基于無人機遙感的南嶺山地樹冠與樹干性狀關聯(lián)研究

龔粵寧，楊昌騰，周光益，李兆佳，李超榮，楊 龍，孫中宇

（1. 廣東南嶺國家級自然保護區(qū)管理局，廣東乳源 512727；2. 中國林業(yè)科學研究院熱帶林業(yè)研究所，廣州 510520；3.廣東省科學院廣州地理研究所，廣州 510070）

樹冠性狀和樹干性狀之間（如冠幅與胸徑之間）存在密切的數量關系（Attiwill,1966;Norton et al. 2005; Blanchard et al., 2016），可以用于彼此反演，進行生物量和蓄積量計算（Troxel et al.,2013），也可用在造林過程中制定合適的林分密度，獲得更合理的林分結構（Hemery et al.,2005；王小蘭等，2019）。相較樹干性狀，樹冠性狀通常更難獲取，所以以往研究多用樹干性狀的實測數據，通過數學公式計算樹冠性狀，其中用胸徑計算冠幅的案例（Bechtold, 2003；王旭東 等，2016；許林紅 等，2018；郝建等，2019）較多。近年來，無人機遙感技術逐漸成熟（Ancin-Murguzur et al.,2020），成為獲取樹冠性狀的便捷工具（李赟等，2017；Wu et al.,2020），以樹冠性狀為基礎反演樹干性狀的研究（劉文萍等，2017；王枚梅等，2017）逐漸增多。通過樹冠性狀計算得出的胸徑信息，可以代入樹木的異速生長方程，用于大范圍估算森林生物量（朱思名等，2020）。探討樹冠性狀與樹干性狀間的關聯(lián)性，有助于深入理解樹木對環(huán)境變化的響應策略，同時對提升森林碳儲量遙感評估的精度亦有重要意義。

目前國內外以人工林和針葉林為研究對象的案例居多，以自然林和闊葉林為研究對象的案例相對較少，多數案例往往只針對某一特定的樹種（Hetherington, 1967; Iizuka et al., 2018；許 林 紅 等，2018；郝建等，2019），缺少群落尺度或針對混合樹種的樹冠-樹干性狀關系研究?，F有研究顯示，樹冠和樹干性狀間的數量關系在不同林型和不同地域間往往存在較大差異（張冬燕等，2019），且不是每個樹種的樹冠性狀與樹干性狀間都存在較高的相關性（韋雪花等，2013）。因此，在運用樹冠與樹干性狀回歸關系開展研究時，需要充分考慮地域、林型、物種，以及地形差異對結論產生的影響（Bechtold,2003）。

現有研究表明，中國北方森林闊葉樹種的胸徑與冠幅相關系數可達0.90 以上（戴福 等，2009），相比之下，位于華南地區(qū)廣東省主要用材林樹種冠幅與胸徑的相關系數略低，基本穩(wěn)定在0.62～0.79（何開倫等，2006）。南嶺山地位于廣東省北部，地帶性森林集中分布在海拔400～1 900 m，從山底到山頂隨著物種組成和生境的變化，群落冠層樹木個體存在明顯的矮化現象，即海拔因素對群落冠層樹木的樹高、樹干直徑以及樹冠的形態(tài)均產生較大影響，這進一步增加了樹干-樹冠性狀關系的復雜性，也引發(fā)了一系列新的科學問題。如：在南嶺山地是否存在用樹冠性狀反演樹干性狀的生物學基礎？南嶺山地不同海拔樹冠性狀與樹干性狀間的關系是否存在差異？在南嶺山地運用樹冠與樹干性狀關系計算生物量時，是否要考慮海拔因素？上述問題的解決，對于大范圍開展南嶺山地森林生物量的遙感反演，提高反演精度具有重要意義。

因此，本研究基于無人機遙感技術，以南嶺山地海拔600～1 600 m 的冠層樹木為研究對象，系統(tǒng)探討南嶺山地冠層樹木的樹冠性狀和樹干性狀間的關聯(lián)以及這種關聯(lián)隨海拔的變化規(guī)律，以期為南嶺山地森林群落結構研究以及生物量估算提供參考。

