基于航空點云的落葉松林分蓄積量建模和應(yīng)用測試初探

高金萍,孫忠秋,于慧娜,高顯連,吳發(fā)云,劉迎春

(國家林業(yè)和草原局調(diào)查規(guī)劃設(shè)計院,北京 100714)

1 研究背景

森林蓄積量是森林資源監(jiān)測的核心調(diào)查內(nèi)容之一,它反映了一個國家或地區(qū)森林資源總規(guī)?；蛩?也是衡量森林生態(tài)狀況的重要指標(biāo)之一。我國從“十二五”開始,將其作為約束性指標(biāo)納入國民經(jīng)濟與社會發(fā)展規(guī)劃。從20世紀(jì)70年代開始,我國建立的全國森林資源清查體系和各省(地區(qū))森林資源規(guī)劃設(shè)計調(diào)查制度,均是以野外地面調(diào)查為主體,通過專業(yè)的地面調(diào)查隊伍,獲取權(quán)威、可靠的胸徑、樹高等重要指標(biāo),再結(jié)合本地樹種蓄積模型,推算得到森林蓄積量指標(biāo)。由于我國森林分布范圍廣、面積大、大多地處偏僻遙遠的林區(qū)或山區(qū),傳統(tǒng)的地面調(diào)查需要獲取每株樣木胸徑和樹高,調(diào)查任務(wù)繁重、條件艱苦、工作強度極大,需要耗費大量的人力、物力和財力[1]。當(dāng)前,森林資源監(jiān)測工作面臨調(diào)查人員匱乏、調(diào)查隊伍結(jié)構(gòu)老化、調(diào)查成本日趨高漲的困境,迫切需要創(chuàng)新突破和升級換代監(jiān)測技術(shù)和裝備設(shè)施,以適應(yīng)新時期森林資源監(jiān)測工作的新形勢和新要求[2]。

對地觀測與定位技術(shù)的興起,為森林資源動態(tài)監(jiān)測提供了先進感知手段。近些年來,光學(xué)遙感技術(shù)的發(fā)展解決了傳統(tǒng)地面調(diào)查存在的時間和人力耗費過高的不足,基于光學(xué)遙感影像中提取的植被指數(shù)、紋理特征等信息,通過構(gòu)建地面樣地實測蓄積與遙感變量之間的回歸模型,可實現(xiàn)對森林蓄積量的定量估計[3-4]。但由于光學(xué)遙感難以獲取森林三維結(jié)構(gòu)信息,且在森林郁閉度高的區(qū)域會存在光譜信號飽和等問題[5],在實際工作中還是難以滿足森林資源調(diào)查精度的要求。

激光雷達技術(shù)可以直接、精確地獲取植被的三維結(jié)構(gòu)信息,有效彌補光學(xué)遙感林業(yè)應(yīng)用能力的不足[6]。國外自20世紀(jì)80年代開始開展森林參數(shù)估測研究[7],Keiko等[8]利用激光雷達點云估測日本西部闊葉林的樣地蓄積量,Vincenzo[9]估測了意大利米蘭都市區(qū)周邊闊葉森林的蓄積量及地上生物量。國內(nèi)近10年來,利用激光雷達點云高度、密度等信息構(gòu)建森林結(jié)構(gòu)、估測森林蓄積的研究逐步擴大化。2014年,曹林[10]借助機載激光雷達點云,估測了江蘇常熟虞山林場北亞熱帶天然次生林森林參數(shù)；2018年,劉浩等[11]借助機載激光雷達點云,預(yù)測了中國東南沿海平原人工林林分特征；2020年,曾偉生等[12]基于東北林區(qū)紅松林樣地的機載激光雷達數(shù)據(jù)和地面實測數(shù)據(jù),建立了紅松林分蓄積量模型,預(yù)估精度達到森林資源調(diào)查相關(guān)技術(shù)規(guī)定要求,并開展了航空蓄積表理論研究。隨著近年來激光雷達數(shù)據(jù)獲取成本日趨降低,激光雷達技術(shù)由科學(xué)研究轉(zhuǎn)為業(yè)務(wù)探索時機已趨成熟,但盡管建模理論研究成果較多,大多都局限于模型和精度理論探討,結(jié)合實際生產(chǎn)實踐業(yè)務(wù)數(shù)據(jù)對模型進行應(yīng)用測試和分析評價的較少。

