基于三維激光掃描技術(shù)提取農(nóng)業(yè)信息的應(yīng)用綜述

王歡歡

摘 要：三維激光掃描技術(shù)是測(cè)繪和遙感領(lǐng)域的前沿技術(shù)，其具有高精度、高速度、實(shí)時(shí)性和主動(dòng)性強(qiáng)、全數(shù)字化以及任意物體均可進(jìn)行掃描的特點(diǎn)。該技術(shù)是一種高效率、高精度的地理空間數(shù)據(jù)采集方式，針對(duì)掃描得到的點(diǎn)云數(shù)據(jù)進(jìn)行后處理分析可以提取研究目標(biāo)的空間結(jié)構(gòu)信息和空間分布信息。該技術(shù)已經(jīng)應(yīng)用于城市建模、林業(yè)、文物保護(hù)、水利水電等方面，但該技術(shù)的農(nóng)業(yè)應(yīng)用研究極少。目前，農(nóng)業(yè)和遙感領(lǐng)域?qū)＜乙堰M(jìn)行農(nóng)作物三維建模，作物生長(zhǎng)周期分析和比對(duì)以及農(nóng)田場(chǎng)景三維可視化等方面的嘗試，作物估產(chǎn)研究還未完全成熟。本文主要介紹國(guó)內(nèi)外學(xué)者對(duì)于小麥和甜菜等作物的生長(zhǎng)高度監(jiān)測(cè)、建立Crop Surface Models （CSM） 和 Crop VolumeModels （CVM）、表面粗糙度計(jì)算和生物量估算模型等研究。結(jié)果表明激光掃描技術(shù)在低矮自然植被監(jiān)測(cè)和應(yīng)用上有較大潛力。激光掃描技術(shù)在“精細(xì)農(nóng)業(yè)”領(lǐng)域的應(yīng)用可推動(dòng)作物培育與生長(zhǎng)檢測(cè)，有助于提高農(nóng)業(yè)的產(chǎn)業(yè)效率。

關(guān)鍵詞：三維激光掃描技術(shù);CVM;CSM;生長(zhǎng)高度;生物量

中圖分類(lèi)號(hào)：S-1 ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.19754/j.nyyjs.20201030018

引言

三維激光掃描技術(shù)作為20世紀(jì)90年代中期出現(xiàn)的一項(xiàng)新興測(cè)繪技術(shù)，在國(guó)民經(jīng)濟(jì)各領(lǐng)域都已經(jīng)發(fā)展應(yīng)用，充分利用其大面積，高效率，高分辨率，高精度，連續(xù)、自動(dòng)、快速獲取被測(cè)對(duì)象表面的優(yōu)勢(shì)。通過(guò)采用激光測(cè)距的方式快速提取三維目標(biāo)的形態(tài)結(jié)構(gòu)并能與目標(biāo)內(nèi)在參數(shù)具備某種相關(guān)性進(jìn)行分析預(yù)測(cè)。三維點(diǎn)云可以進(jìn)行各種不同的應(yīng)用，例如建筑物和城市的三維重建，建立文物模型，工程變形監(jiān)測(cè)，地質(zhì)災(zāi)害探測(cè)等。

當(dāng)前，國(guó)內(nèi)外很少有研究該技術(shù)的農(nóng)業(yè)應(yīng)用?；谶b感圖像應(yīng)用于農(nóng)業(yè)和精細(xì)作物管理已有一些研究，航空相機(jī)和遙感衛(wèi)星的多光譜掃描儀已證明是區(qū)域和全球范圍的作物管理的有力工具。隨著合成孔徑雷達(dá)工具的發(fā)展，已經(jīng)進(jìn)行SAR應(yīng)用于農(nóng)業(yè)研究。機(jī)載激光雷達(dá)已經(jīng)廣泛應(yīng)用于地形表面建模和測(cè)量森林參數(shù)如樹(shù)干材積和樹(shù)高。但是由于機(jī)載激光雷達(dá)的高成本和低精確度，其并不適用于農(nóng)業(yè)應(yīng)用。

