技术领域
[0001] 本
发明涉及一种林业健康评价系统，特别涉及一种基于航空遥感的林业健康评价系统， 属于无人机林业健康评价技术领域。
背景技术
[0002] 森林是林业的主体,是整个国民经济持续健康发展的
基础，林业是人类赖以生存的经济、 美学、生态和文化资源，是整个陆地
生态系统的支柱，起到了保护物种多样性和避免生态系 统失衡的作用。但是，近年来迫于生存的压
力，人类通过移民垦荒、伐木毁林、过度放牧等 方式，对森林的自控系统和维护功能造成了严重毁坏，伴随着世界范围内的经济发展,森林被 过度采伐,森林资源不断减少,
森林健康面临着前所未有的挑战。森林的生产力和健康
水平直 接关系到全球人类的社会生活,开展森林健康研究和评价有着非常重要的社会意义。森林健康 作为林业科技的一个新方向得到了全世界的重视,森林生态系统健康的定义、监测、评估和管 理探讨和实践越来越丰富,森林健康逐渐成为林业状况评估和森林资源管理的标准和目标。
[0003] 林业健康评价评估是诊断人为因素和自然因素引起森林生态系统的破坏和退化所造成的 森林生态系统结构紊乱和功能失调,是对森林生态系统生产力水平、结构状态、抵抗外界干扰 能力以及服务功能等多方面综合能力的一种量化评估。当前林业健康评价指标选取差异大， 在不同专业领域的研究者对森林健康的标准认识存在着差异，对同一片森林观察的
角度不同， 所考虑的指标也不同。评价体系不完整，由于研究对象复杂多样，研究方法和研究尺度存在 差异，目前还没有标准的森林健康评价体系。难以选择适当的评价方法，对森林进行评价的 方法多，每一种方法都存在优劣性，采用某一种方法不一定能对森林进行全面的评价。
[0004]
现有技术的林业健康评价手段主要有塔台瞭望、地面巡视和卫星遥感等。塔台瞭望手段 的单个塔台
覆盖范围有限，需组塔台网，故成本较高，且受地形影响较大，会存在视觉
盲点， 观察片面性大；人工地面巡视效率很低，视线易被遮挡故观察范围十分有限，许多偏远林区 面积大，交通不便，人工地面巡视难度极大。当前部分林业健康评价依赖于卫星遥感技术， 但由于卫星遥感有固定的运行周期且周期较长，而且地面
分辨率也不高，在复杂天气情况下 难度更大，实时性和分辨率较差。无人机能够克服以上各方面的不足，通过搭载热红外成像 仪和高清彩色相机，执行林业健康评价任务，特别是小型无人机
质量轻、体积小，具有购置 成本低、运行
费用少、操作简便、机动灵活等特点，非常适合用于林业健康评价。
[0005] 当前林业健康评价存在诸多不足：一是当前林业健康评价指标科学性差，在不同专业领 域的研究者对森林健康的标准认识存在着差异，对同一片森林观察的角度不同，所考虑的指 标也不同，评价体系不完整，由于研究对象复杂多样，研究方法和研究尺度存在差异，目前 还没有标准的森林健康评价体系，难以选择适当的评价方法，对森林进行评价的方法多，每 一种方法都存在优劣性，采用某一种方法不一定能对森林进行全面的评价，缺少对森林健康 的定量研究，没有深度权衡认识各评价指标间的关系，林业健康评价体系不够科学完善。二 是林业健康评价手段主要有塔台瞭望、地面巡视和卫星遥感等，手段落后，成本较高，且受 地形影响较大，会存在视觉盲点，观察片面性大，实时性和分辨率较差。三是部分使用无人 机监测，但使用的无人机重量大，飞行时间短，巡航范围小，一般不能完成任务，或者需要 频繁的起降和补给，无人机林业健康评价实现起来比较困难，监测效率很低，操作繁琐难度 很大，监测效果不尽如人意，无人机搭载的监测
硬件较为落后，无人机飞行过程中抖动严重， 摄像头采集图像的清晰图较差，更是降低了监测的准确性和可靠性。四是无人机没有专
门进 行路径规划，没有将无人机飞控系统与
地理信息系统结合，导致无人机火灾监测路径规划盲 目性大，没有充分利用巡航区域的地质
地貌特征和地理信息数据，巡航路径设计古板单一， 科学性系统性较差，监测针对性弱，无法充分发挥无人机林业监测的优势。
发明内容
[0006] 针对现有技术的不足，本发明提供的一种基于航空遥感的林业健康评价系统，采用树木
密度、树木生长形态、植被层
温度三项指标评价林业健康状况，分别从不同的角度分析评价 森林健康状况，三项指标可以单独使用，也可以二项或者三项综合使用，提高了对林业健康 的研究评价能力，将适合的几种评价方法结合起来，将无人机、3S技术结合，加快评价方法 的创新速度，推动了森林健康的定量研究，深度权衡认识各评价指标间的关系，建立了较完 善的林业健康评价体系。通过对无人机的材质和结构进行的一系列改进，减小了无人机的重 量，延长了飞行时间，扩大了无人机巡航范围，专门针对林业健康评价系统而设计，不需要 频繁的起降和补给，能够同时采集多项评价指标所需的数据，将无人机飞控系统与地理信息 系统结合，根据巡航监控区域的地理
位置、面积大小、环境条件和遥感
飞行器自身的硬件条 件，规划森林火灾无人机巡航监控路径，路径规划既保证监测质量和监测全覆盖，又考虑遥 感飞行器硬件参数和飞行安全，充分利用巡航区域的地质地貌特征和地理信息数据，巡航路 径设计科学合理，充分发挥无人机林业健康评价的优势。
[0007] 为达到以上技术效果，本发明所采用的技术方案如下：
