基于機載LIDAR數(shù)據(jù)及大比例尺航片反演林木參數(shù)1)

張 瓊 劉 芳 范文義 李 典 楊樹文 陳 成

(東北林業(yè)大學，哈爾濱，150040)

激光雷達LIDAR(Light detection and ranging)用于估測森林參數(shù)的研究始于上世紀80年代中期［1－3］，它最大的優(yōu)勢之一就是能直接獲取目標物體的三維坐標信息，這對于定量估測森林參數(shù)，尤其在估測森林冠層高度及林木空間結(jié)構(gòu)信息方面具有得天獨厚的優(yōu)勢，因此與傳統(tǒng)的采用測高器量取樹高和利用樹冠垂直投影量測冠幅的方法相比，可信度大大增加。高精度的森林冠層高度信息的獲取一直是林業(yè)遙感中難以解決的問題，而LIDAR憑借其極高的角分辨率能力、距離分辨率能力、抗干擾能力，能夠快速準確地獲取地表物體的高度信息［4］，進而獲取林地數(shù)字高程模型。本研究旨在探討利用高密度小光斑激光雷達和同步獲取的大比例尺航片數(shù)據(jù)提取我國小興安嶺地區(qū)林木信息的可用性，具體包括:(1)研究單株木樹高和樹冠的提取技術;(2)將提取出的林木參數(shù)與樣地實測林木參數(shù)進行相關性分析，建立回歸模型反演林木參數(shù)，并分析影響林木參數(shù)提取精度的因素。

1 研究區(qū)域概況

研究區(qū)選在黑龍江省伊春市帶嶺區(qū)的涼水國家級自然保護區(qū)，地理坐標為北緯47°6＇49″～47°16＇10″，東經(jīng)128°47＇8″～128°57＇19″。保護區(qū)總面積 12 133 hm2，森林覆被率 98% ，屬小興安嶺南部達里帶嶺支脈東坡，海拔高度280～707 m。本區(qū)的主要保護對象是以紅松(Pinus koraiensis)為主的溫帶針闊葉混交林生態(tài)系統(tǒng)，區(qū)內(nèi)既有處于演替頂極狀態(tài)的原始闊葉紅松林、冷杉(Abies ziyuanensis)林、云杉(P.kor-aiensis)林和興安落葉松(Larix gmelini Rupr.)林，又有處于不同演替階段的次生林，幾乎囊括了小興安嶺山脈的所有森林植被類型。

2 研究方法

2.1 樣地數(shù)據(jù)獲取

涼水自然保護區(qū)的外業(yè)數(shù)據(jù)采集時間為2010年7月28日—8月6日，在研究區(qū)內(nèi)共選擇了24塊10 m×10 m的正方形樣地，并使用差分GPS定位樣地中心地理坐標。根據(jù)機載數(shù)據(jù)覆蓋情況，選取試驗區(qū)的代表樹種，選擇被測單株木的標準是該樹冠的大部分沒有被其他樹冠遮擋。采用胸徑尺測量胸徑，手持超聲波測高儀測量單株木樹高，皮尺測量東西和南北的樹冠直徑，利用差分GPS對樣地中的每株樹進行定位。選擇的大多數(shù)樣地為天然的針闊葉混交林。

2.2 LIDAR數(shù)據(jù)獲取及預處理

研究中采用的激光雷達數(shù)據(jù)由LiteMapper—5600系統(tǒng)獲取，激光掃描儀為Riegl LMS—Q560，數(shù)據(jù)獲取時間為2009年9月。航飛相對高度為800 m，激光脈沖長度是3.5 ns，回波寬度分辨率0.15 m，激光離散角度是0.5 mrad，垂直精度可達0.15 m，采樣間隔為1 ns，采樣的點云密度大于2點/m2，平均對地飛行速度是180 km/h。

