基于地基激光雷達(dá)的采礦廢棄地生態(tài)修復(fù)的植被參數(shù)提取

田佳榕, 代婷婷, 徐雁南①, 吳燕輝, 李海東

(1.南京林業(yè)大學(xué)南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心, 江蘇 南京 210037; 2.環(huán)境保護(hù)部南京環(huán)境科學(xué)研究所, 江蘇 南京 210042; 3.湖北置幫房地資產(chǎn)評(píng)估咨詢有限公司, 湖北 武漢 430070)

推進(jìn)礦山環(huán)境治理與生態(tài)修復(fù)是我國(guó)實(shí)施山水林田湖草生態(tài)保護(hù)修復(fù)的重要內(nèi)容,同時(shí)也是實(shí)現(xiàn)“綠水青山就是金山銀山”發(fā)展理念和區(qū)域生態(tài)資產(chǎn)增值的有效途徑[1-2]。植被恢復(fù)是礦山生態(tài)修復(fù)的關(guān)鍵階段。植被作為反映生態(tài)完整性的重要指標(biāo)[3],具有水平結(jié)構(gòu)和垂直結(jié)構(gòu)特征,水平方向的結(jié)構(gòu)參數(shù)包括植被覆蓋度、冠幅、郁閉度(crown density)、間隙率(gap rate)和植被破壞面積,垂直方向的結(jié)構(gòu)參數(shù)包括樹高、胸徑、葉面積指數(shù)(leaf area index, LAI)等。

激光雷達(dá)(light detection and ranging,LiDAR)在垂直空間結(jié)構(gòu)方面的信息提取優(yōu)勢(shì)明顯,可以較為全面地與水平空間數(shù)據(jù)相結(jié)合,實(shí)現(xiàn)多角度的礦山生態(tài)環(huán)境監(jiān)測(cè),彌補(bǔ)傳統(tǒng)遙感在礦山生態(tài)環(huán)境監(jiān)測(cè)中的缺陷與不足[4-5]。LiDAR在植被垂直結(jié)構(gòu)參數(shù)反演方面具有更多優(yōu)勢(shì)[6-7],具有傳統(tǒng)遙感手段所不具備的主動(dòng)性強(qiáng)、掃描速度快、實(shí)時(shí)性強(qiáng)、精度高等特點(diǎn)[4]。LiDAR獲得的三維點(diǎn)云精度可達(dá)mm級(jí)[8],而地基激光雷達(dá)(Terrestrial LiDAR, T-LiDAR)可以獲取精細(xì)的森林垂直結(jié)構(gòu),尤其是林冠下層垂直結(jié)構(gòu)[9],在礦區(qū)高精度數(shù)字高程模型(DEM)和植被結(jié)構(gòu)參數(shù)的提取方面有著獨(dú)特優(yōu)勢(shì)[4]。

為此,針對(duì)礦山生態(tài)監(jiān)測(cè)與成效評(píng)估的需要,采用以空間代時(shí)間的方式,選擇裸露采礦廢棄地、半裸露采礦廢棄地和植被覆蓋較好的采礦廢棄地代表礦山生態(tài)修復(fù)的3個(gè)階段,運(yùn)用T-LiDAR進(jìn)行前期數(shù)據(jù)采集,再配合點(diǎn)云處理分析軟件來對(duì)各恢復(fù)階段的礦區(qū)植被結(jié)構(gòu)參數(shù)進(jìn)行提取,并對(duì)提取時(shí)DEM的分辨率、點(diǎn)云分割的像元大小提出要求,以期為礦山生態(tài)修復(fù)成效評(píng)價(jià)提供精準(zhǔn)的數(shù)據(jù)支撐。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于福建省漳州市臺(tái)商投資區(qū)的西山,以吳宅村和坂美村一線區(qū)域?yàn)楹诵?地理位置介于24°31′15″～24°34′37″ N,117°47′12″～117°50′23″ E之間,西山片區(qū)采礦廢棄地原先開采的礦山主要為建筑用花崗巖,少量為飾面用花崗巖,開采方式均為露天開采。該片區(qū)主要為露天采場(chǎng)、排土/巖場(chǎng)、工業(yè)場(chǎng)地、石料場(chǎng)、取土場(chǎng)、礦區(qū)道路等。由于分布較多碎石場(chǎng),露天篩分破碎機(jī)械產(chǎn)生大量粉塵,西山片區(qū)空氣質(zhì)量狀況較差。廢棄地內(nèi)巖石裸露程度高，碎石多，水土流失嚴(yán)重,自然生態(tài)系統(tǒng)基本被摧毀,局地僅存有少量自然植被與零星人工植被。