1 研究方法

1.1 樹干性狀的測量方法

隨機選取了南嶺山地海拔600 m（8 株）、800 m（11 株）、1 000 m（12 株）、1 400 m（10 株）和1 600 m（8株）5個海拔高度的49株冠層優(yōu)勢樹木（表1），依照測樹學的基本方法對目標樹木的樹高、基徑、胸徑、2米徑和4米徑進行測定。其中，樹高采用激光測高儀測定，基徑、胸徑、2米徑和4米徑采用胸徑尺測定，在量取樹木樹干性狀的同時，用手持差分GPS（Trimble Geo X7）記錄每棵樹的地理坐標。受到坡度、樹冠密度和樹冠交叉錯位等影響，在較高飛行高度上獲取的樹冠影像上，某些樹冠仍會存在定位及分割較難的情況。因此，為了提高樹冠性狀的提取精度，在目標樹冠正上方用無人機在不同高度拍攝影像，進一步確定樹冠的相對位置和輪廓，用于后期輔助樹冠的定位和分割（圖1）。

圖1 利用無人機獲取的影像輔助定位樹冠Fig.1 Images obtained by drones are used to assist in locating tree crowns

表1 樹種及其分布海拔Table 1 Tree species and their distribution at altitude

1.2 樹冠性狀測定方法

主要測定冠幅、冠周長和冠面積等3個樹冠性狀。其中，冠幅為樹冠南北向和東西向冠幅的平均值，冠周長為樹冠垂直投影的周長，冠面積為樹冠垂直投影的面積。上述樹冠性狀通過無人機遙感獲取，采用的無人機型號為DJI Phantom 4 RTK，重量1 391 g，最長飛行時間約30 min，懸停精度±0.1 m，攜帶的傳感器類型為可見光（RGB）相機，傳感器為1英寸CMOS，有效像素2 000萬，照片最大分辨率4 864 pix×3 648 pix。樹冠無人機遙感數據的具體采集方法為：于2019 年11―12 月，選擇晴朗天氣的T 10:00―14:00 進行無人機飛行作業(yè)。首先在DJI GS pro地面站上規(guī)劃覆蓋研究區(qū)的無人機作業(yè)航線，飛行高度設置為60 m，航向重疊率和旁向重疊率各設置為80%，飛行作業(yè)時在現場同步設置地面控制點用于后期的影像校準。在海拔600、800、1 000、1 400 和1 600 m 處分別獲取了250、369、242、269 和370 張林冠正射影像，將正射影像導入Photoscan 軟件，經排列、生成密集點云、生成網格、生成紋理和生成數字高程模（DEM）等過程后，得到研究區(qū)樹冠的正射鑲嵌影像（DOM），隨后將DOM導入ArcGIS 中，根據GPS 坐標以及不同高度無人機影像的輔助，將地上測量過樹干性狀的個體與影像中的樹冠逐一匹配，確定目標后，對目標樹冠進行勾取，獲得冠幅、冠周長和冠面積（圖2）。

圖2 基于無人機遙感影像的樹冠性狀提取Fig.2 Extraction of tree crown traits based on UAV remote sensing images

1.3 統(tǒng)計學方法

采用典型關聯(lián)分析（Canonical Correlation Analysis, CCA） 的統(tǒng)計學方法分析樹冠性狀與樹干性狀的關聯(lián)性；采用線性回歸方法確立樹干性狀間樹冠性狀間的回歸關系。統(tǒng)計分析采用SPSS for Windows 13.0軟件處理。

2 結果分析

2.1 南嶺山地樹冠性狀與樹干性狀間的整體關聯(lián)性

結果顯示，本研究所涉及的樹冠性狀，即冠幅、冠面積及冠周長間具有較高的相關性（R=0.94～0.97）（表2）。樹干性狀方面，除了樹高與其他性狀間的相關性較低（R=0.5～0.59）以外，基徑、胸徑、2 米徑以及4 米徑之間的相關性也較高（R=0.93～0.98）（表3）。樹冠性狀與樹干性狀關系方面，典型相關分析方法統(tǒng)計了3對典型變量間的相關性，相關系數及其檢驗結果表明，僅第一典型相關系數在統(tǒng)計學上具有顯著意義（R=0.89，P＜0.01），冠面積與基徑、胸徑、2 米徑和4 米徑間的相關性最好（R＞0.80）；冠幅和冠周長與基徑、胸徑、2 米徑及4米徑間的相關系數值高度接近，均在0.76～0.80；樹高與樹冠性狀間的相關性相對較低（R≈0.6）（表4）。以上結果表明，南嶺山地樹冠性狀之間、樹干性狀之間都具有較高的內部相關性，樹冠性狀與樹干性狀之間也存在顯著的相關性，用樹冠性狀反演樹干性狀具有統(tǒng)計學意義。