LIDAR數(shù)據(jù)每個激光點包含了激光點三維坐標值、強度值、回波類型等信息。原始點云數(shù)據(jù)會包含大量粗差、錯誤或無關信息。在前期數(shù)據(jù)處理過程中，采用人工交互編輯的方法，利用比較成熟的商業(yè)LIDAR數(shù)據(jù)處理軟件Terrasolid進行預處理，剔除錯誤信息并補足遺漏信息，以保證后期生成冠層高度模型的精確性。首先，用分類軟件Terrasolid中的Terrascan分類模塊對LIDAR數(shù)據(jù)進行粗分類，將LIDAR數(shù)據(jù)分成純地面激光回波點和非地面激光回波點，再將分類后的純地面激光回波點使用TIN插值方法生成數(shù)字高程模型(Digital Elevation Model，簡稱 DEM)，同樣，將非地面激光回波點內(nèi)插生成數(shù)字表面模型(digital surface model，簡稱DSM)。運用ERDAS IMAGINEG軟件將插值生成的DSM和DEM模型作相減運算，直接獲得研究區(qū)的正規(guī)化數(shù)字表面模型nDSM。對于森林地區(qū)而言，nDSM也等同于冠層高度模型CHM(Canopy Heigh Model，簡稱CHM)。CHM消除了地形起伏變化對DSM中樹木高度及形狀的干擾，可以獲得相對準確的樹木形狀信息，被定義為樹冠在水平表面上的水平和垂直分布模式［5］。以1塊1 000 m×1 000 m的試驗區(qū)數(shù)據(jù)(空間分辨率為0.2 m)為例，如圖1為由LIDAR數(shù)據(jù)處理得到的nDSM，圖像上由暗到亮表示高度值由小到大。

圖1 試驗區(qū)的nDSM

此外，在飛行時還同步獲取了空間分辨率為0.2 m的CCD影像共189幅，比例尺為1∶2 000，總覆蓋面積約為1.2 km×1.6 km。利用ERDAS Imagine 9.1軟件中的LPS(數(shù)字攝影測量系統(tǒng))模塊，導入相機文件及內(nèi)外方位元素等航攝參數(shù)，同時，基于雷達點云數(shù)據(jù)獲取的DEM對該大比例尺航片進行正射糾正，得到空間分辨率為0.2 m的正射影像(Digital Orthophoto Map，即DOM)，圖2為覆蓋23號樣地的正射影像。

2.3 單株木樹高提取

從圖1可以看出，樹冠頂部比樹冠的其他區(qū)域要亮一些，樹冠之間的間隙區(qū)域最暗。因此，假設樹冠頂部高于樹冠的其他區(qū)域，通過計算局部最大值，可以得到樹冠的頂點［6］。本文利用eCognition軟件對空間分辨率為0.2 m的正射影像進行分割，識別出單株木樹冠區(qū)域。將輸出的樹冠多邊形矢量文件與CHM疊加，利用ERDAS的GIS空間區(qū)域分析功能，確定出單株木樹冠區(qū)域的局部最大值，得到樹冠頂點的高度信息，此即為利用雷達數(shù)據(jù)提取的單株木樹高。單株木樹高提取流程圖見圖3。

圖2 覆蓋23號樣地的正射影像

圖3 單株木樹高提取流程圖

2.4 單株木樹冠識別

采用黑龍江省涼水國家自然保護區(qū)部分試驗區(qū)的大比例尺航片作為試驗對象進行樹冠提取。利用面向?qū)ο蟮膱D像分割方法提取單株木水平信息。首先將植被信息完整地提取出來，并將其作為一個整體多邊形為下一步的樹冠信息提取做準備。因此，先對影像進行大尺度分割，然后用基于樣本的分類方法進行植被信息提取，并將植被區(qū)對象多邊形進行基于類的融合，即將所有被分為植被的影像對象重新合并為一個對象，再對合并后的植被區(qū)影像對象進行小尺度分割，提取出單株木樹冠。考慮到單木分割精度，本文對試驗區(qū)10個樣地對應的正射影像進行研究。以23號樣地為例，首先將影像分割形成“粗”的影像對象，即將影像分割結(jié)果形成多邊形;再對影像對象分類，建立類別，然后分別對各個類別選取2～3個訓練樣本，利用最大似然分類法分離出植被信息，并對漏分或錯分的樹冠多邊形進行手動編輯，得到研究區(qū)的分類結(jié)果。最后，對植被多邊形進行基于類的合并(merge)，將所分出的全部植被的影像重新合并為植被信息多邊形，再對合并后的植被多邊形進行二次分割，最終得到精度較高的單株木樹冠分割結(jié)果，如圖4。圖4為單株樹冠分割出的多邊形，從圖上可見分割出的單株木樹冠大多比較完整和準確。選擇單株木樹冠，輸出其矢量格式文件。通過對各項參數(shù)進行組合試驗、篩選，最終選出適合本研究區(qū)的最佳分割參數(shù)組合，見表1。

