基于無人機(jī)激光雷達(dá)遙感的亞熱帶常綠闊葉林群落垂直結(jié)構(gòu)分析

解宇陽,王 彬,姚 揚(yáng),楊 瑯,高 媛,3,張志明,*，林露湘

1 云南大學(xué)生態(tài)學(xué)與環(huán)境學(xué)院暨云南省高原山地生態(tài)與退化環(huán)境修復(fù)重點(diǎn)實(shí)驗(yàn)室, 昆明 650091 2 北京大學(xué)深圳研究生院城市規(guī)劃與設(shè)計(jì)學(xué)院, 深圳 518055 3 西南林業(yè)大學(xué)環(huán)境修復(fù)與健康研究院, 昆明 650224 4 中國科學(xué)院西雙版納熱帶植物園熱帶森林生態(tài)學(xué)重點(diǎn)實(shí)驗(yàn)室, 昆明 650223

植物群落結(jié)構(gòu),包括不同物種的高度和種群密度及其在不同生境中的變化,是植被生態(tài)學(xué)的基本研究內(nèi)容[1],也是當(dāng)前全球氣候變化生態(tài)研究和大尺度生態(tài)系統(tǒng)功能及生物多樣性評估的基礎(chǔ)信息[2- 4],例如：Schut等[2]在全球生物多樣性熱點(diǎn)地區(qū)探究了通過植被結(jié)構(gòu)變化對氣候變化預(yù)測的方法；Vogeler等[3]以及Zellweger等[5]實(shí)驗(yàn)均表明了植被結(jié)構(gòu)研究在預(yù)測森林鳥類物種豐富度中起到重要促進(jìn)作用；Shugart等[6]利用遙感技術(shù)在研究植被結(jié)構(gòu)基礎(chǔ)上研究森林碳循環(huán)過程。Simonson 等[1]綜述了生態(tài)學(xué)文獻(xiàn)中最常用的15種植物群落結(jié)構(gòu)指標(biāo)包括8種表征植被的垂直結(jié)構(gòu),在此研究中,水平結(jié)構(gòu)反映景觀尺度的斑塊特征,如不同類型植被覆蓋率、植被類型斑塊特征等；垂直結(jié)構(gòu)反映植被豎直空間的變化以及單株樹木的數(shù)量及形態(tài),如植被冠層高度與樹木分布格局[1]。植被冠層高度反映了植物群落在豎直方向占據(jù)空間的大小,樹木分布格局是生物群落中各種生物與環(huán)境因素長期相互作用的結(jié)果,直接反映了地表植被的覆蓋情況及群落形成與維持機(jī)制[7],二者均是影響生物多樣性、碳儲量及生物量分配等重要因素[8- 9],對于衡量森林生態(tài)系統(tǒng)功能方面著重要的意義[10- 11],植被高度在生物量計(jì)算的異速增長模型中[12- 13]是重要形態(tài)學(xué)變量[14- 15],而結(jié)合樹木分布格局的研究有利于單木尺度平均生物量以及生物量分布格局的測算。

