姚相坤 蒼甜甜 張一帆 許延麗

摘 要：為探索地基激光雷達技術提取人工林單木因子、構建樹高模型的可靠性，本文采用地基激光雷達技術對水曲柳（Fraxinus mandshurica）和興安落葉松（Larix gmelinii）2種人工林樣地進行多站全方位掃描，對獲取的點云數據進行預處理、點云歸一化和單木分割，再批量提取單木因子樹高和胸徑，最后基于點云數據提取的單木因子，分別對備選的8個樹高模型進行擬合，并用實測數據進行檢驗，得出模型精度評價結果。結果顯示：①針對本文所選的2塊人工林樣地，地基激光雷達點云數據對單木的識別率達到了100%;②水曲柳和興安落葉松胸徑提取結果決定系數（R2）均在0.92以上，樹高的R2均在0.90以上;③基于點云提取的樹高和胸徑構建的水曲柳的最優(yōu)樹高模型為Schumacher模型，擬合結果調整絕對系數（R2a）為0.826 1，興安落葉松的最優(yōu)樹高模型為Logistic模型，擬合結果R2a為0.801 1，2個樹種最優(yōu)樹高模型擬合與檢驗結果基本一致。從而得出，地基激光雷達技術對人工林樣地單木識別率很高，單木因子提取精度較好，基于提取的單木因子所構建樹高模型，在林業(yè)調查中有較高的科研價值和應用前景。

關鍵詞：地基激光雷達;人工林;單木因子;樹高模型;水曲柳;興安落葉松

中圖分類號：S758.5??? 文獻標識碼：A?? 文章編號：1006-8023（2022）01-0093-08

Study on Tree Height Model Construction of? Plantation Based on

Data Derived from Terrestrial Laser Scanning

YAO Xiangkun1， CANG Tiantian1， ZHANG Yifan2， XU Yanli1*

（1.College of Mining Engineering， Heilongjiang University of Science and Technology， Harbin 150022， China;

2.CSSC （Zhejiang） Ocean Technology Co.， Ltd， Zhoushan 316021， China）

Abstract：In order to explore the reliability of terrestrial laser scanning technology to extract individual tree factors and build tree height models， terrestrial laser scanning was used to conduct multi-station all-dimensional scaning for Fraxinus mandshurica and Larix gmelinii plantations. After preprocessing the acquired point cloud data with methods of data normalization and individual tree segmentation， the tree height and DBH （Diameter at Breast Height） of individual tree factors were extracted in batches. Finally， based on the individual tree factor extracted from the point cloud data， eight alternative tree height modes were fitted respectively and tested with measured data to obtain the model accuracy evaluation results. The results showed that： ① For the two plantation plots selected in this paper， the point cloud data obtained by terrestrial laser scanning had a recognition rate of 100% for individual tree. ② The determination coefficients （R2） of the DBH extracted results of Fraxinus mandshurica and Larix gmelinii were more than 0.92， and the R2 of tree height extracted results were more than 0.90. ③ The optimal tree height fitting model of Fraxinus mandshurica based on tree height and DBH extracted from point cloud was the Schumacher model， and the adjusted determination coefficient R2a of the fitting model was 0.826 1. The optimal tree height model of Larix gmelinii was the Logistic model， and the R2a of the fitting model was 0.801 1. The optimal tree height model fitting results of the two tree species were basically consistent with the test results. It was concluded that terrestrial laser scanning technology had a high recognition rate for individual trees in plantation， and the accuracy of individual tree factor extraction was high. The tree height model constructed based on the extracted individual tree factor had high scientific research value and application prospects in forestry investigation.

