劉新平，姜 帥，程進(jìn)明

(南京國(guó)圖信息產(chǎn)業(yè)有限公司，江蘇 南京 210036)

0 引 言

隨著經(jīng)濟(jì)發(fā)展對(duì)自然環(huán)境造成的負(fù)面影響的加大，森林資源的管護(hù)成為我國(guó)環(huán)境保護(hù)與恢復(fù)的重要手段。郁閉度、株數(shù)、冠層參數(shù)等林分因子的精確評(píng)估對(duì)森林資源的管理至關(guān)重要，但其龐大的資源儲(chǔ)量對(duì)精細(xì)化的測(cè)量與管控會(huì)造成很大的難度[1-2]。傳統(tǒng)森林資源林分因子調(diào)查的方式多采用外業(yè)樣方測(cè)量，評(píng)估區(qū)域內(nèi)森林資源的整體情況，但樣方評(píng)估的缺點(diǎn)顯著，其在人力、物力及時(shí)間成本消耗上都是極大的。遙感技術(shù)的出現(xiàn)為人類的生產(chǎn)生活帶來了諸多便利，被廣泛應(yīng)用于農(nóng)業(yè)、水利、土地以及植被等地表資源的變化監(jiān)測(cè)[3]。機(jī)載激光雷達(dá)遙感系統(tǒng)集成了遙感技術(shù)與激光雷達(dá)測(cè)距技術(shù)，可以實(shí)現(xiàn)對(duì)地表地物三維信息的遠(yuǎn)距離測(cè)量，返回具有x、y、z三軸方向坐標(biāo)信息的點(diǎn)云數(shù)據(jù)，具有更多的維度信息，有效地實(shí)現(xiàn)水平、垂直方向上森林資源信息的獲取[4]。

激光雷達(dá)遙感的發(fā)展為森林資源的調(diào)查管理提供了契機(jī)，利用點(diǎn)云數(shù)據(jù)可有效地實(shí)現(xiàn)廣域林區(qū)內(nèi)林木冠層的提取以及單株木的定位分割[5-6]。劉魯霞等利用地基激光雷達(dá)(TLS)掃描系統(tǒng)獲取的數(shù)據(jù)提取了小面積區(qū)域內(nèi)立木的胸徑與樹高信息[7]。駱鈺波等同樣利用了TLS數(shù)據(jù)實(shí)現(xiàn)了林木胸徑的提取并對(duì)單株木進(jìn)行了三維重建[8]。云挺等人利用了移動(dòng)激光雷達(dá)(MLS)數(shù)據(jù)對(duì)海南儋州采樣區(qū)域內(nèi)的橡膠林受災(zāi)情況做出了精準(zhǔn)評(píng)估[9]。通過以上相關(guān)研究涉及的方法可以總結(jié)出胸徑的提取多利用Hough變換以及圓檢測(cè)算法，單株的分割提取多利用基于點(diǎn)或像素的聚類以及分水嶺分割算法，均能實(shí)現(xiàn)較好的測(cè)量結(jié)果[10]。

森林資源具有分布廣、形態(tài)結(jié)構(gòu)復(fù)雜、物種多樣及種群密度高等特點(diǎn)，李增元等人總結(jié)了激光雷達(dá)反演森林資源林分因子的相關(guān)研究，有學(xué)者在此類研究的基礎(chǔ)上開發(fā)出了新的局部輪廓樹法同樣取得了較好的效果[2,4]。鑒于以上所述的森林資源林分因子的調(diào)查方法與激光雷達(dá)技術(shù)的發(fā)展現(xiàn)狀，本文嘗試?yán)蒙指采w區(qū)的機(jī)載激光雷達(dá)數(shù)據(jù)結(jié)合基于形態(tài)學(xué)運(yùn)算的控制標(biāo)記分水嶺分割算法，提取單株樹木并計(jì)算林區(qū)的林木因子。林木因子測(cè)算與評(píng)估主要包括4個(gè)階段(圖1)：第一部分，構(gòu)建冠層高度模型CHM，過程中借助了FUSION軟件的命令行計(jì)算工具;第二部分，單株木算法分割與信息統(tǒng)計(jì)提取，分割涉及控制標(biāo)記的提取、距離轉(zhuǎn)換以及分水線微調(diào)，而在統(tǒng)計(jì)過程中需要均等劃分樣本，在設(shè)定的規(guī)則下提取各樣本內(nèi)相關(guān)的林木因子；第三部分，分割結(jié)果的對(duì)比分析，直觀的比較算法分割效果與參照組間的差別；第四部分，回歸統(tǒng)計(jì)驗(yàn)證分析，利用各對(duì)照組間統(tǒng)計(jì)結(jié)果進(jìn)行驗(yàn)證分析。

