基于机载LiDAR的单木结构参数及林分有效冠的提取

【目的】基于机载激光雷达(LiDAR)数据提取单木树冠三维结构参数(树冠顶点位置、树高、冠幅和冠长),并在此基础上对林分有效冠进行提取,为进一步研究林分尺度上的有效冠结构及其动态提供依据,以更好掌握并改进林业经营措施。【方法】采用一定规则下的局部最大值窗口搜索树冠顶点,进行单木树冠顶点探测和单木树高提取;以树冠顶点为标记,利用标记控制分水岭分割算法提取单木冠幅;采用垂直方向点云高程检测方法获取枝下高位置,提取冠长;在标记控制分水岭分割出的树冠边界,提取树冠接触高,取平均值作为该样地的林分有效冠高。【结果】树冠分割正确率为88.5%;结合样地实测参数对提取值进行相关性分析,树高R~2=0.886 2,冠幅R~2=0.786 4,冠长R~2=0.800 0,树高、冠幅和冠长精度分别为90.34%、86.80%和89.90%;同一林分内单木接触高相对比较稳定,对提取的林分有效冠高进行单因素方差分析,无显著差异。【结论】基于机载LiDAR数据,采用可变大小的动态窗口搜索局部最大值点,能提高单木结构参数的提取精度;利用树冠顶点标记控制分水岭算法,将高空间分辨率航片作为辅助数据,可完成较高精度的单木冠幅提取;垂直方向点云高程检测方法可提取单木冠长;LiDAR点云数据可对林分有效冠进行提取,在同一林分中,不同样本数量对接触高提取的变异性影响不大,有效冠高大致相同。机载LiDAR数据具有良好的单木树冠三维结构参数提取能力,能够满足现代林业调查对单木结构参数提取的需要,实现对林分有效冠的提取。     

基于机载LiDAR点云多层聚类的单木信息提取及其精度评价

【目的】针对已有三维点云数据单木分割方法提取下层林木困难、准确提取林木数量占总体比例偏低导致提取工作有效性不高、提取效果受点云密度和林分结构复杂程度影响等问题,改进单木提取策略和算法,为Li DAR单木提取技术向生产实践应用转化提供支撑。【方法】以机载Li DAR点云数据为基础,提出一种基于分层聚类的三维立体单木分割方法,并对点云分层、分割、单木匹配等环节进行算法改进,实现空间异质性较高林分的单木分割和信息提取。【结果】改进后的算法可在高密度、高空间异质性林分中进行单木分割和信息提取,并能更合理地与地面实测林木信息匹配,可匹配的林木比例最高达88.70%,单木树高、林分平均高精度最高分别达92.38%、99.84%,树高基尼指数、树高变异系数精度最高达89.65%。【结论】通过多水平分层和纵向聚类融合,可提升对于林下层尤其是更新层林木的提取能力;构建提取有效性指标,更加关注成果的适用性;评价指标中加入空间结构精确度指标,可充分发挥Li DAR对空间结构的反演能力。     

基于三维点云模型获取单木树高和胸径的研究

使用无人机和智能手机分别从空中和地面拍摄的样地林分影像构建三维点云模型，并从三维点云模型中获取样地内单木树高和胸径参数。本研究以池杉人工林为研究对象，利用PhotoScan Agisoft软件对无人机倾斜摄影和智能手机近景摄影的样地影像进行三维重建，通过对齐照片、控制点刺点、对齐优化、建立密集点云等步骤，构建出与样地实景相符的三维点云模型；通过LiDAR 360软件从样地三维点云模型中获取单木的树高和胸径参数，将其与实地测量获取的单木树高和胸径参数进行对比分析。利用无人机和智能手机影像构建的三维模型可以满足《数字航空摄影测量测图规范》的精度要求。通过实测数据和点云数据获取的树高和胸径的平均差值分别为-0.9 m和-0.8 cm,平均相对误差分别为5.4%和7.1%。以实测数据作为自变量x,以点云数据作为因变量y,树高和胸径回归模型的R²分别为0.809 5和0.918 4。将倾斜摄影和近景摄影的点云模型统一在同一空间参考基准下可构建出与样地实景相匹配的三维点云模型，从样地三维点云模型中获取的单木树高和胸径与实地测量结果具有较好的线性相关性，本研究所使用的方法可以代...     

