基于機載激光雷達影像的天山云杉林樹高提取及蓄積量反演

曲延斌,王振錫,胡天祺,董 巍,陳 哲

(新疆農業大學林學與風景園林學院/新疆教育廳干旱區林業生態與產業技術重點實驗室,烏魯木齊 830052)

0 引 言

【研究意義】森林作為陸地生態系統中最大的碳庫,在應對氣候變化和實現碳中和目標過程中發揮著重要作用[1]。森林植物吸收大氣中的二氧化碳并將其固定在植被或土壤中,減少二氧化碳在大氣中的濃度,具有顯著的固碳能力。森林蓄積量是指一定森林面積上存在著的林木樹干部分的總材積[2],反映了一個地區森林的資源規模及水平,衡量森林的健康狀況、豐富程度和固碳能力,對蓄積量科學精準的估測是實現森林經營,并達到永續利用目的的重要途徑[3]。天山云杉(Piceaschrenkianavar.tianschanica)是新疆天山山地最主要的地帶性森林植被,其林分占新疆天然林喬木林地面積的44.9%,是天山乃至新疆的森林生態系統物質主體[4-5],在涵養水源、調節氣候、實現碳中和目標等方面發揮著主導作用。傳統森林資源調查過程中,森林蓄積量測算主要依賴于抽樣技術和人工調查,工作量大、周期長、實效性差,快速、準確獲取大面積森林蓄積量都是森林資源經營管理領域亟待解決的技術難題。運用遙感技術憑借大面積同步觀測和周期短的優勢,廣泛用于森林資源調查、規劃和監測等,對提高工作效率有重要意義。【前人研究進展】機載激光雷達技術,通過主動發射激光脈沖,獲取探測森林冠層反射回來的信號,處理后可得到森林的三維結構信息,突破了傳統光學遙感的局限性,在獲取地形和林分結構因子等信息方面具有不可比擬的優越性,更為精確地獲取樹木的位置、冠幅和高度等林分屬性參數,為準確、高效獲取森林蓄積量提供了新的技術途徑[6-8]。利用機載激光雷達數據開展了森林結構參數信息提取研究,在森林蓄積量估測方面進行了有益探索[9-10]。Wallace等[11]使用機載激光雷達對研究區域內單株樹木識別,獲取樹木的位置、冠幅、高度等數據,利用激光點云估測在單木尺度與樣方尺度上的森林調查指標,得到的調查結果精度較高;Argialis A等[12]利用無人機搭載激光雷達傳感器,獲取了高分辨率的數據源,改進了單株立木的正射影像,結果表明,與傳統的遙感技術相比,機載激光雷達獲取數據可以在更精細的尺度上更高精度的測量多個參數因子。【本研究切入點】胸徑與樹高是計算蓄積量的重要因子,在以胸徑-樹高模型對天山云杉的蓄積量進行估測方面,前人大多采用衛星影像與無人機影像,機載激光雷達獲取數據更為精確,但理論化研究較多,偏于實踐應用的卻較少。需基于機載激光雷達影像研究天山云杉林樹高提取及蓄積量反演。【擬解決的關鍵問題】利用機載激光雷達影像提取天山云杉林樹高信息,估測天山云杉林的蓄積量,獲得便捷、快速提取森林蓄積信息的技術方法,為探索山地天然林精準監測與評價提供技術途徑。

1 材料與方法

1.1 材 料

1.1.1 研究區概況

研究區位于天山山脈中段的天格爾森林公園新疆農業大學實習林場,該地域地處頭屯河上游,烏魯木齊市西南方位110 km,位于E 86°46′～86°57′,N 43°16′～43°26′,東西長達 15 km,南北長達 17.5 km。林場屬于溫帶大陸性氣候,平均海拔為2 200 m,年平均降水量達600 mm,平均溫度3℃,年日照大于1 300 h,無霜期約為140 d。森林主要分布在北坡、東北坡和西北坡,以天山云杉純林為主,混雜有少部分天山樺(BetuIatianschanicaRuprecht)、山楊(Populusdavidiana)、天山花楸(SorbustianschanicaRupr.)等樹種。