常綠闊葉林在我國是一種占有較大的區(qū)域主要森林類型[16],相對于針葉林有喬木層空間體積大、樹冠緊湊濃密等結(jié)構(gòu)特征[17]。常綠闊葉林群落結(jié)構(gòu)尤其是垂直結(jié)構(gòu)是進(jìn)行林下更新等研究的基礎(chǔ)[18]。然而當(dāng)前關(guān)于群落結(jié)構(gòu)的研究在常綠闊葉林研究中相對群落演替、更新等方面較少[18],且對于群落結(jié)構(gòu)參數(shù)的測量方法以基于傳統(tǒng)方法為主。在傳統(tǒng)的植被生態(tài)研究中,群落結(jié)構(gòu)指標(biāo)的測定依賴于對植物個(gè)體的逐一測量,因此只能設(shè)計(jì)各種抽樣方法來獲取樣本值,群落冠層高度通常是用測高儀測量幾棵或十幾棵樹的高度求平均值獲得[19],樹木分布格局的測量基于單棵樹木位置的確定,需對樣地內(nèi)樹木位置使用GPS一一獲取地理坐標(biāo)[20- 21],因此如上傳統(tǒng)方法在獲取相對較大尺度或人力難以到達(dá)的范圍內(nèi)準(zhǔn)確的植物群落結(jié)構(gòu)參數(shù)是一項(xiàng)耗時(shí)而低效的工作[22],并且傳統(tǒng)手工無法進(jìn)行重復(fù)性取樣使得測量結(jié)果包含空間異質(zhì)性信息,因此獲取的樣點(diǎn)或樣方等數(shù)據(jù)結(jié)果尺度推演到景觀以上水平往往不可靠[23]。隨著衛(wèi)星遙感影像的發(fā)展,遙感測量技術(shù)為獲取大尺度范圍的植被結(jié)構(gòu)提供了一個(gè)全新的解決途徑[24- 25],近些年的研究中,Tao等[26]利用全球衛(wèi)星數(shù)據(jù)與實(shí)地樣方測量,結(jié)合氣候指標(biāo)評估了全球植被冠層高度分布模式；Zhang等[9]利用遙感進(jìn)行了全球最大森林高度分布制圖；Crowther等[27]則在全球尺度上進(jìn)行了樹木分布密度的精確制圖。而在較小尺度的森林生態(tài)系統(tǒng)監(jiān)測工作中,傳統(tǒng)的衛(wèi)星遙感影像的精度往往難以滿足,且基于光學(xué)原理的影像數(shù)據(jù)無法直觀反映樣地三維特征尤其是林下的地形特征,多種垂直結(jié)構(gòu)需要通過植被指數(shù)的計(jì)算進(jìn)行反演,而在此過程中受拍攝時(shí)光線條件影響較大,難以反映群落的細(xì)節(jié)。近年來激光雷達(dá)(Light Detection and Ranging,LiDAR)技術(shù)快速發(fā)展,其作為主動遙感的方法有效穿透森林,相對于傳統(tǒng)的光譜遙感能夠更好的提取植被三維特征[28],在植被結(jié)構(gòu)參數(shù)提取中得到越來越多的應(yīng)用[29]。其中無人機(jī)載激光雷達(dá)(UAV-LiDAR)結(jié)合了無人機(jī)低空攝影測量遙感的技術(shù)獲取影像分辨率高、重疊率大、相幅小、姿態(tài)角大、廉價(jià)且不受云霧干擾等特點(diǎn)[30- 33],在獲取森林植被冠層高分辨率結(jié)構(gòu)信息方面體現(xiàn)出巨大優(yōu)勢[28]。國內(nèi)外較小尺度上進(jìn)行的植被高度與樹木密度的研究很多是基于無人機(jī)激光雷達(dá)開展[34- 36]。但研究研究對象多是針葉林植被[37- 38]。針葉林樹冠稀疏,利于激光穿透獲取下層植被和地面點(diǎn)云數(shù)據(jù),可以更好地還原地形進(jìn)而提取植被高度等信息,且針葉樹冠較闊葉樹冠形狀規(guī)則,更有利于單木提取；而闊葉林情況相反,因此基于激光雷達(dá)提取亞熱帶闊葉林群落結(jié)構(gòu)參數(shù)有著更大的挑戰(zhàn)性[39]。

本實(shí)驗(yàn)利用無人機(jī)搭載激光雷達(dá)設(shè)備對實(shí)驗(yàn)樣地內(nèi)的森林群落結(jié)構(gòu)參數(shù)包括植被高度以及樹木分布格局進(jìn)行測量提取,對照樣地森林群落的地面實(shí)測值進(jìn)行遙感植被參數(shù)精度驗(yàn)證,目的在于評價(jià)現(xiàn)有的無人機(jī)載激光雷達(dá)遙感技術(shù)及植被結(jié)構(gòu)參數(shù)提取方法應(yīng)用于常綠闊葉林植被結(jié)構(gòu)精細(xì)測量和可行性和可靠性,并進(jìn)行不確定性分析。

1 研究數(shù)據(jù)與方法

1.1 研究區(qū)域概況

本研究選擇云南省哀牢山國家級自然保護(hù)區(qū)范圍內(nèi)的亞熱帶中山濕性常綠闊葉林作為研究區(qū)。云南哀牢山國家級自然保護(hù)區(qū)緯度范圍24°45′35″—23°59′34″N,經(jīng)度范圍100°53′26″—101°29′22″E,總面積約670km2,最高海拔約3100m,一般在2000m以上,高差達(dá)2000m以上。年平均降雨量為 1931 mm,雨季降雨量占到年降雨量的85%。年平均蒸發(fā)量為1485 mm,年平均溫度為11.3℃[40]。有山頂苔蘚矮林、中山濕性、半濕潤和季風(fēng)常綠闊葉林4種常綠闊葉林,土壤為山地黃棕壤和紅壤[41]。本研究以中科院版納植物園哀牢山森林生態(tài)站為中心選取3個(gè)100m×100m的正方形樣(圖1)地作為研究區(qū)域進(jìn)行無人機(jī)及實(shí)地?cái)?shù)據(jù)采集,樣地選取依據(jù)以下條件隨機(jī)選取(1)無人機(jī)及人力可以到達(dá)并進(jìn)行相應(yīng)的數(shù)據(jù)采集；(2)坡度坡向變化復(fù)雜以反映真實(shí)山區(qū)地形特征；(3)植被組成、郁閉度相似；(4)人為干擾較少；(5)樣地間距離1000m以上,相互間無影響。樣地A地理位置24°32′45.86″—24°32′49.04″N,101°01′11.48″—101°01′15.08″E,海拔2508—2522m；樣地B地理位置24°32′33.52″—24°32′36.89″N,101°01′47.12″—101°01′50.71″E,海拔2539—2560m；樣地C地理位置24°33′05.42″—24°33′08.71″N,101°01′39.35″—101°01′42.82″E,海拔2586—2598m。群落類型為典型中山濕性常綠闊葉林,優(yōu)勢樹種為木果柯(Lithocarpusxylocarpus)、硬斗柯(Lithocarpushancei)、變色錐 (Castanopsisrufescens)等殼斗科(Fagaceae)高大喬木[16],喬木層高度平均20—25m,林相完整。