Keywords：Terrestrial laser scanning; plantation; individual tree factor; tree height model; Fraxinus mandshurica; Larix gmelinii

0 引言

我國森林資源調查工作多采用人工的方式，比如，森林資源清查與樹干解析等工作需要人工采集大量的外業(yè)實測數據，這些數據的可靠性對于提高森林生物量、森林蓄積量、葉面積指數估測精度和開展森林演替、碳循環(huán)、初級生產力研究具有重要意義[1-3]。外業(yè)數據的采集，需要消耗大量的人力和物力，尤其對于交通不便的邊遠山區(qū)林地，實地調查更為困難。因此，如何運用更加科學的手段獲取數據，減少人工工作量、提高效率和數據質量，將是林業(yè)科研工作者共同努力的方向。

對于數據的采集方式，傳統光學遙感技術在林業(yè)中的應用已經非常普及，在區(qū)域尺度和全球尺度的指標反演中發(fā)揮了重要的作用[4-5]，但光學遙感技術主要側重于提取大尺度的宏觀的森林參數，很難描述林分的垂直結構及森林的三維信息[6]，而激光雷達具有與光學遙感不同的成像機制，對植被空間結構和地形的探測能力很強，可以很好地表達森林垂直結構，屬于非接觸、非破壞性的數據采集方式，在林業(yè)資源調查中相比純人工作業(yè)方式和光學遙感技術顯然有著無法比擬的優(yōu)勢，此外激光雷達還具備不受天氣等環(huán)境因素的影響、掃描范圍廣、操作簡便等特點，不僅能提高工作效率，還能提高測量精度。所以，從20世紀80年代中期開始，激光雷達技術在國內外被廣泛應用于森林參數反演及森林生態(tài)學的研究，Li等[7]結合機載激光雷達反演了森林表層的土壤屬性;陳健[8]、Kumar等[9]、Pitknen等[10]和駱鈺波等[11結合地基激光雷達數據提取了胸徑和樹高等單木因子，驗證了TLS用于人工林和天然林的單木因子提取的可行性;范偉偉等[12]以哈爾濱市城市林業(yè)示范基地黑皮油松林為研究對象，綜合對比了地基激光雷達和手持式移動激光雷達2種掃描方式;邱琴等[13]和黃旭等[14]基于背包式激光雷達提取了單木因子，并與實測數據比對，驗證了背包激光雷達用于樹高、胸徑及冠幅面積等參數提取的可行性。激光雷達技術將遙感在林業(yè)領域中的應用推上了更高的臺階，并且在森林資源管理和可持續(xù)發(fā)展中起到了重要的作用。

近些年，激光雷達技術在各行各業(yè)已經展現了非凡的發(fā)展前景，但要在林業(yè)調查中普及尚需各方面的權衡，比如：精度、效率和資金等，導致目前林業(yè)調查仍以傳統方法為主。本文基于地基激光雷達掃描了2塊東北林業(yè)大學校內林場人工林樣地，分別為水曲柳和興安落葉松，主要探索地基激光雷達技術提取人工林單木因子、構建樹高模型的可靠性以及在2種樹種中的差異性。

1 研究區(qū)概況

研究區(qū)域位于東北林業(yè)大學校內林場，其地理坐標為126°37′58″ E， 45°43′01″ N，平均海拔141 m，地形較為平緩，氣候類型屬溫帶濕潤大陸性季風氣候，具有夏季短暫且高溫多雨，冬季漫長且寒冷干燥的特點。年氣溫變化幅度較大，夏季7月平均氣溫23°，冬季1月平均氣溫-19°，年平均降水量約為500 mm，且全年降水多數集中在6—9月。樣地內土壤類型為暗棕壤，主要樹種有紅松、興安落葉松和水曲柳等。

2 數據采集

2.1 地基激光雷達數據采集

地基激光雷達數據采集時間為2019年初冬。在東北林業(yè)大學校內林場設置水曲柳人工林樣地1塊、興安落葉松人工林樣地1塊，樣地為20 m×30 m的長方形標準樣地。本研究使用多測站布設法對2塊不同林分的樣地進行掃描，掃描儀器型號為FARO FOCUS S350，該三維激光掃描儀系統參數見表1。掃描儀配置文件參數為室外20 m掃描，開啟彩色掃描模式，每站掃描時間平均10 min。

