機載激光雷達在林業中的應用

吳嬌嬌， 張亞紅， 楊凱博， 胥 喆， 舒清態

(西南林業大學林學院，云南昆明 650244)

機載激光雷達在林業中的應用

吳嬌嬌， 張亞紅， 楊凱博， 胥 喆， 舒清態*

(西南林業大學林學院，云南昆明 650244)

在介紹機載激光雷達(LiDAR)的工作原理、應用領域、國內外發展現狀基礎上，重點就機載LiDAR 進行森林參數(樹高、郁閉度、林分密度、生物量和蓄積量等)的反演方法和技術進行了分析，對LiDAR在森林參數反演方面存在的問題進行了總結，對未來的發展趨勢進行了展望。

機載激光雷達；森林計測參數；遙感

機載激光雷達(Light Detection And Ranging,LiDAR)是一種先進的主動遙感技術[1]。目前，LiDAR技術主要應用于林業、基礎測繪及數字城市等[2-3]。森林占地球表面積的9.4%，其不僅有豐富的資源儲備，并且對維持生態系統的多樣性和可持續發展有著不可替代的作用，所以，對森林資源的動態變化信息的研究十分重要[4]。傳統的森林參數測計方法中存在諸多缺陷，費時費力且無法研究大范圍或區域性森林參數，而LiDAR技術的出現改善了這一現象。

筆者從LiDAR系統的組成及工作原理、應用領域及國內外的發展出發，著重介紹了利用LiDAR 數據反演森林參數的方法和研究進展，同時總結了LiDAR在森林參數反演方面存在的問題以及今后的發展趨勢。

1 機載LiDAR系統概述

圖1 機載LiDAR系統示意Fig.1 Airborne LiDAR system

機載LiDAR系統是一種安裝在飛機上的集激光探測和測距于一體的系統，依據工作平臺的不同分為機載雷達、星載雷達和車載雷達等[5]。如圖1所示，機載LiDAR的原理是通過激光發射器發射一組激光脈沖，精確測定激光從發射到返回的傳播時間，同時結合激光發射器的高度及掃描角度，利用GPS和慣性測量單元(Inertial Measurement Unit，IMU)得到激光器的位置和激光發射方向，即可解算地面目標的三維坐標[6]。相對于傳統遙感，其優點表現在以下幾個方面：①獲取數據迅速并能24 h全天候工作；②具有較高的精度；③其發射的激光具有穿透性，能夠穿透植被葉冠，并能直接獲取目標的三維坐標；④能夠得到密集的點陣數據，在地形、林木高度和植被空間結構的探測上具有極大的優越性；⑤無需或很少需要進入測量現場；⑥能夠同時測量地面和非地面層等。1.1 系統組成 機載LiDAR系統的組成主要包括以下3個部分：①機載激光掃描儀；②航空數碼相機；③定向定位POS系統(GPS和IMU)[7]。其中，POS系統主要測量瞬時空間位置及姿態，GPS確定空間位置，IMU測量俯仰角、側滾角及航向角數據。機載激光掃描儀類似于陸地衛星的多光譜掃描儀，進行主動式掃描并控制激光束的發射方向。LiDAR系統組成單元見圖2。

圖2 機載LiDAR系統組成單元Fig.2 Component unit of airborne LiDAR system

1.2 工作原理 機載LiDAR由于搭載GPS，所以可實時測定機載激光發射器的三維坐標，而測量地物的三維位置只需嚴格測量脈沖發射時刻及返回時刻，所以測距基本原理可表示為：

(1)

式中，t為光波從發出點到目標物的往返時間；c為光速；R為目標物與傳感器之間的距離。

激光發射后受到地形地物遮擋會反射回波信號，其回波強度可表示為：

(2)

式中，PR、PT分別為激光的返回功率和發射功率;GT為發射天線增益；R為目標至傳感器的幾何距離；σ為散射截面;D為接收直徑;ηAtm為單程大氣傳輸系數;ηSys是光學系統的傳輸系數[8]。