[0008] 一种基于航空遥感的林业健康评价系统，包括遥感飞行器和内业分析站，遥感飞行器包 括小型无人机和高分遥感装置，内业分析站包括微型计算机和地面指挥系统，高分遥感装置 包括
云台稳定器和智能云台，智能云台通过云台稳定器与小型无人机的下部相连接，智能云 台上分别设置有热红外成像仪和高清彩色相机，基于航空遥感的林业健康评价系统采用树木 密度、树木生长形态、植被层温度三项指标评价林业健康状况，树木密度指标的提取步骤为：
[0009] 密度指标第一步，确定树木密度
检测区域，设置无人机航拍参数；
[0010] 密度指标第二步，执行航拍任务，高清彩色相机采集航拍区域的图像信息；
[0011] 密度指标第三步，航拍区域图像裁剪拼接，图像预处理；
[0012] 密度指标第四步，植被色谱组合增强波段差异，SVM监督分类；
[0013] 密度指标第五步，绘制树木指数统计图，提取树木指数
阈值；
[0014] 密度指标第六步，树木覆盖图像获取；
[0015] 密度指标第七步，树木密度指标获取，
[0016] 密度指标第八步，树木密度分析与评价。
[0017] 一种基于航空遥感的林业健康评价系统，进一步的，树木密度指标的提取步骤中，确定 树木密度检测区域，根据密度检测区域设置无人机航拍参数，根据密度检测区域的地理位置、 面积大小、环境条件和遥感飞行器自身的硬件条件，规划无人机巡航检测路径，路径规划既 要保证检测质量和检测全覆盖，又需要考虑遥感飞行器硬件参数和飞行安全，若一次飞行无 法完成，可分为多个任务执行；
[0018] 执行航拍任务，选择晴朗无
风天气，在中午前后完成林区高清彩色
图像采集，无人机采 集图像时的飞行高度为35至60米，飞行速度为匀速4米/秒，航向重叠度以及旁向重叠度 均为80％，采集若干幅连续可拼接的JPG格式高清彩色图像；
[0019] 航拍区域图像裁剪拼接是将无人机采集的若干幅连续可拼接的JPG格式高清彩色图像利 用Pix4DMapper
软件进行图像拼接，完成图像预处理，获取检测林区的全景正射图像；
[0020] 通过波段组合增强树木和非树木的波段差异，将林区的全景正射图像通过植被色谱组合 增强提取树木指数阈值，植被色谱组合增强公式为：
[0021] S＝2G-B-R
[0022] 式中G表示绿色波段
像素值，B表示蓝色波段像素值，R表示红色波段像素值，S为树木 指数；
[0023] SVM监督分类将无人机拍摄的样区图像目标地物分为树木和非树木两类，以树木和非树 木的树木指数S值作为横坐标，像元统计个数作为纵坐标，绘制树木和非树木各自S值的统 计直方图，将
坐标系下的树木和非树木S值直方图的交点作为树木和非树木分类阈值F，大 于等于分类阈值F的部分为树木像元，小于分类阈值F的部分为非树木像元，根据分类阈值F提取的树木密度计算公式为：
[0024]
[0025] 式中NL为树木像元统计个数，NF为非树木像元统计，M为树木密度值；
[0026] 将树木像元点表示为黑色，将非树木像元表示为白色，即得到了经过植被色谱组合增强 处理后的树木覆盖图像，根据树木密度M值和植被色谱组合增强处理后获取的树木覆盖图像， 对树木密度分析与评价。
[0027] 一种基于航空遥感的林业健康评价系统，进一步的，树木生长形态指标的获取步骤包括：
[0028] 生长指标第1步，确定树木生长形态检测区域，设置无人机航拍参数；
[0029] 生长指标第2步，执行航拍任务，高清彩色相机获取林区航拍影像；
[0030] 生长指标第3步，完成航拍影像的拼接以及预处理，生成DSM及DOM，选择地表DSM作 为地表基准面，包含树木的DSM与地表DSM相减得到树木生长形态DSM；
[0031] 生长指标第4步，对DOM进行图像预处理，通过形态提取
算法得到树木生长区域；
[0032] 生长指标第5步，提取的树木生长区域DOM进行几何配准后，经过遥感影像处理软件生 成掩膜；
[0033] 生长指标第6步，运用得到的掩膜与树木生长形态DSM套和得到影像上的树木生长形态；
[0034] 生长指标第7步，影像树木生长形态与实际形态进行对比及
精度评价，得出精确度好的 树木生长形态模型，进行树木生长形态分析与评价。
[0035] 一种基于航空遥感的林业健康评价系统，进一步的，树木生长形态指标的获取步骤中， 确定树木生长形态检测区域，根据树木生长形态检测区域设置无人机航拍参数，根据检测区 域的地理位置、面积大小、环境条件和遥感飞行器自身的硬件条件，规划无人机巡航检测路 径，
[0036] 执行航拍任务，选择晴朗无风天气，在中午前后完成林区高清彩色图像采集，飞行高度 40-60米拍摄的若干幅影像作为数据源，地面分辨率为1.25厘米，航向、旁向重叠率90％， 控制点GCP大于5个，空间分辨率大于0.79厘米，空三误差小于0.115像素，平均RMS误 差小于0.018米，使用实时动态
定位RTK进行测量，用于空三运算和精度检测，检测影像集 合定位精度；
[0037] 航拍影像拼接时Pix4Dmapper自动获取相机型号，采用Pix4Dmapper软件快速生成专业 精确的DOM及DSM数据，Pix4Dmapper处理数据流程如下：一是导入影像和位置与