2塊樣地地理位置相鄰，共布設10個測站進行掃描，測站分布在樣地外圍4個角點、4個角點形成的4條邊的中點和2條對角線上。在四周通視條件良好的位置布設標靶，作為任意測站的共同后視點。每相鄰2個測站間，同時看到至少4個標靶，充分保證樣地內每棵樹木的掃描精度和全方位掃描信息的完整性，測站具體布設如圖1所示。

2.2 實測數據采集

人工實測數據時間與地基激光雷達掃描時間基本同步，選擇樣地內胸徑大于5 cm的單木，使用胸徑尺與測高桿，人工實測2塊樣地內樹種的胸徑與樹高，3次測量取平均值作為實測值。實測水曲柳49棵，興安落葉松45棵，其胸徑與樹高測量基本統計量見表2。

3 研究方法

3.1 點云數據處理

將掃描所得10站點云數據導入掃描儀配套軟件FARO SENCE中，進行配準和裁剪等預處理。將預處理后的點云數據導入LiDAR360軟件，進行去噪和地面點濾波等預處理，對濾波后的地面點進行插值，生成數字高程模型（DEM），然后依據DEM對點云進行歸一化，目的是去除地形起伏對點云數據高度的影響，從而便于計算樹高。

3.2 單木因子提取

對歸一化后的點云數據進行單木分割，單木點云示意圖如圖2所示，再進行批量提取胸徑和樹高，但是對批量提取的結果需要補充和修正。個別情況因胸徑部位點云不完整或數據量太小造成擬合錯誤甚至未能擬合，如圖3（a）所示，需用手動方式選取樹干1.3 m左右胸徑位置切片點云進行重新擬合，如圖3（b）所示，手動提取方式根據點云的實際情況可選擇圓擬合、橢圓擬合或圓柱擬合。對于樹干折斷、被破壞或遮擋造成的樹木頂部掃描信息缺失的個別情況，作為異常值剔除，以免影響后續(xù)建模精度。

3.3 備選樹高模型

參考國內外相關學者的研究結果[15-18]，共選取8種常用的樹高模型分別對2個樹種進行模型擬合，模型具體形式見表3。

3.4 模型評價與檢驗

本研究采用SAS軟件對樹高模型進行擬合，模型的擬合評價指標采用決定系數（R2）、調整決定系數（R2a）與均方根誤差（RMSE，公式中用ERMS表示）;模型的獨立檢驗采用均方根誤差（RMSE）、平均誤差（ME，公式中用EM表示）和總體相對誤差（TRE，公式中ETR表示）。指標具體計算公式如下：

R2=1-∑ni=1Yi-Y^i2∑ni=1Yi-Y-i2。（1）

R2a=1-n-1n-p-1（1-R2）。 （2）

ERMS= ∑ni=1（Yi-Y^i）2n 。 （3）

EM=1n∑ni=1Yi-Y^i） 。 （4）

ETR=100×∑ni=1Yi-Y^i）2n∑ni=1Y^i 。 （5）

式中：n為用于建模的單木株數;p為參數個數;Yi為測量值;Y^i為模型預測值;Y-i為測量值的平均值。

4 結果與分析

4.1 單木因子提取結果分析

單木分割結果如圖4所示，將單木分割后的單木數據與實測數據進行配對匹配，發(fā)現點云單木分割識別率達到100%，見表4。其中單木分割識別出的樹干折斷、被破壞或由于遮擋造成樹干頂部掃描信息不完整等異常數據4株，作為異常值剔除。共提取45棵水曲柳及45棵興安落葉松，全部用于樹高模型的構建。

表5列出了水曲柳與興安落葉松點云提取的胸徑、樹高與實測數據之間的回歸關系。其中水曲柳胸徑、樹高與實測數據的相關系數（R2）分別為0.920 7和0.903 9;興安落葉松的胸徑、樹高與實測數據的相關系數（R2）分別為0.967 6和0.949 6， 結果表明，提取數據與實測數據線性關系良好。說明利用地基激光雷達對單木胸徑和樹高進行提取可以獲得與人工實測數據相關性較好且精度較高的數據，可以用于后續(xù)建模使用。

