基于16线阵TLS数据的单木识别及林分断面积估测研究

目的地基激光雷达(TLS)可以对林冠下层进行快速、非破坏性的三维测量，与传统森林参数调查相比，节省了大量人力、物力和时间，在林业调查中有广泛应用。目前的研究集中在基于全方位TLS数据的参数提取，全方位扫描获取的点云数据量庞大，所需扫描时间较长，而针对快速扫描的多线阵点云数据的研究较少，相关算法有待提出，多线阵激光雷达数据的应用能力也有待验证。方法以北京市东升八家郊野公园和奥林匹克森林公园内的人工林为研究对象，基于多个单站扫描采集的16线阵TLS点云数据，提出了一种新的树干识别算法。该算法利用点云到达目标单木及周围其他物体距离的差异，检测出树干表面点云，并结合随机采样一致性(RANSAC)算法拟合圆，提取单木胸径；在此基础上引用角规抽样技术，进行林分平均胸高断面积的估测。结果对于多个单站扫描数据，单木检测率均在80%以上，株数密度最小的样地单木检测率可高达95%；对于单站数据，单木平均检测率随着扫描半径的增加而下降，在10 m左右范围内可以达到较高的检测率。以样地中被正确检测到的单木胸径估测值与实测值建立回归方程，单木胸径估测的决定系数R2在0.72~0.82之间；计算各样地单木胸径实测值与估测值的平方平均数，林分平均胸径估测精度均在90%以上，最高可达到99%，表明在样地水平上有较好的胸径估测效果。由TLS提取的胸径值结合角规抽样原理计算林分平均断面积估测值，与实测值相比，林分平均断面积估测精度可以达到90%左右。结论本文提出的算法能够基于单帧16线TLS数据提取单木参数，实现林分平均胸径及单位断面积的快速高效估算，为林业调查提供了一种新方法。      

基于地基激光雷达的单木森林参数提取分析

[目的]利用激光雷达手段大范围估算森林参数。[方法]以安徽省黄山市休宁县岭南林场森林资源为研究对象,通过地面调查获取3种森林类型单木胸径和树高数据,并同步使用地基激光雷达获取点云数据,利用Hough变换检测算法提取每木胸径和树高,在Matlab2020a软件下构建基于地面调查数据和激光雷达提取值的估算模型。[结果]针叶林、阔叶林和毛竹林的胸径估测精度（R■）分别为0.921、0.921和0.996,RMSE_c分别为2.080、2.460和0.291,模型表现显著;树高估测精度分别为0.908、0.846和0.500,RMSE_c分别为1.120、1.620和1.210。[结论]该研究可为运用激光雷达手段大范围估算森林参数提供依据,也可为森林类型点云识别与分割提供参考。     

基于机载激光雷达影像的天山云杉林树高提取及蓄积量反演

【目的】研究提取影像高程数据建立模型反演天山云杉林分蓄积量,获得便捷、快速提取森林蓄积信息的技术方法,为研究山地天然林精准监测与评价提供技术途径。【方法】以新疆天山中部北坡天格尔森林公园天山云杉(Picea Schrenkiana var.tianshanica)为研究对象,机载激光雷达航拍影像与样地每木检尺为数据源,使用点云分类与克里金插值法对激光雷达影像高程数据进行提取获得天山云杉树高,根据样地实测数据构建胸径-树高模型,并根据胸径-树高模型天山云杉林林分蓄积量进行反演。【结果】激光雷达影像分辨率较高,经过点云分类后,采用克里金插值法提取的树高平均精度可达89.64%,幂函数曲线模型拟合度最高,R²为0.908,结合二元材积公式,基于激光雷达影像估测蓄积量与样地实测蓄积量对比,精度达到87.43%。【结论】采用克里金插值法对天山云杉林树高信息的提取效果较好,建立胸径-树高模型弥补了激光雷达不能对胸径直接测量的缺陷,反演天山云杉林林分蓄积量,该模型可满足对新疆山地天然林数字经营管理的标准。     

