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。