一种基于无人机影像点云的人工林单木提取及立地质量评价的方法与流程

本发明属于森林资源管理
技术领域：
，具体涉及一种基于无人机影像点云的人工林单木提取及立地质量评价的方法。
背景技术：
：立地质量的评价是实现人工林科学、精准培育的重要的应用技术基础。对立地质量的评价为选择较优造林树种、制定适宜的人工林培育措施、预估木材产量提供了基础，同时，在森林经营时分类制定经营策略、根据森林经营效益预估育林投资做出估计也需要高效和精确的森林立地质量评价。传统的评价立地质量的方法往往需要大量的人工调查，很难及时、高效地测定森林信息，且在样本量上存在一定的局限性，而快速发展的遥感技术能够满足森林高效、科学培育的需求。运用无人机平台搭载传感器是一种近年来快速发展的高精度遥感技术，无人机平台搭载高分辨率相机组成的无人机摄影测量系统相比于机载数据和激光雷达数据在获取的成本上相对较低，可以在低海拔进行低速飞行，采集高分辨率的影像，从而收集森林的近地数据。同时使用无人机搭载相机的无人机摄影测量系统可以高效精准的获取丰富的林分与单木尺度的森林空间结构和类型信息，为实现林分的立地质量评价提供了有利的条件，从而为实现森林精准培育与管理提供了有效保障。近年来，人工林单木信息提取及立地质量评价的研究为：james等2017年在《forestscience》第63卷上发表“siteindexmodelsfortreespeciesinthenortheasternunitedstates”，该研究借助1999至2013年的样地调查数据，结合树高信息和年龄，编制了22个树种的立地指数表，用于评价整个森林的立地质量。杨传强等2018年在《林业资源管理》第二期上发表“山东省松类人工林立地指数表的编制与应用”，该研究采用标准地样地实测，人工获取单木数据，并运用相对优势高法，编制了山东省松类立地指数表，可用于山东省黑松、赤松人工林立地质量评价。然而，以上研究并未见全面深入比较不同树种的地位级指数。地位级指数表编制的数据来源包括固定标准地数据、临时标准地数据以及优势木数据，其中最好的数据来源为固定标准地多年连续观测数据，但传统的固定标准地数据存在采集工作量巨大，耗时费力的问题，实际工作中很难获取准确的数据；此外，基于固定标准地数据编制的地位级指数表具有典型性却缺少随机性。一般来说，胸径、树高、胸高断面积等冠层结构参数都可以作为评价立地质量的指标，但是由于树高受林分密度和间伐措施影响较小，且数据易于测量，所以实际工作中多采用树高编制地位级指数表进行立地质量的评价。以往的方法都是基于人工测量固定标准地的结果，主观性强不准确，且数据获取耗时耗力。技术实现要素：针对现有技术中存在获取单木信息及立地质量评价的方法具有获取数据耗时耗力、成本过高，并有很强的主观性、不利于大面积的推广使用的问题。为了解决以上技术问题，本发明提供了一种基于无人机影像点云的人工林单木提取及立地质量评价的方法。为解决上述技术问题，本发明采用的技术方案为：一种基于无人机影像点云的人工林单木提取及立地质量评价的方法，首先借助无人机搭载多光谱相机采集多光谱相片，应用运动结构重建(structurefrommotion，sfm)技术对带有坐标信息的无人机相片进行匹配生成摄影测量点云数据，对摄影测量点云数据进行处理获得归一化的点云数据；然后采用基于归一化的点云数据的距离判别分割方法(pointcloudsegmentation，pcs)对人工林进行单木提取并进行精度验证；最后，通过优势木平均高，并结合样地所在小班的基准年龄信息，编制地位级指数表，对人工林进行立地质量评价；这里的小班指的是树种和林龄差不多的一片森林。具体包括以下步骤：(1)借助无人机搭载高分辨率相机采集高分辨率影像数据，并进行数据预处理：通过sfm技术对带有坐标信息的无人机相片进行匹配生成摄影测量点云，对摄影测量点云数据进行处理获得归一化的点云数据；(3)单木冠幅提取：采用基于点云的距离判断分割方法对单木冠幅进行提取，该方法为使点云从高到底有序的进行分割，归一化过后的点云中每个点的高程值就代表该点距离地表面的高度，冠幅内的最高点将被认为是树顶点，由于树顶的间距大于树冠底部的间距，按照从高到底的顺序利用点云中的点与树顶的相对水平距离把一棵树的点云聚集到一起而区别于与其相邻的其它树的点云，从而完成单木提取；(4)地位指数表编制：先通过对地位级指数导向预选模型进行拟合，确定地位级指数导向曲线，再将树种基准年龄带入所述导向曲线，得到导向曲线上的优势树高值，以这个值为准，按地位级指数距展开，求得各级地位级指数曲线，从而编制地位级指数表，进行立地质量评价。