姿态系 统POS数据；二是导入地面控制点GCP文件，对影像进行几何校正；三是根据不同要求设置 参数；四是全自动处理进行点云提取和立
体模型建立，通过全自动空三加密，获得DOM和DSM；
[0038] 预处理中色彩空间转换：色彩空间转换为YCbCr色彩空间模型；
[0039] 预处理中OTSU阈值分割：最大类间方差法OTSU根据图像的灰度特性,将图分为前景和 背景两部分，对于图像A(x,y)，前景和背景的分割阈值记作B，属于前景的像素点数占整幅 图像的比例记为Dj，平均灰度为Hj，
背景像素点数占整幅图像的比例为Db，平均灰度为Hb， 整幅图像的平均灰度记为H，类间方差记为F,则有：
[0040] H＝DjHj+DbHb
[0041] F＝Dj(Hj-H)2+Db(Hb-H)2
[0042] 联立上述两式可得：
[0043] F＝DjDb(Hj-Hb)2
[0044] 当类间方差F最大时，前景和背景差异最大，此时的分割阈值B为最佳阈值；
[0045] 形态提取算法：假设已知目标标记为1，背景点标记为0，定义边界点为1，其8连通 邻域至少有1个点标记为0，需要对边界点进行以下处理:
[0046] 一是在以8连通邻域为中心的边界点上中心点为X1，顺
时针方向的相邻点记为X2,X3，…， X9。其中X2位于中心点X1之上，首先，选择满足要求的点:
[0047] 2≤N(X1)≤6；
[0048] S(X1)＝1；
[0049] X2X4X6＝0；
[0050] X4X6X8＝0；
[0051] N(X1)为非零相邻点的个数，S(X1)为X2～X9～X2序列从0到1的变化个数，经过对所有 边界点的检查，所有标记点都被删除；
[0052] 二是满足：
[0053] 2≤N(X1)≤6；
[0054] S(X1)＝1；
[0055] X2X4X8＝0；
[0056] X2X6X8＝0；
[0057] 经检查，标识点已删除，循环上述两步骤，直到都没有像素被标记为删除为止，输出的 结果即为二值图像细化后的树木形态；
[0058] 形态提取算法得到树木生长区域可通过OpenCV中的骨架提取或者图像细化实现；
[0059] 遥感影像处理软件生成掩膜：通过结构元素进行形态学处理得到2-6像素宽的树木形 态，得到较完整的树木形态区域，使用制作掩膜的面替代掩膜进行显示；
[0060] 提取树木生长形态：将生成的掩膜与树木生长形态DSM套和，获取树木生长形态指标。
[0061] 一种基于航空遥感的林业健康评价系统，进一步的，植被层温度指标获取的步骤包括：
[0062] 温度获取第1步，确定森林植被层温度检测区域，设置无人机航飞参数；
[0063] 温度获取第2步，执行航飞任务，高清彩色相机获取林区正射影像，热红外成像仪获取 林区热红外影像；
[0064] 温度获取第3步，正射影像和热红外影像拼接、几何校正和几何配准；
[0065] 温度获取第4步，热红外影像的
辐射定标；
[0066] 温度获取第5步，正射影像中提取林区植被区域；
[0067] 温度获取第6步，热红外影像上提取林区植被层温度；
[0068] 温度获取第7步，林区植被层温度的比较、分析和评价。
[0069] 一种基于航空遥感的林业健康评价系统，进一步的，植被层温度指标的获取步骤中，执 行航飞任务，选择晴朗无风天气，在中午前后完成林区航飞任务任务，无人机搭载热红外成 像仪和高清彩色相机，飞行高度为50至70米，拍摄影像的重叠率为75％至90％，地面空间 分辨率为1厘米至7.5厘米；
[0070] 无人机拍摄若干张热红外影像和正射影像，采用Pix4Dmapper进行拼接，
选定统一的坐 标系，根据地面像控点对影像进行几何校正；
[0071] 热红外影像辐射定标：利用地面精确测温仪和热红外成像仪分别测得近地面植被层温度， 完成飞行前的辐射定标，通过相关性分析，确定地面精确测温仪与热红外成像仪在不受距离 影响下，所测温度具有一致性；利用几何校正和几何配准后的热红外影像，利用地面精确测 温仪，分别测得地面放置的黑白辐射定标布、林区不同位置不同树木若干个点的温度，通过 相关性分析确定辐射定标系数，利用辐射定标系数得到热红外影像中提取的植被层温度；
[0072] 正射影像中提取林区植被区域采用GCanny
边缘检测算法，GCanny边缘检测算法的步骤：
[0073] 一是应用选择性表面模糊代替高斯模糊，设置其阈值为20-40来平滑图像；
[0074] 二是找寻图像的强度梯度，平滑后的图像中每个像素点的梯度由Sobel算子来获得， Sobel算子在OpenCV中有封装好的函数，选用3*3的Sobel梯度算子；
[0075] 三是应用非最大抑制技术来消除边误检，将模糊的边界变得清晰，保留每个像素点上梯 度强度的极大值，删掉其他值；
[0076] 四是应用双阈值的方法来决定潜在的边界，设定一个阈值上界和阈值下界，图像中的像 素点如果大于阈值上界则认为必然是强边界，小于阈值下界则认为必然不是边界，两者之间 的则认为是弱边界，需进行进一步处理；
[0077] 五是利用滞后技术来
跟踪边界，和强边界相连的弱边界认为是边界，其他的弱边界则被 认为不是边界。
[0078] 将提取的森林植被边缘信息结果进行二值化处理并生成矢量面文件，基于此矢量文件， 生成森林植被区域掩膜。