1.1.2 影像數據

激光雷達影像數據拍攝于2020年10月15日,采用華測導航AS-1300HL多平臺激光雷達系統,該系統整體精度可達到5 cm,其中雷達最大測距1 350 m,最小測距5 m,采集頻率最高達82萬點每秒,掃描頻率為10～200 Hz,測量精度可達到15 nm,相機有效像素為4 200萬,分辨率為7 953×5 304,雷達具備多次回波功能,可以有效穿透植被,獲取植被的垂直結構信息,更好的進行點云分類與森林參數提取。

1.1.3 外業數據

2020年6月,在新疆天格爾森林公園新疆農業大學實習林場,以無人機航拍影圖像為先驗數據,結合森林實地踏查,采用系統抽樣法布設樣方,在林場范圍內以東西30 m和南北50 m為間距確定樣方中心,樣方規格為30 m×30 m,通過遙感判讀,保留150個天山云杉純林典型樣方。樣方圍測采用羅盤法,相對閉合差小于周長的1/200,在樣地邊界刷紅油漆進行標識。對樣方內胸徑大于5 cm,樹高大于3 m的天山云杉全部進行每木檢尺,采用天山云杉二元材積表法計算樣地蓄積量[13]。采用華測i90 慣導RTK,基于載波相位動態實時差分(Real-time kinematic)方法實時獲得厘米級的實測樣地中心點和四個角樁的坐標。

1.2 方 法

1.2.1 遙感影像處理

對點云數據預處理,設定的高度閾值進行去航帶重疊點與噪聲點處理,基于Kraus濾波算法[14]結合中值濾波分離出地面點,再收集地面點進行地面高程的重建,插值生成數字高程模型(Digital elevation model,DEM)。收集去噪后的第一次回波點插值生成的數字表面模型(Digital surface model,DSM),利用DSM減去DEM獲得研究區林分的冠層高度模型(CHM,Canopy Height Model)。圖1

圖1 冠層高度模型構建原理

1.2.2 樹高提取

樹高的提取是在冠層高度模型(CHM)的基礎上,利用ArcGIS10.4軟件,采用克里金插值法對樣地內所有樹木的樹冠進行焦點統計,對鄰域內象元的最大值賦予焦點,并將焦點統計所得結果與冠層高度相減,差值為0的點為樹木的最高點。天山云杉為針葉樹種,其樹木最高點即為樹冠頂點,運行重分類命令,將冠層頂點由柵格數據轉換為矢量數據。

將獲得的矢量樹冠頂點與DEM、DSM和CHM的高程數據進行對比,結合樹冠頂點密度情況,對偽樹冠頂點剔除。圖2

圖2 樹冠頂點高度提取

1.2.3 天山云杉林蓄積量反演

在樣地水平上,以150個實測樣地數據為基礎,從中抽取100個樣方林木構建胸徑-樹高模型,剩余50個樣地作為樣本檢驗模型精度。從11種曲線估計模型中選取最優模型,采用確定系數(R2)、均方根誤差(RMSE)評價指標對模型進行檢驗。天山云杉蓄積量計算方法采用二元材積公式:

V=6.293 661 9×10-5×D1.793 240 1×H1.046 970 7.

(1)

式中,V表示天山云杉單株材積,D表示胸徑,H表示樹高。

2 結果與分析

2.1 樹高提取精度變化

研究表明,樹高平均提取精度達到89.64%,其中最高精度可達99.40%,最低精度71.65%。

影像提取樹高與實際測量樹高之間存在較強的相關關系,R2為0.895,擬合結果較好,根據擬合結果得到的表達式為Y=0.823 2X+2.091。表1,圖3

2.2 構建模型及檢驗

研究表明,在選取的11種曲線估計模型中,胸徑-樹高的冪函數方程相關系數R2達到0.908,F-Statistic值最大,該模型的擬合情況最好,取該方程建立胸徑-樹高模型。表2

D=(H×1.282)0.872.