該片區(qū)共包括18個(gè)礦山,現(xiàn)已全部停采,該研究選取的3個(gè)不同生態(tài)修復(fù)階段的采礦廢棄地位于鐵路西側(cè)亞片區(qū),其現(xiàn)場(chǎng)情況如圖1。

圖1 不同生態(tài)修復(fù)階段的采礦廢棄地植被恢復(fù)現(xiàn)狀

1號(hào)為龍海市畚箕湖建筑用花崗巖礦區(qū),該廢棄地開采高程介于23～105 m,平均高程約64 m,開采規(guī)模較小,因停采時(shí)間長(zhǎng),其裸露邊坡和工業(yè)廢棄地均有喬灌木生長(zhǎng),優(yōu)勢(shì)樹種為相思樹(Acaciaconfusa)和桉樹(Eucalyptusrobusta)。

2號(hào)為龍海市課堂建筑用花崗巖礦區(qū),該廢棄地開采高程介于24～59 m,平均高程約41 m,露天開采,規(guī)模較大。因停采時(shí)間較長(zhǎng),植被恢復(fù)良好,優(yōu)勢(shì)樹種為相思樹和巨尾桉(Eucalyptusgrandis)。前2個(gè)礦區(qū)距離較近,周邊是省級(jí)生態(tài)公益林，林種為水土保持林,亟需進(jìn)行生態(tài)恢復(fù)。

3號(hào)為龍海市角美鎮(zhèn)石料場(chǎng),該廢棄地內(nèi)有水體,開采石壁呈半弧狀包圍水體,巖質(zhì)邊坡,邊坡垂直開采且覆有碎石,邊坡頂端有些許喬木與草本覆蓋,樹種多為巨尾桉與相思樹,該區(qū)域前仍有機(jī)械設(shè)備和石塊堆放,停采時(shí)間較短。

1.2 采礦廢棄地生態(tài)恢復(fù)階段劃分

植被恢復(fù)指植物經(jīng)過一定歷史發(fā)展時(shí)期,由一種類型恢復(fù)變成另外一種類型的過程[10]。根據(jù)植被覆蓋度的差異,以空間代時(shí)間的方法,將西山片區(qū)劃分為裸露采礦廢棄地、半裸露采礦廢棄地和植被覆蓋較好的采礦廢棄地3種生態(tài)恢復(fù)階段,標(biāo)準(zhǔn)如下:裸露采礦廢棄地,植被蓋度≤10%;半裸露采礦廢棄地,植被蓋度為>10%～<40%;植被覆蓋較好的采礦廢棄地,植被蓋度≥40%。西山片區(qū)采礦廢棄地基本情況見表1。

表1西山片區(qū)采礦廢棄地基本情況

Table1Thebasicsituationsofabandonedmineareainthestudyarea

編號(hào)名稱礦山類型植被覆蓋度/%階段類型 1龍海市畚箕湖建筑用花崗巖礦區(qū)建筑用花崗巖45植被覆蓋較好的采礦廢棄地 2龍海市課堂建筑用花崗巖礦區(qū)建筑用花崗巖27半裸露采礦廢棄地 3龍海市角美鎮(zhèn)石料場(chǎng)建筑用花崗巖8裸露采礦廢棄地

1.3 研究方法

1.3.1樣地掃描

采用地基雷達(dá)RIEGL VZ-400i進(jìn)行上述3個(gè)采礦廢棄地的樣地掃描。該款地基雷達(dá)主要特點(diǎn)為120萬點(diǎn)·s-1的超高激光發(fā)射頻率和50萬點(diǎn)·s-1的超高數(shù)據(jù)采集速度,極大地縮短了野外掃描時(shí)間,測(cè)量精度優(yōu)于5 mm且測(cè)距高達(dá)800 m。

2017年8月,在1號(hào)礦區(qū)共采集9站數(shù)據(jù),掃描面積約為51 198.22 m2;在2號(hào)礦區(qū)共采集6站數(shù)據(jù),掃描面積約為35 842.09 m2;在3號(hào)礦區(qū)共采集4站數(shù)據(jù),掃描面積約為41 628.45 m2。每站數(shù)據(jù)采集時(shí)間只需75 s,操作簡(jiǎn)單便捷。