[0079] 热红外影像上提取林区植被层温度：将生成的森林植被区域掩膜套在热红外影像中提取 植被层温度。
[0080] 一种基于航空遥感的林业健康评价系统，进一步的，林业健康评价利用航空遥感林业健 康评价系统的遥感飞行器和内业分析站，通过树木密度、树木生长形态、植被层温度三项指 标评价林业健康状况，树木密度、树木生长形态、植被层温度三项指标可以单独使用，也可 以二项或者三项综合使用；
[0081] 树木密度指标使用时根据森林树木的种类和林区地理状况确定一个最优值，根据测得的 树木密度指标与最优值的偏离程度，结合树木覆盖图像详细评估树木密度状况；
[0082] 树木生长形态指标提取林区树木的枝干骨架形态，结合树木种类和林区地理位置判定树 木的生长状态；
[0083] 植被层温度指标使用时确定一个植被层温度最优值，根据测得的植被层温度指标与最优 值的偏离程度，结合热红外影像上提取的林区植被层温度详细评估树木生长状况。
[0084] 一种基于航空遥感的林业健康评价系统，进一步的，小型无人机包括旋翼组件、轻质机 身、缓冲稳定架、微控制单元，旋翼组件包括加强筋、
支撑架、机翼臂、驱动
电机和旋翼桨， 旋翼组件均匀设置有若干个，旋翼桨固定在
驱动电机上并由驱动电机提供动力，支撑架的远 端处设置有驱动电机，支撑架的近端处设置有加强筋，支撑架通过加强筋与轻质
机身稳定连 接。
[0085] 一种基于航空遥感的林业健康评价系统，进一步的，轻质机身包括
机芯仓，机芯仓的内 部设置有锂
电池、微控制单元、陀螺稳定仪、机载通讯装置、全球卫星定位仪、飞行控制装 置、飞行状态获取装置和电源管理装置，锂电池稳定固定在机芯仓的可拆卸仓内，机载通讯 装置设置在机芯仓的尾部，全球卫星定位仪设置在机芯仓的中心顶端，机芯仓的下方设置有 高分遥感装置，机芯仓设置为重量分布均匀的中空结构，缓冲稳定架固定在轻质机身的下端， 缓冲稳定架对称设置为一对，缓冲稳定架包括两根柔性杆和柔性
杆底端水平设置的稳定架， 稳定架的底部设置有缓冲垫，柔性杆和稳定架均为中空结构且由轻质材料制成。
[0086] 与现有技术相比，本发明的优点在于：
[0087] 1.本发明提供的一种基于航空遥感的林业健康评价系统，设置了智能云台，智能云台上 搭载了热红外成像仪和高清彩色相机，采用树木密度、树木生长形态、植被层温度三项指标 评价林业健康状况，树木密度、树木生长形态、植被层温度分别从不同的角度分析评价森林 健康状况，三项指标可以单独使用，也可以二项或者三项综合使用，提高了对林业健康的研 究评价能力，将适合的几种评价方法结合起来，将无人机、3S技术结合，加快评价方法的创 新速度，推动了森林健康的定量研究，深度权衡认识各评价指标间的关系，建立了较完善的 林业健康评价体系。
[0088] 2.本发明提供的一种基于航空遥感的林业健康评价系统，采用了树木密度评价指标，树 木密度是反映陆地表面树木生长动态变化的重要指标，是影响水
碳循环、物质和
能量交换的 关键因子，也反映树木光合作用面积以及生长的茂盛程度，能够在一定程度上表示树木的生 长状态和生长趋势，是本发明的林业健康评价指标之一，该指标的设计能够从树木密度方面 突出反应林业健康状况。
[0089] 3.本发明提供的一种基于航空遥感的林业健康评价系统，采用了树木生长形态评价指 标，树木的生长形态在很大程度上反应了树木的生长状态，树木生长形态可以间接的反应林 区
生物量积累，从而估算林业健康状况。传统的树木生长形态测量方法采人工观察和拍照， 速度慢、工作量大且准确率低，已经不能满足树木生长形态监测的需要。无人机遥感系统具 有成本低廉，影像数据分辨率高，灵活性高，作业周期短等一系列优点，为大范围林区树木 生长形态指标的准确、快速、动态监测提供重要的技术手段，有效弥补地面调查的部分
缺陷。
[0090] 4.本发明提供的一种基于航空遥感的林业健康评价系统，采用了植被层温度评价指标， 植被层温度是大气与植被与
土壤物质和能量交换的结果，植被层温度通过影响树木
叶片功能 期、蒸腾、光合能力、叶绿素含量、
蔗糖合成酶以及内部的抗衰老机制来影响树木健康状况。 利用森林植被层温度来监测树木是否受到干旱、病虫害等不利环境因素的影响，判断树木的 生长状况，对林业健康评价至关重要。
[0091] 5.本发明提供的一种基于航空遥感的林业健康评价系统，通过对无人机的材质和结构进 行的一系列改进，减小了无人机的重量，延长了飞行时间，扩大了无人机巡航范围，专门针 对林业健康评价系统而设计，不需要频繁的起降和补给，能够同时采集多项评价指标所需的 数据，实现起来更为简单，监测效率提高，操作难度减小，将无人机飞控系统与地理信息系 统结合，根据巡航监控区域的地理位置、面积大小、环境条件和遥感飞行器自身的硬件条件， 规划森林火灾无人机巡航监控路径，路径规划既保证监测质量和监测全覆盖，又考虑遥感飞 行器硬件参数和飞行安全，路径规划技术由遥感飞行器和内业分析站共同分析计算完成，判 断当前所处位置与所有巡航点和
起飞点的最优飞行路径,充分利用巡航区域的地质地貌特征 和地理信息数据，巡航路径设计科学合理，充分发挥无人机林业健康评价的优势。
附图说明