圖1 試驗(yàn)地區(qū)與樣地位置圖Fig.1 The location of the test area and plots

1.2 實(shí)驗(yàn)設(shè)備概況

本次實(shí)驗(yàn)選用數(shù)字綠土GV1500 II型號8旋翼無人機(jī)作為飛行平臺,選取Li-Air無人機(jī)激光雷達(dá)系統(tǒng),采用 World Geodetic System 1984(WGS84)地理坐標(biāo)以及橫軸墨卡托投影(UTM),使用華測RTK系統(tǒng)定位,激光掃描頭不斷地記錄不同方向的測距數(shù)據(jù),從而得出以掃描中心為基準(zhǔn)的三維坐標(biāo)信息,發(fā)射激光波長為905 nm,測距范圍為100m,但在60m范圍內(nèi)最佳。

1.3 數(shù)據(jù)采集

1.3.1無人機(jī)激光雷達(dá)數(shù)據(jù)采集

完成一次無人機(jī)近地面低空攝影作業(yè),其步驟是：無人機(jī)航線設(shè)計(jì)規(guī)劃——航線上傳給無人機(jī)并驗(yàn)證——無人機(jī)搭載傳感器自動按航線執(zhí)行飛行任務(wù)——返航降落并收集數(shù)據(jù)。Li-Air無人機(jī)激光雷達(dá)系統(tǒng)激光掃描頭測距在60m范圍內(nèi)時(shí)獲取的激光點(diǎn)云質(zhì)量最佳。航線設(shè)定的高度是相對于地面固定基站的相對高度,在地形起伏較大的山區(qū),為保證激光掃描頭到地物的垂直距離始終≤60m,需設(shè)置變高飛行航線。通過無人機(jī)地面站軟件基于Google Map框出1hm2樣地范圍,自動生成航線水平軌跡與航線拐點(diǎn)處若干目標(biāo)點(diǎn),目標(biāo)點(diǎn)可導(dǎo)出為帶有經(jīng)緯度信息的shp點(diǎn)文件。另外需獲取樣地遙感圖像,本實(shí)驗(yàn)利用無人機(jī)搭載MicaSenseRedEdge多光譜相機(jī),設(shè)置全程飛行高度200m,旁向重疊度65%,獲取樣地多光譜影像(圖1),利用AgisoftPhotoscan軟件立體像對生成正射影像并采樣內(nèi)插生成高精度的數(shù)字表面模型(Digital Surface Model, DSM)。將目標(biāo)點(diǎn)shp文件與柵格數(shù)據(jù)DSM導(dǎo)入ArcGIS,使用Extract Values to Points算法按目標(biāo)點(diǎn)位置提取對應(yīng)DSM像元值即海拔數(shù)值,該數(shù)值減去地面基站海拔高度值加上60m即為該目標(biāo)點(diǎn)需設(shè)置的高度值。在地面站軟件上進(jìn)行設(shè)置即可生成變高飛行航線。無人機(jī)搭載Li-Air激光雷達(dá)系統(tǒng)執(zhí)行該航線,獲取激光雷達(dá)原始數(shù)據(jù)。

1.3.2樣地實(shí)地?cái)?shù)據(jù)采集

使用與激光雷達(dá)相同一套華測RTK移動站記錄3個(gè)樣地內(nèi)所有上層喬木的位置信息,使之與激光雷達(dá)數(shù)據(jù)統(tǒng)一在相同的地理及投影坐標(biāo)系中。使用用激光測高儀在每個(gè)樣地中實(shí)地隨機(jī)測量40株上層喬木的高度進(jìn)行記錄。

