無人機航測技術在森林資源調查中的應用

王太法

（貴州省林業調查規劃院，貴州貴陽 550003）

無人機航測技術是利用無人機飛行系統和導航定位系統結合數字攝影構成飛行器，其具有靈活性強、分辨率高、覆蓋面積廣、作業成本低等特點，被廣泛應用在環境資源調查之中。

1 森林資源調查概述

森林作為我國重要的自然資源，需要對其生態生長情況進行全面的了解。森林資源調查包括森林面積、樹木種類、地域環境、生長狀況等內容，林業人員根據森林資源調查信息將能夠制定出科學合理的資源發展規劃，確保森林資源的可持續發展。森林資源調查工作主要集中在掌握森林資源種類、數量、生產狀況方面，是保護森林資源和促進森林資源有效利用的必要手段，而且森林本身占地面積廣、覆蓋范圍大，森林資源沒有明確的地域劃分，也需要調查工作對相關區域進行規劃，可按照樹木種類、林地關系、地域特點進行劃分，能夠提升森林資源的豐富程度。另外，林木資源需要調查清楚樹木的生長周期，依據生長周期適當進行采伐、撫育和養護工作，實現森林資源的科學管理，促進森林生態環境的高質量發展運用。

2 無人機航測技術在森林資源調查中的重要作用

森林資源調查工作需要先確定調查樣地范圍，再對樣地內所有滿足條件的樹木進行調查，將樹種、樹高、冠幅、坐標等內容進行記錄。傳統森林資源調查法需要每2～3 人為一組，在1～2 h 內在森林現場進行觀測和調查，由于人工調查只能在現場進行，在調查結束后相關數據信息基本不會復查，這樣才能節約調查時間，但也導致數據信息的準確性很容易受人為因素的影響。利用無人機進行航測調查同樣大小區域所需的時間僅為30 min 左右，并且還能獲取大范圍的影像信息，相同調查時間內無人機對比人工調查，可多次對樣地進行觀測，進一步提升森林資源調查的完整性，再加上影像信息的精準度，可獲得更為準確的冠幅、樹高、面積、密度等信息。無人機航測也存在一些缺點。1）無人機依靠GPS導航進行工作，在樹冠遮擋或其他干擾因素的作用下，調查往往會出現一定偏差。2）森林資源中林木胸徑分析多是以重要因子模型計算得出，因此拍攝無法準確測量。不過在科學技術快速發展的背景下，激光雷達、三維激光掃描等先進技術也逐漸應用在無人機航測之中，將測量出更為精準的數據信息［1］。

3 無人機航測技術在森林資源調查中的應用

3.1 航測設計

在無人機航測前需要進行一些準備工作，確保飛行過程的安全穩定。1）要提前檢查無人機起落區域的情況，確保起飛和降落區域內沒有障礙物，并確定降落點。2）要提前做好航測當日氣象條件的分析工作，雖然無人機航測可以在較差環境下進行工作，但仍然以良好天氣狀況為主，以提高航測分辨率。同時還需對無人機航測影響進行數據糾正，結合相關軟件和三維技術對無人機影像生成后的位置、網格、云數據等重新建立模型，能夠真正展現出調查目標的形態特性。另外，航測路線和區域應當結合過往人工調查經驗進行規劃，以便于無人機高效快捷地調查所需內容。在完成飛行任務后，還需要對相關影像數據進行處理，保障影像、圖片的清晰度和飽和度。

3.2 樹高信息

無人機航測技術主要利用數字地表模型中的DEM（Digital Elevation Model，DEM）模塊構件三角網模型，以此從三維點數據中運用最大領域法計算出樹頂點的位置和高度，這就是樹冠的最高點，當然此數值并未經過精度處理，只是作為模型設定條件的最高點，還需針對冠面坡度、最大曲率、最小曲率等因素進行分析。結合無人機航測得到的相關影像，分析樹木特征和坐標信息，再根據GPS 顯示的相對坐標位置，測量區域范圍內每株樹高。精度計算公式為精度=1-（提取樹高-實測樹高）/實測樹高，通過此公式便可以得到樣地區域內樹高測量中的最低精度和最高精度，再經過無人機對樹干高度的多次提取計算，得到測量中具有的誤差，便可以明確更為精準的樹高［2］。

3.3 冠幅信息

樹木冠幅是無人機偵測森林資源中調查影像可以得到最為清楚的部分。在影像上樹木的郁閉度有著明顯的反饋，高郁閉度的樹冠以片狀形式表現，其他信息提取效果不佳，而低郁閉度的樹冠分布散開，邊緣清晰，提取質量良好。因此，冠幅信息的提取主要是面對高郁閉度進行調查偵測，可以有多種方法進行調查提取。