所測(cè)數(shù)據(jù)經(jīng)系統(tǒng)自動(dòng)拼接校準(zhǔn)后通過配套軟件RiSCAN-PRO導(dǎo)出Las文件,首先通過中海達(dá)研發(fā)的點(diǎn)云數(shù)據(jù)處理軟件HD-3LS-SCENE去噪,需要?jiǎng)h去與觀測(cè)區(qū)范圍無關(guān)和混淆的點(diǎn)，然后進(jìn)行地面點(diǎn)自動(dòng)分離。這種方法得到的地面點(diǎn)誤差仍然較大,需要對(duì)其進(jìn)行二次手動(dòng)分離。分離標(biāo)準(zhǔn)為分離的點(diǎn)云經(jīng)過柵格運(yùn)算投影后得到的三維地形圖相對(duì)平滑。該研究具體通過投影最低值的方式將點(diǎn)云投影到xoy平面,依次得到1、2、5、8、10、20、30、40和50 cm共9種分辨率的DEM數(shù)據(jù)。通過將不同分辨率DEM數(shù)據(jù)加載入LiDAR 360軟件中,同時(shí)導(dǎo)入所需要的對(duì)應(yīng)礦區(qū)的點(diǎn)云Las數(shù)據(jù),對(duì)點(diǎn)云數(shù)據(jù)到地面的距離進(jìn)行歸一化處理,用以評(píng)判地面點(diǎn)和植被點(diǎn)。接著將歸一化后的點(diǎn)云數(shù)據(jù)按以下2種方法提取葉面積指數(shù)、郁閉度和間隙度。2種方法提取的植被參數(shù)均為平均值。

方法A:采用9種不同分辨率的DEM,設(shè)置相同的點(diǎn)云分割像元大小〔即運(yùn)算過程中設(shè)定的水平方向柵格參數(shù)x(pixel)*y(pixel)〕,提取葉面積指數(shù)、郁閉度和間隙率3種植被參數(shù)值,設(shè)置不同的DEM分辨率是為了確定提取植被參數(shù)時(shí)的最適分辨率。

方法B:將3個(gè)礦區(qū)的點(diǎn)云數(shù)據(jù)隨機(jī)進(jìn)行50 m×50 m的樣地切割。刪減掉點(diǎn)云數(shù)據(jù)量少、點(diǎn)云覆蓋度低的樣地,然后各隨機(jī)選擇1塊研究樣地,采用方法A中最為合適的DEM分辨率,并設(shè)置不同的點(diǎn)云分割像元大小,提取葉面積指數(shù)、郁閉度和間隙率3種植被參數(shù)值,旨在確定提取植被參數(shù)的最優(yōu)點(diǎn)云分割像元大小,在后期數(shù)據(jù)收集時(shí)節(jié)約運(yùn)算時(shí)間。

1.3.2植被參數(shù)提取

選取葉面積指數(shù)、間隙率和郁閉度3個(gè)植被結(jié)構(gòu)參數(shù),其中,反映植被覆蓋的間隙率和郁閉度是直觀評(píng)價(jià)礦區(qū)植被狀況的重要參數(shù),而葉面積指數(shù)是表示植被利用光能狀況和冠層結(jié)構(gòu)的綜合指標(biāo)[11],直接反映植物群體生長(zhǎng)狀況,是評(píng)判礦區(qū)植被恢復(fù)情況的重要指標(biāo)[12]。

葉面積指數(shù)(LAI,ILA)指單位地表面積上綠葉表面積總和的一半,由歸一化處理的點(diǎn)云數(shù)據(jù)中的植被點(diǎn)計(jì)算得到。葉面積指數(shù)的計(jì)算公式[13]為

ILA=-1×cosa×lng/k。

(1)

式(1)中,a為平均掃描角(ang);g為間隙率(GF),是由高度閾值判定為地面點(diǎn)的點(diǎn)云數(shù)n和總點(diǎn)云數(shù)N的比值;k為消光系數(shù)。

郁閉度是植被冠層的垂直投影占地比例。利用柵格來計(jì)算郁閉度,輸出范圍為0～1,取值0表示沒有林冠層覆蓋或完全裸露分布,1表示全植被覆蓋分布。具體計(jì)算過程如下:首先在x和y方向根據(jù)一定的距離將點(diǎn)云空間劃分為不同網(wǎng)格;用高度閾值來區(qū)分地面點(diǎn)和樹木點(diǎn),而只有高度大于高度閾值的點(diǎn)才會(huì)被判定為樹木點(diǎn),并參與計(jì)算。