1.4 激光雷達(dá)數(shù)據(jù)獲取與去噪

分別從激光雷達(dá)存儲控制單元與地面基站下載當(dāng)次作業(yè)原始記錄數(shù)據(jù)以及基站移動站數(shù)據(jù)(POS數(shù)據(jù))。耦合結(jié)算完畢即獲得樣地的激光雷達(dá)點(diǎn)云數(shù)據(jù)(las.格式)。此時(shí)的激光雷達(dá)點(diǎn)云數(shù)據(jù)由于受到空中云、鳥等干擾而產(chǎn)生中心點(diǎn)明顯高于周圍點(diǎn)的平均高程或因?yàn)槎嗦窂椒瓷涠a(chǎn)生的明顯比實(shí)際點(diǎn)位低的噪點(diǎn)。對數(shù)據(jù)中每一個(gè)激光點(diǎn)搜索指定鄰域點(diǎn)個(gè)數(shù)的鄰點(diǎn),計(jì)算該點(diǎn)到鄰點(diǎn)的距離平均值并計(jì)算所有平均值距離的中值和標(biāo)準(zhǔn)差,如果某點(diǎn)的平均值距離大于最大距離(中值+標(biāo)準(zhǔn)差倍數(shù)*標(biāo)準(zhǔn)差),則將該點(diǎn)分類至噪點(diǎn)類別。分類后僅導(dǎo)出未分類類別,即可獲得樣地?zé)o噪點(diǎn)點(diǎn)云數(shù)據(jù)(圖2)。使用Terrasolid軟件拓展模塊TerraScan的classify air/low points算法可實(shí)現(xiàn)上述噪點(diǎn)去除。

圖2 樣地激光雷達(dá)點(diǎn)云數(shù)據(jù)Fig.2 LiDAR point cloud data of each plot

1.5 植被樹冠高度提取與精度檢驗(yàn)

1.5.1樹冠高度模型提取

提取植被冠層高度的關(guān)鍵是冠層高度模型(canopy height model,CHM)[4],由于樣地地表覆蓋地物可以確定只有植被,因此可以直接將由冠層上表面的點(diǎn)生成數(shù)字表面模型(DSM)與利用地面點(diǎn)生成的數(shù)字地形模型(Digital Terrain Model, DTM)做差得到,即DSM-DTM=CHM。DSM可直接基于去噪后的未分類點(diǎn)云導(dǎo)出最大值矢量格式灰度圖獲得,即得到的柵格數(shù)據(jù)每個(gè)像元值為該位置上最大高程激光點(diǎn)海拔值。DTM獲取的關(guān)鍵在于地面點(diǎn)的確定,根據(jù)激光雷達(dá)激光反射的特點(diǎn)確定點(diǎn)云最低點(diǎn)構(gòu)成數(shù)據(jù)全部地面點(diǎn)。尋找地面點(diǎn)的算法為反復(fù)建立地表不規(guī)則三角網(wǎng)模型[42],首先選取少量點(diǎn),建立初始稀疏三角網(wǎng)模型,初始模型的三角形大多數(shù)低于實(shí)際地面,只有較高點(diǎn)接觸到地表。算法通過設(shè)定的反復(fù)參數(shù)(Iteration angel和Iteration distance)反復(fù)加入新的激光點(diǎn)(空間插值)開始向上擴(kuò)建模型,每個(gè)加入的點(diǎn)使模型更加貼近地表。反復(fù)參數(shù)決定一個(gè)點(diǎn)有多近才能被納入三角平面[43]。本實(shí)驗(yàn)設(shè)置Iteration angel即選中點(diǎn)和三角網(wǎng)格的最近頂點(diǎn)的連線與該三角網(wǎng)格平面的最大夾角為10°,Iteration distance即點(diǎn)與三角形的最大垂直距離為1.5m,地表所允許的大坡度90°,基于上述參數(shù)將地表點(diǎn)提取出并生成陰影面,導(dǎo)出矢量格式灰度圖,即得到樣地DTM柵格數(shù)據(jù)。將DSM與DTM 數(shù)據(jù)相減得到這兩個(gè)柵格數(shù)據(jù)的差值即CHM數(shù)據(jù),每個(gè)像元值即該處植被冠層高度。上述DSM以及DTM的提取使用Terrasolid軟件拓展模塊TerraScan；二者做差得到CHM在ArcGIS中使用柵格計(jì)算器工具實(shí)現(xiàn)。

1.5.2精度檢驗(yàn)

對提取到的植被高度進(jìn)行精度檢驗(yàn)。將每個(gè)樣地實(shí)測的40棵樹木信息(包括地理位置信息與高度信息)轉(zhuǎn)成點(diǎn)矢量格式導(dǎo)入ArcGIS,賦予每個(gè)實(shí)測位置點(diǎn)對應(yīng)CHM柵格值。精度計(jì)算公式為公式：

(1)

