基于车载激光点云的行道树固碳量估算研究

赵颖怡,胡庆武

(武汉大学 遥感信息工程学院,武汉 430079)

基于车载激光点云的行道树固碳量估算研究

赵颖怡,胡庆武

(武汉大学 遥感信息工程学院,武汉 430079)

不断发展的城市道路交通系统对城市道路生态环境提出了更高的要求,行道树的生态效益开始受到广泛的关注。行道树的固碳量是衡量行道树生态效益的标准之一,针对传统固碳量估算方法成本高、计算效率较低等问题,提出了一种利用车载激光点云数据估算行道树固碳量的方法。通过该方法,对单株行道树的车载激光点云数据进行处理分析,获得了行道树的树高、冠幅、胸径,再结合适当的计算模型,对行道树的固碳量进行估算,可比较不同树种固碳量的相对大小。该方法进一步扩大了车载激光点云数据的应用范围,提高了行道树固碳量的估算效率,为城市生态环境建设、绿化管理提供了新的技术。

车载激光点云；行道树；几何参数；固碳量

0 引言

随着城市现代化进程加快、规模扩大,以及交通运输业与汽车工业不断发展,在城市中产生了一系列的环境问题,如大气污染、“热岛效应”、温室效应、噪声污染等,严重影响了人们正常的生产生活。

行道树作为道路生态环境的重要组成部分,是城市街道的绿化主体,也是城市重要的碳贮存库,具有改善城市气候、净化空气、美化环境的作用,以及维持城市碳氧平衡、缓解温室效应的功能。固碳量是衡量树木固碳释氧能力的重要参数,也是生态效益的评判标准之一。20世纪以来,国内外学者对城市行道树进行了较多的研究,如:史晓丽[1]从树的种植结构类型、树的种类等方面对行道树固碳释氧能力进行了评估；唐志娟等[2]以截冠行道树为研究对象,测定主要测树因子,推导出截冠行道树地上各部分生物量的估算模式,对截冠行道树的生物量、现实的碳贮量等进行了研究；Stoffberg等[3]将行道树生长回归关系应用于生物量回归模型中,对茨瓦内市中5种不同行道树的固碳率进行了计算,并对行道树带来的经济、社会效益进行了分析。

车载激光扫描系统具有数据获取速度快、精度高、不受天气影响等特点[4],在车辆行驶过程中能快速地记录道路两旁地物的三维空间信息,行道树的树干、树冠等信息也可被详尽地记录下来[5]。车载激光扫描技术在城市建设管理中有广泛的应用,如:方莉娜等[6]利用车载激光扫描数据对结构化道路进行自动提取；吴芬芳等[7]利用车载激光点云进行数据分类并提取建筑物特征；杨必胜等[8]以车载激光点云为研究对象,提出了一种快速提取道路标识线的方法。激光扫描技术在森林生态及城市生态方面也有相关应用,如:徐伟恒等[9]利用三维激光点云数据提取单木树冠投影面积和树冠体积；Estornell等[10]利用机载激光点云估算橄榄树的生物量；吴宾等[4]利用车载激光点云进行树木枝干建模,提取单株行道树并获取树木的几何参数；杨莎莎等[5]基于车载LiDAR数据提取单株树木。

与传统获取行道树固碳量的方法相比,利用车载激光扫描系统可更快地获取信息,得到更高精度的几何参数及固碳量估算值,对城市道路生态环境建设具有重要意义。本文利用单株行道树的车载激光点云数据,对行道树几何参数的计算方法与固碳量的估算方法进行了探究。

1 行道树固碳量估算方法

1.1 行道树激光点云特点与固碳量估算流程

1) 行道树激光点云特点。行道树的树冠形态大多呈伞形,树冠点云与树干点云易于区分。将行道树的点云投影到二维平面,可以发现中心部分点云密度较大,四周点云密度较低(图1(a))；行道树树冠投影后形成的二维点集轮廓近似一个圆形或椭圆形(图1(b))。

图1 行道树车载激光点云

2) 固碳量估算流程。获得行道树固碳量需完成两部分内容:第一部分为根据行道树激光点云特点计算其几何参数(图2)。第二部分为结合几何参数的计算结果与相关计算模型完成固碳量的估算,固碳量估算的总流程如图3所示。

图2 行道树几何参数

图3 固碳量估算流程

1.2 单株行道树点云提取

单株行道树点云的提取通过点云处理软件完成。利用CloudCompare三维点云处理软件打开原始车载激光点云数据,用裁剪工具对轮廓清晰、完整的单株行道树点云进行裁剪,并对得到的单株行道树点云进行相关处理,得到质量较高的数据用于后续的实验。