圖1 林木參數(shù)提取流程

1 方法與理論

1.1 雷達(dá)數(shù)據(jù)與冠層

本文用于方法研究的機(jī)載激光雷達(dá)數(shù)據(jù)是長(zhǎng)度、寬度均為500 m，地理位置處于兩點(diǎn)對(duì)角坐標(biāo)(322500,4102000)與(323000,4102500)之間的方形區(qū)域，高程范圍從2 489 m到2 677 m，如圖2所示。區(qū)域內(nèi)點(diǎn)云總數(shù)為3 611 088個(gè)，覆蓋面積與密度均較為適中，且冠層信息豐富，既有明顯的單個(gè)樹株也有成片的茂密林區(qū)，此特性有利于驗(yàn)證方法的普適性。

圖2 研究區(qū)雷達(dá)點(diǎn)云數(shù)據(jù)

森林的冠層屬性能夠有效地反應(yīng)林木的生長(zhǎng)健康狀態(tài)，冠層高度模型CHM的構(gòu)建是進(jìn)行單株木分割的基礎(chǔ)，計(jì)算DSM與DTM的差值即可獲取。數(shù)字表面模型是包括地面所有地物高程信息的表面，由原始的點(diǎn)云通過線性插值形成的連續(xù)表面。在計(jì)算冠層的過程中借助了FUSION軟件。首先利用地面濾波獲取地面點(diǎn)云，繼而轉(zhuǎn)換為.DTM格式的數(shù)字地形模型文件；最后計(jì)算DSM及其與DTM的差值來獲取去除地面點(diǎn)的植被冠層。并將冠層高度模型轉(zhuǎn)換為灰度格式的影像，實(shí)現(xiàn)對(duì)三維點(diǎn)云的降維。

1.2 形態(tài)學(xué)運(yùn)算與分水嶺分割

圖像分割算法種類繁多，諸如基于像素的閾值法、區(qū)域增長(zhǎng)法、聚類算法等以及面向?qū)ο蟮闹悄苷Z義分割[11,13]?？紤]本研究的目的是實(shí)現(xiàn)單株木的提取分割，故而選取分水嶺分割算法形成閉合的分割曲線，利于最終的單株樹提取處理。由雷達(dá)點(diǎn)云數(shù)據(jù)轉(zhuǎn)換后的灰度圖像除了明顯的單個(gè)樹木、成片林木以外，還存在很多明顯的細(xì)碎斑點(diǎn)噪聲，為了避免噪聲斑塊導(dǎo)致過分割的現(xiàn)象，在研究中選擇了圖像形態(tài)學(xué)重構(gòu)生成標(biāo)記的方式來輔助信息的提取。在平滑背景噪聲的同時(shí)突出圖像中的信息，保留了圖像內(nèi)容的結(jié)構(gòu)，使圖像能夠通過簡(jiǎn)單的提取操作即可獲取標(biāo)記前景。

分水嶺算法是依據(jù)流域概念形成的自適應(yīng)目標(biāo)分割手段。圖像具有不連續(xù)的特征，可簡(jiǎn)單地視為由目標(biāo)像元和背景像元兩部分構(gòu)成的，其梯度在目標(biāo)邊緣處較之內(nèi)部高[13]。本研究中基于MATLAB實(shí)現(xiàn)的控制標(biāo)記分水嶺分割，通過應(yīng)用目標(biāo)前景標(biāo)記與強(qiáng)制最小距離變換得到的背景標(biāo)記，結(jié)合Canny算子梯度圖像進(jìn)行分水嶺變換即可實(shí)現(xiàn)圖像中單株木分割線的提取。圖3給出了標(biāo)記分水嶺算法過程中的距離轉(zhuǎn)換模型以及示例分割。圖3中從左到右，第一列為地物粘連方式的模型化表達(dá)，第二列是模型的距離轉(zhuǎn)換結(jié)果，第三列是具有相同粘連方式的真實(shí)地物灰度圖像，第四列則為控制標(biāo)記的分水嶺分割結(jié)果。