在國(guó)內(nèi)，2007年浙江大學(xué)作物科學(xué)研究所利用激光掃描儀在不同的生長(zhǎng)階段對(duì)油菜植株進(jìn)行激光雷達(dá)測(cè)量，基于獲取的點(diǎn)云圖形提取關(guān)鍵的生長(zhǎng)信息，并研究出油菜的生長(zhǎng)規(guī)律。2012年郭焱等利用FastSCANTM三維激光掃描系統(tǒng)測(cè)定田間生長(zhǎng)煙株的葉片，通過(guò)采集得到的數(shù)據(jù)進(jìn)行煙株形態(tài)結(jié)構(gòu)表征，建立了研究分布模擬煙株冠層空間輻射和定量化評(píng)估煙草理想株的基礎(chǔ)。在國(guó)外，2008年，Ehlert等人表明TLS測(cè)量參數(shù)如植株高度，植株密度和干重量可以用于作物管理。

本文主要對(duì)國(guó)內(nèi)外地基激光雷達(dá)掃描應(yīng)用于精細(xì)農(nóng)業(yè)管理的研究進(jìn)行概述。2006年Lumme等通過(guò)實(shí)驗(yàn)驗(yàn)證了可以利用激光掃描得到農(nóng)作物參數(shù)如生長(zhǎng)高度和探測(cè)谷物麥穗[1]。2008年德國(guó)科隆大學(xué)Dirk Hoffmeister提出基于地基激光雷達(dá)建立Crop Surface Models （CSM）和Crop VolumeModels （CVM）[2]。結(jié)合德國(guó)科隆大學(xué)2009年的第2次進(jìn)行冬麥實(shí)驗(yàn)，檢測(cè)2008-2009作物生長(zhǎng)空間變異，并比較。德國(guó)科隆大學(xué)為了提高方法性能，在2010年又在德國(guó)另一片試驗(yàn)田展開(kāi)實(shí)驗(yàn)。德國(guó)科隆大學(xué)與中國(guó)農(nóng)業(yè)大學(xué)用多回波技術(shù)掃描儀RIEGL VZ1000進(jìn)行了一項(xiàng)很有創(chuàng)舉的科學(xué)實(shí)驗(yàn)，皆在提供科學(xué)化水稻種植方面的遙感新技術(shù)支持[3，4]。

1 研究方法

1.1 三維激光掃描儀

采集相應(yīng)小塊田的激光點(diǎn)云，需要在實(shí)驗(yàn)田的不同位置設(shè)置測(cè)站并將掃描儀放在一定高度的架子，拖拉機(jī)的液壓平臺(tái)上或其它平臺(tái)上使得激光掃描儀的掃描測(cè)量范圍足以覆蓋研究區(qū)域。當(dāng)前國(guó)內(nèi)外對(duì)野外農(nóng)作物掃描實(shí)驗(yàn)所用的激光掃描儀主要有3種，分別為Faro laser scanner、Riegl LMS-Z420i 、Riegl VZ-1000等型號(hào)。它們的工作原理基本相同，只是具有的精確度和掃描范圍等參數(shù)不同。具體的掃描儀搭建方式各自在不同的移動(dòng)車(chē)上。

1.2 點(diǎn)云數(shù)據(jù)預(yù)處理

激光雷達(dá)掃描儀采集得到的激光點(diǎn)云數(shù)據(jù)在進(jìn)行分析處理前必須先進(jìn)行預(yù)處理，來(lái)減少掃描測(cè)量誤差和分析錯(cuò)誤。不同的激光雷達(dá)掃描儀通常有自帶的點(diǎn)云處理軟件，可以直接利用這些軟件進(jìn)行相應(yīng)的預(yù)處理操作。雖然處理的方法和精確程度可能不同，但處理流程基本一致。預(yù)處理過(guò)程通常包括：點(diǎn)云配準(zhǔn)和校正（如迭代最近點(diǎn)）;提取感興趣區(qū)AOI;合并、噪聲過(guò)濾、去除噪音點(diǎn)和難以分辨為地面或作物的點(diǎn);點(diǎn)云渲染顏色。

