基于冠层高度模型（CHM）多种算法单木分割技术在森林资源调查的应用

孙志

（上海元易勘测设计有限公司，上海201210）

新型森林资源调查，需要获取树高、胸径、冠幅等林木的精准信息。面对大规模林业调查时，传统方法测量难度大，工期长，信息采集效率低。随着我国低空空域的放开，无人机的推广应用，给林木统计工作提供了新思路。由无人机正射平台和机载雷达系统组成的无人机激光雷达扫描，是能够同时发送接收激光点云，不受地形、大气等外界因素的干扰主动遥感技术运用，具有容易穿透密郁闭度较高的树冠层特质，在林业调查方面可以准确、有效、快速地测量大面积森林和树木的高度，对大范围、精细化的林业调查意义重大[1]。

1 技术组成

1.1 单木分割技术

使用激光雷达数据的单木分割技术主要采用影像、点云与先验信息相结合的方法，基本特质是正射影像、激光点云与算法的结合。单木分割容易使用三维空间信息，更容易反映树冠结构；能够探测灌木或小树，可以同时应用光谱信息与高度信息。

1.2 点云赋色的原理

光谱特征成为点云数据获取的树冠结构特征的重要补充，高度分布特征描述不同树种树冠特性，强度特征借单木探测技术和分割技术以达到识别树种的目的。由于激光点云数据缺乏光谱信息，点云在区分茂密树冠和区分树种是存在局限性。正射影像对点云进行赋色后，点云数据具有RGB 真彩色，提高了点云的辨识度，从而使单木分割的正确率提高。

1.3 CHM的多种算法

图像分割是面向对象的基础，基于不同场景可以选择不同类型的分割提取方法，实现的方法和技术有分水岭算法、PCS 算法、归一化割、基于CHM的多项式拟和、区域合并的均值漂移等等。

2 测区概况

测区位于上海市浦东新区外环线外，规划总面积49.19 公顷。东侧为废弃公园与拆迁村，公园内香樟、水杉、桉树、广玉兰以及部分灌木林。西侧场地内有部分废弃房屋，主要植被为香樟林。测区内林木相对集中，测区内植被覆盖率超过50%。林木密度大，人员进入困难。

3 数据采集与处理

综合考虑测区的地形、地貌、机载激光雷达设备的参数、天气条件、航带宽度以及点云密度，本次选择六旋翼工业级无人机RT650、激光雷达LD-R300 和正射平台，获取5cm 精度的点云和正射影像数据。

3.1 飞行路线规划

根据航摄要求，计算可得合理航飞高度。根据像素、航飞高度设计航向重叠度与旁向重叠度。

3.2 像控点布测

小型无人机飞行过程中飞行姿态易受到外部因素干扰，记录的影像数据无法满足大比例尺测图要求。为满足成图精度，采用航线两端及中间间隔一或两条航线布设像控点的方法。像控点平面位置采用基于GNSS 连续运行参考站SHCORS 系统的GPS 网络RTK 三级要求布设。像控点高程通过数学拟合方法，获取该区域内的高程异常模型，且联测附近区域内两个已知等级水准点，像控点以L 型红色油漆或特殊标记地面处布设。

3.3 影像数据采集

为获取高精度正射影像数据匹配点云数据，对激光点云数据赋色，激光雷达航向设置与正射平台飞行航线一致，高度一致。影像采集前对飞行模块调试，利用小型无人机对测区空域内试飞，查探飞行环境。根据测区面积合理分配飞行线路，将测区均匀分为2 个飞行区域，每个区域2 个飞行架次。以U 型飞行线路设计，航向重叠度88%，旁向重叠度65%，飞行高度110米。

3.4 数据预处理

将飞行结束后的影像导入软件中按具体标准操作，设置生产模型的模式为图片格式，在控制点选项中增加像控点，每点输入坐标根据影像清晰度找到像控点，每个像控点从中选取出至少6 张影像图刺点，刺点时尽量找到特征位置。照片中删除曝光度较低的影像图，完成后点击软件进行项目生产，获得经过地面像控点改正后的测区正射影像图。

3.5 精度分析

将像控点与影像成图点比对，得到本次航飞精度，平面点中误差为0.213m，高程点中误差为0.154m，满足《1：500 1：1000 1：2000 地形图航空摄影测量数字化测图规范》中1：1000 比例尺平面和高程中误差分别为0.6m 和0.4m 的要求。

3.6 影像数据处理

通过正射影像对点云进行赋色，使得点云数据能够使用RGB 真彩色赋色，增强点云的可视化效果。全域地物类型主要是植被、建筑物、道路、裸地等。各地物形态还原完整，清晰、精准度高。基于地面点分类的点云，软件自动生成测区的数字高程模型。基于三维彩色点去，软件自动生成测试的数字表面模型。

4 单木分割

单木分割是基于树冠定点位于（辐射亮度或高度的）局部最大值处，辐射亮度或高度值沿树冠边缘方向逐渐减小，在树冠边缘达到最小值的假设。算法思路是基于树冠的光学特性、颜色、纹理特征，利用统计学方法及人际交互作业的方法直接描绘出单木树冠的轮廓。根据前期调查，给定一个单木冠幅范围值。计算辐射亮度或高度定位出局部最大值，确定种子位置，利用种子信息提取单木。

测区林地区域占比约50%，大部分植被十分茂密，树与树之间基本没有间隙，而且存在不同树种杂交区域，树木冠层交错覆盖，需要实现准确的单木分割难度很大。

为了尽可能保障单木分割效果，将测区按林地分布切割成9块（K1～K9），以K1 区域为例，植被十分茂密，而且存在多种树木杂交的情况，形成高矮两层，树木冠层交错覆盖，单一算法对CHM生成的种子点准确率较低，容易导致单木分割存在很严重的过分（树冠分叉）与欠分（低矮被遮挡、树冠间无间隙）情况。

图1 K1 区域效果图

图2 局部剖面图

图中局部坡面图显示，单木分割情况较好，树木树冠和光谱信息基本一致，个别树木冠幅无明显弧度，单一算法对此难以识别。针对部分树冠分割难度大的情况，可以选择不同类型算法、调整树冠模型参数或根据树干进行识别，以提高单木分割的成功率。

5 结论

近年来航空摄影测量及相关技术的开发应用，数字化、影像化数据逐渐普及，传统工程测量技术对于高密度林区树木测量上缺少有效方法，虽然单木分割无法达到百分之百的检测成功率，但通过分割、提取、算法处理、筛选后，仍可以高效完成86%林木数据采集工作，使工作效率大大提高。分水岭算法、PCS 算法、归一化割、多项式拟和、区域合并的均值漂移等算法各有其优势和不足，其目的都是获取单木信息，为森林资源调查提供技术支撑。相信随着算法及仪器的精度的提高，激光雷达的噪声处理技术成熟，单木分割技术逐渐完善，树木的检测率与分割率可以达到理想状态。