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，所述人工林为水杉和杨树。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，在采集高分辨率影像时，选择在每个不同年龄的人工林正射影像条带内设置样地，对样地进行每木检尺，计算样地平均高，并在每块样地选择5株优势木，优势木树高的平均值作为优势木的平均高；所述样地为圆形样地，圆形样地的半径为15m。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，对影像点云数据进行处理获得归一化点云数据的过程为：获得摄影测量点云数据后，再通过地面控制点(gcp)，利用自动匹配技术为影像点云赋予空间坐标，然后将点云转换到实际的地理坐标系中，利用lidar数据对无人机影像点云进行二次坐标校正，得到校正好的无人机摄影测量点云；再结合校正好的无人机摄影测量点云，利用lidar数据的地面点，实现无人机摄影测量点云的归一化。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，基准年龄为树木在生长的过程中，在某一个年龄时树木的生长速度趋于平缓，且能够灵敏的反映立地质量差异，将这一个年龄作为本树种的基准年龄(a0)。生长速度快的树种其基准年龄较小，生长速度较慢的树种其基准年龄较大。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，归一化后的点云中每个点的高程值就代表该点距离地表面的高度，冠幅内的最高点将被认为是树顶点。所述基于无人机影像点云的人工林单木提取及立地质量评价的方法，地位指数级距是根据树种在基准年龄时树高绝对变动幅度(δh)与林场经营水平来确定，计算公式如下：c＝δh/k式中，c为地位指数级距，δh为基准年龄时树高绝对变动幅度，k为指数级个数，地位指数级距为1-4m，指数级个数为10个。所述的基于无人机影像点云的人工林单木提取及立地质量评价的方法，地位级指数导向曲线如下：ln(h)＝ln(a)+ba式中，a为林分平均林龄，a，b为模型系数。有益效果：与现有的技术相比，本发明的优点包括：(1)本发明采用无人机高分辨影像单木分割得到的人工林树高信息，并结合林场经营档案获取的林分年龄信息，根据树高与年龄的关系，采用标准差调整法编制高精度的地位级指数表；这一过程具有数据容易获取，且随机性和适用性较强的优点，并可以准确的反映人工林林分在各龄阶生长状况，以及优势木树高生长与林分生产力之间的关系。(2)本发明通过点云分割算法，从无人机航空摄影测量点云中准确分割出每木冠幅，从而获取单木信息。无人机数据获取成本低、迅速且分辨率高，同时点云数据具备三维结构信息，能够高精度进行单木信息获取。由于单木信息直接包含了编制地位级指数表的单木树高的精准信息，因此本发明增强所编制的地位级指数表的精度，更好地应用于立地质量评价。验证结果表明，通过本发明对林区主要树种(水杉和杨树)所编制的地位级指数表具有较好的精度，与其他编制地位级指数表的方法相比，其总体精度提升了5％以上，对于立地质量的评价有着极好的应用前景。(3)本发明可应用在森林资源监测、生态因子调查及生物多样性研究等领域，并可掌握森林树种资源分布及动态变化，对于森林的经营管理、生态环境保护及气候变化缓解方面具有重要意义。本发明不仅利于单一树种的立地质量评价，也易于进行方法移植，即在不同树种林分中也可以进行应用。附图说明图1为水杉林9个样地的单木分割结果示意图及分割精度图，图1a，1b，1c，1d，1e，1f，1g，1h，1i分别为水杉样地1-9影像点云单木分割效果示意图；图2为杨树林9个样地的单木分割结果示意图及分割精度图，图2a，2b，2c，2d，2e，2f，2g，2h，2i分别为杨树样地1-9影像点云单木分割效果示意图。具体实施方式为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合具体实施例对本发明的具体实施方式做详细的说明。实施例1研究区位于江苏省盐城市国营东台林场，年平均气温为14.6℃，相对湿度88.3％，年降雨量1050mm，无霜期220d。研究区林场地面高程约为11-14m，高程差异较小。研究区属于典型的亚热带季风气候区，占地面积约2239hm2，森林覆盖率达到85％，人工林主要树种为水杉(metasequoiaglyptostroboides)、杨树(populusdeltoids)等。