表2 樹冠性狀間的相關系數（R）Table 2 Autocorrelation coefficient between tree crown traits(R)

表3 樹干性狀間的相關系數（R）Table 3 Autocorrelation coefficient between trunk traits(R)

表4 樹冠性狀與樹干性狀間的相關系數（R）Table 4 Correlation coefficient between tree crown traits and trunk traits(R)

2.2 不同海拔高度林冠性狀與樹冠性狀的相關性差異

分別對不同海拔高度上冠面積、冠幅、冠周長與樹高、基徑、胸徑、2米徑和4米徑的相關性進行分析（圖3），結果表明，海拔600 m處，樹冠性狀與樹干性狀的相關性較高（R＞0.80）；海拔升至800 m 時，相關系數略有升高；到海拔1 000 m 處，相關系數值急劇下降（R＜0.50）；到海拔1 400 m 處，相關性系數值再次升高至0.80 左右；海拔1 600 m處，相關系數重新下降至0.70左右?？傮w上，樹冠性狀與樹干性狀的相關性隨海拔的升高呈“M”型，樹冠性狀與樹高的相關性相對特殊，隨海拔的升高呈“W”型變化。

圖3 不同海拔樹冠面積與樹干性狀的相關性Fig.3 Correlation between canopy area and trunk traits at different elevations

2.3 樹冠性狀與樹干性狀間的線性回歸關系

樹冠性狀與樹干性狀的散點圖（圖4）顯示，除了樹高以外，其余樹冠和樹干性狀之間存在明顯的線性關系。以冠幅、冠面積、冠周長為自變量，分別對胸徑、基徑、2米徑和4米徑等自變量進行多元線性回歸分析，結果表明，冠面積是反演樹干性狀的最佳指標。由于冠幅和冠周長與冠面積存在顯著的共線性關系（條件指標＞15.0，表5），進入模型時對決定系數提升貢獻較小，無法顯著提高回歸方程的預測精度，因此采用冠面積作為單一自變量建立冠面積與胸徑、基徑、2米徑和4米徑的線性回歸方程，分別為：

表5 樹冠性狀與樹干性狀逐步回歸分析模型概要Table 5 Summary of stepwise regression model for crown and trunk traits

圖4 樹冠性狀與樹干性狀的散點圖矩陣Fig.4 Scatter plot matrix of crown and trunk traits

式中：DBH為胸徑/cm；CA為冠面積/m2；BD為基徑/cm；D2為2米徑/cm；D4為4米徑/cm。

從決定系數的數值可得知，南嶺山地樹木的冠面積對基徑、2米徑和4米徑的預測精度優(yōu)于對胸徑的預測精度。

3 討論

3.1 南嶺山地樹冠性狀與樹干性狀的關聯(lián)性

本研究顯示，南嶺山地冠層樹冠性狀與樹干性狀（樹高除外）間具有較高的整體關聯(lián)性（R＞0.75），說明在南嶺山地基于樹冠性狀大范圍反演胸徑、基徑、2米徑和4米徑具有較好的生物學基礎和可行性。已有研究表明，北方森林闊葉樹種的胸徑與冠幅相關系數R可達0.90以上（戴福等，2009），廣東省主要用材林樹種的冠幅與胸徑相關系數R在0.62～0.79，如果去除針葉樹種，相關系數R＜0.65（何開倫等，2006）。在本研究中，南嶺山地冠層樹種胸徑與冠幅的相關系數R=0.76，雖然低于北方闊葉樹種，但高于同地域的其他用材林闊葉樹種。在數據不確定性的控制方面，本研究采用帶差分GPS的無人機遙感系統(tǒng)測定樹冠參數，冠幅誤差可控制在厘米級，相較于地面目測冠幅更為準確（孫中宇等，2017）。此外，盡管已有較成熟的影像分割軟件用于自動分割樹冠，但本研究仍采用目視解譯的方法來人工劃定樹冠邊界，避免了在某些情況下，如相鄰的幾株同種、同大小個體的樹冠交織在一起時，采用軟件自動分割樹冠帶來的誤差。但在樣本數量方面，本研究要略少于其他同類研究。另外，由于樣本選取的隨機性，本研究選取的樣本在物種組成和數量方面存在一定的不平衡，可能導致結果存在誤差，但這對南嶺山地樹冠和樹干性狀間總體關聯(lián)性的影響在可控范圍內。