4.2 模型擬合

基于以上提取的單木因子，應用SAS軟件分別對水曲柳和興安落葉松的8個備選樹高模型進行擬合回歸。2個樹種的樹高模型擬合結果見表6。由表6可知，擬合水曲柳的樹高模型，除了模型1和模型3的R2a偏低，其他6個模型的R2a均高于0.8，其中，模型6～8的差異相對較小，但綜合R2a和RMSE指標來看，最優(yōu)樹高模型為模型8，即：Schumacher模型，其R2a最高，為0.826 1，同時RMSE最小，為0.979 0m。擬合興安落葉松的樹高模型，模型3的R2a和RMSE指標表現最差，而模型2、4、7的R2a都在0.79以上，但只有模型4，即：Logistic模型，其R2a高于0.8，為0.801 1，同時RMSE最小，為1.097 3，該模型為最優(yōu)樹高模型。水曲柳和興安落葉松的最優(yōu)樹高模型參數值估計見表7。

圖5為2種最優(yōu)樹高模型的殘差圖，其中圖5（a）為水曲柳的最優(yōu)模型8的殘差圖，圖5（b）為興安落葉松的最優(yōu)模型4的殘差圖。由圖5可知，最優(yōu)樹高曲線模型的殘差值以0為界，上下均勻分布，呈隨機分布，沒有明顯趨勢。

圖6為2個樹種最優(yōu)樹高模型擬合曲線，其中圖6（a）為水曲柳最優(yōu)模型Schumacher模型的擬合曲線，圖6（b）為興安落葉松最優(yōu)模型Logistic模型的擬合曲線。

4.3 模型檢驗

結合模型的參數估計結果，應用SAS軟件計算各模型的ME、RMSE和TRE等統計量。對研究區(qū)域實測的2個樹種按徑階分別抽取27株單木數據進行模型獨立檢驗，檢驗結果見表8。從表8的統計量ME可以看出，各模型對水曲柳和興安落葉松樹高的預測值均偏低，分別約為0.43 m和0.63 m左右。水曲柳各模型的RMSE范圍為1.241 8～1.427 4 m;興安落葉松各模型的RMSE范圍為1.564 1～1.778 2 m。水曲柳的樹高模型8的ME、RMSE、TRE指標均小于其他7個模型，而興安落葉松模型4的ME、RMSE、TRE指標均小于其他7個模型，該結果與模型擬合結果一致。結果表明，擬合水曲柳的最優(yōu)樹高模型為模型8：Schumacher模型，擬合興安落葉松的最優(yōu)樹高模型為模型4：Logistic模型。

5 討論與結論

5.1 討論

地基激光雷達作為新興的主動遙感技術，可以深入到地形復雜的環(huán)境或空間進行掃描測量，在林業(yè)調查中更能發(fā)揮獨特的優(yōu)勢，能夠描述林分的垂直結構和森林的三維信息[19-21]，但在林冠下架設激光雷達掃描儀進行掃描樹干頂部的過程中，可能受到不同程度的遮擋，導致樹冠信息不完整，從而影響樹高因子的提取精度，尤其是在夏季枝繁葉茂的季節(jié)[14]。為降低這種影響，本次研究數據采集時間選在了初冬，樹葉凋落且無積雪覆蓋的情況下進行外業(yè)工作，研究結果表明，本次獲取的樹干頂部的信息完整性較好，樹高因子與實測數據相比也具有較好的精度。

不同樹種的形態(tài)有差異，水曲柳和興安落葉松均屬于干形挺拔的闊葉和針葉樹種，且有很高的經濟價值。本文基于地基激光雷達掃描的點云數據，能高效、便捷、準確地提取其樹高和胸徑等單木因子，從而有助于蓄積量與生物量的估計和研究，以及經濟價值的估算。

本研究區(qū)域選擇在林場中地勢平坦的區(qū)域，數據量偏少。但隨著野外作業(yè)復雜性的提高，地基激光雷達的優(yōu)勢會愈加明顯。傳統的野外數據采集方式在人力、物力方面消耗很大，且效率低;地基激光雷達數據采集方式，只需一到兩人即可輕松完成外業(yè)過程，外業(yè)空余時間也可用于采集其他所需數據。內業(yè)數據處理過程有成熟的技術借鑒，高效便捷，采集回來的數據信息量很豐富，可以提取各種需要的單木因子和DEM等信息。具有采集一次，可支撐研究多項的優(yōu)勢。