[0092] 图1是本发明提供的一种基于航空遥感的林业健康评价系统的结构示意图。
[0093] 图2是本发明的树木密度指标的提取步骤图。
[0094] 图3是树木密度指标获取中植被色谱组合增强处理前和处理后图像。
[0095] 图4是本发明的树木生长形态指标的提取步骤图。
[0096] 图5是本发明的植被层温度指标的提取步骤图。
[0097] 附图标记说明：1-旋翼组件，2-轻质机身，3-缓冲稳定架，4-微控制单元，11-加强筋， 12-支撑架，13-机翼臂，14-驱动电机，15-旋翼桨，21-机芯仓，31-柔性杆，32-稳定架，33- 缓冲垫，50-遥感飞行器,51-小型无人机，52-高分遥感装置,60-内业分析站，61-微型计算机， 62-地面指挥系统。
具体实施方式
[0098] 下面结合附图，对本发明提供的一种基于航空遥感的林业健康评价系统的技术方案进行 进一步的描述，使本领域的技术人员可以更好的理解本发明并能予以实施。
[0099] 一.硬件部分
[0100] 参见图1，本发明提供的一种基于航空遥感的林业健康评价系统，包括遥感飞行器50和 内业分析站60，遥感飞行器50包括小型无人机51和高分遥感装置52，内业分析站60包括 微型计算机61和地面指挥系统62。
[0101] 1.小型无人机
[0102] 小型无人机51包括旋翼组件1、轻质机身2、缓冲稳定架3、微控制单元4，旋翼组件1 包括加强筋11、支撑架12、机翼臂13、驱动电机14和旋翼桨15，旋翼组件1均匀设置有若 干个，旋翼桨15固定在驱动电机14上并由驱动电机14提供动力，支撑架12的远端处设置 有驱动电机14，支撑架12的近端处设置有加强筋11，支撑架12通过加强筋11与轻质机身 2稳定连接。
[0103] 轻质机身2包括机芯仓21，机芯仓21的内部设置有锂电池、微控制单元4、陀螺稳定仪、 机载通讯装置、全球卫星定位仪、飞行控制装置、飞行状态获取装置和电源管理装置，锂电 池稳定固定在机芯仓21的可拆卸仓内，机载通讯装置设置在机芯仓21的尾部，全球卫星定 位仪设置在机芯仓21的中心顶端，机芯仓21的下方设置有高分遥感装置，机芯仓21设置为 重量分布均匀的中空结构，能减少小型无人机整体的重量，保持小型无人机的整体重量平衡， 有利于小型无人机内部
电子元器件的
散热，确保小型无人机的飞行安全。
[0104] 缓冲稳定架3固定在轻质机身2的下端，高分遥感装置的左右两侧，缓冲稳定架3对称 设置为一对，缓冲稳定架3包括两根柔性杆31和柔性杆31底端水平设置的稳定架32，稳定 架32的底部设置有缓冲垫33，柔性杆31和稳定架32均为中空结构且由轻质材料制成。
[0105] 缓冲稳定架3的主要作用在于起飞和降落过程中支撑小型无人机，保护高分遥感装置， 缓冲垫33能起到较好的防滑效果，同时能减缓小型无人机降落时的冲力，对小型无人机特别 是高分遥感装置起到保护作用。
[0106] 锂电池为高性能锂电池，重量较轻且储电量较大，机载通讯装置起到与地面通讯，向地 面传送飞行数据并接受地面指令的作用，驱动电机14转速精准易控制，运转时
摩擦力小，噪 音低，运行
稳定性好，使用寿命较长，微控制单元4采用机载嵌入式开发单元，微控制单元 4、飞行控制装置和飞行状态获取装置通过
导线连接并共同控制小型无人机的飞行，全球卫星 定位仪获取小型无人机的实时地理位置信息，电源管理装置监测锂电池状态并起到稳定供电 的作用。
[0107] 小型无人机小巧轻便,操作简单,可以实现精确稳定的
悬停,机动灵活,也可以实现自动驾 驶和巡航飞行，使用和维护成本低,不需要复杂的地面保障设备。飞行距离较远，能够低空飞 行，特别适合拍摄高精度的影像，承担高精度影像精细分析处理工作,通过系统的算法和评价 指标，完成对林业健康的评价任务。本发明的小型无人机能够同时搭载高分遥感装置，装置 元器件安排合理，结构设计科学，飞行稳定性好，续航时间较长，图像获取质量较好。
[0108] 2.高分遥感装置
[0109] 高分遥感装置52包括云台稳定器和智能云台，智能云台通过云台稳定器与小型无人机 51的下部相连接，智能云台上分别设置有热红外成像仪和高清彩色相机。
[0110] 热红外成像仪使用FLIR Vue无人机用红外热像仪，FLIR Vue是专为无人机设计的热红 外成像仪，重量仅90g，大小为57.4mm×44.4mm×44.4mm，分辨率达640*512 336*256，使 用简单，兼容mini-USB数据线连接模式，只需5VDC电源供电，画质清晰，内置SD卡，可 存储视频、图片等数据，支持MavLink通信协议，4通道PWM控制拍摄、存储、对焦、色板 等功能，USB
接口提供电源和图像输出，接口简单易用，图像设置经过优化，质量很高。
[0111] 高清彩色相机使用1英寸CMOS影像
传感器，有效像素2000万，镜头参数FOV 84°8.8 mm/24mm、f/2.8-f/11带自动对焦，ISO范围为100-12800。
[0112] 智能云台由轻质材料制成，稳定系统为
俯仰、
横滚、
偏航3-轴，智能云台在上下和水平 二个方向上旋转，具有手动操作旋转和自巡航旋转两种模式。可控转动范围俯仰为-90°至 +30°，最大控制转速为90°/s，角度抖动量为±0.02°。