1.3 生長(zhǎng)高度測(cè)量與麥穗檢測(cè)算法

2006年芬蘭學(xué)者通過(guò)野外實(shí)驗(yàn)驗(yàn)證了可以利用激光掃描進(jìn)行谷物麥穗的探測(cè)，他們將點(diǎn)云數(shù)據(jù)劃分為更小的網(wǎng)格單元，從每個(gè)單元提取生長(zhǎng)高度并測(cè)得的生長(zhǎng)高度和作物產(chǎn)量具有強(qiáng)相關(guān)性[1]。麥穗檢測(cè)算法基于將點(diǎn)云轉(zhuǎn)化為每個(gè)體素有足夠的標(biāo)記激光點(diǎn)的體素模型，幾個(gè)在垂直方向并排的幾個(gè)標(biāo)記的體素與麥穗相關(guān)。使用麥穗檢測(cè)算法可以通過(guò)激光掃描數(shù)據(jù)自動(dòng)識(shí)別麥穗和估算麥穗的尺寸大小。

計(jì)算麥穗大小也與小麥產(chǎn)量有一定關(guān)系，但很難找到算法參數(shù)用于表達(dá)該相關(guān)性，并且算法只能提供相對(duì)的產(chǎn)量結(jié)果而不是絕對(duì)的產(chǎn)量結(jié)果。重疊的麥穗體素含有不同數(shù)量的激光點(diǎn)和他們對(duì)麥穗提供更多的信息?；诖丝梢詮柠溗氲捏w素提取更多詳細(xì)特征，但目前還沒(méi)有詳細(xì)的參考數(shù)據(jù)去驗(yàn)證。

1.4 Crop Surface Models （CSM） 和 Crop VolumeModels （CVM） ?2008年德國(guó)科隆大學(xué)Dirk Hoffmeister等采用Riegl LMS-Z420i掃描儀在德國(guó)西部研究甜菜作物生長(zhǎng)，并提出基于地基激光雷達(dá)建立Crop Surface Models （CSM） 和 Crop VolumeModels （CVM） 來(lái)得到農(nóng)作物生長(zhǎng)高度值和分布情況。在生長(zhǎng)周期進(jìn)行3次測(cè)量， CSMs通過(guò)每次采集得到的激光點(diǎn)云數(shù)據(jù)進(jìn)行三角剖分再得到柵格數(shù)據(jù)，所有不同時(shí)期的CSM互相比較得到作物生長(zhǎng)高度差，對(duì)于CVM計(jì)算，估算由三角剖分后的三維表面和地表面的體積，2個(gè)體積差為作物體積。

1.5 表面粗糙度

表面粗糙度是1個(gè)非量綱參數(shù)，一定測(cè)量長(zhǎng)度的粗糙度體現(xiàn)了對(duì)于1個(gè)理想表面的高度變量的度量。它表示地球表面粗糙程度并具有長(zhǎng)度量綱的特征參數(shù)。地面粗糙度是1種對(duì)表面動(dòng)量交換的參數(shù)化方式，通常表示地表的粗糙程度。表面粗糙度的參數(shù)之一根均方高度為常用的特征值，一般通過(guò)ArcGIS和數(shù)據(jù)表處理計(jì)算表面粗糙度。土壤表面粗糙度對(duì)于侵蝕作用的研究和基于SAR圖像進(jìn)行土壤濕度估算有重大意義。