綜上所述，基于地基激光雷達技術在一定程度上能夠替代或輔助傳統林業(yè)調查工作，且具有良好的精度和效率。

5.2 結論

本文基于地基激光雷達掃描2塊東北林業(yè)大學校內林場人工林樣地，分別為水曲柳和興安落葉松，并提取胸徑和樹高，構建適宜的最優(yōu)樹高模型，結論如下。

（1）地基激光雷達獲取的點云數據可以應用于人工林單木的識別。

（2）利用地基激光雷達對單木胸徑和樹高進行提取，可以獲得與人工實測數據相關性較好且精度較高的結果，驗證了點云數據提取單木因子的可靠性。

（3）基于點云數據提取的單木因子構建樹高模型，精度良好，但對于不同樹種，由于點云之間的遮擋特點不同，所提取的單木因子的精度和模型擬合精度有所差異。

【參 考 文 獻】

[1]閆飛.森林資源調查技術與方法研究[D].北京：北京林業(yè)大學，2014.

YAN F. Research of technology and methord of forest resource inventory[D]. Beijing： Beijing Forestry University， 2014.

[2]劉迎春，高顯連，付超，等.基于森林資源清查數據估算中國森林生物量固碳潛力[J].生態(tài)學報，2019，39（11）：4002-4010.

LIU Y C， GAO X L， FU C， et al. Estimation of carbon sequestration potential of forest biomass in China based on National Forest Resources Inventory[J]. Acta Ecologica Sinica， 2019， 39（11）： 4002-4010.

[3]吳初平，袁位高，盛衛(wèi)星，等.浙江省典型天然次生林主要樹種空間分布格局及其關聯性[J].生態(tài)學報，2018，38（2）：537-549.

WU C P， YUAN W G， SHENG W X， et al. Spatial distribution patterns and associations of tree species in typical natural secondary forest communities in Zhejiang Province[J]. Acta Ecologica Sinica， 2018， 38（2）： 537-549.

[4]NIE S， WANG C， ZENG H C， et al. A revised terrain correction method for forest canopy height estimation using ICESat/GLAS data[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2015， 108： 183-190.

[5]王蕊，邢艷秋，尤號田，等.基于星載LiDAR波形數據的森林胸高斷面積估測研究[J].西北林學院學報，2014，29（5）：156-162.

WANG R， XING Y Q， YOU H T， et al. Forest basal area estimation based on spaceborne LiDAR waveform data[J]. Journal of Northwest Forestry University， 2014， 29（5）： 156-162.

[6]CHEN Q， BALDOCCHI D， GONG P， et al. Isolating individual trees in a savanna woodland using small footprint lidar data[J]. Photogrammetric Engineering & Remote Sensing， 2006， 72（8）： 923-932.

[7]LI C， XU Y L， LIU Z G， et al. Estimation of forest topsoil properties using airborne LiDAR-derived intensity and topographic factors[J]. Remote Sensing， 2016， 8（7）： 561.

[8]陳健.基于地基激光雷達的不同森林類型單木胸徑與樹高提取[D].合肥：安徽農業(yè)大學，2016.

CHEN J. Individual tree DBH and height estimation using terrestrial laser scanning（TLS）in different forest type[D]. Hefei： Anhui Agricultural University， 2016.

[9]KUMAR S， SARA R， SINGH J， et al. Spaceborne PolInSAR and ground-based TLS data modeling for characterization of forest structural and biophysical parameters[J]. Remote Sensing Applications： Society and Environment， 2018， 11： 241-253.

[10]PITKNEN T P， RAUMONEN P， KANGAS A. Measuring stem diameters with TLS in boreal forests by complementary fitting procedure[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2019， 147： 294-306.

