基于地基激光雷达构建人工林树高模型的研究

姚相坤 苍甜甜 张一帆 许延丽

摘 要：為探索地基激光雷达技术提取人工林单木因子、构建树高模型的可靠性，本文采用地基激光雷达技术对水曲柳（Fraxinus mandshurica）和兴安落叶松（Larix gmelinii）2种人工林样地进行多站全方位扫描，对获取的点云数据进行预处理、点云归一化和单木分割，再批量提取单木因子树高和胸径，最后基于点云数据提取的单木因子，分别对备选的8个树高模型进行拟合，并用实测数据进行检验，得出模型精度评价结果。结果显示：①针对本文所选的2块人工林样地，地基激光雷达点云数据对单木的识别率达到了100%;②水曲柳和兴安落叶松胸径提取结果决定系数（R2）均在0.92以上，树高的R2均在0.90以上;③基于点云提取的树高和胸径构建的水曲柳的最优树高模型为Schumacher模型，拟合结果调整绝对系数（R2a）为0.826 1，兴安落叶松的最优树高模型为Logistic模型，拟合结果R2a为0.801 1，2个树种最优树高模型拟合与检验结果基本一致。从而得出，地基激光雷达技术对人工林样地单木识别率很高，单木因子提取精度较好，基于提取的单木因子所构建树高模型，在林业调查中有较高的科研价值和应用前景。

关键词：地基激光雷达;人工林;单木因子;树高模型;水曲柳;兴安落叶松

中图分类号：S758.5    文献标识码：A   文章编号：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

我国森林资源调查工作多采用人工的方式，比如，森林资源清查与树干解析等工作需要人工采集大量的外业实测数据，这些数据的可靠性对于提高森林生物量、森林蓄积量、叶面积指数估测精度和开展森林演替、碳循环、初级生产力研究具有重要意义[1-3]。外业数据的采集，需要消耗大量的人力和物力，尤其对于交通不便的边远山区林地，实地调查更为困难。因此，如何运用更加科学的手段获取数据，减少人工工作量、提高效率和数据质量，将是林业科研工作者共同努力的方向。

对于数据的采集方式，传统光学遥感技术在林业中的应用已经非常普及，在区域尺度和全球尺度的指标反演中发挥了重要的作用[4-5]，但光学遥感技术主要侧重于提取大尺度的宏观的森林参数，很难描述林分的垂直结构及森林的三维信息[6]，而激光雷达具有与光学遥感不同的成像机制，对植被空间结构和地形的探测能力很强，可以很好地表达森林垂直结构，属于非接触、非破坏性的数据采集方式，在林业资源调查中相比纯人工作业方式和光学遥感技术显然有着无法比拟的优势，此外激光雷达还具备不受天气等环境因素的影响、扫描范围广、操作简便等特点，不仅能提高工作效率，还能提高测量精度。所以，从20世纪80年代中期开始，激光雷达技术在国内外被广泛应用于森林参数反演及森林生态学的研究，Li等[7]结合机载激光雷达反演了森林表层的土壤属性;陈健[8]、Kumar等[9]、Pitknen等[10]和骆钰波等[11结合地基激光雷达数据提取了胸径和树高等单木因子，验证了TLS用于人工林和天然林的单木因子提取的可行性;范伟伟等[12]以哈尔滨市城市林业示范基地黑皮油松林为研究对象，综合对比了地基激光雷达和手持式移动激光雷达2种扫描方式;邱琴等[13]和黄旭等[14]基于背包式激光雷达提取了单木因子，并与实测数据比对，验证了背包激光雷达用于树高、胸径及冠幅面积等参数提取的可行性。激光雷达技术将遥感在林业领域中的应用推上了更高的台阶，并且在森林资源管理和可持续发展中起到了重要的作用。

近些年，激光雷达技术在各行各业已经展现了非凡的发展前景，但要在林业调查中普及尚需各方面的权衡，比如：精度、效率和资金等，导致目前林业调查仍以传统方法为主。本文基于地基激光雷达扫描了2块东北林业大学校内林场人工林样地，分别为水曲柳和兴安落叶松，主要探索地基激光雷达技术提取人工林单木因子、构建树高模型的可靠性以及在2种树种中的差异性。

1 研究区概况

研究区域位于东北林业大学校内林场，其地理坐标为126°37′58″ E， 45°43′01″ N，平均海拔141 m，地形较为平缓，气候类型属温带湿润大陆性季风气候，具有夏季短暂且高温多雨，冬季漫长且寒冷干燥的特点。年气温变化幅度较大，夏季7月平均气温23°，冬季1月平均气温-19°，年平均降水量约为500 mm，且全年降水多数集中在6—9月。样地内土壤类型为暗棕壤，主要树种有红松、兴安落叶松和水曲柳等。

2 数据采集

2.1 地基激光雷达数據采集

地基激光雷达数据采集时间为2019年初冬。在东北林业大学校内林场设置水曲柳人工林样地1块、兴安落叶松人工林样地1块，样地为20 m×30 m的长方形标准样地。本研究使用多测站布设法对2块不同林分的样地进行扫描，扫描仪器型号为FARO FOCUS S350，该三维激光扫描仪系统参数见表1。扫描仪配置文件参数为室外20 m扫描，开启彩色扫描模式，每站扫描时间平均10 min。

