成都理工大学地球科学学院, 610059
摘要:树冠信息的提取对于研究树木的生物量信息、树木长势情况、林分蓄积量计算、建立各种模型有着重要意义。本研究以UAV无人机影像为遥感数据源,生产DSM、DOM,采用FX特征提取方法对影像信息进行提取。选择了15组样本数据进行冠幅信息的提取,通过数据可得自动提取的平均冠幅为3.005m,实测平均冠幅为3.234m,总体平均精度为85.6%。
关键词:UAV影像;林冠信息;面向对象
0、引言
传统林冠信息调查是通过人工测量获取所需要指标,其具有成本高、效率低、数据时效性滞后的缺点,难以满足现代林业发展需求。遥感恰恰弥补了这一遗憾,通过提取相关参数来看展科学研究。对于数据源来说,从MSS、TM数据到高分数据,空间分辨度逐步增强。但是相比于星载遥感,无人机遥感具有结构小巧、操作简单,控制性强等优点[1]。无人机平台搭载不同传感器,能够获取可见光、多光谱、高光谱、激光点云等多种类型的高精度数据,为森林资源调查和动态监测中工作提供了新的发展思路[2-5] ,全世界范围内所掀起的无人机应用新高潮[6]。
大兴安岭地区,位于北纬50°11'-53°33'、东经121°12'-127°00'。是中国纬度最高的边境地区紧邻内蒙古、黑龙江。地貌由中山、低山、丘陵和山间盆地构成。
本次研究的无人机数据来自大兴安岭2018年7月份的飞行试验获取的,相对航高300-600M地面分辨率8-12cm。导航仪为UP40,相机型号为SONY NEX-5N。
PixelGrid软件系统以航空摄影测量学与遥感科学技术理论为基础,进行对大范围遥感影像中由于实测数据及较难获取而得到较少或无控制点的区域网进行平差、影像自动匹配、高精度航空影像自动空三加密、生成高精度DOM、DSM。
使用ENVI的FX模块进行分割与合并。将PixelGrid软件中的DOM、DEM交互编辑窗口中的数据导出。在ENVI软件中执行分割数据操作,输入分割尺度参数与合并参数。
在追求最佳分割尺度时,目视判别在分割过程中起到了很大的作用。分割尺度Scale 从65到44之间可知:当分割尺度Scale<48时,树冠为碎斑点;当分割尺度Scale>58时,大片树冠连接在一起; 分割尺度为52且合并尺度为84.2时,相对效果较好,碎斑较少,线性特征较为清晰,以此作为最佳分割尺度。
分类结束以后,采用叠置分析将分类结果叠加到原始影像中。如果只有少量甚至极少量的错分漏分情况,尝试人为的将错分或者漏分的地类归属在相应地类之中。通过Kappa系数计算得出总体精度为76.1679%。目视解译将树冠信息从ArcGIS中获取。本次选择了15组数据进行冠幅信息的提取,采用通过 公式可得自动提取的平均冠幅为3.005,勾绘平均冠幅为3.234,总体平均精度为85.6%。
表1 自动提取与勾绘结果比较
编号 | 自动提取东西 | 南北 | 面积 | 自动提取冠幅 | 实测东西 | 南北 | 面积 | 实测平均冠幅 | 平均精度 |
1 | 2.885 | 3.828 | 8.97 | 3.380 | 3.176 | 3.66 | 10.336 | 3.628 | 0.868 |
2 | 2.67 | 2.63 | 7.779 | 3.147 | 2.717 | 2.672 | 8.757 | 3.339 | 0.881 |
3 | 2.954 | 2.212 | 7.042 | 2.995 | 2.485 | 2.797 | 6.931 | 2.971 | 0.869 |
4 | 2.38 | 2.902 | 7.979 | 3.188 | 3.102 | 3.001 | 8.735 | 3.335 | 0.913 |
5 | 3.359 | 2.973 | 11.044 | 3.750 | 3.797 | 3.542 | 12.048 | 3.917 | 0.917 |
6 | 2.039 | 2.73 | 7.998 | 3.191 | 2.466 | 2.637 | 8.411 | 3.273 | 0.951 |
7 | 2.302 | 3.108 | 7.322 | 3.054 | 2.765 | 3.711 | 8.609 | 3.311 | 0.851 |
8 | 2.51 | 1.681 | 4.403 | 2.368 | 2.998 | 2.197 | 5.032 | 2.531 | 0.875 |
9 | 2.671 | 2.54 | 7.718 | 3.135 | 2.624 | 2.724 | 7.813 | 3.154 | 0.982 |
10 | 2.921 | 3.6 | 10.292 | 3.620 | 4.209 | 3.325 | 13.925 | 4.211 | 0.739 |
11 | 2.506 | 2.069 | 4.774 | 2.466 | 2.654 | 2.414 | 6.927 | 2.970 | 0.689 |
12 | 2.111 | 2.656 | 6.611 | 2.902 | 2.705 | 2.726 | 8.521 | 3.294 | 0.776 |
13 | 3.61 | 1.331 | 5.23 | 2.581 | 4.379 | 1.302 | 6.075 | 2.781 | 0.861 |
14 | 1.959 | 1.846 | 3.801 | 2.200 | 2.193 | 2.581 | 5.371 | 2.615 | 0.708 |
15 | 2.671 | 2.596 | 7.517 | 3.094 | 3.137 | 2.46 | 7.904 | 3.173 | 0.951 |
平均 | | | | 3.005 | | | | 3.234 | 0.856 |
(1)碎斑较多,得到的图像面积较小,或者较大。出现这种情况是在自动提取中,有些高郁闭度林区,枝条相互交缠造成自动提取时,将其划为一棵树的冠幅信息,从而导致面积超出常规值;低郁闭度的树木,自动提取只是一个树梢点。
(2)在勾绘过程操作中会造成数据比真实值偏大或者偏小,但总体效果达到了预期指标,与实测数据大致吻合。
[1]张园,陶萍,梁世祥,等.无人机遥感在森林资源调查中的应用[J].西南林学院报,2011,31(3): 49-53.
[2] 孙中宇,陈燕乔,杨龙,等. 轻小型无人机低空遥感及其在生态学中的应用进展[J].应用生态学报,2017,28(2):528-536
[3]庞勇,赵峰,李增元,等. 机载激光雷达平均树高提取研究[J].遥感学报,2008,12(1): 152 - 158.
[4]李廷伟,梁甸农,朱炬波. 极化干涉SAR 森林高度反演综述[J].遥感信息,2009(3): 85 - 91.
[5]刘晓双,黄建文,鞠洪波. 高空间分辨率遥感的单木树冠自动提取方法与应用[J]. 浙江林学院学报,2010,27(1):126-133.
[6]金伟,葛宏立,杜华强,等.无人机遥感发展与应用概况[J].遥感信息, 2009 (1) :88-92.