机载LiDAR数据在森林资源动态监测中的应用探索

朱 磊

（国家林业局华东林业调查规划设计院 浙江杭州 310019）

森林资源监测是对森林资源的数量、质量、空间分布及其利用状况进行观测、分析和评价的工作，它是森林资源管理和监督的基础工作，其目的是及时掌握森林资源现状和消长动态，预测森林资源发展趋势，为林业经营管理科学决策服务[1]。具体方法是在前期森林资源本底数据的基础上，采用森林经营档案、遥感判读、现地补充调查等多种手段，实现对样地或小班因子的动态更新，产出后续多期森林资源数据及变动状况。由于森林资源监测工作点多面广，工作量大、成本高、周期长，要实现年度动态监测难度就更大，但随着生态文明的大力推进，年度考核、自然资源离任审计等成为常态化和例行性的工作，百姓对生态环境状况的关注度越来越高，社会对森林资源年度动态化的出数需求越来越紧迫，如何利用新技术进行动态监测，以便提升精度、提高效率、降低成本，实现既快又好又省钱，成为森林调查与监测工作当前急需解决的问题。

1 机载LiDAR用于森林资源监测的原理

LiDAR(激光雷达）即 Light Detection And Ranging，机载激光雷达是一种安装在飞机上的机载激光探测和测距系统，可以量测地面物体的三维坐标。机载LiDAR是一种主动式对地观测系统，是九十年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术。它集成激光测距技术、计算机技术、惯性测量单元(IMU/DGPS差分定位技术于一体，该技术在三维空间信息的实时获取方面实现了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段，具有自动化程度高、数据生产周期短、精度高等特点。机载LiDAR传感器发射的激光脉冲能部分地穿透树林遮挡，通过处理获取高精度数字地表模型DSM。机载LiDAR数据经过相关软件处理后，可以生成高精度的数字高程模型DEM。处理去噪后的DSM数据和DEM归一化后，即可去掉地形因素的影响，得到植被高度数据。相对于传统遥感监测和地面监测技术手段，LiDAR技术具有对全域树高精准测量的优势，因此在森林资源调查和监测工作中具有广大的应用前景。

2 监测分类及新技术应用的必要性分析

目前，国家层面的森林资源调查监测是以控制样地为基础，五年一个监测周期，简称一类调查；地方层面则是以小班区划调查为主体，十年一个监测周期，简称规划设计调查，又称二类调查；项目层面的调查监测主要满足作业设计需要，无固定周期，简称三类调查[2]。本文主要着眼于规划设计调查，探索以小班区划调查成果为基础、开展森林资源动态监测的新技术解决方案。规划设计调查通常以第一年为本底调查，其余年度进行动态更新。按传统的监测方法操作，年度性监测工作时间紧、任务重、工作量大，加上近年来人力工资的快速攀升，经济负担越来越重，且管理上也占用太多的行政资源，效率低下，难以到达年度动态资源出数的理想状态。随着遥感技术的发展，卫星数据的数量不断增加、质量不断提高，能应用于森林资源动态监测的遥感数据也日渐增多，获取和处理的技术也不断走向成熟[3]。高光谱遥感运用增加森林树种等因子分类能力，航空像片广泛运用大大增加地类因子的识别能力。但普通的遥感像只能判读树种、地类等定性因子信息，对树高、蓄积量、生物量等定量因子却无法准确获得，而LiDAR遥像数据在这一方面却体现出独特的优势。通过监测植被高度的变化反映生物量和蓄积量的消长情况，提供了蓄积量监测的直接有效指标，同时植被高度的变化亦可反映地类因子的变化，从而实现对森林资源关键因子的动态变化监测。