1.3 應用領域 機載LiDAR的應用領域主要包括以下幾個方面。

(1)對于影像無從分辨、紋理極少的地表面測繪。包括雪地、沙地、沼澤、濕地等影像匹配和人工測量都無能為力的地方。

(2)植物、森林覆蓋密度較大的地域測繪。機載激光雷達可較好地獲取其地形數據。

(3)對于細長地物目標物的測繪。

(4)城市地區需求側管理(DSM)的生成，對于城市規劃、通信天線的安置工作可以提供非常重要的數據支持。

(5)需要快速響應的應用領域。機載激光雷達系統具有直接測距的功能，數據可快速被將轉化為單位坐標，因而成為重要的自然災害監測工具。

2 機載LiDAR在森林計測參數中應用

2.1 國外研究現狀 19世紀80年代，LiDAR首次應用于森林參數的獲取[9]，隨后美國和加拿大的學者從實驗中得出激光雷達數據具有極大的可能性進行森林測計參數估測和地形測繪。Nelson等[10]指出激光雷達系統可遙感森林垂直結構參數并估測林木高度，采用多元回歸分析的方法反演原始熱帶森林生物量和蓄積量，并得出其模型具有較好的決定系數，達0.4～0.6。Nesset等[11]利用LiDAR數據進行林分水平的森林平均樹高測定，獲得較高精度。機載LiDAR在林業中的應用日益增多。地基激光雷達(TLS)技術反演森林結構參數的算法也陸續被提出，其可獲取單木和整個研究區水平的三維森林結構參。Simonse等[12]采用Hough變換方法，基于已經生成的DEM提取單木胸徑、坐標等測計參數；Gorte等[13]基于3D空間單元和形態分析以獲取三維拓撲結構并提取單木主要參數。星載激光雷達可實現大范圍內的數據采集，在大尺度森林測計參數的估測上具有強大的優勢。Lefsky等[14]利用星載激光雷達技術進行樹高估計，得到的結果精度較高。

綜上，機載LiDAR點云數據在提取林木垂直結構參數上及樹高的優勢日益突出，通過提取樹木分位數高度結合實測數據以估測森林測計參數的研究較多，且效果較好。目前，基于多數據融合進行林業信息研究也成為一個主要的發展趨勢，其相對于單純使用點云數據估測精度更高。激光雷達數據估測森林參數算法的不斷提出與更新，極大地推動了LiDAR系統在林業中的應用。

2.2 國內研究現狀 我國LiDAR技術在林業中的應用處于初步階段，“七五”期間我國曾立項研發LiDAR系統，但是由于硬件設備和數據源獲取所需成本較為昂貴，該計劃未能實施。近年來，隨著國內硬件科技水平的不斷提高，LiDAR技術在林業中的應用取得了較大進展。何祺勝等[15]利用高密度激光點云數據對黑河流域祁連山大野口的森林結構參數進行估測，并分析了其空間分布特點。于穎等[16]采用高斯低通濾波平滑GLAS數據，建立樹高和生物量反演模型，結果表明其理論精度達到93.7%和93.1%。劉清旺等[17]利用雙正切角樹冠邊界識別算法，精確估測出單木參數和林分結構特征。另外，Pang等[18]就機載和星載LiDAR結合應用進一步創新與發展，將機載LiDAR高精度森林高度反演的參數與星載波形指數建立聯系，論證了星載-機載LiDAR進行森林參數估測的可行性。

目前，國內就LiDAR系統在林業中的應用創新性科研成果較少，大多基于國外已有的研究成果和和理論基礎，硬件設施和科技成本成為激光雷達技術快速發展的主要阻力。同時，在小光斑機載雷達數據和大光斑星載雷達數據的結合應用上仍然相對較少，在林業資源調查應用上有待進一步提高。

3 LiDAR反演森林測計參數的主要算法

3.1 樹高估測 樹高是指樹木從地面根莖到樹梢之間的距離，是反映林木生長情況和立地質量的重要依據。平均高有算術平均高、胸高斷面積加權平均高和樹冠面積加權平均高。LiDAR參數所獲得的樹高是單木平均高，可利用LiDAR數據樹冠頂部與地面的光波回波距離差求得。已有研究表明，LiDAR技術測量樹高比實際樹高低0.3～3.0 m[19-21]。目前估測樹高常用的方法為建立樹冠高度模型(CHM)。樹冠高度模型可由數字表面模型(DSM)和數字高程模型(DEM)得到，DSM可反演出地形表面以上的林木高度[22]，由DEM可得地面高程，所以由LiDAR數據生成的數字表面模型與數字高程模型的差值即可得到樹高模型。因減去了地形變化對林木形態的干擾，CHM可以得到較為精確的單木形態參數。

3.2 郁閉度估測 郁閉度是指森林中喬木樹冠在陽光直射下在地面的總投影面積與林地總面積之比。LiDAR不僅可以獲取樹高,同時也可以估測郁閉度。機載LiDAR系統可通過植被的回波點總數比上地面的回波點總數計算郁閉度。不同地形地物對激光的反射率不同，所以需采用其他遙感數據所用波段的植被反射率和地面反射率，否則很難實現大范圍的郁閉度估測。