2017年,原國家林業(yè)局調(diào)查規(guī)劃設(shè)計院(以下簡稱國家林草局規(guī)劃院)啟動了“星機地”綜合試驗計劃,擬在我國東北、華北、西北、南方、西南、西藏6個區(qū)域(12個省左右)開展有人機、無人機和地面調(diào)查相結(jié)合的“星機地”綜合試驗,以獲取全國典型森林類型(包括占全國85%蓄積量的主要樹種)的激光雷達及地面樣地數(shù)據(jù)等信息(約4 500個樣地)。該計劃的一個重要目標(biāo)就是開展激光點云林分蓄積量建模和業(yè)務(wù)化應(yīng)用研究,最終形成覆蓋全國主要森林分區(qū)和主要樹種的、面向林業(yè)生產(chǎn)實踐的航空蓄積表模型體系。2017—2020年,先后在湖南張家界周邊、東北虎豹國家公園(以下簡稱東北虎豹公園)、福建武夷山國家公園和海南熱帶雨林國家公園開展了空地一體化調(diào)查。本文將以東北虎豹公園中落葉松為例,探索基于航空點云的林分蓄積量建模和業(yè)務(wù)化應(yīng)用測試方案,為其他樹種林分蓄積量建模和小班蓄積量估測提供技術(shù)路線和方法,為逐步構(gòu)建我國面向生產(chǎn)的分林區(qū)、分樹種的航空蓄積表模型體系提供數(shù)據(jù)和模型支撐。

2 研究區(qū)與數(shù)據(jù)概況

2.1 研究區(qū)簡介

東北虎豹公園地跨黑龍江和吉林兩省,其中吉林省片區(qū)占70%面積以上,東起吉林省琿春林業(yè)局青龍臺林場,西至吉林省汪清縣林業(yè)局南溝林場,南自吉林省琿春林業(yè)局敬信林場,北到黑龍江省東京城林業(yè)局奮斗林場,總面積近1.5萬km2。公園處于亞洲溫帶針闊葉混交林生態(tài)系統(tǒng)的中心地帶,區(qū)域內(nèi)有眾多的溫帶森林植被類型,是北半球溫帶區(qū)生物多樣性最豐富的地區(qū)之一。2018年9—10月,國家林草局規(guī)劃院在東北虎豹公園開展了有人機、無人機飛行作業(yè)及地面樣地調(diào)查工作,獲取了研究區(qū)大量有人機和無人機激光點云數(shù)據(jù)及對應(yīng)的地面樣地、樣木調(diào)查數(shù)據(jù),為基于航空點云林分蓄積模型和小班林分蓄積量估測研究提供了珍貴的空地一體化調(diào)查基礎(chǔ)數(shù)據(jù)。

2.2 研究區(qū)數(shù)據(jù)分析

根據(jù)東北內(nèi)蒙古重點國有林區(qū)二類調(diào)查主要樹種統(tǒng)計結(jié)果,東北虎豹公園空地調(diào)查主要樹種為落葉松(Larixspp.)、云杉(Piceaspp.)、冷杉(Abiesspp.)、樺木樹(Betulaspp.)、楊樹(Populusspp.)、椴樹樹(Tiliaspp.)、櫟類(Quercusspp.)7種純林樹種和針葉混、針闊混、闊葉混3類混交林分類型。其中落葉松是研究區(qū)內(nèi)分布最為廣泛的樹種之一,且根據(jù)第9次全國森林資源清查結(jié)果,在針葉林中,落葉松分布面積居第一位,蓄積量居第四位,是我國重要的針葉樹種[12]。