基于TLS数据的单木胸径和树高提取研究

利用TLS测量森林参数(树高、胸径和林分密度等)不仅节省人力,而且还能提高工作效率,目前已成为快速获取树木几何参数的有效方法之一。本文利用地基激光雷达数据,提出了一种半自动方式提取单木参数的方法。首先,利用发射脉冲与接收回波脉冲的形状偏差和强度对原始点云数据中的“飞点”和噪点进行滤除;然后,配准各站点云数据;接下来采用不同目标回波过滤方法滤除部分树叶点和其他非树干点;抽稀、合并各站点云数据,对合并后的点云数据水平分层并生成对应的灰度影像;对灰度影像采用Hough变换方法估测单木位置和胸径;对Hough变换检测层数较少的结果采用椭圆拟合方法重新检测;最后,结合Hough变换和椭圆拟合检测结果从点云数据中提取单木位置、胸径和树高。用小兴安岭凉水自然保护区的白桦天然次生林对算法进行了检验,5块多站扫描样地单木识别的平均精度为72.16%,将所提取的单木位置、胸径和树高与外业实际测量数据对比,结果一致性较高。5块多站扫描样地的胸径和树高均方根误差分别为2.38、2.55、3.58、2.21、1.92 cm和4.31、3.87、2.34、5.00、3.47 m。      

基于移动LiDAR 点云的树木三维重建

【目的】树木三维结构的描述是进行农林生态研究的重要科学基础,而移动激光雷达的使用将有利于快速、高效的农林树木三维结构重建。【方法】文章利用同时定位与构图技术实现基于移动激光雷达点云的农林样地树木三维重建,并以地基激光雷达数据为参考,验证三维重建精度,同时对比树木胸径,分析移动激光雷达在农林树木三维重建中的有效性和可行性。【结果】同时定位与构图技术可实现移动激光雷达点云的树木三维重建,其中,水平方向重建精度为0.038 m,垂直方向重建精度为0.017 m;以地基激光雷达数据拟合出的树干胸径为真实值,移动激光雷达点云拟合出的树干胸径为观测值,两者的相关系数为0.715 6,均方根误差(RMSE)和平均绝对误差(MAE)分别为0.011、0.01 m。【结论】移动激光雷达可实现农林树木三维结构快速重建,且基于重建结果可实现树干胸径准确提取。因此,移动激光雷达对提高农林树木测量效率具有积极作用。     

基于树冠和竞争因子的杉木胸径估测

【目的】无人机遥感的迅速发展为胸径预估提供了新方向，本研究适用于通过无人机遥感技术提取样地单木树冠因子后，估算胸径及林分每公顷断面积等指标，实现精准高效的森林资源监测与管理。【方法】根据福建省将乐国有林场33块杉木人工林地面调查数据，利用10种传统模型与2种机器学习方法分别对单木胸径进行估测，并基于不同的自变量组合形式来分析不同因子对胸径估测的影响。【结果】根据传统模型参数拟合结果可以看出，树冠半径与胸径呈显著正相关，林分密度、偏冠因子及竞争指数与胸径均呈显著负相关。传统模型建模过程中所引入最优竞争指数为树冠重叠内角相关的CI2，模型逻辑斯蒂模型拟合结果最优，幂函数(有截距)模型次之。而在使用检验数据进行估测时，幂函数(有截距)有着最好的估测效果。随机森林模型均具有较好的拟合效果，使用检验数据进行估测，不同竞争指数对模型拟合提升程度不同，与树冠重叠面积相关的竞争指数CI3取得了最好的效果。支持向量回归模型拟合优度小于随机森林，略大于传统模型。对胸径进行估测时，包含与竞争木大小相关的竞争指数CI4的模型为最优模型。【结论】传统模型和机器学习模型在拟合与估测单木胸径上均取得了一定的效果，利...     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

运用无人机激光雷达数据提取落叶松树冠特征因子及树冠轮廓模拟

为探究无人机激光雷达(UAVLS)获取单木树冠三维结构的能力,利用无人机载激光雷达数据,对人工长白落叶松进行单木树冠特征因子的提取以及树冠轮廓的模拟,并与机载激光雷达(ALS)单木树冠特征因子的提取进行比较。结果表明:利用UAVLS数据1∶1匹配的单木数量远高于利用ALS数据匹配的单木数量,且UAVLS单木位置探测的精度达到0.338 1 m,比ALS提高了0.185 1 m;UAVLS单木树高的提取精度达到0.578 5 m,比ALS提高了1.294 5 m;对于冠幅及冠基高的提取,UAVLS也有更高的精度。与ALS相比,UAVLS不仅具有更高的单木探测精度,也具有更高的单木树冠结构参数提取精度;3种树冠轮廓模型拟合的R~2均高于0.75,表明3种常用的轮廓模型都能够很好的描述从UAVLS数据中获取的树冠外部轮廓,其中二次抛物线模型具有最强的模拟效果(M_(AE)=0.256 4,M_(RAE)=4.59%)。因此,无人机激光雷达数据提取单木树冠结构,可以提高林业调查的效率。     