1）以地形分割選取類似的偵測方式，以目標物最優分割效果為基礎，經過無人機多次調查后確定分割參數值。這種方式需要提前設置樹冠分割規則特征，包括光譜、紋理、空間三要素。光譜是通過影像波段計算樹冠屬性；紋理則是通過設定紋理大小分析影像波段，可以用相關屬性值代替紋理中心像元；空間要素則是三維形狀、面積周長等參數的設定。此方法可以將大部分樹冠信息完全分割出來，不過也存在部分粘連情況。但分割方式會受到影像本身拍攝陰影的影響，分割效果不好校對導致樹冠信息受到較大干擾，多是在光照條件良好、樹冠非過度密集的情況下使用［3］。

2）利用手工勾畫出樹冠提取邊緣，將無人機拍攝的圖像進行編輯，在圖層中勾畫出樹冠外輪廓，再經過計算功能得到每個樹冠的參數值。人工進行勾畫提取樹冠信息的效果比分割方式更好，可以避免分割受陰影的影響，提高樹冠信息的完整性，相對的人工勾畫也會增加調查人員的工作量。手工勾畫方式主要以郁閉度較高，林木密集粘連的區域為主。

3）是基于分割和手工勾畫相結合的人工神經網絡分析提取方式，利用人工神經網絡可以不斷學習的優勢，再利用圖像分割和手工勾畫所得到的圖像為神經網絡提供經驗，以此對調查影像進行精度更高的分析。人工神經網絡的優點在于較高的精準度和分析能力，可以結合不同影像冠幅值平均計算，再由圖像分割和手工勾畫提供支撐，得到精度更高的冠幅信息。不過人工神經網絡方法需要花費大量的時間學習和分析，在面對樣地區域較大的調查需求時，其提取效率較低。

3.4 地類信息

無人機航測技術在森林資源地類信息調查中主要以地類分類和像元特征為基礎進行提取分析。運用相關軟件工具對影像中不同地質類型進行相應信息的分析提取。地類信息調查可以采用神經網絡、最大似然、最小距離等方法進行處理。不過地類信息獲取分析與森林分析提取相比，表現和區分效果并不良好，尤其是在林地和耕地區分中，地類分析很容易出現混亂現象，這是由于反射率數值相近，分離性不高。面對此種情況，無人機航測技術要發揮其高分辨率影像的優勢，對空間、光譜、紋理等信息特點進行分類，輸出高精度的矢量結果。可以結合過往地域分割尺度，在無人機航測線路上針對明確會存在差異的內容，在調查時便可以通過無人機多次影像確定差異大小，從而實現地類信息的準確分割；或是構建起地類樣本庫的方式，為整個森林資源標注樣本編號，例如林地12、耕地3、道路9、水體2 等樣本，再將無人機拍攝的影像與地類樣本庫進行匹配，不僅有助于降低混亂分類狀況出現的概率，而且能夠提高分離性與地類邊界準確度［4］。

3.5 單木信息

單獨樹木信息是評判森林資源樣地發展情況的重要一環，無人機偵測技術在森林資源調查過程中往往注重全面、全方位的勘測，再通過多次信息內容分析提取出相對準確的數據信息，來評判森林資源情況。但對于單個樹木或地質的調查較為缺乏：1）人工對于單獨樹木信息的調查較為容易，也具備針對性；2）無人機類型的限制，固定翼無人機難以有效面對單獨樹木進行調查，需要旋翼無人機進行偵測。但針對單獨樹木信息的調查在無人機偵測技術的幫助下有利于林業人員更加系統、準確地了解樹木情況，而且在需要對多個獨立樹木進行調查時，也更加高效。針對樹冠信息的調查會由輔助軟件選取測算點，并將整個樹冠劃分為數個層次，根據每個層次的高度、投影面積、冠幅、樹冠直徑，詳細計算樹冠信息。劃分層次的數量與樹木種類有一定關系，例如闊葉類樹木需要劃分出5～6 個層面，才能保障計算的精準度。而樹高分析是以GPS 坐標和相對基準點作為依據，無人機選取基準線上不同位置的三維點位作為測算點進行拍攝，便能夠提升樹高測算的精準度。單木信息獲取有助于林業人員了解更為細致的樹木生長狀況，評判整個森林資源的發展趨勢［5］。

表1 冠幅信息提取精度

4 結語

無人機航測技術已經在森林資源調查中廣泛應用，利用相關軟件系統結合影像數據得到樹高、冠幅、地類等信息，相關分析提取精度可達到85%左右，可以有效代替耗時耗力的人工調查工作。在科學技術快速發展的背景下，無人機航測將會更加精準和多樣化，能夠逐漸滿足森林資源調查的各項需求，助力林業發展。