式中實(shí)測值為用激光測高儀實(shí)地測的樹木高度,估測值為實(shí)測樹木對應(yīng)位置上CHM值。計(jì)算均方根誤差(RMSE)衡量觀測值同真值之間偏差,并對對實(shí)測值與估測值進(jìn)行線性回歸分析驗(yàn)證相關(guān)性。

1.6 樹木分布格局計(jì)算與精度檢驗(yàn)

1.6.1樹木位置提取及精度檢驗(yàn)

基于單木樹冠分割算法提取樹木位置。本實(shí)驗(yàn)用局部最大值法搜索樹冠頂點(diǎn)[44- 45],對于闊葉樹來說,其樹冠近似呈現(xiàn)中心高四周低的圓拱,因此搜索到的樹冠中心最高點(diǎn)可以用來定義樹木位置[46]。對之前提取到的CHM數(shù)據(jù)過濾從而提取CHM值最大的點(diǎn)視為樹冠的位置,提取間隔可通過設(shè)置最小冠幅x來確定,即設(shè)置最大值提取間隔,比較每一個(gè)像元與以其為中心周圍x距離范圍內(nèi)的像元,提取出值最大的像元即為樹冠頂點(diǎn)。本實(shí)驗(yàn)根據(jù)實(shí)地觀測設(shè)置最小冠幅即樹冠半徑為1m,在LiDAR 360(試用版)軟件中實(shí)現(xiàn)上述樹木位置提取的操作。

對樹木位置提取結(jié)果進(jìn)行精度檢驗(yàn)。本實(shí)驗(yàn)的樹木位置提取精度檢驗(yàn)采取樣地尺度與單木尺度的方法[47- 48],樣地尺度檢驗(yàn)從樣地整體角度出發(fā),不考慮提取單木位置和實(shí)測單木位置的對應(yīng)關(guān)系,所需指標(biāo)為單木探測百分比(Detection Percentage,DP),即樣地內(nèi)提取出的單木數(shù)量占實(shí)測單木總數(shù)量的比例,公式表達(dá)為(2)：

(2)

式中,Nr為實(shí)測樣地內(nèi)單木總數(shù)量；Nd為LiDAR探測到的單木總數(shù)量。

單木尺度位置檢驗(yàn)所需指標(biāo)包括1∶1對應(yīng)關(guān)系單木數(shù)量(N1∶1,本實(shí)驗(yàn)中,實(shí)測得到的單木與其在其實(shí)測位置的2m緩沖區(qū)內(nèi)、所探測到的激光雷達(dá)提取出的直線距離最近的單木位置之間形成的關(guān)系被稱為“1∶1對應(yīng)關(guān)系”,這些實(shí)測出的以及激光雷達(dá)提取出的單木被稱為“1∶1對應(yīng)關(guān)系單木”)、用戶精度(User′s accuracy,UA)以及生產(chǎn)者精度(Producer′s accuracy,PA)[48]。其中后兩者的計(jì)算公式如公式(3)(4)：

(3)

(4)

計(jì)算得到距離實(shí)測點(diǎn)2m范圍內(nèi)的激光雷達(dá)估測點(diǎn)；再基于后者建立半徑2m的buffer裁剪前者,剔除未在2m范圍內(nèi)探測到估測點(diǎn)的實(shí)測點(diǎn)；比較現(xiàn)階段提出的兩種點(diǎn)數(shù)量,基于數(shù)量較少者,計(jì)算得到其每個(gè)點(diǎn)到較多者的最近點(diǎn)以及二者的直線距離,找到多對1的情況,即多個(gè)數(shù)量較少點(diǎn)距離最近的為同一個(gè)數(shù)量較多點(diǎn),挑出較遠(yuǎn)者分配與其第二接近且在2m范圍內(nèi)的較多點(diǎn)對應(yīng),如2m內(nèi)無其他點(diǎn)則剔除。最終獲得的數(shù)量較少者數(shù)量即為1∶1對應(yīng)關(guān)系單木數(shù)量。通過上述方法得到提取結(jié)果的單木探測百分比、用戶精度以及生產(chǎn)者精度等信息,并計(jì)算1∶1單木間平均距離。上述精度檢驗(yàn)過程在ArcGIS中進(jìn)行。

1.6.2樹木分布格局計(jì)算

采用Clark-Evans最近鄰體指數(shù)法計(jì)算空間格局,即通過相鄰最近樹木距離平均值與隨機(jī)分布下所期望的平均距離之比確定樹木分布的聚集程度[49]。同時(shí)為了減少斑塊的大小和形狀對空間格局分析的影響,考慮到最近鄰體法在GIS中運(yùn)用的有效性與實(shí)用性,故選用Fǜldner提出的最近鄰體法修正公式計(jì)算[50- 51],同時(shí)考慮到樣地或斑塊的形狀與邊緣效應(yīng)[52],提高分析精度,公式如(5)所示：

