无人机遥感技术在林业资源调查中的应用研究

韩 帅

(山西省关帝山国有林管理局林业调查设计队,山西 吕梁 033000)

我国幅员辽阔,林业资源蕴量丰富。森林不仅发挥着水土保持、调节生态平衡等功能,而且可以为人类生存提供物质基础。因此林业资源的调查与监测逐渐成为国际上广泛探讨的焦点话题,世界各国均为满足林业资源的长期监测与评估做努力,尤其是生态环境建设任务繁重的我国,加强林业资源调查力度,促进林业资源的可持续经营,日益成为我国生态建设方面的首要任务。由于林业资源具有可再生的特点,其空间分布情况受自然环境以及人类活动等因素的制约,所以在调查我国林业资源时,需要以维持林业资源的可持续经营为前提条件。林业资源调查,不仅可以掌握各类植物资源的数量及分布情况,而且可以摸清各类植物的消长变化情况,是实现林业资源可持续发展目标的基础保障。

1 研究区概况

研究区位于山西省吕梁市,西隔黄河和榆林相望。吕梁市国土面积约为3171万亩,其中林业资源用地面积占据66%,自然资源得天独厚,树种资源较为丰富,不仅具有乡土树种,而且种植很多由外地引入的新树种。十八大以来,吕梁市大力推动生态建设,开启人与自然和谐共生的美丽新画卷。在此期间,首先需要对吕梁市林业资源现状进行调查,重点查清林业资源的空间分布状况及消长情况。

2 调查方法

2.1 采集林业资源无人机遥感影像

主要利用无人机遥感技术[1]来调查研究区内林业资源的分布及消长情况,首先需要通过无人机采集林业资源的遥感影像数据。研究采用旋转翼无人机,该无人机可以垂直起飞并降落,具有一定悬停能力,适用于林业资源调查中。因为无人机的承重能力较差,采集林业资源遥感影像时,需要搭载质量较轻的传感器,综合考虑吕梁市林业资源的实际情况,选用多光谱传感器,其相关参数如下表所示:

表1 无人机搭载传感器参数表

为避免水面阳光反射以及河岸阴影等因素对遥感影像数据精度的影响,每日于清晨或傍晚时刻进行林业资源采集工作[2]。控制无人机于8 m/s的航速、380 m的航高飞行在吕梁市上空,共获得153景有效的;林业资源遥感影像,每景影像对应的林业资源面积约为180942 m2。

2.2 精加工处理遥感影像

利用无人机采集的研究区遥感影像数据[3],主要描述空间地理位置,所以影像上会存在一定几何变形误差,在利用遥感影像分析林业资源空间分布情况之前,需要通过精加工处理来纠正遥感影像的几何变形误差。林业资源遥感影像经加工处理主要分为两个步骤:将影像上各像素坐标转换为地图坐标,对影像上各像素值亮度进行重采样。具体流程如下:首先准备好本次调查所需的研究区林业资源遥感影像,将其以规定格式输入专门的计算机中;然后利用多项式纠正法,进行遥感影像坐标的转换,表达式如下所示:

(1)

式中,(X1,Y1)表示林业资源遥感影像上像素点坐标;(X0,Y0)表示林业资源遥感影像上同名像素点的地图坐标;(αn、βn)为多项式系数,由林业资源遥感影像的变性参数决定。每一张遥感影像的坐标变换,都需要根据影像需求的不同来设置不同的多项式项数。最后对像素坐标变换后林业资源遥感影像灰度进行重采样[4],由于原始的遥感影像阵列中不存在现成的灰度值,所以通过最邻近像元采样法将各像素点位的灰度值贡献累计起来,从而形成新的灰度值,表达式如下所示:

h=C(X1,Y1)

(2)

式中:h表示林业资源遥感影像像素的采样灰度值;C(X1,Y1)表示采样函数。该方法可以最大限度上保留原始遥感影像的辐射值,避免造成调查误差。然后将经过上述步骤精加工处理后的影像输出,即可获得消除几何误差的林业资源遥感影像。

2.3 提取林业资源信息

为实现研究区内林业资源高效、实时的统计分析,基于遥感影像提取出有效的林业资源信息,突破传统林业资源调查工作劳动强度大的局限性[5]。一般情况下,健康的植被表面会出现红边现象,主要由近红外波段反射率远远超出了红光波段反射率所造成的,所以可以通过多波段观测数据计算出的植被指数,来描述林业资源中各植被消长情况,其计算公式如下所示:

