1、第 46 卷 第 1 期2023 年 1 月测绘与空间地理信息GEOMATICS&SPATIAL INFORMATION TECHNOLOGYVol.46,No.1Jan.,2023收稿日期:2021-11-24基金项目:云南省基础研究计划项目(202001AT070057);云南省教育厅科学研究基金(2018JS148)资助作者简介:段 平(1984-),男,湖北监利人,副教授,博士,2015 年毕业于南京师范大学地图学与地理信息系统专业,主要从事滑坡灾害遥感监测与评估方面的教学研究工作。通信作者:李 佳(1984-),女,湖北公安人,副教授,博士,2014 年毕业于南京师范大学地图学与地理
2、信息系统专业,主要从事滑坡灾害遥感监测与评估方面的教学研究工作。基于无人机可见光影像的单木胸径估算方法段 平,王云川,晋秋梅,李 佳(云南师范大学 地理学部,云南 昆明 650500)摘要:胸径(Diameter at Breast Height,DBH)是指树木主干离地表面胸高处的直径,根据无人机可见光影像估算单木 DBH 对林业资产管理与评估具有重要意义。以云南师范大学呈贡校区内的银杏为研究对象,首先,获取其无人机可见光影像,基于摄影测量原理生成数字正射影像图;然后,在此基础上提取银杏单木的冠幅(Crown Width,CW);最后,建立 CW 与 DBH 的 4 个回归模型,通过该模型估
3、算得到 DBH 值。将实际测量的 DBH 值与估算值进行精度验证,最终一元二次函数模型 R2为0.75,均方根误差为0.012 9 m,平均误差率为3.22%,均小于其他 3 个模型,具有较高的精度。实验结果表明基于无人机可见光影像可以较为准确地估算单木 DBH。关键词:无人机;胸径;冠幅;正射影像中图分类号:P231 文献标识码:A 文章编号:1672-5867(2023)01-0014-04Single Wood DBH Estimation Method Based onUAV Visible Light ImagesDUAN Ping,WANG Yunchuan,JIN Qiumei,
4、LI Jia(Faculty of Geography,Yunnan Normal University,Yunnan 650500,China)Abstract:Diameter at Breast Height(DBH)is the diameter of the main trunk of a tree at breast height above the ground surface.It is of great significance to estimate DBH of a single tree based on the visible image of unmanned ae
5、rial vehicle(UAV)for forestry asset management and evaluation.Ginkgo biloba in Chenggong Campus of Yunnan Normal University was taken as the research object.Firstly,the visible light image of the UAV was acquired,and the digital orthophoto map was generated based on the principle of photo-grammetry;
6、Then,Crown Width(CW)of single ginkgo tree was extracted on this basis;Finally,four regression models of CW and DBH were established,and the DBH value was estimated through the model.The accuracy of the actually measured DBH value and the estimated value was verified,and the final one variable quadra
7、tic function model R2 was 0.75,the root mean square error was 0.0129 m,and the average error rate was 3.22%,which was smaller than the other three models and had high accuracy.The experi-mental results show that the DBH of a single wood can be estimated accurately based on the visible light image of
8、 UAV.Key words:unmanned aerial vehicle(UAV);diameter at breast height(DBH);crown width(CW);orthophotos0 引 言胸径(Diameter at Breast Height,DBH)是指树木胸高处的直径,定位为地面 1.3 m 以上高处。DBH 是林木资产评估中的重要参数,在生物量估算和农业森林资源储蓄使用量监测等多个方面都具有重要研究意义。目前,DBH 数据的获取主要有传统的人工测量、激光雷达(Light Detection and Ranging,LiDAR)技术和卫星遥感影像等方法。传统的林
