無人機在林業伐區調查中的應用

葉曉鴻 周 勇 曹 誼

（廣東省德慶林場，廣東 肇慶 526000）

引言

對森林資源進行調查、設計、規劃等，是林業部門重要的工作內容，通常分為內外業不同的工作項目，宗旨在于了解森林資源的規模、質量、分布狀況以及變化情況等。無人機是最近幾年我國興起的最先進的遙感數據采集平臺，以其獨特的優勢成為森林資源調查評估的核心手段。基于采伐區對森林蓄積量的調查要求，利用無人機遙感影像對小班采伐前后的兩期進行拍攝，進行林分蓄積量的調查評估。對林區采伐前后的無人機點云匹配、點云預處理方式以及布料模擬濾波算法進行分析，并結合野外采集的樹高以及單木材積實測數據構建隨機森林模型，對伐區森林采伐蓄積量進行有效調查評估，估算精度可達96%。

1.無人機在林業調查中的應用概況

無人機作為無人駕駛的飛行設備，技術的核心利用無人系統操作作業，核心設備是無線電遙控或者是將小型計算機控制系統配置在無人機上。比較其他林業作業設備，在林業調查和預估工作中應用無人機技術，在降低了成本的同時，也能夠代替一些載人飛機的功能，主要是人員和飛行器難以實現的工作目標，例如，代替人員進行高危場所的調查和勘察，以及進行災區救助活動進行環境遙感監測等。

在林業調查尤其是伐區的林業資源調查中，無人機比起傳統的調查技術，體現兩個方面的優勢：

第一是在一些意外事件發生時候，無人機的行動速度快，在地面上相關人員就能夠控制空中的無人機，并可以及時獲得現在的信息。

第二是無人機的機動性能良好，不需要人工駕駛，在設計上具備體積小的優勢，在森林資源或者蓄積量的評估中，需要深入復雜艱險的林業環境，獲取可靠的第一手數據。同時，無人機靈活方便，通常對飛行場地沒有特殊或者高要求，可以適合絕大多數的林區調查任務。 尤其是在受災的林區獲取可靠的信息，把精準的空間位置信息提供給救援人員，以彌補大尺度航空技術領域的缺陷。

2.林區概況與數據來源

2.1 調查區概況

廣東省德慶林場屬公益一類事業單位，林場經營總面積13.1萬畝，其中人工桉樹純林面積3.8萬畝，杉木1.6萬畝，馬尾松2.5萬畝，其他混交林5.2萬畝。本研究選擇選取廣東省德慶林場2020年伐區，采伐樹種為桉樹，年齡10年，位于象牙山管護站大石峽工區00200、00400小班。

2.2 數據來源

本次調查的主要數據來源為林區小班采伐前和采伐后兩期無人機遙感數據，在采伐前的無人機數據獲取采用大疆精靈4無人機進行，相機配備1英寸CMOS，有效像素2000萬，35mm等效焦距，無人機的影像拍攝時間為2019年12月27日上午，設置85%的無人機飛行航向重疊率，設定80%的旁向重疊率，高度500米，共獲得115張有效影像，進行鑲嵌和正射整理后獲取影像覆蓋面積大約為4800畝。

小班采伐后獲取數據的無人機類型為大疆精靈4類型，無人機的影像拍攝時間為2021年2月7日上午，設置80%的無人機飛行航向重疊率，設定78%的旁向重疊率，高度500米，共獲得45張有效影像，進行鑲嵌和正射整理后獲取影像覆蓋面積大約為2300畝。利用兩期無人機獲取的影像能夠清楚地捕捉到小班區域采伐前后的林冠和地形。

3.無人機在林業伐區調查中的應用分析

3.1 無人機數據處理

無人機數據處理可以利用pix4D軟件完成：第一步是三角測量計算在空中自動完成，恢復并校正真實的影像數據，形成效果的精度報告；第二步是加密點云，產生的點云數據后綴為+AS；第三步，自動拼接獲取的數據，輸出正射影像、數字表面模型輸出。由此獲取的真色彩的正射影像色彩十分自然而協調，沒有明顯接線 。

3.2 點云匹配

小班區域地勢陡峭坡為28度 ，如果直接用于采伐，提取樹高可以利用兩期無人機拍攝的DSM數據，那就難以確保每株樹對應實際位置，形成很大提取樹高的誤差。本調查研究利用的是點云配置措施，就是采伐前林冠點云必須符合采伐后的地形點云，最大限度地減小地形坡度影響樹高提取的程度。無人機的點云配準通常利用RISCANPRO軟件 ，準時匹配選擇的六個同位點，配準精度為0.1m，保證調查區域每株樹木的點云位置控制在0.1米范圍內的誤差。

從圖1中不難看出，將采伐前小班林冠點與采伐后的小班地形區域進行準確匹配，可以一定程度上避免樹高提取受陡峭地形的影響。

圖1 采伐前無人機點云（a)、采伐后的無人機點云（b）和兩期點云匹配后效果（c)。

3.3 布料模擬濾波算法

本調查研究的最關鍵的步驟是將匹配后的無人機點云數據進行有效分離。本研究利用布料模擬濾波算法進行，計算過程通過三維網格表達“布料”，仿真布料可用彈力和張力的作用完成，也就是說倒置地形后的地形點的模擬利用“布料”模型進行，將匹配后的地面點和非地面點進行分離。