(5)

式中,CE表示Clark-Evans指數(shù),rA為樣地或斑塊中每株單木個(gè)體與其最近鄰體間距離的平均值(m),rE為該樣地或斑塊內(nèi)所有個(gè)體隨機(jī)分布時(shí)rA的預(yù)期值(m),ri表示第i株樹木個(gè)體與其最近鄰個(gè)體間距離(m)；N為該樣地或斑塊內(nèi)單木個(gè)體總數(shù),A為該樣地或斑塊面積,P為該樣地或斑塊周長。rA與rE的偏離程度可通過正態(tài)分布檢驗(yàn)如公式(6)：

(6)

(7)

式中,σ為標(biāo)準(zhǔn)差,ρ為公式(7)即斑塊內(nèi)樹木個(gè)體密度,其中N為樣地或斑塊內(nèi)樹木個(gè)體數(shù)量,A為該樣地或斑塊面積。按照正態(tài)分布檢驗(yàn)原則實(shí)際如果μ<1.96(即顯著水平為0. 05時(shí)的臨界值),從統(tǒng)計(jì)意義上可認(rèn)為CE=1, 單木分布格局判斷為隨機(jī)分布。如果μ>1.96,CE<1可認(rèn)為實(shí)測CE值顯著小于1, 判斷為聚集分布；CE=1,判斷為隨機(jī)分布；CE>1,判斷為均勻分布。對激光雷達(dá)提取結(jié)果與實(shí)測結(jié)果分別進(jìn)行上述操作,后者作為前者對照。上述分析過程在ArcGIS中進(jìn)行。

2 結(jié)果分析

2.1 植被高度提取結(jié)果與精度檢驗(yàn)

基于上述方法提取到的樣地CHM如圖3所示,樹高實(shí)測值與對應(yīng)CHM值線性回歸分析如圖4所示,精度分析如表1所示。結(jié)果顯示平均精度達(dá)到94%以上,均方根誤差總體1.28m,3塊樣地線型回歸系數(shù)平均0.92以上,P均<0.01,均有顯著統(tǒng)計(jì)學(xué)意義,R2分別為0.905、0.909、0.883,總體擬合度較高,激光雷達(dá)提取的植被高度值與實(shí)際值接近,在實(shí)際研究中可代替實(shí)地測量應(yīng)用。

圖3 冠層高度模型(CHM)及樹木位置點(diǎn)Fig.3 Canopy Height Model (CHM) and Individual trees location

2.2 樹木位置提取結(jié)果精度檢驗(yàn)

LiDAR數(shù)據(jù)提取到的樹木位置點(diǎn)如圖3所示,樹木位置提取精度評價(jià)結(jié)果見表2。在樣地尺度上,各樣地探測百分比都在80%以上,平均為86.01%,樣地C最高,接近90%,總體精度較高,但漏測現(xiàn)象普遍存在,即LiDAR探測到的樹木普遍少于實(shí)際的樹在單木尺度上,由于同一樣地內(nèi)的LiDAR探測單木樹木數(shù)量均小于實(shí)測單木總數(shù)量,因此生產(chǎn)者精度均低于用戶精度,前者大致在60%—70%之間,后者大致在70%—80%之間,漏測導(dǎo)致了一定的誤差。對于提取到的1∶1對應(yīng)關(guān)系單木,平均偏差距離在1m左右,標(biāo)準(zhǔn)差約0.4m,遠(yuǎn)小于單木平均冠幅半徑,因此多數(shù)1∶1對應(yīng)關(guān)系單木可看做實(shí)際同一單木。

表1 各樣地激光雷達(dá)植被高度提取結(jié)果精度分析

CHM： Canopy height model; LiDAR: Light detection and ranging;

表2 樹木位置探測精度評價(jià)

Nr：實(shí)測樣地內(nèi)單木總數(shù)量Total number of individual trees in the plot；Nd：LiDAR探測到的單木總數(shù)量Total number of individual trees in the plot；DP：單木探測百分比Detection Percentage；N1∶1：1∶1對應(yīng)關(guān)系單木數(shù)量Number of 1∶1 correspondent trees；PA：生產(chǎn)者精度Producer′s accuracy;UA:用戶精度User′s accuracy；d1∶1：每一對1∶1對應(yīng)關(guān)系單木平均距離Mean of distance of each pair of 1∶1 correspondent trees