1.3 行道树几何参数计算

行道树几何参数包括树高、冠幅和胸径,是固碳量估算所需的参数。行道树几何参数的计算流程如图4所示。

图4 行道树几何参数计算流程

1.3.1 计算树高

计算树高时,针对树木胸径大小的不同采取了不同的计算方法。

1) 对于胸径较大,枝叶较繁盛的树木,树高的计算可分为以下几个步骤:

a.划分二维格网。计算X坐标、Y坐标极值,选择适当的格网间隔划分二维格网,格网间隔可在0.2～0.4m间进行选择,X,Y方向上的间隔ΔX,ΔY通常取相同的数值。相关计算公式:

nTotal=nX×nY

(1)

b.点云投影。遍历单株行道树点云的每一个数据点,将其投影到对应的格网中。相关计算公式:

(2)

c.点云密度统计。统计每个格网中数据点的个数。计算公式:

nDensity=N(格网中数据点个数)

(3)

d.计算树高。对点云密度统计结果进行排序,取点云密度最大的三个格网并计算格网中最大高程与最小高程的差值,将三个高程差的平均值作为行道树的树高,计算公式:

(4)

2) 针对胸径较小的树木,采用吴宾等[4]基于车载激光点云计算行道树树高的方法,获取单株行道树点云的最大高程Zmax与最小高程Zmin,将Zmax与Zmin的差值作为树高。计算公式:

H=Zmax-Zmin

(5)

1.3.2 分离树冠点云与树干点云

树冠点云与树干点云分离的步骤如下:

1) 高程反转。将行道树点云中最大高程减去每个数据点的高程,使树冠点云的高程减小,树干点云的高程增大,便于从树干部分(更易于处理)开始处理点云数据。高程反转的示意图如图5所示。

2) 点云分离。根据行道树的树高选取适当的高程间隔,将高程反转后的树干底部高程作为初始高程,在高程方向上对行道树点云进行分段并投影到二维平面,计算每一分段中数据点间的最大平面距离。从树干点云到树冠点云过渡时,数据点间的最大平面距离将发生突变,如图6所示,可据此分离树冠点云与树干点云。

图5 高程反转示意图

图6 树干树冠点云分离

1.3.3 计算冠幅

利用行道树激光点云计算冠幅的流程如图7所示。

具体计算步骤如下:

图7 冠幅计算流程图

1) 将树冠点云投影到二维平面。

2) 提取树冠投影点集的边界。计算二维点集的重心坐标((6)式),再将每个投影点的坐标与重心坐标相减,得到其相对坐标((7)式)。

(6)

(7)

以重心为原点建立直角坐标系,以角度为变量,每次计算一定角度范围内的数据点与重心之间的距离((8)式),将距离最远的点判定为该范围内的边界点,将边界点连接起来得到边界。

(8)

边界点提取示意图如图8所示。

图8 边界点提取示意图

3) 计算冠幅。利用所提取的边界点与“2)提取树冠投影点集的边界”中建立的直角坐标系,可计算行道树X方向、Y方向上的冠幅。对边界点进行椭圆拟合,计算椭圆长轴长度、短轴长度的平均值,可得到树木的平均冠幅。本文采用Andrew Fitzgibbon等[11]提出的椭圆拟合算法对边界点进行椭圆拟合。椭圆拟合结果如图9所示。

图9 椭圆拟合结果

1.3.4 计算胸径

在利用点云数据计算胸径时,胸高部分的数据点有限,计算结果存在一定的偶然性。鉴于大多数行道树的树干形状较为规则,可对树干点云进行分段,计算每一段树干的直径,取树干直径的平均值作为胸径,树干直径用数据点间的最大平面距离表示。具体计算步骤如下:

1) 树干点云分段投影。取适当的高程间隔对树干点云进行分段,并将每一段点云投影到二维平面。

2) 计算数据点间的最大平面距离。

3) 计算胸径。计算最大平面距离的平均值,该平均值即为胸径的大小。

1.4 估算固碳量

利用计算得到的树高、胸径对固碳量进行估算,步骤如下:

1) 计算单株行道树材积量。通过查阅《中华人民共和国农林部部标准:立木材积表》计算材积量。根据树种及地域可查询到相应的材积量计算公式。其中北亚热带阔叶树二元立木材积的计算公式如(9)式所示,式中:V为材积量,D为胸径,H为树高。

V=0.000050479055D1.9085054H0.99076507

(9)