2.2.1有無人機激光雷達調(diào)查數(shù)據(jù)

激光雷達調(diào)查數(shù)據(jù)以有人機激光雷達點云為主,對有人機未覆蓋的區(qū)域采用無人機補飛。有人機飛行區(qū)域主要分布在大興溝、天橋嶺、穆棱、東京城等4個林業(yè)局及部分林場(總面積約5 600km2)；無人機飛行區(qū)域包含17個1 km2的航空調(diào)查大樣地,主要分布在大興溝、天橋嶺、汪清、琿春等4個林業(yè)局。激光雷達傳感器主要參數(shù)及調(diào)查數(shù)據(jù)分布范圍分別如表1和圖1所示。

表1 激光雷達傳感器參數(shù)

圖1 激光雷達點云數(shù)據(jù)覆蓋范圍

2.2.2地面調(diào)查樣地數(shù)據(jù)

在東北虎豹公園的航空(包括有人機和無人機)飛行覆蓋區(qū)域內(nèi),對需要建模的7個純林樹種和3個混交林布設(shè)地面調(diào)查樣地?？紤]到不同樹高、郁閉度等級對林分蓄積量的影響,將每個樹種劃分5個樹高級(高、較高、中等、較低、低)及3個郁閉度等級(0.2～0.5,0.5～0.8,0.8以上),樣地布設(shè)時盡可能保證建模樣本涵蓋所有樹高級和郁閉度等級,以提高模型的適用性。本研究共布設(shè)并調(diào)查完成488個圓形樣地(半徑15m),其中落葉松樣地57個,其主要調(diào)查因子如表2所示。表3展示了部分落葉松樣地的關(guān)鍵調(diào)查因子數(shù)據(jù)。

表2 地面調(diào)查樣地數(shù)據(jù)表結(jié)構(gòu)(部分因子)

表3 樣地主要調(diào)查因子示例(部分樣地)

2.2.3落葉松小班二類本底調(diào)查成果

2016—2018年,東北內(nèi)蒙古重點國有林區(qū)完成了二類調(diào)查,東北虎豹公園建立了覆蓋全境的、時間節(jié)點統(tǒng)一至2018年底的二類調(diào)查本底。以大興溝林業(yè)局為例,基于二類調(diào)查本底成果,提取大興溝林業(yè)局內(nèi)優(yōu)勢樹種為落葉松的小班,全部落葉松小班分布圖如圖2所示。

圖2 大興溝林業(yè)局落葉松小班空間分布圖

3 研究方法和結(jié)果

根據(jù)落葉松地面樣地邊界,提取落葉松樣地激光點云,建立地面樣地實測蓄積與激光點云中提取的高度、密度、覆蓋度等變量之間的回歸關(guān)系,構(gòu)建基于航空點云調(diào)查數(shù)據(jù)的落葉松林分蓄積量回歸模型并分析其理論精度。

為推進理論模型業(yè)務(wù)化研究,嘗試?yán)媒⒌哪Ｐ统晒麑ρ芯繀^(qū)落葉松小班單位面積蓄積量進行估算；通過與二類調(diào)查獲取的蓄積量數(shù)據(jù)對比分析,評估基于航空點云的林分蓄積量模型相對精度,初步評估基于航空點云的林分蓄積量模型進入業(yè)務(wù)應(yīng)用的潛力和能力。本研究先在較小的范圍(21個落葉松小班)開展模型應(yīng)用測試,取得較為理想效果；然后將測試范圍擴大到2018年開展過二類實地調(diào)查的大興溝林業(yè)局(約260多個落葉松小班)?？傮w技術(shù)路線如圖3所示。