基于分层叠加的机载LiDAR点云单木分割

【目的】提出一种基于分层叠加的单木分割算法,以充分利用高密度激光雷达点云信息,提高林分中下层单木分割精度。【方法】区别于传统将冠顶点作为聚类种子点的单木分割算法,基于分层叠加的单木分割算法以点云水平切片后各层的局部最大值为种子点进行分层聚类,并通过分层叠加与迭代优化,减少枝杈等因素导致的过分割现象,在保证上层树单木分割精度的同时提高对中下层单木的提取能力。【结果】基于分层叠加的单木分割算法在不同密度落叶松林分均有较高单木分割精度,提取单木与实测单木总体匹配成功率最高达94%,在中高密度林分匹配成功率最高达92%,相较其他算法,对中下层单木的匹配率可提高20%～40%;在单木树高提取精度方面,单木提取树高与实测树高相关系数为0.8,相对均方根误差为8.45%,提取冠幅与实测冠幅相关系数最高为0.83,相对均方根误差为16.5%。【结论】通过分层聚类、聚类种子点优化选取,充分利用林分各层次点云信息,可提高单木分割精度,为森林经营管理提供高精度数据支持。     

基于机载激光雷达点云数据的马尾松单木材积估测

为提高森林单木材积估测精度和效率,选取贵州省织金县城郊典型马尾松林为研究对象,基于机载激光雷达点云和样地调查数据,以提取的树高、冠幅、树冠投影面积和树冠体积等单木结构参数为变量,构建基于机载激光雷达点云数据的马尾松单木材积估测模型。结果表明：1)基于点云数据提取的马尾松单木树高和冠幅因子与实际调查数据之间存在良好的相关性,决定系数R²在0.7以上,精度相对较高,可用于构建马尾松单木材积模型。2)在经典非线性CAR模型基础上,利用枚举法对树高、冠幅、树冠投影面积、树冠体积等4个变量组合构建的11个模型中,包含树高、冠幅及树冠体积三个林分因子的模型表现最佳,R²为0.774 1。3)树高、冠幅及树冠体积被确定为马尾松单木材积估测的关键因子,其中,树高的贡献最大且与单木材积呈极显著正相关关系(P<0.001)。利用机载激光雷达点云数据提取单木结构参数,并基于非线性CAR模型构建单木材积模型估测马尾松单木材积的方法是可行的,该方法不仅能满足森林资源调查的精度要求,且能有效提高调查效率。     

基于地面三维激光扫描技术的单木胸径树高提取精度研究

利用地面三维激光扫描仪提取单木参数,已经成为林业测量领域的研究热点,尤其在编制林业数表方面极具应用前景。基于地面三维激光扫描仪采集19株柏木和17株马尾松样本数据,提取单木胸径和树高两个主要测树因子,并与实际数据进行对比分析,结果表明:胸径因子采用凸包算法提取精度更高,相对误差为1.18%;树高测量精度较高,平均相对误差为-1.66%;基于地面三维激光扫描技术提取单木胸径和树高,完全满足调查精度要求,可以广泛应用于森林资源调查,以及单木及林分不同尺度数表编制等方面。     

基于机载激光雷达和机器学习的林分平均胸径遥感估测

为探究不同模型对林分平均胸径的预测精度,使用贵州省桂花国有林场马厂工区同步获取的机载激光雷达点云数据和地面实测样地数据,通过提取样地水平的点云特征变量,采用方差膨胀因子分析和皮尔逊相关性检验进行自变量选择,建立机器学习模型估测样地平均胸径。结果表明：1)点云特征变量,如平均冠层高度和高度偏态与林分平均胸径有很强的相关性。2)机器学习模型(随机森林、支持向量机、最近邻算法)优于多元线性回归模型,其中,随机森林的拟合效果最好。随机森林的决定系数(R²)为0.71,均方根误差(RMSE)为2.50。3)通过柳杉纯林、针叶混交林、针阔混交林、马尾松纯林4种森林类型的林分平均胸径预测值与实际值差值,进一步证实随机森林模型精度最高,拟合效果最好。利用机载激光雷达点云数据提取点云特征变量,并构建基于机器学习算法的林分平均胸径估测模型是可行的,该方法的精度能满足森林资源调查的应用需求,可作为辅助林业调查工作的技术手段。     