1.6 作物生長(zhǎng)空間變異

針對(duì)同一塊試驗(yàn)田進(jìn)行多時(shí)相分析，依據(jù)采集得到的點(diǎn)云數(shù)據(jù)，按照插值和柵格運(yùn)算的方法建立Crop Surface Models （CSM） 和 Crop VolumeModels （CVM）。同一試驗(yàn)田比較某一年份不同月份之間不同植物生長(zhǎng)高度CSM的生長(zhǎng)空間分布變化和不同年份，同一月份差的植物生長(zhǎng)高度的空間分布變異。在德國(guó)西部大概距離科隆的西部40km的實(shí)驗(yàn)區(qū)，德國(guó)科隆大學(xué)Dirk Hoffmeister等人結(jié)合2008年和2009年的2次實(shí)驗(yàn)，檢測(cè)和比較2008-2009作物生長(zhǎng)空間變異。

1.7 生物量回歸模型

德國(guó)科隆大學(xué)與中國(guó)農(nóng)業(yè)大學(xué)用多回波技術(shù)掃描儀RIEGL VZ1000，通過(guò)分析所獲得的包含X、Y、Z的點(diǎn)信息，R、G、B顏色信息等與農(nóng)學(xué)參數(shù)，如株高、生物量等的關(guān)系，建立模型，以期可以通過(guò)掃描來(lái)估測(cè)水稻生長(zhǎng)狀況。相比較于使用較多的近地面?zhèn)鞲衅鱃reenSeeker等，其能快速獲取所需信息，并且多回波技術(shù)甚至比以往獲取更多水稻下部分的數(shù)據(jù)。通過(guò)插值和柵格計(jì)算建立CSM得到株高，依據(jù)計(jì)算干重（莖和葉）得到干生物量，再建立生物量回歸模型，實(shí)現(xiàn)用點(diǎn)云估算的株高最終預(yù)測(cè)模擬試驗(yàn)田生物量。

2 研究結(jié)果

2006年芬蘭Lumme學(xué)者通過(guò)野外實(shí)驗(yàn)掃描采集得到的激光點(diǎn)云和渲染后的彩色植被點(diǎn)云，能夠清楚的表征實(shí)驗(yàn)區(qū)域的小片大麥植物的三維結(jié)構(gòu)形態(tài)和空間分布情況。在試驗(yàn)田，使用白色塑料磁盤(pán)和視距儀在6個(gè)不同的掃描時(shí)期的定位位置測(cè)量，卷尺測(cè)量小麥植株高度，用于實(shí)驗(yàn)精確度檢驗(yàn)，3種不同物種作物的激光點(diǎn)云估算株高最值和卷尺測(cè)量株高最值的相關(guān)關(guān)系，可以驗(yàn)證點(diǎn)云測(cè)得的植物生長(zhǎng)高度具有較高可靠性，此外可以發(fā)現(xiàn)估算得到的植株生長(zhǎng)高度和作物產(chǎn)量具有較強(qiáng)的相關(guān)性。

2008年德國(guó)Dirk Hoffmeister學(xué)者在德國(guó)西部實(shí)驗(yàn)區(qū)進(jìn)行實(shí)驗(yàn)得到甜菜的點(diǎn)云數(shù)據(jù)。對(duì)某塊實(shí)驗(yàn)區(qū)的植被三角形格網(wǎng)化的結(jié)果。通過(guò)柵格插值和計(jì)算得到的2008年5月的裸土DTM和不同月份之間的生長(zhǎng)高度變化的CSM。其中5月14日裸露的地面的絕對(duì)高度的DTM、5月與6月的生長(zhǎng)高度CSM、5月與7月的生長(zhǎng)高度CSM和6月與7月的生長(zhǎng)高度CSM。結(jié)果表面總體增長(zhǎng)速率大概為60cm，符合實(shí)際，對(duì)應(yīng)一個(gè)夏天月增長(zhǎng)速率大概為20～30cm，實(shí)驗(yàn)田的部分區(qū)域增長(zhǎng)速率更低，一些區(qū)域幾乎沒(méi)有增長(zhǎng)。CVMs 作物體積平均值為0.18m3·m-2。

