業科技大學學報,2015,35(4):7-13.

CAO Zhong, FENG Zhongke, XU Weiheng, et al. Standing tree volume nondestructive measurement methods and precision analysis based on electronic theodolite[J]. Journal of Central South University of Forestry & Technology, 2015,35(4):7-13. (in Chinese)

16 馮仲科，姚山. 全站儀量測樹高方法：中國，101021416[P].2007-08-22.

17 馮仲科，黃曉東，劉芳. 森林調查裝備與信息化技術發展分析[J/OL]. 農業機械學報,2015,46(9):257-265. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20150938&flag=1.DOI:10.6041/j.issn.1000-1298.2015.09.038.

FENG Zhongke, HUANG Xiaodong, LIU Fang. Forest survey equipment and development of information technology[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2015,46(9):257-265. (in Chinese)

18 黃曉東，馮仲科，解明星，等. 自動測量胸徑和樹高便攜設備的研制與測量精度分析[J]. 農業工程學報,2015,31(18):92-99.

HUANG Xiaodong, FENG Zhongke, XIE Mingxing, et al. Developing and accuracy analysis of portable device for automatically measuring diameter at breast height and tree height[J]. Transactions of the CSAE, 2015, 31(18): 92-99. (in Chinese)

19 徐偉恒，馮仲科，蘇志芳，等. 手持式數字化多功能電子測樹槍的研制與試驗[J]. 農業工程學報,2013,29(3):90-99.

XU Weiheng, FENG Zhongke, SU Zhifang, et al. Development and experiment of handheld digitalized and multi-functional forest measurement gun[J]. Transactions of the CSAE, 2013, 29(3): 90-99. (in Chinese)

20 邱梓軒,馮仲科,蔣君志偉,等. 森林智能測繪記算器的研制與試驗[J/OL]. 農業機械學報,2017,48(5):179-187.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170522&flag=1.DOI:10.6041/j.issn.1000-1298.2017.05.022.

QIU Zixuan, FENG Zhongke, JIANG Junzhiwei, et al. Development and experiment of forest intelligent surveying and mapping instrument[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017,48(5):179-187. (in Chinese)

21 程文生,馮仲科,于景鑫. 中國主要樹種通用二元材積模型與推導形數模型研究[J/OL]. 農業機械學報,2017,48(3):245-252.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170331&flag=1.DOI:10.6041/j.issn.1000-1298.2017.03.031.

CHENG Wensheng,FENG Zhongke,YU Jingxin.Development of generic standard volume model and derived form factor model for major tree species in China[J/OL].Transactions of the Chinese Society for Agricultural Machinery,2017,48(3):245-252. (in Chinese)