2 結(jié)果與分析

2.1 DEM分辨率變化對(duì)植被結(jié)構(gòu)參數(shù)提取的影響

不同生態(tài)修復(fù)階段采礦廢棄地的葉面積指數(shù)、間隙率和郁閉度等參數(shù)隨DEM分辨率的變化特征見圖2。由圖2可見,在植被覆蓋較好的采礦廢棄地,隨著DEM分辨率自1增加至50 cm,DEM的精度逐漸降低(分辨率數(shù)值越小代表精度越高,分辨率數(shù)值越大代表精度越低),葉面積指數(shù)從3.457逐漸下降至0.342,間隙率由17.4%增加至67.3%,郁閉度與間隙率呈負(fù)相關(guān),由82.6%下降至32.7%。3個(gè)植被參數(shù)均在分辨率10 cm處出現(xiàn)拐點(diǎn),分辨率大于10 cm時(shí),葉面積指數(shù)、間隙率和郁閉度基本保持不變,其值分別為3.457、17.4%和82.6%;分辨率小于10 cm時(shí),隨分辨率增大，葉面積指數(shù)和間隙率逐漸減小,郁閉度逐漸增大?？梢娞崛≈脖桓采w較好的采礦廢棄地植被參數(shù)的適宜分辨率為10 cm。

圖2 不同生態(tài)修復(fù)階段采礦廢棄地的植被參數(shù)隨DEM分辨率的變化

在半裸露采礦廢棄地,隨著DEM分辨率自1增加至50 cm,葉面積指數(shù)從3.024逐漸下降至0.445,間隙率由22.1%增加至80.1%,郁閉度由77.9%下降至19.9%。3種植被參數(shù)均在分辨率20 cm處出現(xiàn)拐點(diǎn),分辨率大于20 cm時(shí),葉面積指數(shù)、間隙率和郁閉度基本保持不變,其值分別為3.024、22.1%和77.9%;分辨率小于20 cm時(shí),隨分辨率增大，葉面積指數(shù)和間隙率逐漸減小,郁閉度逐漸增大。可見提取半裸露采礦廢棄地的植被參數(shù)的適宜分辨率為20 cm。

裸露采礦廢棄地與前2個(gè)生態(tài)修復(fù)階段不同,隨著DEM分辨率自1增加至50 cm,葉面積指數(shù)、間隙率和郁閉度沒有發(fā)生變化,葉面積指數(shù)為1.119,郁閉度為42.9%,間隙率為57.1%。為了減少數(shù)據(jù)量、增加運(yùn)算效率,提取裸露采礦廢棄地的植被參數(shù)的適宜分辨率為50 cm。

由此可見,隨著采礦廢棄地植被覆蓋狀況減小、裸露程度增加,提取植被參數(shù)的適宜分辨率也在不斷增大,這表明采礦廢棄地植被覆蓋度越大,對(duì)DEM分辨率的精度要求越高。

2.2 點(diǎn)云像元大小對(duì)植被結(jié)構(gòu)參數(shù)提取的影響

采礦廢棄地的葉面積指數(shù)、間隙率和郁閉度在不同生態(tài)修復(fù)階段隨點(diǎn)云像元大小的變化特征見圖3。由圖3可見,隨著點(diǎn)云像元大小自10 cm增大至2 m,植被覆蓋較好、半裸露、裸露等階段采礦廢棄地的葉面積指數(shù)均逐漸增大,分別為0.816～4.359、1.009～4.464、0.419～1.272。其中,植被覆蓋較好的采礦廢棄地和半裸露的采礦廢棄地的葉面積指數(shù)變化曲線基本一致,線性變化率分別為0.164和0.158(R2分別為0.969和0.944)。裸露采礦廢棄地由于植被覆蓋度低,葉面積指數(shù)變化范圍及其隨點(diǎn)云像元增大的變化率(0.034)均明顯低于植被覆蓋較好、半裸露的采礦廢棄地。

不同生態(tài)修復(fù)階段的采礦廢棄地的間隙率均隨著點(diǎn)云像元增大(10 cm至2 m)而減小,分別為11.3%～66.5%、10.7%～60.4%、52.9%～81.1%。其中,植被覆蓋較好的采礦廢棄地和半裸露的采礦廢棄地間隙率變化曲線基本一致,線性變化率分別為2.12和1.978(R2分別為0.771和0.835)。裸露的采礦廢棄地由于裸露程度高,間隙率明顯高于植被覆蓋較好和半裸露的采礦廢棄地,同時(shí),隨著點(diǎn)云像元增大的變化率(1.073)也明顯較低。