多源遥感数据结合的橡胶林有效叶面积指数升尺度估测

【目的】针对传统森林叶面积指数监测的小尺度、对植被具有破坏性以及低效率。【方法】以机载LiDAR数据和Landsat 8 OLI数据为主要信息源,使用LiDAR点云基于Beer-Lambert定理反演得到点云条带区橡胶林有效叶面积指数,并用样地实测叶面积指数对其进行差异性检验。其次,以LiDAR点云得到有效叶面积指数作为训练样本结合Landsat 8 OLI数据,分别使用偏最小二乘回归模型和BP神经网络模型对有效叶面积指数进行升尺度光学遥感估测。【结果】1)LiDAR点云反演得到的有效叶面积指数与样地实测的叶面积指数之间极显著相关且差异不显著,相关系数为0.82。2)研究所建立的遥感估测模型中,BP神经网络回归模型的估测结果优于偏最小二乘回归模型,其决定系数R2为0.54,均方根误差RMSE为1.23,相对均方根误差rRMSE为47.68%。【结论】在森林参数获取和林业调查中,机载激光雷达数据与光学遥感数据的结合可有效提高工作效率、降低调查成本、效弥补人工调查的不足。     

应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明：采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层...     

基于标记控制区域生长法的单木树冠提取

根据2009年激光雷达数据、正射影像图及二类调查数据,选取凉水国家自然保护区针叶林和阔叶林样地进行单木树冠提取研究,包括利用动态窗口局域最大值法对单木位置进行探测,以及采用标记控制区域生长法进行树冠边界的勾绘,分别从样地和单木两个层次进行评价。结果表明:样地尺度上,针叶林和阔叶林的树冠面积相对误差的平均值分别为8.74%和-8.24%。单木尺度上,针叶林样地的生产者精度在62.2%~77.3%浮动,用户精度在71.5%~83.9%浮动;而阔叶林样地的生产者精度达到76.1%~91.2%,用户精度达到78.5%~92.5%。阔叶林样地勾绘精度浮动较大,但略优于针叶林样地的勾绘精度,是由于阔叶林样地中树冠分布较稀疏所致;而"位置匹配但过度生长"的情况过多是针叶林样地树冠提取精度不高的主要原因。     

机载激光雷达森林资源调查系统的设计与试验

机载激光雷达对森林空间结构和地形具备较强的探测能力,已成为森林资源调查的重要技术手段,但目前针对该技术应用于森林资源调查方面的系统建设研究相对较少。为了实现林业的可持续发展,满足当今森林资源精准监测及管理的需求,从应用角度出发,以机载激光雷达数据为基础,结合机载激光雷达技术、地理信息系统技术与林业资源调查管理技术,搭建了适用于林业的专业森林资源调查系统。该系统以C++为编程语言,结合QT图形界面库、VTK三维引擎库及GDAL影像处理库开发而成,利用机载激光雷达点云数据实现高效的森林区域数字高程模型生成、单木及林分相关参数提取等功能,实现森林资源数据库的更新,缩短了传统森林资源调查的时间周期,最终实现森林资源调查的自动化及系统化应用。以甘肃省张掖市大野口关滩森林站超级样地为试验区,基于样地调查数据对系统提取结果进行了精度验证,结果表明,系统提取的区域高程最大偏差为1.102m,平均偏差为0.737 m,单木树高、冠幅的平均相对误差分别为13.66%、14.18%,株树密度、林分平均高的平均相对误差分别为5.83%、9.86%。     

基于LiDAR的温室番茄冠层几何参数提取

【目的】准确获取温室番茄作物行中单株冠层数据,为分析作物生长状态和为对靶喷药提供冠层数据支持。【方法】采用三维激光雷达(LiDAR)搭建番茄植株冠层检测平台,使用导轨以0.05 m/s的速度移动三维激光雷达,利用雷达上位机软件Ctrlview保存双侧扫描的A、B 2组共40株番茄植株点云。双侧点云使用ICP(迭代最近点)算法进行配准,利用基于特征值的平面拟合法去除地面,使用均值漂移算法(Meanshift)分割番茄行中的单株点云,获取冠层参数,与人工测量值比较验证精度,将单株点云在MATLAB中使用alpha shape算法进行重建并进行体积的获取,使用凸包算法作物参考值对比。【结果】该检测平台在激光雷达前进方向与垂直前进方向的测量误差分别为-2.65%、-3.95%;获取到的单株番茄植株高度与人工测量值相比,平均绝对误差分别为0.025和0.031 m;重建后求取的体积与凸包算法相比平均误差下降了约15.3%,与人工获取相比相差不大,各指标良好。【结论】番茄行点云分割结果与人工测量相比A、B 2组的均方根误差RMSE分别为0.039和0.043,冠层体积获取与参考值对比V_RMSE为0.011 3,激光雷达在获取作物外形轮廓信息中具有一定的准确性和可靠性,该方法用于温室环境下单株作物冠层数据的获取。     