[0113] 本发明提供的基于航空遥感的林业健康评价系统，遥感飞行器和内业分析站分别负责外 业和内业工作，遥感飞行器的小型无人机51飞行稳定、续航时间长，高分遥感装置包括热红 外成像仪和高清彩色相机，分别采集满足树木密度、树木生长形态、植被层温度三项指标计 算要求的高清彩色图像和热红外图像，内业分析站包括微型计算机和地面指挥系统，微型计 算机导入
图像处理软件，编写计算树木密度、树木生长形态、植被层温度三项指标程序，满 足航空遥感的林业健康评价需要。
[0114] 二.软件部分
[0115] 基于航空遥感的林业健康评价系统采用树木密度、树木生长形态、植被层温度三项指标 评价林业健康状况。
[0116] 1.树木密度
[0117] 树木密度是反映陆地表面树木生长动态变化的重要指标，通常是指树干、叶、茎、枝在 单位面积内的垂直投影面积所占百分比，是影响水碳循环、物质和能量交换的关键因子，也 反映树木光合作用面积以及生长的茂盛程度，能够在一定程度上表示树木的生长状态和生长 趋势，是本发明的林业健康评价指标之一。
[0118] 树木密度指标的提取步骤如图2所示，提取步骤为：
[0119] 密度指标第一步，确定树木密度检测区域，设置无人机航拍参数；
[0120] 密度指标第二步，执行航拍任务，高清彩色相机采集航拍区域的图像信息；
[0121] 密度指标第三步，航拍区域图像裁剪拼接，图像预处理；
[0122] 密度指标第四步，植被色谱组合增强波段差异，SVM监督分类；
[0123] 密度指标第五步，绘制树木指数统计图，提取树木指数阈值；
[0124] 密度指标第六步，树木覆盖图像获取；
[0125] 密度指标第七步，树木密度指标获取，
[0126] 密度指标第八步，树木密度分析与评价。
[0127] 确定树木密度检测区域，根据密度检测区域设置无人机航拍参数，根据密度检测区域的 地理位置、面积大小、环境条件和遥感飞行器自身的硬件条件，规划无人机巡航检测路径， 路径规划既要保证检测质量和检测全覆盖，又需要考虑遥感飞行器硬件参数和飞行安全，若 一次飞行无法完成，可分为多个任务执行；
[0128] 执行航拍任务，选择晴朗无风天气，在中午前后完成林区高清彩色图像采集，无人机采 集图像时的飞行高度为35至60米，飞行速度为匀速4米/秒，航向重叠度以及旁向重叠度 均为80％，采集若干幅连续可拼接的JPG格式高清彩色图像；
[0129] 航拍区域图像裁剪拼接是将无人机采集的若干幅连续可拼接的JPG格式高清彩色图像利 用Pix4DMapper软件进行图像拼接，完成图像预处理，获取检测林区的全景正射图像；
[0130] 通过波段组合可以增强树木和非树木的波段差异，使树木和非树木更容易区分，将林区 的全景正射图像通过植被色谱组合增强提取树木指数阈值，植被色谱组合增强公式为：
[0131] S＝2G-B-R
[0132] 式中G表示绿色波段像素值，B表示蓝色波段像素值，R表示红色波段像素值，S为树木 指数，
[0133] SVM监督分类将无人机拍摄的样区图像目标地物分为树木和非树木两类，以树木和非树 木的树木指数S值作为横坐标，像元统计个数作为纵坐标，绘制树木和非树木各自S值的统 计直方图，将坐标系下的树木和非树木S值直方图的交点作为树木和非树木分类阈值F，大 于等于分类阈值F的部分为树木像元，小于分类阈值F的部分为非树木像元，根据分类阈值 F提取的树木密度计算公式为：
[0134]
[0135] 式中NL为树木像元统计个数，NF为非树木像元统计，M为树木密度值；
[0136] 将树木像元点表示为黑色，将非树木像元表示为白色，即得到了经过植被色谱组合增强 处理后的树木覆盖图像，如图3为植被色谱组合增强处理前图像和处理后图像。
[0137] 根据树木密度M值和植被色谱组合增强处理后获取的树木覆盖图像，对树木密度分析与 评价。
[0138]
实施例一：以2018年9月15日无人机拍摄的某林区图像为例，结合野外调查结果对图 像进行判读，根据野外判读结果在图像上选定110个典型的林区数目和110个相对独立的 非树木区域，进行
支持向量机监督分类，实际情况看，支持向量机对树木和非树木分类效果 较好，在监督分类结果的基础上，对林区树木生长时期的树木指数S进行统计分析，统计直 方图，由统计直方图可知树木指数S树木和非树木像元在统计直方图的交点为35.56，利用 上述分类阈值提取的树木结果如图3的右图所示，其中白色部分代表非树木，黑色部分代表 树木，基于SVM监督分类得到该林区的树木密度为68.32％。
[0139] 通过对无人机拍摄的正射图像采用监督分类结果与植被色谱组合增强指数统计直方图相 结合确定分类阈值的方法，分类阈值稳定性较高。利用图像确定的阈值进行试林区大范围的 树木密度提取时，树木密度提取效果较好，对树木密度分析与评价可靠性好，是林业健康评 价系统的重要指标。
[0140] 2.树木生长形态
[0141] 林业健康评价中对树木的生长状态评价是重中之重，而树木的生长形态在很大程度上反 应了树木的生长状态，树木生长形态可以间接的反应林区生物量积累，从而估算林业健康状 况。传统的树木生长形态测量方法采人工观察和拍照，速度慢、工作量大且准确率低，已经 不能满足树木生长形态监测的需要。无人机遥感系统具有成本低廉，影像数据分辨率高，灵 活性高，作业周期短等一系列优点，为大范围林区树木生长形态指标的准确、快速、动态监 测提供重要的技术手段，有效弥补地面调查的部分缺陷。