圖3 總體技術(shù)路線

3.1 建模變量提取

基于精確分類后的激光雷達調(diào)查數(shù)據(jù)和落葉松地面樣地范圍,裁切出與地面樣地位置和大小一致的落葉松激光點云數(shù)據(jù)。利用點云中分類得到的地面點通過TIN插值生成地面高程模型(DEM),基于DEM的地面高程信息對點云進行歸一化處理,得到歸一化后的落葉松點云數(shù)據(jù)。從落葉松點云數(shù)據(jù)中提取建模所需變量,包括系統(tǒng)提供的46個高度變量、10個密度變量、1個覆蓋度變量,共計57個統(tǒng)計變量,各類變量內(nèi)涵及分析如表4所示。

表4 激光點云數(shù)據(jù)初始變量分析

3.2 蓄積估測模型構(gòu)建與評價

建立蓄積量與點云變量之間的關(guān)系,一般采用以下非線性回歸模型:

V=β0x1β1x2β2…xnβn+ε

(1)

式中:V為蓄積量;β0,β1,β2,…,βn為待定回歸系數(shù);x1,x2,…,xn為建模變量;ε為誤差項。

由于上述非線性模型求解較為復(fù)雜,通常會采用對數(shù)回歸的方法,也就是將所有變量進行對數(shù)變換,將多元非線性問題轉(zhuǎn)化為多元線性回歸來解決:

lnV=α0+α1lnx1+α2lnx2+…+αnlnxn+δ

(2)

式中:V為蓄積量;α0,α1,α2,…,αn為待定回歸系數(shù);x1,x2,…,xn為建模變量;δ為誤差項。

利用40個落葉松樣地進行建模,余下17個樣地用來驗證模型估測精度。采用多元線性回歸方法時,運用逐步回歸法合適變量。由于提取的變量較多,一些與蓄積相關(guān)性不高的變量可以在逐步回歸之前先舍去。因此,將提取的變量與需要預(yù)測的蓄積量進行Pearson相關(guān)分析,根據(jù)Pearson相關(guān)系數(shù)大小,初步剔除Pearson相關(guān)系數(shù)較低(<0.3)的變量。

利用逐步回歸得到的回歸系數(shù)構(gòu)建林分蓄積量模型,采用決定系數(shù)(R2)、均方根誤差(RMSE)、相對均方根誤差(rRMSE)、平均絕對誤差(MAE)、平均絕對百分比誤差(MAPE)、總體相對誤差(TRE)來衡量模型估測精度。

利用逐步回歸篩選進入模型的變量,分別是50%高度百分位數(shù)(h50th)和覆蓋度(CC),建模結(jié)果為:

lnV=0.918lnh50th+1.303lnCC+3.091

(3)

利用建立的模型估測17個落葉松驗證樣地的單位面積蓄積,繪制基于模型的蓄積估測值和地面樣地蓄積實測值的散點圖(圖4),得到的R2為0.84,RMSE為23.77m3/hm2,rRMSE為0.18,MAE為20.08 m3/hm2,MAPE為16.21%,TRE為4.5%。從驗證結(jié)果來看,基于激光點云的落葉松林分蓄積量模型具有較高的精度。按照《森林資源規(guī)劃設(shè)計調(diào)查技術(shù)規(guī)程》[14]中小班調(diào)查蓄積量的精度等級標(biāo)準(zhǔn),A,B,C 三級要求相對誤差分別不超過15%,20%和25%,基于激光點云的落葉松林分蓄積量模型接近A級、可以滿足B 級的精度要求。

圖4 驗證樣地蓄積估測與實測值散點圖

3.3 應(yīng)用模型估算樣地所在落葉松小班單位面積蓄積

基于東北虎豹公園二類小班調(diào)查本底成果,提取落葉松地面樣地所在的二類小班21個(小班平均面積約15hm2)；疊加空地一體化調(diào)查獲取的激光雷達點云數(shù)據(jù)后,獲取這21個二類小班的航空點云數(shù)據(jù)；然后利用已建立的落葉松林分蓄積量模型估測小班單位面積蓄積量。經(jīng)分析,小班蓄積估測值與小班實際調(diào)查值的散點圖如圖5所示,落葉松小班二類蓄積量與基于激光點云的模型估算得到的蓄積量比較情況如表5所示。