一般情況下，傳統的點云濾波算法必須具備很多為經驗值的參數，并且要反復不斷地試驗方可得到不錯的濾波效果。而CSF算法的濾波只是選擇點云的密度和地形起伏的程度，即能產生不錯的濾波效果。

大量實踐證明，CSF算法能夠更精確地分離地形點和林冠點云。但因為成熟林占據主要的情況，具備很高的郁閉度，并且基于不規則的多邊形采伐邊界，為了能夠保持小班采伐完整的邊界，務必要裁剪點云的范圍稍大于采伐區，這樣就極易導致CSF算法不能對采伐區外的地形進行模擬，致使分離后的地形點云周圍依然有部分林冠點云殘留；因此，將林冠點云與地形點云相減，可以減輕林冠點對調查結果的影響。

3.4 DEM、DSM的獲取及DEM驗證

本調查研究利用自然領域插值法，采用無人機獲取的林冠點云數據構建網格單元為0.0065 x0.065m的模型。該方式的樣本點采用最鄰近的，樣本權重的插值要根據區域的大小并按照比例進行，比起常規的方式，可以很好地還原地表的局部特征，可以利用相同的插值法進行無人機地面點云數據模型的構建，這些數據均來源于濾波獲取。DSM數據與格網單元大小相同，如圖2所示。

圖2 地形點云數據生成的DEM(a）和林冠點云生成的DSM( b)

DEM數據是經過濾波點云數據后獲得，其精準的程度會對后期樹高的估算精度有很大影響，所以，有必要組織DEM數據驗證精度。本調查研究DEM的精度的驗證利用檢點法，計算出相應的誤差。

3.5 地面調查數據獲取

2019年12 月28日對研究樣地進行實地調查，伐區小班面積578畝，有林面積490畝。采用角規調查方法，利用無人機伐前影響進行分析，根據林相情況，將伐區分為“好”“中”“差”，按照各自占的面積比例進行角規點布設。 其中“好”面積120畝布設角規點3個；“中”面積250畝布設角規點6個；“差”面積120畝布設角規點3個。

利用桿式角規，在遠離林緣事先設定的角規點選取一個中心點，繞測一周并計數，與角規視線相割的計數1株；相切的計數0.5株；相離的計數0株。研究樣地的蓄積量根據《廣東省森林資源調查常用數表》，查找桉樹類林分形高表（角規斷面積公頃蓄積表），查找對應角規點公頃蓄積量。計算公頃蓄積量的公式如下：

式中：每公頃斷面積蓄積設定為G；平均樹高設定為H；繞測數量設定為Z。

單位：畝、cm、m、株、m3林相類型 面積 角規點 平均胸徑 平均樹高 繞測數量 公頃蓄積好 1201 15.6 19.4 16 152.72 15.4 19.0 17 159.53 15.4 19.5 15 143.7 中 2501 14.9 17.5 13 114.02 15.0 17.4 11 96.13 14.9 17.4 13 113.54 15.0 17.3 12 104.35 15.1 17.5 13 114.06 14.8 17.5 12 105.3 差 1201 14.9 17.6 10 88.12 14.7 17.7 10 88.53 14.8 17.6 11 96.9

3.6 冠層高度模型的獲取

歸一化數字模型( nDSM )的型場實際上就是DSM高程減去DEM 高程的結果。在林區里，冠層高度模型可以等同于nDSM，樹木的實際高度與得到的林冠高程相等，可以直接獲得樹高的信息，例如本研究區域桉樹整體度在0～30m之間，而且小班邊界外處于很低的高度，足以顯示將林冠點云高程與地形點云高程相減，完全能夠去除小班邊界周圍殘留林冠點云對樹高提取的影響。

3.7 林冠頂點提取

對于林冠頂點的提取方式，應用最多的是局域最大值算法，一般分為動態窗口和固定窗口。機載激光雷達點云數據和遙感影像是主要的數據源。基于固定窗口的最大局域值算法，在進行林冠頂點的探測中時常發生漏提或者多提現象，加之異常復雜的遙感影像光譜信息，會有諸多林冠光譜最大值出現，所以，研究數據的適合行和局域最大數值的準確性是十分關鍵的因素，必須進行篩選和調整。本調查選擇的是生成的冠層高度模型 (CHM), 探測林冠點位置利用動態窗口。

首先，探測林冠頂點位置利用某個很小的固定窗口進行，然后采取的頂點是通過自適應動態窗口判斷獲取的，當前頂點是相應窗口區域的最大值，否則動態窗口大小是通過計算潛在頂點8個截面方向的半方差變化值自適應確定的,其計算公式如下：

式中： ()rh為經驗半方差；設定影像元位置為x1；設定為2個像元的空間分割距離；Z（x）為對應影像x1處的像元值；N為在一定分隔距離下像元對的對數。

4.結束語

綜上所述，無人機是實現林業現代化的有力保障，是降低基層工作強度的有效手段，無人機技術加快了林業自動化、高效化、信息化的進程，而且必將成為未來林業工作的不可或缺的現代化工具，成為現代林業、精準林業和智慧林業建設目標實現的強勁動力。

本研究獲取的數據源真實可靠，均為兩期無人機在自采伐前后拍攝的遙感影像數據，然后進行準確的點云匹配，最終精準地構建出冠層高度模型，利用動態窗口的局域最大值完成林冠頂點的提取，并且嘗試構建適合廣東森林伐區的胸徑、樹高模型估算單木胸徑，精準地算出伐區小班森林采伐蓄積量。