3.3 林分密度估測 林分密度即單位面積內樹木的株數。林分密度參數可由LiDAR數據得到，即從已生成的樹冠高度模型中，選用變化窗口搜索局部最大值。Popescu用[23]可調節的窗口求局部最大值以估測樣地的林木株數,所得結果與實測值的相關系數為0.26。Koukoulas等[24]研究表明在半天然林中，通過樹冠高模型生成等高線提取樹冠頂端時,其精度為80%，高于航空攝影數據的精度。Brandtberg等[25]采用不同水平的高斯平滑法對高密度(12回波/m2)LiDAR數據對不同的樹種進行樹冠檢測，結果表明其均值的標準差為1.1 m。

3.4 生物量和蓄積量估測 在LiDAR數據反演生物量和蓄積量的研究中，由于樹木的相關生長方程與樹種和地域密切相關,而樹木的相關生長方程很難獲取，通常使用樹高、胸徑、株數等參數建立回歸模型，采用統計回歸的方法進行估測。利用LiDAR數據提取樹高、胸徑等，若已知胸徑，則生物量計算公式為：

Biomass=e[β0+β1ln(DBH)]

(3)

式(3)，β0、β1為樹種群參數；DBH是胸徑。

在反演整個研究區生物量參數時，可從激光點云數據中提取分位數樹高(10%，20%，…，90%分位數高度)、平均數高與樣地生物量進行多元線性分析，建立生物量估測模型。Holmgren等[26]利用高空間分辨率的影像圖，分別對兩組不同的變量建立回歸模型，以估測樣地蓄積量，得出以樹高和冠幅面積為變量的模型的相關系數為0.90，而以樹高、株數為變量的模型的相關系數為0.82。這兩種方法均有較好的相關系數，所以高空間分辨率的LiDAR數據在估測樹高和蓄積量時，這兩種回歸模型具均有很好的可靠性。Popescu等[23]將小光斑LiDAR數據與多光譜數據結合，先求出單株樹木的樹高和冠幅,然后利用回歸統計的方法分析和計算胸徑和胸高斷面積,最后計算該地的生物量。結果表明兩種數據融合后得到的參數估測精度高于原單一種類數據。

4 問題與展望

近年來，LiDAR技術在許多森林參數反演上取得很大進步，但仍然存在一些問題和缺陷。主要表現在以下幾個方面：①理論體系不完善、數據獲取和分析處理軟件缺乏且費用高。②數據的獲取受天氣情況影響較大，一般不在陰雨霧等天氣情況不好時工作，否則會影響數據的精度。而在密林地區，森林郁閉度較大時雷達脈沖的穿透率較低，難以獲得高精度的數字地面模型。③采用機載小光斑系統會對樹高估測偏低，通常的解決辦法是增加點云密度使精度提高，同時也會增加數據的獲取成本。④在林學中LiDAR主要用于針葉型樹木研究,而較少研究水平和垂直結構都比較復雜的闊葉樹。所以，將相應的多光譜數據應用于復雜的闊葉樹研究是今后的研究方向之一。

LiDAR技術相對于傳統遙感技術在估測森林測計參數方面有獨特的優勢，尤其在林業中的應用極其靈活,并越來越多地被用于生態領域。利用其他光學遙感數據與激光雷達數據結合,將更廣泛深入地用于森林資源調查中，調查的效率和精度將會得到大幅度提高。隨著LiDAR系統傳感器的不斷進步，可獲取的點云數據密度不斷增加，LiDAR數據將在生產生活中提供更為多元化的測量信息。地基激光雷達逐步推廣應用于林業中，這為森林測計參數提供了更為有利的輔助條件及數據支撐。隨著科學技術的進步，將實現LiDAR在密集林區高精度、大范圍的應用。參考文獻

[1] 羅云建，張小全，王效科，等.森林生物量的估算方法及其研究進展[J].林業科學,2009,45(8):129-134.

[2] WARING R H,SCHLESINGER W R.Forest ecosystem:concepts and management[M].School of geosciences,1987.

[3] ARP H,GRIESBACH J C,BURNS J P.Mapping in tropical forests:a new approach using the laser APR[J].Photogrammetric engineering & remote sensing,1982,48:91-100.

[4] NELSON R,KRABILL W,MACLEAN G.Determining forest canopy characteristics using airborne laser data[J].Remote sensing of environment,1984,15(3):201-212.

[5] 趙峰,李增元,王韻晟,等.機載激光雷達(LiDAR)數據在森林資源調查中的應用綜述[J].遙感信息,2008(1):106-110.

[6] 李丹,岳彩榮.激光雷達在森林參數反演中的應用[J].測繪與空間地理信息，2011,34(6):54-58.

[7] BALTSAVIAS E P.Airborne laser scanning:basic relations and formulas[J].ISPRS Journal of photogrammetry and remote sensing,1999,54(2/3):199-214.