利用机载激光雷达数据提取单株木树高和树冠

机载激光雷达是一种主动遥感技术。在林业应用方面,高采样密度激光雷达能够获取单株木三维结构特征,采用不同的数据处理方法,可以得到不同精度的单株木参数。该文利用高采样密度的机载激光雷达数据（离散回波,平均激光点间隔0.52 m、平均光斑直径0.3 m）,研究了单株木的树高提取技术和树冠边界识别算法,针对单株木的树冠特征,提出了一种双正切角树冠识别算法;最后,使用重庆铁山坪林场的9个外业样地数据,对单株木树高和冠幅,以及样地平均树高和平均冠幅进行了验证。结果表明,单株木树高和冠幅的R2分别为0.34和0.03,样地平均树高和平均冠幅的R2分别为0.97和0.71,样地尺度的相关性明显高于单株木尺度的相关性。      

运用激光雷达数据的单木树冠提取算法对帽儿山林场单木参数估测的影响

选取黑龙江省尚志市帽儿山实验林场的10块高郁闭度的天然次生林样地为研究对象,利用激光雷达数据构建的冠层高度模型(CHM),分别使用分水岭分割算法、区域生长法和区域的分层横截面分析(RHCSA)3种方法提取单木位置、树高和冠幅信息。利用手动勾绘的单木树顶和树冠作为参考数据进行精度检验(包括单木树冠提取精度和单木参数估测精度检验),探索不同单木提取算法估测单木参数的可行性。结果表明:RHCSA算法对单木树冠提取的总体精度为83.64%,区域生长算法总体精度为75.19%,分水岭算法总体精度为68.65%;对于单木参数估测,区域生长法与分水岭算法的单木定位精度高(R_(MSE)为1.12 m),RHCSA算法得到最高的树高与冠幅提取精度高(R_(MSE)分别为0.62、1.11 m)。因此,RHCSA算法更适用于帽儿山林场单木树冠提取与单木参数的估测。     

几种林场总体森林蓄积量密度均值估计方法的比较评价

【目的】以林场或县森林资源总体为调查对象,及时、准确地调查监测总体平均每公顷蓄积量,对上级(如市、省)部门开展森林资源宏观管理、生态保护价值评价、森林碳储量计量、领导干部任期绩效考核等工作都有重要支撑作用。将卫星、无人机等多源遥感数据作为辅助数据,采用较少抽样调查样地数据,实现总体参数有效估测的新方法,已成为国内外重要的研究方向,但目前,国内尚无多种现有估计方法的比较评价研究。为了促进新一代遥感技术在森林资源调查业务中的应用,提高我国森林资源天空地一体化调查监测技术水平,亟需对现有林场或县总体参数估测方法进行比较评价研究。【方法】以内蒙古旺业甸实验林场主要人工林树种为总体,基于2019年在林场获取的无人机激光雷达(LiDAR)抽样数据、Sentinel-2A多光谱数据(全覆盖)和少量样地数据,针对样地(p)、样地-卫星(ps)、样地-抽样无人机LiDAR(pl)以及样地-抽样无人机LiDAR-卫星(pls)4种模式,利用适合这4种模式的概率抽样法(DB)、模型辅助法(MA)、模型法(MD)和混合法(HY)4类共5种估测方法(DB_p、MD_ps、...     