2) 计算单株行道树生物量。王玉辉等[12]认为蓄积量与生物量之间的相关关系表现为双曲线变化,王斌等[13]利用这一研究成果得到了森林植被蓄积量与生物量之间的转换方程,本文借鉴森林生物量的计算方式,将单株行道树的材积量代入相应方程中计算生物量的大小。落叶阔叶树蓄积量与生物量的转换公式如(10)式所示,常绿阔叶树蓄积量与生物量的转换公式如(11)式所示,式中:B为生物量,V为材积量。

(10)

(11)

3) 估算单株行道树固碳量。将生物量与含碳量的转换系数相乘得到固碳量,不同树种的含碳量转换系数有所不同,但基本都在0.45～0.55之间[14]。本文根据文献资料取0.493 7[14]为含碳量转换系数估算阔叶行道树的固碳量。

2 试验及分析

2.1 研究区域与试验数据获取

本次试验的研究区域为武汉市东湖高新技术开发区联想产业基地旁的流芳园东路,对该道路约300m长的区域进行了数据采集,数据采集时间为2015年12月。采集的激光点云数据质量高,行道树、路灯、道路指示牌等地物轮廓清晰,易于分辨。该路段的行道树基本为阔叶树,以樟树、槐树为主,树冠普遍偏小,在进行单株行道树提取时,选择长势良好、特征明显的行道树作为试验数据。研究区域的彩色影像如图10所示。本文分别选取了4棵点云数据质量较高的槐树与樟树进行试验,树木点云如图11所示。

图10 研究区域彩色影像

图11 树木点云

2.2 试验结果与分析

1) 树高计算。

槐树是落叶阔叶乔木,在数据获取时期正处于落叶期,树枝上树叶较少。样本槐树的胸径较小,在计算树高时,将点云数据中最大高程与最小高程的差值作为树高。样本樟树的胸径较大,采用密度投影的方式计算树高。树高的计算结果如表1所示。

表1 树高计算结果

观察表中数据可知,实测树高与通过点云数据计算得到的树高相差不大,计算结果精度较高。

2)冠幅计算。

计算冠幅时,首先将树冠点云投影到二维平面,提取树冠边界点计算X,Y方向上的冠幅,再对提取出的边界点进行椭圆拟合计算平均冠幅。实测平均冠幅用实测的X,Y方向冠幅的平均值表示。冠幅计算结果如表2所示。

由计算结果可知,X,Y方向上通过点云计算得到的冠幅与实测冠幅相差不大,而平均冠幅的计算值与实测值相差较大。这与行道树的树冠形状不规则有关,用特定方向冠幅计算得到的平均冠幅无法准确描述树冠的形态。

3)胸径计算。

利用树干点云计算胸径时,取0.3m为间隔对树干点云进行分段,计算每一段点云的树干直径,取树干直径的平均值作为胸径值,计算结果如表3所示。胸径的计算结果较为符合实测胸径,精度较高,可参与固碳量的计算。

结合(9)式与几何参数的计算结果可计算行道树的材积量(单位为m3)；根据(10)式可计算行道树的生物量(单位为t)；将生物量与含碳量的转换系数(0.493 7)相乘得到每棵树固碳量的大小(单位为t)。计算结果如表4所示。由表4所示结果可对不同树木的固碳量大小进行评判。观察固碳量的计算结果可知,参与试验的两组行道树中,樟树的固碳量大于槐树的固碳量。

表2 冠幅计算结果

表3 胸径计算结果

表4 固碳量估算结果

在估算行道树的固碳量时,树高与胸径是十分重要的参数,对固碳量的计算结果有直接的影响。可根据行道树的具体生长情况对树高、胸径的计算方法进行调整,使计算结果更为精确。通过树干点云计算胸径,可以更好地反映树干直径的大小情况,使计算结果更具代表性。由于树冠形状不规则,各个方向的冠幅大小不一致,传统的冠幅计算方法是测量南北方向及东西方向的冠幅,取这两个方向冠幅的平均值作为冠幅的大小,该方法忽略了树冠的整体形态。本文通过椭圆拟合方法计算得到的平均冠幅更具代表性,也可计算更多方向的冠幅。通过本文提出的方法估算固碳量,得到的结果可用于比较不同行道树固碳量的相对大小,为道路环境建设提供参考。

3 结论与展望

本文设计了一种基于车载激光点云数据估算单株行道树固碳量的算法。与传统测量行道树几何参数、估算固碳量的方法相比,本文提出的算法能够对单株行道树点云进行处理,快速得到行道树的几何参数,从多个方向计算冠幅大小,并利用几何参数估算行道树的固碳量,提高了固碳量的估算效率。

在后续的研究中,可以探究以一条道路为研究对象的行道树固碳量估算方法,研究高效的大数据处理方法,提高数据处理效率,使该方法更加完善。

[1]史晓丽.北京市行道树固碳释氧滞尘效益的初步研究[D].北京:北京林业大学,2010.