2009年再次在該實(shí)驗(yàn)田進(jìn)行對(duì)冬麥作物建立生長(zhǎng)模型CSM。這2a的可量化的變化是不同的。結(jié)果表明在2008年甜菜生長(zhǎng)比2009年大麥作物生長(zhǎng)的差異更大。

3 研究展望

三維激光掃描技術(shù)的不足之處在于海量數(shù)據(jù)存儲(chǔ)和光譜信息不足。探測(cè)陸地植被變化時(shí)掃描獲取的點(diǎn)云數(shù)據(jù)數(shù)據(jù)量非常大，通常會(huì)有幾百萬(wàn)個(gè)點(diǎn)構(gòu)成小片實(shí)驗(yàn)田的點(diǎn)云，數(shù)據(jù)量過(guò)大會(huì)導(dǎo)致計(jì)算效率降低。點(diǎn)云數(shù)據(jù)是植被表面的三維形態(tài)的表征，不具備光譜信息，可以用點(diǎn)云數(shù)據(jù)提取三維結(jié)構(gòu)信息如株高等。點(diǎn)云數(shù)據(jù)本身就能體現(xiàn)三維空間分布狀況，對(duì)于信息的空間表達(dá)有一點(diǎn)優(yōu)勢(shì)。但如果想根據(jù)提取的結(jié)構(gòu)參數(shù)反演生物量，葉綠素含量等，需要結(jié)合光譜信息分析，才能使得結(jié)果更準(zhǔn)確合理。

對(duì)于進(jìn)一步的應(yīng)用三維激光掃描于精細(xì)農(nóng)業(yè)應(yīng)用，有以下幾點(diǎn)展望：提高點(diǎn)云數(shù)據(jù)的分辨率和更多時(shí)期的掃描數(shù)據(jù)用于分析十分必要;激光雷達(dá)點(diǎn)云數(shù)據(jù)應(yīng)結(jié)合光譜或高光譜測(cè)量計(jì)算植被指數(shù)，用于估算植物參數(shù)，如葉綠素和氮含量;激光雷達(dá)掃描技術(shù)可以對(duì)單株植物進(jìn)行研究，如植株或葉片的三維重建，單株植株結(jié)構(gòu)參數(shù)的提取，研究虛擬植物動(dòng)態(tài)結(jié)構(gòu)模型的生成，探尋植物形態(tài)結(jié)構(gòu)與生長(zhǎng)機(jī)理、產(chǎn)量等之間的關(guān)系;通過(guò)無(wú)人機(jī)機(jī)載激光雷達(dá)檢測(cè)作物生長(zhǎng)可以更快速、高效率地從冠層到區(qū)域尺度獲取點(diǎn)云數(shù)據(jù)進(jìn)行分析覆蓋度、作物高度、產(chǎn)量等表型參數(shù);由于激光掃描儀成本較高，研究低成本激光掃描儀是關(guān)鍵。

參考文獻(xiàn)

[1] Lumme J，Karjalainen M， etal. Terrestrial laser scanning of agricultural crops[J].International Journal of Remote Sensing. Vol. XXXVII. Part B5， 2008， 26（07）： 563–566.

[2]Hoffmeister D ， Bolten A ， Curdt C ， et al. High-resolution Crop Surface Models （CSM） and Crop Volume Models （CVM） on field level by terrestrial laser scanning[C]. Proc Spie.2010：7840.

[3] Hoffmeister D， Waldhoff G， etal. Spatial variabilitydetection of crop height in a single field by terrestrial laser scanning[J].Precision Agriculture，2013（13）：267–274.

[4] Tilly N， Hoffmeister D， et al. Multitemporal crop surface models： Accurate plant height measurement and biomass estimationwith terrestrial laser scanning in paddy rice[J]. Journal of Applied Remote Sensing， 2014， 8（01）： 083671.

（責(zé)任編輯 李媛媛）