3 应用方法探索

3.1 数据处理

监测区域的LiDAR数据获取后，可利用TerraScan软件对原始点云数据进行噪声去除，如飞鸟点、低点，然后进行点云分类。由于森林区域目标地类为地面和植被，需将建筑物、电力线等点云去除，保留地面点和植被点。按不规则三角网迭代算法分类地面点，并将分类后的地面激光点数据使用 TIN插值方法生成数字高程模型（DEM）。将数字地表模型（DSM）减去数字高程模型（DEM）得到的高程值，就是归一化植被高度点云（见图1）。归一化植被高度点云包括乔灌草层等多层植被，删除4米以下高度点云（主要为无蓄积的幼树及灌草层），得到满足乔木层蓄积调查的点云数据。

图1 归一化植被高度图

3.2 参数计算

根据乔木层的点云数据，可以得到每点云植被高度hi，其数值越大、密度越高，代表该区块的蓄积量越大。假定每个点均为一根横截面积为1个单位面积、高程值为hi的立木（见图2），可以得到一个树高、密度和蓄积等与现实林分相关性很高、可自动量测的一个虚拟林分。该虚拟林分每株立木的蓄积量为1*hi/3(即为hi/3)。用小班界线对点云进行分图班切割，得到小班内点云（见图3），根据小班内各点云的高度计算小班点云高度均值h和方差s，小班点云蓄积指数v为该小班内所有点云的蓄积量（hi/3）之和。因为小班蓄积量与小班的点云蓄积量正相关，小班蓄积生长率p即为前期点云蓄积v1与后期点云蓄积v2之差除以前蓄积v1。

图2 小班界线点云切割

图3 小班内虚拟株数效果图

3.3 变化测检

根据前、后期小班的点云高度均值h，结合方差s的变动情况，即可对小班进行变化检测，各类均值h和方差s的变化原因分析见表1。其中类型4和类型5为正常生长，属渐变型小班，可以进行自动更新。其余均为突变型小班，可结合小班本底数据中的地类、树种、林龄和立地类型等相关因子分析判断该小班的具体变化原因，进行变化类型的细分，并开展必要的外业核实。

表1 各类均值h和方差s变化原因分析

3.4 数据变更

通过动态变化检测，判断每个小班的变化类型。对于突变小班，可根据本底数据和变化原因，结合森林经营档案资料进行核对，必要时进行开展外业核实，根据具体的核实情况更新小班因子。对于渐变小班，林分正常生长，其地类、树种等相关因子不变，林龄因子加上动态监测的间隔期，平均树高用小班点云高度的变化值推算，平均胸径用形数公式d=f（h）计算，小班蓄积量用本底小班蓄积和蓄积生长率进行计算（v1+ v1*p）。各因子数据更新后即可对本期森林资源状况及变动情况进行统计出数。

4 讨论

尽管LiDAR技术在多个行业具有较为成熟的应用，上述方法在思路上也基本可行，但在实际应用中仍会碰到诸多问题，主要包括以下几个方面：一是经济障碍，尽管随着机载平台和激光摄影技术的日趋稳定和成熟，数据获取和处理成本大幅降低，但在经济欠发达地区，财政每年要安排几十万甚至上百万元的LiDAR数据获取费用比较困难，经济成本因素成为现阶段推广应用的主要瓶颈；二是政策障碍，目前各地森林资源调查和监测的工作思维方式、技术方案以及操作细则均以地面调查为主，遥感应用主要以光学卫片及航片为主，仅作为一种辅助手段，LiDAR技术应用还处于探索阶段，若在林业生产实践中推广试用，除缺少相关标准依据外，还会碰到很多政策障碍，如前后标准不衔接、个别因子异动、缺少树高材积表等一系列问题，这些障碍因素有待于今后相关技术标准的逐步完善，以及大家对森林经营管理思维方式的转变，更有待于我们先行开展技术探索和试点应用。

参考文献：

[1]杨雪栋，卢婧文，张艳楠，等.浅谈遥感技术在我国林业上的应用[J].内蒙古林业调查设计,2015,38（6）：124-126.

[2]邓成，梁志斌.国内外森林资源调查的对比分析[J].林业资源管理,2012,19(5):12-17.

[3]黄春波，佃袁勇，周志翔，等.基于时间序列统计特性的森林变化监测[J].遥感学报,2015,(4):657-668.