2块样地地理位置相邻，共布设10个测站进行扫描，测站分布在样地外围4个角点、4个角点形成的4条边的中点和2条对角线上。在四周通视条件良好的位置布设标靶，作为任意测站的共同后视点。每相邻2个测站间，同时看到至少4个标靶，充分保证样地内每棵树木的扫描精度和全方位扫描信息的完整性，测站具体布设如图1所示。

2.2 实测数据采集

人工实测数据时间与地基激光雷达扫描时间基本同步，选择样地内胸径大于5 cm的单木，使用胸径尺与测高杆，人工实测2块样地内树种的胸径与树高，3次测量取平均值作为实测值。实测水曲柳49棵，兴安落叶松45棵，其胸径与树高测量基本统计量见表2。

3 研究方法

3.1 点云数据处理

将扫描所得10站点云数据导入扫描仪配套软件FARO SENCE中，进行配准和裁剪等预处理。将预处理后的点云数据导入LiDAR360软件，进行去噪和地面点滤波等预处理，对滤波后的地面点进行插值，生成数字高程模型（DEM），然后依据DEM对点云进行归一化，目的是去除地形起伏对点云数据高度的影响，从而便于计算树高。

3.2 单木因子提取

对归一化后的点云数据进行单木分割，单木点云示意图如图2所示，再进行批量提取胸径和树高，但是对批量提取的结果需要补充和修正。个别情况因胸径部位点云不完整或数据量太小造成拟合错误甚至未能拟合，如图3（a）所示，需用手动方式选取树干1.3 m左右胸径位置切片点云进行重新拟合，如图3（b）所示，手动提取方式根据点云的实际情况可选择圆拟合、椭圆拟合或圆柱拟合。对于树干折断、被破坏或遮挡造成的树木顶部扫描信息缺失的个别情况，作为异常值剔除，以免影响后续建模精度。

3.3 备选树高模型

参考国内外相关学者的研究结果[15-18]，共选取8种常用的树高模型分别对2个树种进行模型拟合，模型具体形式见表3。

3.4 模型评价与检验

本研究采用SAS软件对树高模型进行拟合，模型的拟合评价指标采用决定系数（R2）、调整决定系数（R2a）与均方根误差（RMSE，公式中用ERMS表示）;模型的独立检验采用均方根误差（RMSE）、平均误差（ME，公式中用EM表示）和总体相对误差（TRE，公式中ETR表示）。指标具体计算公式如下：

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为用于建模的单木株数;p为参数个数;Yi为测量值;Y^i为模型预测值;Y-i为测量值的平均值。

4 结果与分析

4.1 单木因子提取结果分析

单木分割结果如图4所示，将单木分割后的单木数据与实测数据进行配对匹配，发现点云单木分割识别率达到100%，见表4。其中单木分割识别出的树干折断、被破坏或由于遮挡造成树干顶部扫描信息不完整等异常数据4株，作为异常值剔除。共提取45棵水曲柳及45棵兴安落叶松，全部用于树高模型的构建。

表5列出了水曲柳与兴安落叶松点云提取的胸径、树高与实测数据之间的回归关系。其中水曲柳胸径、树高与实测数据的相关系数（R2）分别为0.920 7和0.903 9;兴安落叶松的胸径、树高与实测数据的相关系数（R2）分别为0.967 6和0.949 6， 结果表明，提取数据与实测数据线性关系良好。说明利用地基激光雷达对单木胸径和树高进行提取可以获得与人工实测数据相关性较好且精度较高的数据，可以用于后续建模使用。

4.2 模型拟合

基于以上提取的单木因子，应用SAS软件分别对水曲柳和兴安落叶松的8个备选树高模型进行拟合回归。2个树种的树高模型拟合结果见表6。由表6可知，拟合水曲柳的树高模型，除了模型1和模型3的R2a偏低，其他6个模型的R2a均高于0.8，其中，模型6～8的差异相对较小，但综合R2a和RMSE指标来看，最优树高模型为模型8，即：Schumacher模型，其R2a最高，为0.826 1，同时RMSE最小，为0.979 0m。拟合兴安落叶松的树高模型，模型3的R2a和RMSE指标表现最差，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，为0.801 1，同时RMSE最小，为1.097 3，该模型为最优树高模型。水曲柳和兴安落叶松的最优树高模型参数值估计见表7。

图5为2种最优树高模型的残差图，其中图5（a）为水曲柳的最优模型8的残差图，图5（b）为兴安落叶松的最优模型4的残差图。由图5可知，最优树高曲线模型的残差值以0为界，上下均匀分布，呈随机分布，没有明显趋势。

图6为2个树种最优树高模型拟合曲线，其中图6（a）为水曲柳最优模型Schumacher模型的拟合曲线，图6（b）为兴安落叶松最优模型Logistic模型的拟合曲线。