圖5 21個落葉松小班蓄積估測與二類本底調(diào)查蓄積散點圖

表5 落葉松小班估測蓄積與二類調(diào)查結(jié)果對比分析表

(續(xù)表)

由此可以看出,二者的R2為0.78,呈現(xiàn)較好的相關(guān)性；小班蓄積總量估測相對精度為89.4%。

3.3 應(yīng)用模型估算大興溝林業(yè)局二類調(diào)查落葉松小班單位面積蓄積

基于東北虎豹公園二類小班調(diào)查本底成果,提取2018年開展實地調(diào)查的全部落葉松小班266個(絕大部分落在大興溝林業(yè)局,小班平均面積約7.22hm2)；疊加空地一體化調(diào)查獲取的激光雷達點云數(shù)據(jù)后,獲取這266個二類小班的航空點云數(shù)據(jù)；然后利用已建立的落葉松林分蓄積量模型估測小班單位面積蓄積量。經(jīng)分析,小班蓄積估測值與小班實際調(diào)查值的散點圖如圖6所示。

圖6 266個落葉松小班蓄積估測與二類本底調(diào)查蓄積散點圖

266個小班蓄積模型估測總量 298 627.58hm2,二類調(diào)查得到小班蓄積總量 301 914.00hm2,相差約 3 286.42 hm2,小班蓄積總量估測相對精度為98.9%。東北虎豹公園二類調(diào)查采用角規(guī)樣地抽樣推算小班蓄積、布設(shè)控制樣地控制總體精度的調(diào)查方式,從總體相對精度來看,可以認(rèn)為模型應(yīng)用有效性較好。

4 結(jié)論與討論

本文以東北林區(qū)廣泛分布的落葉松為重點案例,探索了激光雷達調(diào)查方式下的落葉松林分蓄積量模型研建方法,并結(jié)合東北內(nèi)蒙古重點國有林區(qū)二類調(diào)查成果,運用建模成果估算了該地區(qū)落葉松二類小班單位面積蓄積，是激光雷達科研模型成果在業(yè)務(wù)化應(yīng)用方向上的一次有效嘗試。從研究結(jié)果和研究區(qū)該樹種的應(yīng)用情況來看,激光點云的落葉松林分蓄積量模型預(yù)估精度達到《森林資源規(guī)劃設(shè)計調(diào)查技術(shù)規(guī)程》的要求,可以在實踐中推廣應(yīng)用。

鑒于我國地理區(qū)域差異大、森林類型多、森林狀況復(fù)雜,要想建立起覆蓋全國主要樹種的、面向生產(chǎn)應(yīng)用的航空蓄積表模型體系,需要十年如一日花大氣力研究每個樹種模型的普適性、精度以及參數(shù)的簡單易得和穩(wěn)定性。就本研究來說,由于經(jīng)費和飛行區(qū)域受限,本次調(diào)查主要覆蓋東北虎豹公園西部,東部地區(qū)較少,樣本代表性有一定影響,且每個建模樹種樣本數(shù)均在50個上下。后續(xù)將采用“抽十法”或“留一法”等交叉驗證方法,以提高模型穩(wěn)定度。此外,本次模型應(yīng)用測試范圍為266個小班,數(shù)據(jù)量中等。后續(xù)將對整個東北虎豹公園研究區(qū)的落葉松小班(約2 000多個)進行模型應(yīng)用和測試,分析大規(guī)模業(yè)務(wù)應(yīng)用中模型精度、運算效率等方面可能出現(xiàn)的問題,在模型迭代應(yīng)用中實現(xiàn)模型優(yōu)化和效率提升。