不同類型的參考地物(第一列)；參考地物的距離轉(zhuǎn)換(第二列)；相應(yīng)類型的林木地物實(shí)例(第三列)；分割結(jié)果(第四列)圖3 距離轉(zhuǎn)換模型以及示例分割

實(shí)驗(yàn)所示(圖3)的經(jīng)歐式距離轉(zhuǎn)換后的參考目標(biāo)得到了細(xì)化，骨架信息更加明顯，可有效地分離粘連的物體。其原理是計(jì)算各像素與周邊非零像素間的距離，若轉(zhuǎn)換的結(jié)果中(第二列)亮的像元表示高程較大，那么暗的像元?jiǎng)t代表高程較低的水域聯(lián)通方向。依此構(gòu)建分水嶺，即可實(shí)現(xiàn)目標(biāo)的單體分割。

1.3 林分因子統(tǒng)計(jì)

研究中涉及的林分因子參數(shù)包括株數(shù)、平均冠幅、平均樹高(Average Tree Height,ATH)及郁閉度。冠幅是指單株木的南北及東西方向上直徑的平均值，那么平均冠幅則代表區(qū)域內(nèi)所有樹木的冠幅平均值。郁閉度的計(jì)算參照了張瑞英等[2]提出的“樹冠投影法”進(jìn)行計(jì)算，是指樹木的垂直投影覆蓋區(qū)域占調(diào)查林區(qū)總面積的比值。研究區(qū)所有樣地的林分因子統(tǒng)計(jì)結(jié)果如表1所示。

表1 林分因子統(tǒng)計(jì)表

單位森林覆蓋區(qū)域內(nèi)的樹木總數(shù)、樹高以及冠幅可以用來衡量該區(qū)域林木的長(zhǎng)勢(shì)與反演森林生物量，而郁閉度則是林區(qū)類型劃分的重要依據(jù)，是評(píng)價(jià)森林公益效能的重要參數(shù)，同時(shí)郁閉度還與森林火災(zāi)風(fēng)險(xiǎn)評(píng)估有關(guān)。

2 結(jié)果分析與驗(yàn)證

2.1 統(tǒng)計(jì)對(duì)比分析

林木的形態(tài)復(fù)雜多樣，特別是茂密的林區(qū)，樹木高大且樹木冠層相互之間存在交叉重疊，提高了單體分割的難度。文中的控制標(biāo)記分割利用對(duì)邊緣敏感的Canny算子，結(jié)合區(qū)域最大與形態(tài)學(xué)方法得到了包含待分割目標(biāo)的區(qū)域斑塊，為獲取單株木還需要進(jìn)行后續(xù)的提取操作，即通過分水嶺分割的區(qū)域斑塊掩膜二維的冠層圖像獲取每一個(gè)分割區(qū)域內(nèi)的單株林木。為了直觀的分析實(shí)驗(yàn)所用分割方法的效果，文中通過人工解譯的方式對(duì)試驗(yàn)區(qū)內(nèi)部的所有單株樹木進(jìn)行了勾繪，將結(jié)果作為地面真實(shí)情況的參考(地面參照)。同樣的參照對(duì)比實(shí)驗(yàn)在技術(shù)研究類科研成果中經(jīng)常存在，利用多種不同的算法分別提取結(jié)果形成組間對(duì)照，通過直觀的對(duì)比來初步的了解結(jié)果的可信程度[12]。需要強(qiáng)調(diào)的是，本文在人工解譯的過程中，不僅僅是主觀地進(jìn)行勾繪，同時(shí)結(jié)合了樹的基本形態(tài)以及計(jì)算得到的邊緣坡度信息來確定樹株。特別是林木密度較大的粘連區(qū)域，坡度的加入可避免視覺上的誤差，提高準(zhǔn)確度。圖4中A、B分別展示了冠層圖像及其分水嶺分割圖；C、D分別展示了單株林木提取結(jié)果及解譯獲取的地面參照。結(jié)果可以看出，算法分割的效果整體上與真實(shí)的地面參照相似，不僅能夠提取相對(duì)孤立的樹木，對(duì)大面積粘連的樹木同樣具有良好分離分割的效果。但同時(shí)也存在極少數(shù)的過分割或欠分割問題。

(A)雷達(dá)數(shù)據(jù)轉(zhuǎn)換而來的二維冠層；(B)控制標(biāo)記分水嶺分割圖；(C)依據(jù)分割結(jié)果提取的單株木；(D)地面參照結(jié)果圖4 冠層及分割成果圖