基于地基激光雷达的亚热带森林单木胸径与树高提取

【目的】以云南省普洱市天然林与杉木人工林为研究对象,针对云南省山区森林树种繁多、林下灌木草本茂密的林分环境,根据森林中树木的形态特征,利用地基激光雷达(TLS)扫描数据提取样地尺度单木胸径与树高,为森林调查工作提供参考。【方法】将获取的多站地基激光雷达扫描数据分为多站拼接及单站2种分析方式,采用Hough变换算法及树干的形态特征对样地内单木进行识别与胸径提取,根据树干生长方向及单木在垂直方向上的分布提取树高。【结果】1)对于多站拼接数据,即使在林分条件最为复杂的原始林,单木识别率仍可达到81%;对于单站数据,随着扫描距离增加,单木识别率降低,实际操作时单站布设比多站拼接简单;2)多站拼接胸径及胸高断面积估测结果更接近于样地真实值,多个单站平均结果比只使用一站扫描数据提取的结果更加适合估测样地胸径及胸高断面积,半径10 m比半径5 m及15 m范围内数据更加适合估测样地胸径及胸高断面积;3)天然林单木树高估测结果为R~2=0.77,RMSE=1.46 m;人工林单木树高估测结果为R~2=0.94,RMSE=0.96 m。【结论】本研究根据树干垂直向特征,设置的一系列参数可以剔除Hough变换算法在非树干处的识别圆,可提高单木识别及胸径、树高的估测精度。受扫描站布设及林分条件影响,人工林的估测结果好于天然林。多站拼接相比单站扫描更加接近于样地实测结果,多个单站平均更能代表样地实际情况,只用一站数据具有一定的偶然性。     

机载激光雷达和航空数码影像单木树高提取

用激光雷达(LiDAR)数据和航空数码影像相结合进行单木水平树高反演.对研究区的LiDAR点云数据进行滤波和分类,根据地形特点、地表植被状况以及其他地类的分布,采用Tin Filter滤波算法提取地面回波点和植被回波点.用面向对象的方法对高空间分辨率(25 cm)的航空数码影像进行单株木检测.通过多尺度、树冠模式的分割创建影像对象和类层次,用最邻近距离和成员函数法进行影像对象的分类,并基于分类结果进行再分割.对分割后的树冠多边形进行边缘优化,以准确识别单株木.将植被回波点和影像分割后得到的树冠多边形进行叠加,计算多边形内的LiDAR数据最大高程差值,与实测树高进行相关分析,建立单木树高估测回归方程,平均估测精度为74.89%.     

联合资源三号与机载LiDAR的林分平均树高估测

提出一种将资源三号(ZY-3)立体影像的空间连续测量特性与LiDAR数据的高精度定位测高优势相结合的林分平均树高估测方法。首先从LiDAR离散点云提取地面点并内插生成分辨率为1m的林区DEM,同时根据点云强度提取与DEM同源且分辨率为1m的正射影像,分别作为ZY-3数据定向处理的高程控制基准和平面控制基准。通过ZY-3多类像对组合提取研究区DSM,其中三视DSM较二视DSM高程精度最佳。基于三视DSM,林区DEM,ZY-3多光谱数据提取的植被指数和野外实测树高数据,利用回归分析方法及高程误差修正方法分别建立了四个树高估测模型,实验表明,经高程误差修正后的改进树高估测模型精度最高,模型Adj R~2=0.913,其精度达到93.29%,是最佳树高估测模型。     

基于点云数据的测树因子提取与分析研究

利用三维激光扫描仪对树木进行扫描获取树点云数据,经过格式转换、分离、提取后,对树木各测量因子包括胸径、树高、树冠、材积量进行测定,并对测量方法进行分析与讨论。结果表明:树冠测定因子可以由于测量技术的提高,测定树冠的叶面积指数更能反映树冠的生理学意义;通过不规整三角网构建的多面体的计算的树干体积较平均断面积、中央断面积求树干材积更准确与便捷。     

