【论文精选】基于UAV高分影像的陕北人工林结构参数提取

以乔木为主的人工林生态系统是我国陕北黄土高原地区防风固沙、气候调节、水源涵养和生态修复的主体，也是该区经济收入稳步发展的自然屏障，黄土高原由于其特殊的地形、气候和土壤条件，人工林生态系统十分脆弱；因此，快速准确获取该区人工林的结构信息，对于生物量的测定、碳储量的估测以及人工林生态系统健康状况的评估等具有重要意义。而传统的每木检尺的森林结构调查方法劳动强度大、效率低、精度不高，不能满足大范围、持续性调查的实践需求。

近年来，飞速发展的遥感技术为森林结构参数的获取提供了技术支持。目前，在森林结构参数提取中应用最广的是LiDAR数据。马振宇等利用地基激光雷达实现了天然林区近地面点云数据的精细分类，点云分类精度大于89%。Yin等基于无人机的激光雷达数据对红树林进行了树高 和树冠直径的测量，其预测精度分别达到34.6%和46.0%。Almeida等利用无人机-激光雷达系统监测了人工林的森林结构，分析了冠层高度、间隙率和叶面积指数之间的相关性。但机载LiDAR数据获取成本较高，限制了其推广与应用。

随着无人机平台的发展、低空空域的开放，价格低廉的无人机平台为林业测绘工作者开辟了一条方便快捷的新途径。Ayana等和Sothe等基于UAV-SfM(structure from motion)技术进行了单株检测、物种分类和碳动力学模拟等森林监测工作。Liang等也使用无人飞行器作为地面测量的替代方法进行森林实地观测。同时，基于计算机视觉中“运动恢复结构”(SfM)算法的无人机影像处理技术不断成熟，无人机遥感测绘弥补了传统卫星遥感影像分辨率低、影像数据质量容易受到云层影响等不足；但限于地区和林分特征差异，仍需对现有方法进行改进或者研发具有特定针对性提取方法，以满足不同地区林分监测需求。

陕北黄土高原地区人工林分稀疏的特点，降低了冠层重叠与遮挡对测量工作造成的困扰，为小型无人机野外作业提供了条件。为此，笔者尝试以搭载RGB高分辨率相机的小型无人机为基础，通过SfM算法获取研究区正射影像(digital orthophoto model，DOM)及点云数据，探索陕北人工林结构参数(冠幅、树高)、CHM (canopy height model)影像提取的新方法，以期快捷高效的获取陕北人工林的结构参数。

研究结果表明：

1) 研究通过面向对象多尺度分割结合可见光植被参数VI′的方法，分割尺度参数设置为48，形状指数为0.1，紧密度为0.5进行冠幅提取，然后结合Cyclone中点云数据图模块，在树底部与地面接触处为原点建立与树干垂直的空三坐标系，对样地内单木树高进行直接提取，提取了陕北地区人工杨树林的单木冠幅与树高，与实测数据线性拟合后整体精度都较高。

2) 研究发现无人机影像直接产生CHM分辨率较低，Cyclone点云数据图模块树高提取一定程度上规避了这一缺点，可实现快速准确单木信息获取的目的。但还需对整个处理算法展开进一步的改进，以便实现自动快速的获取大范围区域内的林分结构参数提取。

3) 本研究提出的单木冠幅、树高以及CHM获取方法十分契合陕北地区人工林林分多为纯林，冠层交叉遮挡较少，且株行距较大等的特点，该方法可为当下陕北地区日趋自动化的林业调查工作提供一定的参考。