針對(duì)單株木分割不當(dāng)?shù)膯栴}我們進(jìn)行了分析，過分割的主要成因是雷達(dá)數(shù)據(jù)在采樣降維的過程中出現(xiàn)了空洞，在形態(tài)學(xué)平滑后的單株樹木內(nèi)部會(huì)出現(xiàn)條狀的隔離空白區(qū)域，從而導(dǎo)致分割過程中出現(xiàn)多余的分水線，形成過度分割。相反的欠分割問題主要是降維后的冠層區(qū)域像素值相似，難以分割。特別是林木茂密的林區(qū)，樹間距離太近而冠層較大，相互間交叉生長(zhǎng)，對(duì)于目視解譯也有很大的難度，故而無法計(jì)算出邊緣形成分割。也有極少數(shù)的明顯單株木同樣無法得到有效分割，分析其原因是因?yàn)楣趯用黠@而樹木較為低矮，處理標(biāo)記圖層的過程中被誤認(rèn)為是噪聲背景而被剔除。對(duì)于此類情況可通過適當(dāng)?shù)姆炙€微調(diào)去除相應(yīng)的影響。

2.2 回歸驗(yàn)證

為了進(jìn)一步驗(yàn)證林分因子的提取精度，研究中嘗試了通過構(gòu)建線性回歸分析模型來實(shí)現(xiàn)。即分別統(tǒng)計(jì)出實(shí)驗(yàn)分割組與地面參照組的各項(xiàng)林木參數(shù)做回歸分析。驗(yàn)證方式采用了全樣本檢測(cè)的方式，首先將試驗(yàn)區(qū)的數(shù)據(jù)均等劃分為5×5的25個(gè)面積大小均為1 hm2的小樣本，而后計(jì)算各個(gè)樣本中的林木參數(shù)。在統(tǒng)計(jì)的過程中統(tǒng)一了規(guī)則，僅針對(duì)樣本內(nèi)的樹木進(jìn)行統(tǒng)計(jì)，與樣本邊界相交的樹木忽略不計(jì)。這樣的規(guī)則下，試驗(yàn)區(qū)的整體林木數(shù)量、郁閉度會(huì)減小，但并不影響單個(gè)對(duì)照組樣本間的對(duì)比。

組間的線性回歸分析結(jié)果(圖5)表明兩者之間存在明顯的線性關(guān)系，對(duì)照組A、B、C、D中的縱橫坐標(biāo)分別表示了地面參照組與試驗(yàn)分割組的株數(shù)、冠幅、樹高以及郁閉度。株樹、樹高、郁閉度的回歸決定系數(shù)均大于0.90，冠幅的回歸系數(shù)也達(dá)到了表征強(qiáng)相關(guān)關(guān)系的81.99%。通過該回歸分析模型，有力地證明了雷達(dá)點(diǎn)云數(shù)據(jù)在森林資源的林分因子提取應(yīng)用中的優(yōu)勢(shì)。

(A)株數(shù)；(B)冠幅；(C)樹高；(D)郁閉度圖5 分割結(jié)果與地面參考的線性回歸

3 結(jié) 語

本文通過構(gòu)建冠層高度模型CHM，結(jié)合控制標(biāo)記分水嶺分割算法對(duì)試驗(yàn)區(qū)機(jī)載激光雷達(dá)數(shù)據(jù)進(jìn)行單株木的提取分割，并在此基礎(chǔ)上計(jì)算了試驗(yàn)區(qū)林木的相關(guān)參數(shù)，通過統(tǒng)計(jì)分析與線性回歸分析均證明了所提取重要森林林分因子的準(zhǔn)確性。其中，株樹、冠幅、樹高以及郁閉度等林木參數(shù)的相關(guān)系數(shù)分別為95.37%、81.99%、94.92%、90.39%，均顯示強(qiáng)相關(guān)關(guān)系。較之傳統(tǒng)的林木參數(shù)采集方法，基于雷達(dá)數(shù)據(jù)的流程化算法分割提取方式更加快捷、高效，一次采集完成多參數(shù)的獲取，可以有效提高森林資源普查類型相關(guān)項(xiàng)目的調(diào)查效率。與此同時(shí)，降維的方式會(huì)損失原始雷達(dá)數(shù)據(jù)的部分信息，更加有效便捷且易于實(shí)現(xiàn)的林木三維點(diǎn)云立體分割、統(tǒng)計(jì)算法值得被研究與開發(fā)。