伞房属4个树种/亚种在广东德庆的早期生长表现

本文分析了引自澳大利亚东部的桃金娘科伞房属4个树种或亚种在广东省德庆试验点的早期生长表现。结果表明：10年生时，4个树种或亚种生长量最大的是斑皮柠檬桉，其次是大叶斑皮桉(Corymbia henryi)、柠檬桉和斑皮桉，平均单株材积分别为0.2026、0.1748、0.1634和0.0526 m3；与8年生时比较，4个树种或亚种在10年生时仍保持较快的增长速度，材积增长均在15%以上。方差分析结果表明：试验组Ⅰ内，柠檬桉和大叶斑皮桉3个生长性状在家系间差异极显著(P＜0.01)；种源间胸径差异达显著水平(P＜0.05)，树高和单株材积无显著差异；在试验组Ⅱ，斑皮柠檬桉和斑皮桉的3个生长性状在树种或亚种、种源、家系间差异极显著(P＜0.01)。以单株材积高于对照为选择目标，选出柠檬桉3个种源4个家系，斑皮柠檬桉4个种源11个家系，大叶斑皮桉2个种源3个家系，共计9个种源18个家系，分别占参试种源和家系总数的50%和19.4%。     

结合自适应阈值与峰值的LiDAR林分平均高反演方法研究

随着激光雷达获取的点云密度不断增加,提取样地尺度的林分平均高成为可能。但样地尺度林分平均高的提取精度与树种之间的关系尚不明确,急需一种能适应各种树种的林分平均高提取方法。以广西国有高峰林场为例,采用机载LiDAR点云数据生成的冠层高度模型(Canopy height model,CHM),结合地面实测的201个样地数据,提出了一种结合自适应阈值与峰值的林分平均高提取算法,并分析了树种对提取精度的影响。结果表明:1)不同树种的林分平均高提取精度存在差异,杉木精度最高,而桉树和其他阔叶树种精度次之;2)自适应阈值结合峰值的算法能够较好提取林分平均高(R²=0.75,RMSE=3.11m,rRMSE=22.07%),并且对于不同的树种都有较强的稳健性;3)阔叶树种和针叶树种对不同的提取方法存在敏感性差异。研究提取的林分平均高可为森林蓄积量与生物量反演研究提供依据和参考。     

Stand parameter extraction based on video point cloud data

Monitoring sample plots is important for the sustainable management of forest ecosystems.Acquiring resource data in the field is labor-intensive,time-consuming and expensive.With the rapid development of hardware technology and photogrammetry,forest researchers have turned two-dimensional images into three-dimensional point clouds to obtain resource information.This paper presents a method of sample plot analysis using two charge-coupled device(CCD) cameras based on video photography.A handheld CCD camera was used to shoot the sample plot by surrounding a central tree.Video-based point clouds were used to detect and model individual tree trunks in the sample plots and the DBH of each was estimated.The experimental results were compared with field measurement data.The results show that the relative root mean squared error(rRMSE) of the DBH estimates of individual trees was 2.1-5.7%,acceptable for practical applications in traditional forest inventories.The rRMSE of height estimates was2.7-36.3%.Average DBH and heights,and tree density and volume were calculated.Video-based methods require compact observation instruments,involve low costs during field investigations,acquire data with high efficiency,and point cloud data can be processed automatically.Furthermore,this method can directly extract information on the relative position of trees,which is important to show distribution visually and provides a basis for researchers to regulate stand density.Additionally,video photography with its unique advantages is a technology warranting future attention for forest inventories and ecological construction.     

中国西南地区栎类和桦木立木地上及地下生物量模型研建

依据中国西南地区栎类和桦木的立木材积及生物量实测数据,采用度量误差模型的方法,建立栎类和桦木材积相容的地上生物量及地下生物量模型。结果表明,在地上生物量模型中,增加树高因子,立木材积模型的相关统计指标有较大幅度的改进,栎类和桦木二元材积模型的平均预估精度分别达到了97.86%和97.08%,而二元地上生物量模型的相关统计指标并没明显的改进;两树种一元与二元地下生物量模型的相关统计指标差异并不明显,平均预估精度均达到了90%以上。     