倾斜摄影测量技术提取油松单木信息

  目的  获取森林单木参数的信息是经营、管理森林过程中的一项重要内容。倾斜摄影测量技术以其多角度拍摄方法,成为目前高效获得单木信息的研究方法之一。  方法  本研究以内蒙古旺业甸油松林为研究对象,利用无人机倾斜摄影测量技术获取油松单木的树高、冠幅和材积,探究了4种不同的相片分辨率（1、0.5、0.25、0.1 m）对单木信息提取能力的影响。采用基于点云数据的均值漂移算法和基于冠层高度模型（CHM）的分水岭算法分割单木树冠,以样地实测单木参数和激光雷达提取的单木数据作为验证数据,探索了相片分辨率与单木提取能力的关系,比较了两种分割方法的准确度及最优分辨率。建立了基于CHM提取树高与单木材积的异速生长模型（y = 0.000 1x2.717,R2 = 0.571 7）, 并绘制了测区油松单木材积分布图。  结果  （1）摄影测量提取单木油松冠幅,分水岭算法和均值漂移分割算法均在0.5 m相片分辨率的分割准确度最好,且分水岭算法提取的冠幅较均值漂移算法有较少的漏分、过度分割,其F得分分别为0.87和0.82;而在0.5 m分辨率下均值漂移算法提取的冠幅数值准确度较好,分水岭算法和均值漂移算法得到的参考树冠与分割树冠的相关系数分别为0.850和0.892,且在P < 0.01水平上极显著。（2）分水岭分割算法和均值漂移算法提取油松树高的能力相近,0.5 m相片分辨率得到的单木树高平均误差最小且相差不大,分别为0.42和0.66 m。  结论  研究明确了倾斜摄影测量技术提取油松单木的关键方法和最佳相片分辨率参数,提高了调查效率,为设置合理无人机数据获取的参数提供了科学依据。      

基于无人机载激光雷达点云数据的人工侧柏林单木分割研究

可持续的森林经营管理模式有助于实现生态文明建设的高质量发展，人工林单木分割结果的获取是森林经营管理的关键。目前无人机载激光雷达技术为单木位置的精准定位和树冠的精确划分提供了应用空间。利用冠层高度模型(CHM)检测和提取单木数量和树冠、树高等信息，评估和分析空间分辨率和点云密度对单木分割和树冠提取结果的影响和精度，该方法可准确分割人工侧柏林和提取树冠信息，总体上单木分割精确率均>75%,树冠轮廓提取精确率均>65%,实测数据与提取数据的回归决定系数均>0.6。适当的空间分辨率有助于提高单木分割精度，当分辨率为0.3 m时单木分割和树冠提取结果均为最优。同时研究发现随着点云密度的降低，单木数量的识别精度值随之下降。当点云密度为100%时，F为89%,当点云密度为10%时，其F降低至73%。基于CHM模型可以较好实现人工林的单木精确分割，对林木出现的树冠重叠、覆盖、偏移等现象均有一定的辨别能力；同时分析了空间分辨率和点云密度对单木分割和树冠提取结果的影响并评估了精确性，识别了单木分割时关键参数的最优选择。     

便携式森林资源调查仪研制与试验

以数字图像处理技术、摄影测量技术、测树学为理论基础,研制可用于森林资源调查的多功能调查仪。该仪器主要由Cortex-M3中央处理芯片、激光测距模块、倾角传感器、蓝牙模块、LED彩屏、CCD镜头等电子元件组成,测量时获取距离、倾角、图像等信息,并使用C语言在Keil uVision4开发平台下构建一套集单木测胸径、单木测树高、单木测材积、圆形样地观测4个主要功能模块于一体的软件系统嵌入到测树仪中。结果表明,单木测量功能的平均精度高达96.98%,方差为0.023 3,其中单木因子测量中的胸径测量精度高达97.85%,树高测量精度高达97.46%,材积测量精度高达95.64%;圆形样地观测功能林分参数获取,林分平均胸径测量精度高达97.92%,林分平均高测量精度高达97.97%,株数密度测量精度高达96.54%,蓄积量测量精度高达95.79%,符合国家森林资源二类调查中的精度要求,该仪器可在林业调查工作中进行推广和应用。     

基于点云体素化的单木叶面积指数地基遥感反演

以黑松、马尾松、荔枝、相思树为对象,采用地基激光雷达获取点云数据,基于点云体素化理论,分割叶片点云,建立"叶片—体素"的投影关系,研究体素化理论中尺度因子与点云密度对叶面积指数(LAI)反演精度的影响,实现单木LAI的高精度获取。结果表明,样木反演的LAI随着尺度因子的增大而增大,最优尺度区间为1.2~1.3,样木LAI最优反演精度范围为93.3%~99.9%,决定系数R~2为0.989 3,反演结果与实测LAI具有较高相关性;在最优尺度区间下,样木LAI反演精度随着点云密度的降低而减小,最大精度为98.63%,最小精度为84.14%,点云密度对单木LAI反演精度影响不大。