(3)

式中:R表示林业资源中植被灵敏指示指数,该指数和林业资源的生物量、叶绿素含量等参数存在直接关系,所以可以通过该指数来评价研究区内林业资源的覆盖度、郁闭度等;V表示林业资源中植被消长情况的最佳指示指数,该指数和林业资源的植被覆盖度等参数存在直接关系,所以可以通过该指数来评价研究区内林业资源的生物量等;λ0表示近红外波段的反射率参数;λ1表示红光波段的反射率参数。在此基础上,根据林业资源信息和光谱数据的时序特征之间的联系,引入经验统计模型来提取各类林业资源信息。经验统计模型主要分单变量与多变量这两种类型,综合考虑研究区林业资源遥感影像的光谱指数,研究选用单变量的指数模型进行林业信息资源的提取,具体流程如下:首先通过多重回归分析来诊断遥感影像中提取的林业资源信息植被指数之间的共线性,并确定植被指数之间的主成分表达式;然后对植被指数的主成分进行回归分析;最后根据林业资源信息和植被指数主成分的关系,获得二者之间的回归方程,也就是指数经验统计模型,使用该模型提取出遥感影像中的有效林业资源信息。

3 调查结果

3.1 林业资源空间分布状况

在上述所得林业资源信息的基础上,进行空间分布状况及消长情况的分析,首先使用分布指数来衡量该研究区内林业资源的空间分布状况,表达式如下所示:

(4)

式中:F表示林业资源空间分布指数,用于描述各地形因子等级下林业资源的分布特征,式中设置了缩放系数s0/s1,可以避免林业资源空间分布特征受面积影响,也就是林业资源中分布面积较小的植被特征也可以反映出来;s0表示整个林业资源区域的占地面积参数;sn表示n级地形因子下的林业资源占地面积参数;sm表示n级地形因子下第i类植被占地面积参数;si表示林业资源中第i类植被占地面积参数。所求林业资源空间分布指数的数值越大,代表着该类植被的占地面积越大。由于不同海拔高度下的空气湿度以及温度等因素各不相同,所以高程是影响林业资源空间分布状况的关键指标,主要分析了不同高程下林业资源的分布情况。那么,对研究获得林业资源数据进行统计分析,获得如下图所示的植被类型空间分布情况:

由图1可知,在海拔300 m以下,该研究内的乔木林地、灌木林地、竹林地、疏林地之间分布指数差异不大,均在10～14之间,说明海拔0～300 m是林业资源空间分布的主要区域。当海拔高度超过300 m时,乔木林地、灌木林地与疏林地分布指数均呈下降状态,直到稳定于2～4之间,而竹林地在海拔300 m以上空间分布指数变化不大,说明海拔高程700 m以下均是竹林地分布的优势区域。

图1 林业资源中各植被类型空间分布指数图

3.2 林业资源消长情况

根据本研究所得林业资源数据,统计并分析该研究区在2015～2020年期间,林业资源消长情况,结果如下表所示:

由表2可知,在2015～2020这6年期间,乔木地、疏林地以及竹林地的覆盖率分别增长了10.75%、9.56%、11.19%,主要是因为吕梁市响应国家政策,全面展开了林业资源建设项目,越来越多的农耕地转化为新造林地,同时严令禁止了违规林地的占用,降低了林业资源的流失,所以有效提升了乔木林地、疏林地以及竹林地的覆盖率。而灌木林地的覆盖率降低了5.88%,主要因为近些年来,吕梁市很多村镇工人为适应社会发展,选择外出务工,导致乡村灌木植被因无人管理而相对减少,很多灌木林地逐渐被其他类型的植被所覆盖

表2 林业资源中各植被类型消长情况

4 结束语

林业资源对改善生态环境、维持生态平衡具有重要作用,所以对林业资源调查进行了深入研究,引入无人机遥感技术,目的在于降低传统地面测量作业的劳动强度,利用无人机实现林业资源的大范围、高效率采集工作。在此基础上,于无人机遥感影像中提取出有效的林业资源信息,进一步统计分析出林业资源的空间分布状况及消长情况。总之,无人机遥感技术,成功降低了传统林业资源调查方法的作业强度,并提升了调查效率。