林分密度和立地对油松人工林生长的影响

以北京山区25块油松人工林样地为研究对象,调查了40年生油松人工林在不同林分密度和立地条件下的生长状况,建立了林分密度与平均胸径、平均树高、平均冠幅和单木材积之间的回归方程,相关指数都在0.9以上;以样地平均优势木的解析材料确定40年生优势木树高,按单项立地因子实际分布区间分组,进行方差分析、差异显著性检验、多重比较。结果表明:随着林分密度的增大,平均胸径、平均树高、平均冠幅、单木材积逐渐减小;北京山区40年生油松人工林密度应控制在1 500株/hm2以下;明确了北京山区油松人工林生长与立地因子的关系,初步确定了油松人工林适宜的立地条件为:低山、阴坡、有效土层厚度(A+B层)45cm以上。     

基于单站三维激光扫描数据的林木胸径提取方法

2018年4月以天津市滨海新区海滨大道临港工业区段西侧约1km绿化段为试验区域,通过地面三维激光扫描仪获取单站点云数据,基于最小二乘圆拟合算法,利用LISP语言编制程序对林木胸径值进行自动提取,再通过现场抽测39株‘107杨’Populus×euramericana‘74/76’和65株刺槐Robiniapseudoacacia树对计算结果进行精度统计。结果表明,‘107杨’计算中误差为0.8cm,刺槐计算中误差为0.7cm,整体计算中误差为0.7cm,整体计算中误差<1cm。表明采用最小二乘圆拟合算法对单站点云数据进行胸径计算,效率更高、精度可靠,可应用于实际工程项目中。     

尾叶桉与马占相思不同混交处理对林分生长的影响

对尾叶桉(Eucalyptus urophulla)与马占相思(Acacia mangium)不同混交处理3a生林分生长调查结果表明:在相同密度1727株/hm2时,尾叶桉纯林的平均胸径、树高、单株材积分别为9.27cm,14.50m,0.0514m3,尾叶桉与马占相思以1∶1.6比例混交,尾叶桉的胸径、树高、单株材积分别为13.50cm,15.97m,0.1098m3,比纯林高45.6%,10.1%,113.6%;纯林和混交林林分每公顷蓄积分别为88.83m3和98.00m3,混交林比纯林高10.3%。尾叶桉与马占相思不同混交处理林木胸径、树高、材积生长及径高比均有显著差异。     

Estimating single-tree branch biomass of Norway spruce with terrestrial laser scanning using voxel-based and crown dimension features

Abstract

Many remote sensing-based methods estimating forest biomass rely on allometric biomass models for field reference data. Terrestrial laser scanning (TLS) has emerged as a tool for detailed data collection in forestry applications, and the methods have been proposed to derive, e.g. tree position, diameter-at-breast-height, and stem volume from TLS data. In this study, TLS-derived features were related to destructively sampled branch biomass of Norway spruce at the single-tree level, and the results were compared to conventional allometric models with field measured diameter and height. TLS features were derived following two approaches: one voxel-based approach with a detailed analysis of the interaction between individual voxels and each laser beam. The features were derived using voxels of size 0.1, 0.2, and 0.4 m, and the effect of the voxel size was assessed. The voxel-derived features were compared to features derived from crown dimension measurements in the unified TLS point cloud data. TLS-derived variables were used in regression models, and prediction accuracies were assessed through a Monte Carlo cross-validation procedure. The model based on 0.4 m voxel data yielded the best prediction accuracy, with a root mean square error (RMSE) of 32%. The accuracy was found to decrease with an increase in voxel size, i.e. the model based on the 0.1 m voxel yielded the lowest accuracy. The model based on crown measurements had an RMSE of 34%. The accuracies of the predictions from the TLS-based models were found to be higher than from conventional allometric models, but the improvement was relatively small.     

模型形式和地域对落叶松地上生物量预测的影响

针对树高测定困难且不准确的问题,以东北地区的落叶松实测生物量大样本数据为基础,分别建立一元模型和二元模型,以大样本的树高、胸径实测数据为预测变量,研究模型形式和样本抽取范围对落叶松地上生物量预测的影响。结果表明:一元模型在建模样本抽取的范围内,省级尺度和区域尺度的预测值都和二元模型没有显著差异,而在非建模区域,省级尺度和区域尺度均存在显著差异,且所有径阶一元模型的预测值都大于二元模型。在全部的区域,小径阶树木一元模型的预测值均大于二元模型,在建立模型时应引起重视。