本研究顯示，在南嶺山地，樹冠面積是反演樹干性狀的最佳參數（R＞0.80），在逐步回歸過程中，由于冠幅和冠周長與冠面積共線性較高，并未納入反演模型中。樹冠面積與2 米徑和4 米徑的相關性大于其與基徑和胸徑之間的相關性。但在以往的研究中，采用樹冠面積反演樹干性狀的案例并不多見，這主要是由樹冠面積難以獲取，或地面獲取的數據誤差較大造成的。同樣的原因，樹干的2米徑和4米徑與樹冠性狀的關系研究也較少有案例涉及。在樹冠性狀便于獲取，并且與樹干性狀存在穩(wěn)定關聯(lián)的情況下，冠徑比（包括2 米徑和4 米徑）將會攜帶更多的樹木生長和樹木結構信息，可用于分析生態(tài)學規(guī)律以及指導造林實踐。

3.2 南嶺山地樹冠性狀與樹干性狀的關聯(lián)性隨海拔高度的變化

本研究表明，南嶺山地不同海拔高度上樹冠性狀與樹干性狀間的關聯(lián)性存在差異，具體表現為，樹冠性狀與樹干性狀的相關性在低海拔區(qū)（600～800 m）最高（R＞0.80），在高海拔區(qū)（1 400～1 600 m）次之（R≈0.7），在中海拔區(qū)（1 000 m）最低（R＜0.5）。這一現象很可能是由樹木隨著海拔高度升高逐漸矮化造成的。野外調查發(fā)現，海拔1 000 m處的常綠闊葉落葉混交林表現出明顯的矮林過渡性質，部分樹木個體出現矮化的跡象，矮化與非矮化樹木混合的樣本組成降低了樹冠與樹干性狀的相關性。此外，2008年特大冰雪災害導致南嶺山地中等海拔的森林受損程度最重（王旭，2012），這對中海拔地區(qū)樹冠性狀與樹干性狀的關系也產生了深遠的影響。盡管本研究忽略海拔高度的影響，建立了南嶺山地樹冠和樹干性狀的混合樹種回歸方程，并且獲得較高的決定系數，但綜上所述，根據海拔高度分別建立不同的回歸方程，可進一步提高模型的預測精度。因本研究樣本量有限，還需在后續(xù)研究中再深入探討。

3.3 南嶺山地樹冠性狀與樹干性狀的回歸方程與生物量估算

本研究建立了南嶺山地林冠樹種冠面積與樹干直徑間的混合樹種回歸模型（方程1－4），各回歸方程均有較高的決定系數，為南嶺山地森林生物量的計算提供了基礎。森林生物量通常使用以胸徑和樹高為自變量的異速生長方程進行估算。若樹冠性狀與胸徑或樹高間具有較強的回歸關系，就可以通過回歸方程，根據樹冠性狀計算胸徑和樹高，進而對大范圍的森林生物量進行估算。本研究表明，在南嶺山地，樹冠性狀與樹高的關聯(lián)性較差，但與胸徑、基徑、2米徑及4米徑的關聯(lián)性較好。因此可根據方程1，用無人機獲取的樹冠面積計算樹木胸徑和生物量，從而實現無人機遙感對森林生物量的估算。此外，由于樹冠性狀與2 米徑和4 米徑的回歸關系更好，在使用無人機遙感估算森林生物量的過程中，是否可以用2 米徑或4 米徑作為參數替換樹木異速生長方程中的胸徑來計算生物量？將樹冠性狀作為獨立因子加入到異速生長方程中能否大幅提高森林生物量的估算精度？這些問題仍需要進一步深入研究。

4 結論

本研究以無人機遙感為技術手段，對南嶺山地樹冠性狀與樹干性狀間的關聯(lián)性進行了探討，研究表明，南嶺山地的樹冠性狀與樹干性狀間具有顯著關聯(lián)性，并在海拔600～1 600 m 區(qū)間隨海拔升高呈“M”型變化。南嶺山地森林存在用樹冠性狀反演樹干性狀并進一步估算森林生物量的生物學基礎。本文建立了南嶺山地樹冠面積與樹干直徑間的混合樹種回歸模型，同時探討了利用冠面積、2米徑和4米徑計算樹木生物量的可行性，可為無人機遙感大面積估算南嶺山地森林生物量提供基礎。