[2]唐志娟,方晰,项文化.进城截冠行道树碳贮量及固碳潜力的估算方法与应用[J].中南林业科技大学学报,2011,31(5):152-160.

[3]Stoffberg G H,Van Rooyen M W,Van der Linde M J,et al.Carbon sequestration estimates of indigenous street trees in the City of Tshwane,South Africa[J].Urban forestry & urban greening,2010,9(1):9-14.

[4]吴宾,余柏蒗,岳文辉,等.一种基于车载激光扫描点云数据的单株行道树信息提取方法[J].华东师范大学学报:自然科学版,2013(2):38-49.

[5]杨莎莎,李永强,李框宇,等.基于车载LiDAR数据的单株树提取[J].测绘工程,2014,23(8):23-27.

[6]方莉娜,杨必胜.车载激光扫描数据的结构化道路自动提取方法[J].测绘学报,2013,42(2):260-267.

[7]吴芬芳,李清泉,熊卿.基于车载激光扫描数据的目标分类方法[J].测绘科学,2007,32(4):75-77.

[8]杨必胜,方莉娜.车载激光扫描点云中道路标识线提取[C]//第一届全国激光雷达对地观测高级学术研讨会论文集.北京:中科院对地观测与数字地球科学中心,2010:149-155.

[9]徐伟恒,冯仲科,苏志芳,等.一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J].光谱学与光谱分析,2014(2):465-471.

[10]Estornell J,Ruiz L A,Velazquez-Martí B,et al.Fernandez-Sarría.Estimation of pruning biomass of olive trees using airborne discrete-return LiDARdata[J].Biomass and Bioenergy,2015,81:315-321.

[11]Fitzgibbon A,Pilu M,Fisher R B.Direct least square fitting of ellipses[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1999,21(5):476-480.

[12]王玉辉,周广胜,蒋延玲.基于森林资源清查资料的落叶松林生物量和净生长量估算模式[J].植物生态学报,2001,25(4):420-425.

[13]王斌,刘某承,张彪,等.基于森林资源清查资料的森林植被净生产量及其动态变化研究[J].林业资源管理,2009(1):35-43.

[14]欧阳钦.长沙望城区森林植被生物量及碳储量研究[D].长沙:中南林业科技大学,2014.

Carbon Sequestration Estimation of Roadside Trees Based on Vehicle-borne Laser Point Cloud

ZHAO Yingyi,HU Qingwu

(SchoolofRemoteSensingandInformationEngineering,WuhanUniversity,Wuhan430079,China)

Continuous development of urban road traffic system requires higher standards of road ecological environment. Ecological benefits of roadside trees are getting more attention. Carbon sequestration is a measurement of roadside trees’ ecological benefits. The traditional method of estimating carbon sequestration is costly and inefficient. In order to solve above problems,a method using vehicle-borne laser point cloud data to estimate the carbon sequestration of roadside trees is proposed in this paper. The method can calculate the geometric parameters of a roadside tree,including tree height,crown diameter,diameter at breast height,by processing and analyzing point cloud data of an individual tree. Combining the calculated geometric parameters and an appropriate carbon sequestration calculation model,the estimated single tree’s carbon sequestration can be calculated. The proposed method can help enlarge application range of vehicle-borne laser point cloud data,improve the efficiency of estimating carbon sequestration,construct urban ecological environment and manage landscape.

vehicle-borne laser point cloud,roadside trees,geometric parameters,carbon sequestration

2017-01-16；

2017-04-21

地理国情监测国家测绘地理信息局开放基金项目资助(2015NGCM ZD02)； 国家自然科学基金项目资助(41271452)。

赵颖怡(1994-),女,湖南长沙人,在读硕士,主要从事激光点云数据方面的研究工作。 Email:kelsey_zhao@qq.com

胡庆武(1975-),男,湖北应城人,教授,博导,博士,主要从事遥感、GPS和GIS集成方面的研究工作。 Email:huqw@whu.edu.cn

P237;TN249

A

1002-6622(2017)02-0131-08

10.13466/j.cnki.lyzygl.2017.02.022