从20世纪80年代起，国营东台林场开始进行大规模的林木种植，林场对中幼林进行抚育管理，期间加以一定程度的间伐去劣留优。借助无人机搭载多光谱相机采集多光谱相片。根据东台林场经营档案信息，选择在每个不同年龄的水杉和杨树正射影像条带内设置圆形样地(r＝15m)，对样地进行每木检尺，计算样地平均高，并在每块样地选择5株优势木，其树高的平均值作为优势木的平均树高。数据预处理时，首先通过sfm技术对带有坐标信息的无人机相片进行匹配生成航空摄影测量点云，再通过地面控制点(gcp)利用自动匹配技术为影像点云赋予空间坐标，再将点云转换到实际的地理坐标系中，另外获取水杉和杨树的lidar数据，并用于验证单木分割精度的lidar数据，并利用lidar数据对无人机影像点云进行二次坐标校正。然后结合校正好的无人机摄影测量点云，利用lidar数据的地面点，实现无人机摄影测量点云的归一化。单木冠幅提取，采用了基于点云的距离判断分割方法对单木的冠幅进行提取。利用树与树之间的相对水平距离对点云从高到低来进行单木的分割，归一化过后的点云中每个点的高程值就代表该点距离地表面的高度，冠幅内的最高点将被认为是树顶点。由于树顶的间距大于树冠底部的间距，按照从高到底的顺序利用点云中的点与树顶的相对水平距离把一棵树的点云聚集到一起而区别于与其相邻的其它树的点云。用这种方法最终完成单木冠幅的提取，如图1和图2。图1为水杉林影像点云单木分割结果示意图，其中图1a，1b，1c，1d，1e，1f，1g，1h，1i分别为9块水杉样地影像点云单木分割效果示意图，黑色圆圈代表拟合出的单木冠幅，中心点为单木分割所探测到的树顶，绿色三角形为lidar点云数据探测到的单木树顶；其中单木探测率r＝0.83～0.92，单木探测准确率p＝0.80～0.94，总体精度f＝0.82～0.93；9块水杉样地合计共探测出单木数量nt＝399，共漏分单木数量n0＝58，共过度分割单木数量nc＝56，单木探测率r＝0.87，单木探测准确率p＝0.88，总体精度f＝0.87。可以看出单木分割总体精度较好。图2为杨树林影像点云单木分割结果示意图，其中图2a，2b，2c，2d，2e，2f，2g，2h，2i分别为9块杨树样地影像点云单木分割效果示意图，黑色圆圈代表拟合出的单木冠幅，中心点为单木分割所探测到的树顶，绿色三角形为lidar点云数据探测到的单木树顶；其中单木探测率r＝0.73～0.83，单木探测准确率p＝0.70～0.91，总体精度f＝0.76～0.87；9块水杉样地合计共探测出单木数量nt＝336，共漏分单木数量n0＝88，共过度分割单木数量nc＝64，单木探测率r＝0.79，单木探测准确率p＝0.84，总体精度f＝0.81。可以看出杨树单木分割总体精度较好。并对单木冠幅提取进行精度验证，单木冠幅提取精度如表1所示。由表1可知，水杉单木冠幅提取的探测率、准确率和总体精度均高于杨树。表1单木冠幅提取精度汇总表探测率％准确率％总体精度％水杉87.088.087.0杨树79.084.081.0(4)编制地位级指数表：a.导向曲线方程：通过拟合出地位级指数导向曲线，算出各指数级上基准年龄的优势木平均高，可形成地位级指数曲线簇，其中有一条地位级指数曲线代表在中等立地条件下，林分优势树高随林龄变化的平均树高生长曲线；b.基准年龄和地位级指数距的确定：基准年龄一般为本树种树在生长的过程中，有某一个年龄树的生长速度趋于平缓，且能够灵敏的反映立地质量差异，将这个年龄作为本树种的基准年龄(a0)。先通过对地位级指数导向预选模型进行拟合，确定地位级指数导向曲线，再将树种基准年龄带入导向曲线，得到导向曲线上的优势树高值，以这个值为准，按地位级指数距展开，求得的各级地位级指数曲线。地位级指数导向曲线如下：ln(h)＝ln(a)+ba式中，a为林分平均林龄，a，b为模型系数。一般来说，生长速度快的树种其基准年龄较小，生长速度较慢的树种其基准年龄较大。地位指数级距一般根据树种在基准年龄时树高绝对变动幅度(δh)、与林场经营水平来确定。计算公式如下：c＝δh/k式中，c为地位指数级距，δh为基准年龄时树高绝对变动幅度，k为指数级个数，一般情况下地位指数级距为1-4m，指数级个数以在10个左右。本示例水杉、杨树的地位指数级距，c＝2m指数级为6、8、10、12、14、16、18、20、22、24。两个树种的地位级指数表见表2和表3。表2水杉的地位级指数表表3.杨树地位级指数表当前第1页12