表1 多尺度分割最佳參數(shù)組合

圖4 單株木樹冠分割圖

3 結(jié)果與分析

3.1 單株木冠幅反演

把分割出的單株木樹冠以多邊形矢量格式輸出，并計算單株木冠幅的大小。冠幅計算的方法有幾種，如:用與樹冠面積相同的直徑作為樹冠冠幅［7－9］;用樹冠4個主方向的半徑的平方的2倍作為樹冠的冠幅［10］等。本研究采用與面積相同的圓的直徑作為樹冠冠幅的方法。將利用差分GPS定位的實地樣木坐標值生成矢量文件，并與研究區(qū)的正射影像疊加，之后進行目視對照，精準定位每株樹，并輸出單株木樹冠的多邊形面積，再求出其直徑，即為單株木樹冠冠幅。

由于單木分割時并不能把每株樹的冠幅分割出來，且航片拍攝期間太陽照射產(chǎn)生的陰影、研究區(qū)的地形以及樹冠與樹冠之間的疊合等因素都能影響分割的精度，造成一些地區(qū)的冠幅被錯分為其他類別。因此，研究中從10塊樣地中選取了96株能代表該地區(qū)林分情況且分割效果較佳的樹木，建立估測樹冠與實測樹冠的相關關系。圖5為估測樹冠與實測樹冠的散點圖，二者相關系數(shù)R2為0.8925，單株木冠幅估測精度都高于81%，平均精度高達90%，由圖5可見，單株樹冠估測的精度較高。

圖5 實測冠幅與估測冠幅的散點圖

3.2 單株木樹高反演

3.2.1 提取單株木樹高

樹高即樹冠的最高點到地面的距離。將輸出的單株木樹冠多邊形矢量文件與植被區(qū)的冠層高度模型(CHM)疊加(圖6)，然后利用ERDAS IMAGING中的GIS區(qū)域空間分析功能，計算出單株木樹冠多邊形內(nèi)CHM模型上的最大高程差值，即得到利用LIDAR數(shù)據(jù)提取出的單株木樹高。

圖6 單株木樹冠多邊形與CHM疊加圖

3.2.2 反演單株木樹高

以外業(yè)得到的實測樹高為因變量、以通過LIDAR數(shù)據(jù)提取出的單株木樹高為自變量進行相關分析，繪制散點圖(圖7)，計算得出二者的相關系數(shù)R2為0.936 1，可以看出利用LIDAR測得的單株木樹高與實測樹高線性相關。

圖7 LIDAR單株木樹高與實測樹高的比較

根據(jù)LIDAR數(shù)據(jù)的離散特點和外業(yè)測量的實際條件，為避免真實結(jié)果受到影響，本研究結(jié)果分析中不考慮利用LIDAR提取出的單株木樹高與實測樹高的差值大于3.5 m的單株木(共14株)。從10個樣地中選擇82株樹進行相關分析，如圖7。

以62株樹作為訓練樣本、另外20株作為檢驗樣本進行樹高反演，62株訓練樣本與實測樹高的相關系數(shù)R2為0.930 5，建立的線性回歸方程為:

利用方程(1)對20株檢驗樣本進行樹高反演，反演的樹高與實測的樹高比較的散點圖如圖8所示。

圖8 LIDAR反演樹高與實測樹高的比較

3.2.3 樹高反演精度評價

利用建立的LIDAR樹高反演方程(1)，對20株檢驗樣本進行樹高反演，結(jié)果見表2。

表2 單株木樹高反演結(jié)果與精度評價

表2中，精度計算公式為:

由表2可以看出:估測樹高低于實測樹高的單株木占多數(shù)，估測精度最低的為86%，最高達到98%。20株檢驗樣本的平均精度為96%。其中:估測精度低于90%的有5株，占總數(shù)的25%;估測誤差大于3 m的樹木僅有1株;誤差小于1 m的樹木有4株;平均估測誤差為0.85 m。70%的估測樹高均低于實測樹高，這可能是由于機載激光雷達系統(tǒng)采樣時有一定間隔，容易錯失樹頂，從而造成樹高的低估。