不同生態(tài)修復(fù)階段的采礦廢棄地的郁閉度均隨著點(diǎn)云像元的增大(10 cm至2 m)而增大,分別為33.5%～88.7%、39.6%～89.3%、18.9%～47.1%。其中,植被覆蓋較好的采礦廢棄地和半裸露的采礦廢棄地的郁閉度變化曲線基本一致,線性變化率分別為2.109和1.978(R2分別為0.768和0.835)。裸露的采礦廢棄地由于裸露程度高,郁閉度明顯低于植被覆蓋較好和半裸露的采礦廢棄地,同時(shí)其線性變化率(0.773)也明顯較低。

圖3 不同生態(tài)修復(fù)階段采礦廢棄地的植被參數(shù)隨像元大小的變化特征

綜上分析,隨著采礦廢棄地點(diǎn)云像元的增大,不同生態(tài)修復(fù)階段的葉面積指數(shù)、郁閉度均呈不斷增大趨勢(shì),間隙率則呈不斷減小趨勢(shì),總體而言,植被覆蓋較好的采礦廢棄地和半裸露的采礦廢棄地各植被參數(shù)的變化趨勢(shì)基本一致,且明顯高于裸露的采礦廢棄地。

3 結(jié)論與討論

利用T-LiDAR對(duì)漳州臺(tái)商投資區(qū)不同生態(tài)修復(fù)階段的采礦廢棄地的植被參數(shù)進(jìn)行了數(shù)據(jù)實(shí)測(cè),以空間代替時(shí)間的方式,分析了DEM分辨率和點(diǎn)云像元大小對(duì)于植被參數(shù)提取的影響。結(jié)果表明,采礦廢棄地的植被覆蓋越大,對(duì)DEM分辨率的精度要求越高。隨著采礦廢棄地裸露程度增加,提取植被參數(shù)的適宜分辨率也在不斷增大,分別為10、20和50 cm。地基激光雷達(dá)點(diǎn)云計(jì)算與像元大小密切相關(guān)?？傮w看來,隨著采礦廢棄地點(diǎn)云像元的增大,不同生態(tài)修復(fù)階段的葉面積指數(shù)、郁閉度均呈不斷增大趨勢(shì),間隙率則呈不斷減小趨勢(shì)。但植被覆蓋采礦廢棄地的葉面積指數(shù)、間隙率、郁閉度變化趨勢(shì)基本一致,而裸露的采礦廢棄地3種植被結(jié)構(gòu)參數(shù)的變化率明顯低于前2個(gè)階段,這表明隨著點(diǎn)云像元變小,植被結(jié)構(gòu)參數(shù)值越來越接近于真實(shí)值。

考慮到采礦廢棄地植被恢復(fù)成效評(píng)估的可操作性,該研究?jī)H選取垂直方向上的葉面積指數(shù)和水平方向上的間隙率、郁閉度,并基于DEM分辨率和點(diǎn)云像元大小分析了植被結(jié)構(gòu)參數(shù)的變化趨勢(shì),最終得到較為適宜的植被參數(shù)。然而,由于礦山植被恢復(fù)成效評(píng)估的指標(biāo)很多,還包括采礦廢棄地的地形參數(shù),特別是復(fù)雜地質(zhì)環(huán)境下的高程、坡度和坡向等,由于地形因子和植被生長(zhǎng)狀況密切相關(guān),而筆者所開展的植被參數(shù)提取均為平均值提取,雖然分為裸露、半裸露和植被覆蓋較好的采礦廢棄地3個(gè)生態(tài)修復(fù)階段,但沒有結(jié)合不同修復(fù)階段的地形因子變化,沒有考慮不同地形下的植被恢復(fù)狀況,因此,之后需要在建立包括地形因子的礦山植被恢復(fù)成效評(píng)估指標(biāo)體系的基礎(chǔ)上,充分利用T-LiDAR的數(shù)據(jù)優(yōu)勢(shì),深入開展三維點(diǎn)云數(shù)據(jù)在采礦廢棄地的地形與植被參數(shù)提取中的應(yīng)用研究。

致謝: 感謝高媛赟、呂國(guó)屏和閆瑞強(qiáng)在野外調(diào)查與數(shù)據(jù)獲取中提供幫助。