9、木 DBH 测算主要是指通过人工野外调查,采用皮尺等工具进行实地测量,该方法工作量大且效率较低1-2;LiDAR 技术能够快速获取树木的三维点云信息,基于点云数据结合相关算法可以构建树冠表面、树干等模型,从而从模型中获取林木 DBH 等 参数3-4。但 LiDAR 技术设备成本高、处理要求高,在数据获取中容易受距离、反射率以及样地实际地理环境等因素的影响;基于卫星遥感影像的方法通过影像数据建立生物量或林木参数的反演模型,通过对比得到最优反演模型,然而卫星遥感影像容易受到云雾等天气的影响5-7。无人机航空遥感作为近年来一种从低空对地观测的技术,具有机动性强、速度快、成像分辨率及精度高等优点,为
10、DBH 估算提供了新方法8-10。因此,基于无人机可见光影像建立线性或非线性预估模型可实现单木参数反演或林区的生物量估算工作11-13。基于此,本文以云南师范大学呈贡校区内的人工银杏林为研究对象,首先采集它的无人机可见光影像,然后构建研究区的数字正射影像图(Digital Orthophoto Map,DOM),在此基础上提取冠幅(Crown Width,CW)因子,并以此为自变量,银杏 DBH 为因变量构建其回归模型,选择最佳拟合模型完成 DBH 估算。1 研究对象及数据1.1 研究区研究区位于云南省昆明市呈贡区云南师范大学西区三号门附近道路两侧,该区域共分布有 23 棵银杏树,其长势良好,
11、分布明显,地理位置约为东经 10250和北纬2451。图 1 中浅色圆点为研究区银杏及其编号,深色五角星为进行无人机可见光影像获取时所布设的控制点。图 1 研究区Fig.1 Study area1.2 数据采集无人机数据采集日期为 2020 年 8 月 20 日,当日天气晴朗,日照较弱,减小了树冠阴影的影响。区域视野开阔,干扰事物少,便于飞行。采用大疆精灵 4 pro 无人机,研究区域内布设 6 个地面控制点,采用 RTK 方式测量其地理坐标,并对样地中的银杏树进行编号。最终采集无人机正射影像 431 张,飞行的各项参数见表 1。表 1 无人机飞行参数表Tab.1 UAV flight par
12、ameters table飞行参数值像素2 000 万拍照模式等距间隔拍照航向重叠度85%旁向重叠度75%航高40 m 使用皮尺实地测量银杏树 1.3 m 处的树干直径作为实际 DBH,作为真实值,现场实测情况如图 2 所示。图 2 DBH 测量Fig.2 DBH measurement2 研究方法2.1 研究区 DOM 构建基于 1.2 节数据采集,可以通过无人机挂载可见光相机,在空中获取垂直视角下多张无人机银杏影像。尽管该影像能够客观记录银杏的垂直视角信息,但是由于一张张(单张)影像不能反映整个研究区的银杏信息;此外在相机拍摄过程中存在近大远小的效果,因此,需要进行一系列的影像处理。DOM
13、 是对无人机航摄影像进行正射校正,以消除航摄照片在拍摄过程中存在的几何畸变和投影差现象,并由多张经正射校正的像片镶嵌成一幅完整的具有正射投影的影像地图产品。DOM 同时兼具传统地图的几何精度和直观逼真的影像特征,还具有判读和量测性能好的特点。基于 Pix4D mapper 软件,构建 DOM 流程。首先对全部影像进行空中三角测量,将 POS 数据作为影像的外方位元素,作为光束法区域网平差初始值,并在无人机可见光影像上刺入像控点,解算出每张影像高精度的外方位元素以及地面坐标点。其中空中三角测量结果显示平均点位误差为 0.007 m,投影误差为 0.158 像素,满足精度要求;然后通过密集匹配构建
14、出银杏树的稠密点云。基于此进行数字地面模型(Digital terrain model,DTM)构建、数字微分纠正、镶嵌与裁剪等构建出研究区银杏的 DOM成果。2.2 CW 提取CW 指树冠外缘垂直投影最宽处的距离,可以用于衡量树木的生长情况,通常计算方法为东西向宽度和南北向宽度的平均值。由于 DOM 是记录了银杏的垂直视角信息,因此,可以基于 DOM 在 ArcGIS 软件中采用人工交互方式,获取银杏树东西 CW 和南北 CW,并统计两项 CW的平均值,则可计算出银杏的 CW 14,具体计算公式如式(1)所示。CW=CWEW+CWNS()/2(1)其中,CWE W表示东西 CW,CWNS南北
15、 CW,如图 3 所示为 CW 提取结果示意图。2.3 DBH 回归模型已有相关研究显示,在 CW、树冠面积、树高等常见DBH 估算参数中,CW 与 DBH 往往具有显著的相关关系15-18。因此,只要确定银杏的 CW 参数,就可以构建以51第 1 期段 平等:基于无人机可见光影像的单木胸径估算方法图 3 CW 提取结果示意图Fig.3 Schematic diagram of CW extraction resultsCW 为自变量,DBH 为因变量的一元回归模型。本文拟采用以下回归模型:指数函数模型、幂函数模型、一元一次函数模型、一元二次函数模型,表达式见表 2。表 2 回归模型表达式Ta
16、b.2 Regression model expressions回归模型表达式指数函数模型y=aebx幂函数模型y=axb一元一次函数模型y=ax+b一元二次函数模型y=ax2+bx+c3 实验结果3.1 估算模型根据上述回归模型,以 DOM 中提取的 17 棵有效银杏样本 CW 为自变量,试验地选中对应银杏样本实测 DBH为因变量,建立回归关系,拟合结果见表 3,拟合曲线如图4 所示。表 3 模型拟合表达式Tab.3 Model fitting expressions回归模型表达式指数函数模型DBH=0.262 2e0.031 52 CW幂函数模型DBH=0.213 5CW0.220 2一元一次函数模型DBH=0.010 29CW+0.255一元二次函数模型DBH=0.002 802CW2-0.030 34CW+0.399图 4 各模型 CW 与 DBH 拟合曲线Fig.4 Fitting curves of CW and DBH for each model3.2 精度验证将剩余的 6 棵银杏样本 CW 代入上述回归模型,估测出 DBH 值,并与实际测量的 DBH 值进行比较,结果