分析表2的精度結(jié)果:20株單株木中闊葉樹8株，精度均高于95%，平均精度為96%;針葉樹共12株，精度都高于86%，平均精度91%。由此可見，利用LIDAR數(shù)據(jù)反演單木樹高時，闊葉樹精度要高于針葉樹，其主要原因是大部分激光點都不會直接來自樹頂?shù)姆瓷洌熑~樹的樹冠形狀一般呈橢球形，而針葉樹的樹冠形狀一般呈圓錐形或鉛筆形，因此，闊葉樹的反射率更高，其樹冠的垂直結(jié)構(gòu)上升得更快，在LIDAR點云采樣中碰到樹頂或上層樹冠的概率更大。

4 結(jié)論與展望

利用TerraSolid專業(yè)激光雷達處理軟件對涼水國家級自然保護區(qū)的高密度機載LIDAR數(shù)據(jù)進行處理，結(jié)合同步獲取的大比例尺航片反演單株木冠幅和樹高，結(jié)果表明:利用高密度機載小光斑激光雷達數(shù)據(jù)結(jié)合同步獲取的大比例尺航片提取我國小興安嶺地區(qū)的林木信息是可行的。研究采用面向?qū)ο蟮亩喑叨确指罘椒▽崿F(xiàn)了單株木樹冠的提取，結(jié)合高密度LIDAR數(shù)據(jù)提取出單株木樹高，并進行單株木的樹高和樹冠的反演試驗，雖然精度相對較高，但目前這一技術的應用仍具有局限性。主要表現(xiàn)在本研究所選樣地郁閉度均較低(＜0.8)，森林結(jié)構(gòu)比較簡單，因而樹冠提取的效果較好，而對于郁閉度更高、森林結(jié)構(gòu)更復雜的林分，可望提出一種更新、更精確的分割算法來自動識別單株木。激光雷達的高度信息能較準確地估測樹高，今后可以對其它地區(qū)進行此類樹高估測研究，如果估測精度較高且結(jié)果穩(wěn)定，那么此激光雷達變量提取方法用于其它地區(qū)的樹高估計是相當有前景的。因此，隨著LIDAR技術的不斷發(fā)展和數(shù)據(jù)處理算法的不斷完善，對于高密度、多回波的激光雷達點云數(shù)據(jù)的進一步研究和應用，將獲得更為理想的結(jié)果。

［1］Arp H，Griesbach J，Burns J.Mapping in tropical forests:A new approach using the laser APR［J］.Photogrammetric Engineering ＆Remote Sensing，1982，48(1):91 －100.

［2］Nelson R，Krabill W，Maclean G.Determining forest canopy characteristics using airborne laser data［J］.Remote Sensing of Environment，1984，15(3):201 －212.

［3］MacLean G A，Krabill W B.Gross－merchantable timber volume estimation using an airborne LiDAR system［J］.Canadian Journal of Remote Sensing，1986，12:7 －18.

［4］楊伯鋼，馮仲科，羅旭，等.LIDAR技術在樹高測量上的應用于精度分析［J］.北京林業(yè)大學學報，2007，29(增刊2):78 －81.

［5］Koukoulas S，Blackbum G A.Quantifying the spatial properties of forest canopy gaps using LIDAR imagery and GIS［J］.International Journal of Remote Sensing，2004，25(15):3049 －3071.

［6］劉清旺，李增元，陳爾學，等.利用機載激光雷達數(shù)據(jù)提取單株木樹高和冠幅［J］.北京林業(yè)大學學報，2008，30(6):83 －88.

［7］Persson˙A，Holmgren J，S?dermann U.Detecting and measuring individual trees using an airborne laser scanner［J］.Photogr Engineering and Remote Sensing，2002，68(9):925 －932.

［8］Hyyppa J，Kelle O，Lehikoinen M，et al.A segmentation－based method to retrieve stem volume estimates from 3－D tree height models produced by Laser scanners［J］.IEEE Transactions on Geoscience and Remote Sensing，2001，39(5):969 －975.

［9］F Morsdor F，Meier E，Kotz B.LIDAR－based geometric reconstruction of boreal type forest stands at single tree level for forest and wildland fire management［J］.Remote Sensing of Environment，2004，92(3):353 －362.

［10］Solberg S，Naesset E，Bollandsas O M.Single Tree Segmentation Using Airborne Laser Scanner Data in a Structurally Heterogeneous Spruce Forest［J］.Photogrammetric Engineering ＆ Remote Sensing，2006，72(12):1369 －1378.