4.3 模型检验

结合模型的参数估计结果，应用SAS软件计算各模型的ME、RMSE和TRE等统计量。对研究区域实测的2个树种按径階分别抽取27株单木数据进行模型独立检验，检验结果见表8。从表8的统计量ME可以看出，各模型对水曲柳和兴安落叶松树高的预测值均偏低，分别约为0.43 m和0.63 m左右。水曲柳各模型的RMSE范围为1.241 8～1.427 4 m;兴安落叶松各模型的RMSE范围为1.564 1～1.778 2 m。水曲柳的树高模型8的ME、RMSE、TRE指标均小于其他7个模型，而兴安落叶松模型4的ME、RMSE、TRE指标均小于其他7个模型，该结果与模型拟合结果一致。结果表明，拟合水曲柳的最优树高模型为模型8：Schumacher模型，拟合兴安落叶松的最优树高模型为模型4：Logistic模型。

5 讨论与结论

5.1 讨论

地基激光雷达作为新兴的主动遥感技术，可以深入到地形复杂的环境或空间进行扫描测量，在林业调查中更能发挥独特的优势，能够描述林分的垂直结构和森林的三维信息[19-21]，但在林冠下架设激光雷达扫描仪进行扫描树干顶部的过程中，可能受到不同程度的遮挡，导致树冠信息不完整，从而影响树高因子的提取精度，尤其是在夏季枝繁叶茂的季节[14]。为降低这种影响，本次研究数据采集时间选在了初冬，树叶凋落且无积雪覆盖的情况下进行外业工作，研究结果表明，本次获取的树干顶部的信息完整性较好，树高因子与实测数据相比也具有较好的精度。

不同树种的形态有差异，水曲柳和兴安落叶松均属于干形挺拔的阔叶和针叶树种，且有很高的经济价值。本文基于地基激光雷达扫描的点云数据，能高效、便捷、准确地提取其树高和胸径等单木因子，从而有助于蓄积量与生物量的估计和研究，以及经济价值的估算。

本研究区域选择在林场中地势平坦的区域，数据量偏少。但随着野外作业复杂性的提高，地基激光雷达的优势会愈加明显。传统的野外数据采集方式在人力、物力方面消耗很大，且效率低;地基激光雷达数据采集方式，只需一到两人即可轻松完成外业过程，外业空余时间也可用于采集其他所需数据。内业数据处理过程有成熟的技术借鉴，高效便捷，采集回来的数据信息量很丰富，可以提取各种需要的单木因子和DEM等信息。具有采集一次，可支撑研究多项的优势。

综上所述，基于地基激光雷达技术在一定程度上能够替代或辅助传统林业调查工作，且具有良好的精度和效率。

5.2 结论

本文基于地基激光雷达扫描2块东北林业大学校内林场人工林样地，分别为水曲柳和兴安落叶松，并提取胸径和树高，构建适宜的最优树高模型，结论如下。

（1）地基激光雷達获取的点云数据可以应用于人工林单木的识别。

（2）利用地基激光雷达对单木胸径和树高进行提取，可以获得与人工实测数据相关性较好且精度较高的结果，验证了点云数据提取单木因子的可靠性。

（3）基于点云数据提取的单木因子构建树高模型，精度良好，但对于不同树种，由于点云之间的遮挡特点不同，所提取的单木因子的精度和模型拟合精度有所差异。

【参 考 文 献】

[1]闫飞.森林资源调查技术与方法研究[D].北京：北京林业大学，2014.

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

[2]刘迎春，高显连，付超，等.基于森林资源清查数据估算中国森林生物量固碳潜力[J].生态学报，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]吴初平，袁位高，盛卫星，等.浙江省典型天然次生林主要树种空间分布格局及其关联性[J].生态学报，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，邢艳秋，尤号田，等.基于星载LiDAR波形数据的森林胸高断面积估测研究[J].西北林学院学报，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]陈健.基于地基激光雷达的不同森林类型单木胸径与树高提取[D].合肥：安徽农业大学，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]駱钰波，黄洪宇，唐丽玉，等.基于地面激光雷达点云数据的森林树高、胸径自动提取与三维重建[J].遥感技术与应用，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]范伟伟，刘浩然，徐永胜，等.基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比[J].中南林业科技大学学报，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，张文革，王蕾，等.基于背包式激光雷达的天山云杉林单木因子估测[J].林业资源管理，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]黄旭，贾炜玮，王强，等.背包式激光雷达的落叶松单木因子提取[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]冯国红，朱玉杰，王景峰.小兴安岭天然林不同树种的树高曲线模型[J].东北林业大学学报，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]张敏，顾凤歧，董希斌.帽儿山林区主要树种树高与胸径之间的关系分析[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]张树森，董利虎.张广才岭三大硬阔树高曲线的研究[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]刘鲁霞，庞勇，李增元.基于地基激光雷达的亚热带森林单木胸径与树高提取[J].林业科学，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.基于机载激光雷达的密林山区测绘研究[J].自动化技术与应用，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]罗洪斌，岳彩荣，张国飞，等.机载激光雷达在不同区域尺度森林叶面积指数反演中的应用[J].西部林业科学，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.