[0142] 为在树木生长周期内，准确快速的掌握林区树木生长形态指标，通过无人机获取林区树 木高清数码正射影像DOM和数字表面模型DSM，利用形态提取算法对DOM中的树木区域进行 提取，生成掩膜，与DSM套和，获取树木生长形态指标，如图4所示，主要的步骤包括：
[0143] 生长指标第1步，确定树木生长形态检测区域，设置无人机航拍参数；
[0144] 生长指标第2步，执行航拍任务，高清彩色相机获取林区航拍影像；
[0145] 生长指标第3步，完成航拍影像的拼接以及预处理，生成DSM及DOM，选择地表DSM作 为地表基准面，包含树木的DSM与地表DSM相减得到树木生长形态DSM；
[0146] 生长指标第4步，对DOM进行图像预处理，通过形态提取算法得到树木生长区域；
[0147] 生长指标第5步，提取的树木生长区域DOM进行几何配准后，经过遥感影像处理软件生 成掩膜；
[0148] 生长指标第6步，运用得到的掩膜与树木生长形态DSM套和得到影像上的树木生长形态；
[0149] 生长指标第7步，影像树木生长形态与实际形态进行对比及精度评价，得出精确度好的 树木生长形态模型，进行树木生长形态分析与评价。
[0150] 确定树木生长形态检测区域，根据树木生长形态检测区域设置无人机航拍参数，根据检 测区域的地理位置、面积大小、环境条件和遥感飞行器自身的硬件条件，规划无人机巡航检 测路径，路径规划既要保证检测质量和检测全覆盖，又需要考虑遥感飞行器硬件参数和飞行 安全，若一次飞行无法完成，可分为多个任务执行；
[0151] 执行航拍任务，选择晴朗无风天气，在中午前后完成林区高清彩色图像采集，飞行高度 40-60米拍摄的若干幅影像作为数据源，地面分辨率为1.25厘米，航向、旁向重叠率90％， 控制点GCP大于5个，空间分辨率大于0.79厘米，空三误差小于0.115像素，平均RMS误 差小于0.018米，使用实时动态定位RTK进行测量，可用于空三运算和精度检测，同时用这 些点来检测影像集合定位精度；
[0152] 航拍影像拼接时Pix4Dmapper自动获取相机型号，采用Pix4Dmapper软件快速生成专业 精确的DOM及DSM数据。Pix4Dmapper处理数据大致流程如下：一是导入影像和位置与姿 态系统POS数据；二是导入地面控制点GCP文件，对影像进行几何校正；三是根据不同要求 设置参数；四是全自动处理进行点云提取和立体模型建立，通过全自动空三加密，获得DOM 和DSM。
[0153] 预处理中图像增强，对图像进行拉伸，使图像覆盖较大的取值区间来提高图像的
对比度， 便于后期提取树木生长形态：
[0154] 预处理中色彩空间转换，色彩空间转换为YCbCr色彩空间模型；
[0155] 预处理中OTSU阈值分割，最大类间方差法OTSU根据图像的灰度特性,将图分为前景和 背景两部分。对于图像A(x,y)，前景和背景的分割阈值记作B，属于前景的像素点数占整幅 图像的比例记为Dj，平均灰度为Hj，背景像素点数占整幅图像的比例为Db，平均灰度为Hb， 整幅图像的平均灰度记为H，类间方差记为F,则有：
[0156] H＝DjHj+DbHb
[0157] F＝Dj(Hj-H)2+Db(Hb-H)2
[0158] 联立上述两式可得：
[0159] F＝DjDb(Hj-Jb)2
[0160] 当类间方差F最大时，前景和背景差异最大，此时的分割阈值B为最佳阈值。
[0161] 形态提取算法：假设已知目标标记为1，背景点标记为0，定义边界点为1，其8连通 邻域至少有1个点标记为0，需要对边界点进行以下处理:
[0162] 一是在以8连通邻域为中心的边界点上中心点为X1，顺时针方向的相邻点记为X2，X3，…， X9。其中X2位于中心点X1之上，首先，选择满足要求的点：
[0163] 2≤N(X1)≤6；
[0164] S(X1)＝1；
[0165] X2X4X6＝0；
[0166] X4X6X8＝0；
[0167] N(X1)为非零相邻点的个数，S(X1)为X2～X9～X2序列从0到1的变化个数，经过对所有 边界点的检查，所有标记点都被删除；
[0168] 二是满足：
[0169] 2≤N(X1)≤6；
[0170] S(X1)＝1；
[0171] X2X4X8＝0；
[0172] X2X6X8＝0；
[0173] 经检查，标识点已删除，循环上述两步骤，直到都没有像素被标记为删除为止，输出的 结果即为二值图像细化后的树木形态。
[0174] 形态提取算法得到树木生长区域可通过OpenCV中的骨架提取或者图像细化实现；
[0175] 遥感影像处理软件生成掩膜：单像素宽树木形态制作掩膜不连贯，会丢失大量树木形态 区域信息，通过合适的结构元素对其进行形态学处理得到2-6像素宽的树木形态，可以得到 较完整的树木形态区域，由于掩膜不能与DSM
叠加显示，所以为了方便观察，使用制作掩膜 的面替代掩膜进行显示。