2.3 樹木分布格局計(jì)算結(jié)果

基于修正Clark-Evans最近鄰體指數(shù)法計(jì)算得各樣地分布格局及相關(guān)參數(shù)如表3所示。由于LiDAR的漏測情況導(dǎo)致樹木密度測量值略小于實(shí)際值。樣地實(shí)測顯示3個(gè)樣地內(nèi)上層喬木均呈聚集分布,而基于LiDAR的測量結(jié)果為隨機(jī)或均勻分布。

表3 各樣地樹木分布格局

AD：聚集分布Aggregation distribution；RD：隨機(jī)分布random distribution；UD：均勻分布 uniform distribution

3 討論

目前利用遙感技術(shù)研究森林植被指標(biāo)的方法有很多種,然而傳統(tǒng)的光學(xué)遙感技術(shù)獲取森林三維結(jié)構(gòu)的能力有限[53]。激光雷達(dá)作為一種主動遙感技術(shù)可以有效穿透森林,結(jié)合無人機(jī)系統(tǒng)發(fā)展對空間生態(tài)學(xué)研究的推動[54],在獲取森林垂直結(jié)構(gòu)參數(shù)方面有著無法比擬的優(yōu)勢[28]。也有基于無人機(jī)獲取多光譜數(shù)據(jù)或可見光數(shù)據(jù)進(jìn)行植被高度和單木提取的案例,王彬等[19]通過無人機(jī)搭載數(shù)碼相機(jī)獲取的人工針葉林?jǐn)?shù)碼相片即可見光數(shù)據(jù),結(jié)合地面設(shè)定的坐標(biāo)控制點(diǎn)賦予影響地理坐標(biāo)及投影坐標(biāo),參考R、G、B、亮度、色調(diào)等像元信息分離地面像元與植被像元,并選取提出地面像元點(diǎn)內(nèi)插生成地表面高程數(shù)據(jù)以獲得地形信息,進(jìn)一步處理獲取樹高及位置,這種方法成本較低且操作方便,適合于針葉林或稀樹草原等生境,但在植被覆蓋率很大、郁閉度高的闊葉林里,難以通過數(shù)碼圖像或多光譜影像直接分辨提取地面點(diǎn),且受樹陰以及山體陰影等影像,更難以直接通過光譜信息進(jìn)行非植被點(diǎn)提取。由此便體現(xiàn)出激光雷達(dá)點(diǎn)云數(shù)據(jù)的優(yōu)勢,其原理通過發(fā)射激光接觸到表面后折返來計(jì)算目標(biāo)與自己的相對距離[55],每一個(gè)激光點(diǎn)都反應(yīng)了地物相對真實(shí)的位置信息,且系統(tǒng)自帶內(nèi)置的衛(wèi)星定位系統(tǒng),有相對準(zhǔn)確的測定內(nèi)方位元素,使得獲取的數(shù)據(jù)自帶地理坐標(biāo)及投影坐標(biāo)信息,相對于傳統(tǒng)的無人機(jī)遙感影像無需進(jìn)行幾何校正,節(jié)省了在樣地中設(shè)置地面控制點(diǎn)環(huán)節(jié),為研究高郁閉度、地形復(fù)雜及人力難以到達(dá)的樣地提供了便捷。

本實(shí)驗(yàn)進(jìn)一步證明了無人機(jī)LiDAR在提取植被高度方面的較高的可行性與準(zhǔn)確性。樹木位置識別是計(jì)算樹木密度以及更多單木尺度植被參數(shù)的基礎(chǔ),與植被高度結(jié)合,是計(jì)算森林生物量與平均生物量的基礎(chǔ)指標(biāo)?；贑HM局部最大值法探測到的單木數(shù)量以及樹木密度均略小于實(shí)際值,這與樣地較高郁閉度有關(guān),基于激光雷達(dá)點(diǎn)云數(shù)據(jù)可進(jìn)行植被覆蓋度的提取[56],用非地面點(diǎn)數(shù)量除以該樣地激光點(diǎn)總數(shù)即可計(jì)算得3個(gè)樣地植被覆蓋度分別為：0.807、0.825、0.702,均屬中高度郁閉,根據(jù)實(shí)地目視測算,高郁閉度條件下相鄰樹間樹冠重疊度較大,相鄰樹木最高點(diǎn)難以區(qū)分,給單木分割增加了一定的難度,這是出現(xiàn)漏測現(xiàn)象的主要原因,另外無人機(jī)載激光雷達(dá)設(shè)備在能夠獲取較大范圍內(nèi)的森林垂直結(jié)構(gòu)尤其是上層樹冠信息的同時(shí),由于森林冠層的遮擋阻礙激光穿透形成多次回波,難以精確獲取下層植被信息[28],因此部分沒有完全暴露的樹冠位置難以提取測算。