(2)

式中,D表示胸徑,H表示樹高。

圖3 樹高提取值與實測值關系散點圖

表1 影像提取樹高與實測樹高方差檢驗

2.3 模型檢驗

研究表明,驗證胸徑樹高模型:RMSE=6.749,模型擬合效果較好,可以使用模型來對天山云杉的蓄積量反演。

2.4 蓄積量的反演及精度變化

研究表明,將構建模型與二元材積公式聯立。

(3)

式中,Di代表擬合胸徑,H代表樹高,Ht代表修正樹高,Hi代表提取樹高,V表示蓄積量。

將機載激光雷達影像提取的天山云杉樹高代入模型,求出天山云杉的胸徑數據,代入天山云杉二元材積公式,單株材積累加得出樣地天山云杉的估測總蓄積量,模型得到的殘差值大部分落在(-2,+2)殘差區間內,模型擬合度較好。圖4

表2 胸徑樹高模型及參數統計

圖4 云杉蓄積量殘差分布

3 討 論

林分蓄積量隨著林分平均胸徑的增加而變大[15]。在激光雷達對林分因子提取方面,激光雷達數據提取樹高與實測樹高關系密切且精度較高,而樹高也和胸徑與蓄積量有著比較高的相關性[16]。研究采用激光雷達數據,篩選出冪函數作為以胸徑-樹高反演蓄積量的最佳模型,R2為0.908,且模型擬合度較好,蓄積量估測精度達到87.43%。基于LIDAR數據,采用多元逐步回歸,對林分的平均高、郁閉度、生物量等參數提取并進行分析研究,結果表明基于LIDAR數據的各林分因子估測方程精度都較高,且R2均在0.5以上;以無人機影像提取樹高因子構建胸徑-樹高模型反演天山云杉蓄積量,研究結果為冪函數作為對天山云杉進行反演的模型精度最高,與研究一致,但無人機影像提取樹高精度遠低于激光雷達數據,有著較大的提升空間[17]。馬驤等[18]以金壇區碳匯監測山區國外松林小班的樣地實測數據和激光雷達數據為數據源,以樹高與胸徑作為變量,通過建立非線性回歸方程進行蓄積量的估算,結果表明,機載激光雷達估測的國外松蓄積量與實測數據所得蓄積量具有較好的相關性,每公頃蓄積量誤差為14.4%,符合森林資源規劃設計調查技術規程精度要要求。通過胸徑與樹高對林分的蓄積量進行反演,是數字化林業經營管理中重要的方法,需要對樹高提取精度有更高要求,并基于提取樹高構建蓄積量反演模型,研究中研究樹種天山云杉為針葉樹種,其冠層形狀為圓錐形,激光雷達的回波信號可能會出現錯失頂點而接收到低層冠幅情況,導致樹高會有偏小,關于此方面的研究改進仍需進一步的加強。

4 結 論

收集回波點插值生成數字表面模型,二者相減獲得研究區林分的冠層高度模型。利用克里金插值法結合動態窗口的局域最大值法提取出天山云杉的樹冠頂點,樹高平均提取精度達到89.64%,其中最高精度可達99.40%,最低精度71.65%。利用提取的天山云杉樹高構建天山云杉胸徑—樹高模型D=(H×1.282)0.872,基于此模型得到的林分蓄積量精度達到87.43%,對于蓄積量的精度等級分為A、B、C三級,允許誤差分別為15%、20%、25%,模型精度在允許誤差15%以內,達到了精度等級A的標準,精度符合當前林業生產的行業標準。構建天山云杉胸徑-樹高模型,基于此模型得到的林分蓄積量精度達到87.43%,精度符合當前林業生產的行業標準。