[0176] 提取树木生长形态：将生成的掩膜与树木生长形态DSM套和，获取树木生长形态指标。
[0177] 3.植被层温度
[0178] 植被层温度是大气与植被与土壤物质和能量交换的结果，森林树木特性和树木生长环境 是影响植被层温度变化的主要原因，植被层温度通过影响树木叶片功能期、蒸腾、光合能力、 叶绿素含量、
蔗糖合成酶以及内部的抗衰老机制来影响树木健康状况。因此，可利用森林植 被层温度来监测树木是否受到干旱、病虫害等不利环境因素的影响，判断树木的生长状况。
[0179] 获取植被层温度指标，如图5所示，主要的步骤包括：
[0180] 温度获取第1步，确定森林植被层温度检测区域，设置无人机航飞参数；
[0181] 温度获取第2步，执行航飞任务，高清彩色相机获取林区正射影像，热红外成像仪获取 林区热红外影像；
[0182] 温度获取第3步，正射影像和热红外影像拼接、几何校正和几何配准；
[0183] 温度获取第4步，热红外影像的辐射定标；
[0184] 温度获取第5步，正射影像中提取林区植被区域；
[0185] 温度获取第6步，热红外影像上提取林区植被层温度；
[0186] 温度获取第7步，林区植被层温度的比较、分析和评价。
[0187] 确定森林植被层温度检测区域，设置无人机航飞参数，根据检测区域的地理位置、面积 大小、环境条件和遥感飞行器自身的硬件条件，规划无人机巡航检测路径，路径规划既要保 证检测质量和检测全覆盖，又需要考虑遥感飞行器硬件参数和飞行安全，若一次飞行无法完 成，可分为多个任务执行；
[0188] 执行航飞任务，选择晴朗无风天气，在中午前后完成林区航飞任务任务，无人机搭载热 红外成像仪和高清彩色相机，飞行高度为50至70米，拍摄影像的重叠率为75％至90％，地 面空间分辨率为1厘米至7.5厘米；
[0189] 无人机拍摄若干张热红外影像和正射影像，采用Pix4Dmapper进行拼接，选定统一的坐 标系，根据地面像控点对影像进行几何校正；
[0190] 热红外影像辐射定标
[0191] 为提高植被层温度检测的准确性和可靠性，需进行无人机飞行前后的辐射定标。利用地 面精确测温仪和热红外成像仪分别测得近地面植被层温度，完成飞行前的辐射定标，通过相 关性分析，确定地面精确测温仪与热红外成像仪在不受距离影响下，所测温度具有一致性； 利用几何校正和几何配准后的热红外影像，利用地面精确测温仪，分别测得地面放置的黑白 辐射定标布、林区不同位置不同树木若干个点的温度，通过相关性分析确定辐射定标系数， 利用辐射定标系数得到热红外影像中提取的植被层温度；
[0192] 正射影像中提取林区植被区域采用GCanny边缘检测算法，GCanny边缘检测算法的步骤：
[0193] 一是应用选择性表面模糊代替高斯模糊，设置其阈值为20-40来平滑图像，目的是去除 噪声，选择性表面模糊采用带有保留边缘功能的平滑方法，通过设定阈值，让与中心像素灰 度差值小于该阈值的像素参与计算，而与中心像素灰度差值相差过大的像素被认为带有有效 信息，而非噪声，不参与平滑计算，从而保留有用的高频
信号，边缘信号也在保留的范围。
[0194] 二是找寻图像的强度梯度，平滑后的图像中每个像素点的梯度由Sobel算子来获得， Sobel算子在OpenCV中有封装好的函数，选用3*3的Sobel梯度算子；
[0195] 三是应用非最大抑制技术来消除边误检，将模糊的边界变得清晰，保留每个像素点上梯 度强度的极大值，删掉其他值；
[0196] 四是应用双阈值的方法来决定潜在的边界，设定一个阈值上界和阈值下界，图像中的像 素点如果大于阈值上界则认为必然是强边界，小于阈值下界则认为必然不是边界，两者之间 的则认为是弱边界，需进行进一步处理；
[0197] 五是利用滞后技术来跟踪边界，和强边界相连的弱边界认为是边界，其他的弱边界则被 认为不是边界。
[0198] GCanny边缘检测算法能够更好的联通边缘信息，对于孤立边缘和弱边缘具有较好的识效 果，能够更准确地识别作物的森林植被边缘信息。
[0199] 将提取的森林植被边缘信息结果进行二值化处理并生成矢量面文件，基于此矢量文件， 生成森林植被区域掩膜。
[0200] 热红外影像上提取林区植被层温度：将生成的森林植被区域掩膜套在热红外影像中提取 植被层温度。
[0201] 4.林业健康评价
[0202] 利用航空遥感林业健康评价系统的遥感飞行器和内业分析站，通过本发明软件部分提供 的树木密度、树木生长形态、植被层温度三项指标评价林业健康状况，树木密度、树木生长 形态、植被层温度三项指标可以单独使用，也可以二项或者三项综合使用。
[0203] 树木密度反映树木生长动态变化和茂盛程度，根据森林树木的种类和林区地理状况，使 用时确定一个最优值，根据测得的树木密度指标与最优值的偏离程度，结合树木覆盖图像详 细评估树木密度状况。
[0204] 树木生长形态提取林区树木的枝干骨架形态，反应树木的生长状态。需结合树木种类和 林区地理位置进一步详细判定。
[0205] 植被层温度监测树木是否受到干旱、病虫害等不利环境因素的影响，判断树木的生长状 况。使用时确定一个植被层温度最优值，根据测得的植被层温度指标与最优值的偏离程度， 结合热红外影像上提取的林区植被层温度详细评估树木生长状况。