在自然條件下,由于生境異質(zhì)性等原因?qū)е聠棠緦又参锍示奂植糩21],同時(shí)徐遠(yuǎn)杰等[57]實(shí)驗(yàn)證明在哀牢山地區(qū)自然條件下的中山濕性常綠闊葉林中上層優(yōu)勢樹種多為聚集分布,本實(shí)驗(yàn)的實(shí)地測量對上述研究成果進(jìn)行了進(jìn)一步證實(shí),而基于LiDAR進(jìn)行的樹木空間分布格局的判定為隨機(jī)或均勻分布,較實(shí)際情況有所不同,從數(shù)據(jù)特征角度分析,LiDAR提取的樹木位置數(shù)據(jù)由于是基于局部最大值提取的,實(shí)際得到的是樹冠頂端,與實(shí)測的樹木位置相比,基于前文提取的1∶1單木數(shù)據(jù)來看,有著1m左右的偏差,而在實(shí)際的森林里,由于競爭和密度制約會使聚集度下降以致均勻或隨機(jī)分布[58],推測樹冠由于競爭陽光等原因會呈均勻分布格局,因此基于LiDAR提取的數(shù)據(jù)聚集程度小,偏向均勻或隨機(jī)分布。另外本次實(shí)驗(yàn)將全部喬木作為研究對象,沒有進(jìn)行物種劃分,而前人多數(shù)的植被空間格局的研究多是針對單個(gè)物種,由于種間競爭、資源配置等原因單個(gè)物種在空間內(nèi)呈聚集分布。本實(shí)驗(yàn)中不同喬木樹種在頂極群落內(nèi)達(dá)到一種穩(wěn)定的狀態(tài),因此形成均勻分布的格局也有其合理性。

本實(shí)驗(yàn)尚且存在很多不足需加以改進(jìn),如本次獲取的激光雷達(dá)點(diǎn)云轉(zhuǎn)化為柵格后最高的精度僅為0.5m,相對于無人機(jī)近地面遙感所追求的cm級數(shù)據(jù)有著一定的差距,在未來的研究中,可以通過進(jìn)一步精細(xì)規(guī)劃航線和采用更高級無人機(jī)激光雷達(dá)設(shè)備等方式提高分辨率。另外精度分析可知基于無人機(jī)LiDAR通過局部最大值法提取常綠闊葉林樹木位置結(jié)果尚且不能真正替代實(shí)際測量的數(shù)據(jù)進(jìn)行使用,研究應(yīng)進(jìn)一步探究不同的適用于高郁閉度的闊葉林單木提取方法,如結(jié)合地基激光雷達(dá)獲取林下植被,基于樹干自下而上獲取位置信息[8],并結(jié)合現(xiàn)有的無人機(jī)LiDAR進(jìn)行多源LiDAR數(shù)據(jù)融合提取完整的樹木。

4 結(jié)論

本研究進(jìn)一步表明無人機(jī)載激光雷達(dá)遙感技術(shù)應(yīng)用于植被結(jié)構(gòu)精細(xì)測量的準(zhǔn)確性。選取哀牢山3塊1hm2中山濕性常綠闊葉林樣地驗(yàn)證激光雷達(dá)提取冠層高度及樹木位置精度,得到的植被高度數(shù)據(jù)與實(shí)地測量數(shù)據(jù)對照,二者有極顯著相關(guān)性,三塊樣地平均精度在95%左右,實(shí)驗(yàn)證明基于激光雷達(dá)可在實(shí)際研究中代替實(shí)際測量提取植被高度數(shù)據(jù)?；贑HM使用局部最大值法獲取樹木位置信息,單木探測百分比平均在86%左右,用戶精度以及生產(chǎn)者精度平均分別為75.69%和65.15%,主要是由于群落郁閉度及樹冠的冠幅和連接度等因素導(dǎo)致部分漏測的現(xiàn)象,1∶1單木間平均距離為1.23m,總體來說樹木位置精度較高,但基于LiDAR的樹木分布格局顯示高大喬木呈均勻或隨機(jī)分布,與實(shí)際情況下的聚集分布不符。在未來的研究中,應(yīng)進(jìn)一步研究更為精確的單木提取以及植被高度提取方法,為通過無人機(jī)激光雷達(dá)測算森林生物量提供更加精準(zhǔn)的指標(biāo)；同時(shí)開發(fā)新的算法實(shí)現(xiàn)基于激光點(diǎn)云數(shù)據(jù)的植物物種分類,以探究不同種的垂直結(jié)構(gòu)性質(zhì)。

致謝：感謝中國科學(xué)院西雙版納熱帶植物園哀牢山生態(tài)站提供的實(shí)驗(yàn)條件,感謝北京數(shù)字綠土公司提供的無人機(jī)激光雷達(dá)系統(tǒng)及數(shù)據(jù)解譯與處理軟件。