[11]駱鈺波，黃洪宇，唐麗玉，等.基于地面激光雷達點云數據的森林樹高、胸徑自動提取與三維重建[J].遙感技術與應用，2019，34（2）：243-252.

LUO Y B， HUANG H Y， TANG L Y， et al. Tree height and diameter extraction with 3D reconstruction in a forest based on TLS[J]. Remote Sensing Technology and Application， 2019， 34（2）： 243-252.

[12]范偉偉，劉浩然，徐永勝，等.基于地基激光雷達和手持式移動激光雷達的單木結構參數提取精度對比[J].中南林業(yè)科技大學學報，2020，40（8）：63-74.

FAN W W， LIU H R， XU Y S， et al. Comparison of extraction precision of individual tree structure parameters based on terrestrial laser scanning and hand-held mobile laser scanning[J]. Journal of Central South University of Forestry & Technology， 2020， 40（8）： 63-74.

[13]邱琴，張文革，王蕾，等.基于背包式激光雷達的天山云杉林單木因子估測[J].林業(yè)資源管理，2021（2）：99-109.

QIU Q， ZHANG W G， WANG L， et al. Estimation of single wood factor of Picea schrenkiana var.tianshanica forest based on backpack LiDAR[J]. Forest Resources Management， 2021（2）： 99-109.

[14]黃旭，賈煒瑋，王強，等.背包式激光雷達的落葉松單木因子提取[J].森林工程，2019，35（4）：14-21.

HUANG X， JIA W W， WANG Q， et al. Study on individual tree factor extraction of Larix olgensis in backpack lidar[J]. Forest Engineering， 2019， 35（4）： 14-21.

[15]馮國紅，朱玉杰，王景峰.小興安嶺天然林不同樹種的樹高曲線模型[J].東北林業(yè)大學學報，2016，44（12）：6-9.

FENG G H， ZHU Y J， WANG J F. Tree height curve models of different tree species in the of Xiaoxing’an mountain[J]. Journal of Northeast Forestry University， 2016， 44（12）： 6-9.

[16]張敏，顧鳳歧，董希斌.帽兒山林區(qū)主要樹種樹高與胸徑之間的關系分析[J].森林工程，2014，30（6）：1-4.

ZHANG M， GU F Q， DONG X B. Analysis of height-diameter relationship of main tree species in Maoershan forest region[J]. Forest Engineering， 2014， 30（6）： 1-4.

[17]HUANG S， MENG S X， YANG Y Q. Using nonlinear mixed model technique to determine the optimal tree height prediction model for black spruce[J]. Modern Applied Science， 2009， 3（4）： 3-18.

[18]張樹森，董利虎.張廣才嶺三大硬闊樹高曲線的研究[J].森林工程，2017，33（4）：15-20，26.

ZHANG S S， DONG L H. Tree height-diameter model for three hardwood tree species in the Zhangguangcai mountains[J]. Forest Engineering， 2017， 33（4）： 15-20， 26.

[19]劉魯霞，龐勇，李增元.基于地基激光雷達的亞熱帶森林單木胸徑與樹高提取[J].林業(yè)科學，2016，52（2）：26-37.

LIU L X， PANG Y， LI Z Y. Individual tree DBH and height estimation using terrestrial laser scanning （TLS） in a subtropical forest[J]. Scientia Silvae Sinicae， 2016， 52（2）：26-37.

[20]田方.基于機載激光雷達的密林山區(qū)測繪研究[J].自動化技術與應用，2021，40（11）：86-88，108.

TIAN F. Research on surveying and mapping of dense forest mountain area based on airborne lidar[J]. Techniques of Automation and Applications， 2021， 40（11）： 86-88， 108.

[21]羅洪斌，岳彩榮，張國飛，等.機載激光雷達在不同區(qū)域尺度森林葉面積指數反演中的應用[J].西部林業(yè)科學，2021，50（4）：33-40.

LUO H B， YUE C R， ZHANG G F， et al. Application of airborne LiDAR in inversion forest leaf area index at different regional scales[J]. Journal of West China Forestry Science， 2021， 50（4）：33-40.