[8] 戴永江．激光雷達原理[M].北京:國防工業出版社,2002.

[9] 項文化，田大倫，閆文德.森林生物量與生產力研究綜述[J].中南林業調查規劃,2003,22(3):57-60.

[10] NELSON R,BOUDREAU J,GREGOIRE T G,et al.Estimating quebec provincial forest resources using ICESat/GLAS[J].Canadian journal of forest research,2009,39(4):862-881.

[11] NAESSET E,GOBAKKEN T.Estimation of above-and below-ground biomass across regions of the boreal forest zone using airborne laser[J].Remote sensing of environment,2008,112(6):3079-3090.

[12] SIMONSE M，ASCHOFF T，SPIECKER H，et al.Automatic determination of forest inventory parameters using terrestrial laser scanning[C]//Hyypp? J,Naesset E,Olsson H,et al.Proceeding of the scand laser scientific workshop on airborne laser scanning of forests.ume?，sweden:Instutionen of forest rosource management,Swedish University of Agricultural，2003.

[13] GORTE B，PFEIFER N.Structuring laser-scanned trees using 3D mathematical morphology[C]//Proceedings of commission V，XXth ISPRS congress.Istanbul,Turkey:International Archives of Photogrammetry,Remote Sensing and Spatial Information Science,2004，5:929-933.

[14] LEFSKY M A，HARDING D J,MICHAEL K，et al.Estimates of forest canopy height and aboveground biomass using ICEsat[J]．Geophysical re-search letters，2005，32(22):441.

[15] 何祺勝,陳爾學,曹春香，等.基于LIDAR數據的森林參數反演方法研究[J].地球科學進展,2009,24(7):748-755.

[16] 于穎,范文義,李明澤，等.利用大光斑激光雷達數據估測樹高和生物量[J].林業科學,2010,46(9):84-87.

[17] 劉清旺,李增元,陳爾學,等.機載LIDAR點云數據估測單株木生物量[J].高技術通訊,2010,20(7):765-770.

[18] PANG Y,LEFSKY M,ANDERSEN H E,et al.Validation of the ICESAT vegetation product using crown-area-weighted mean height derived using crown delineation with discrete return lidar data[J].Canadian journal of remote sensing,2008,34(S2):471-484.

[19] NAESSET E.Determination of mean tree height of forest stands using airborne laser scanner data[J].Isprs journal of photogrammetry & remote Sensing,1997,52(2):49 -56.

[20] MCCOMBS J W,ROBERTS S D,EVANS D L.Influence of fusing lidar and multispectral imagery on remotely sensed estimates of stand density and mean tree height in a managed loblolly pine plantation[J].Forest science,2003,49(3):457-466.

[21] PARKER R C,EVANS D L.An application of LiDAR in a double sample forest inventory[J].Western Journal of Applied Forestry,2004,19(2):95-101.

[22] BOLTON D K,COOPS N C,WULDER M A.Characterizing residual structure and forest recovery following high-severity fire in the western boreal of Canada using landsat time-series and airborne lidar data[J].Remote sensing of environment,2015,163:48-60．

[23] POPESCU S C,WYNNE R H,SCRIVANI J A.Fusion of small-footprint lidar and multispectral data to estimate plot-level volume and biomass in deciduous and pine forests in Virginia USA[J].Forest sciences,2004,50(4):551-565.

[24] KOUKOULAS S,BLACKBURN G A.Quantifying the spatial properties of forest canopy gaps using LiDAR imagery and GIS [J]． International journal of remote sensing，2004(25):3049-3072．

[25] BRANDTBERG T,WARNER T A,LANDENBERGER R E,et al.Detection and analysis of individual leaf-off tree crowns in small footprint,high sampling density liar data from the eastern deciduous forest in North America[J].Remote sensing of environment,2003,85(3):290-303.

[26] HOLMGREN J,NILSSON M,OLSSON H.Estimation of tree height and stem volume on plots using airborne laser scanning [J].Forest science,2003,49(3):419-428.

Application of Airborn LiDAR in Forestry

WU Jiao-jiao,ZHANG Ya-hong,YANG Kai-bo,SHU Qing-tai*et al

(College of Forestry,Southwest Forestry University,Kunming,Yunnan 650224)

This paper introduces working principle of airborn LiDAR,application field and development situation at home and abroad.And the paper focuses on the method of using LiDAR data to inverse forest parameters(such as tree height,canopy density,stand density,biomass and volume,etc.) and its research progress,forecasts the future development trend,and also summarizes the problems of LiDAR in forest parameters inversion.

Airborn LiDAR; Forest measurement parameters; Remote sensing

國家自然科學基金項目(31460194)；云南省林學一流學科建設經費資助項目。

吳嬌嬌(1992- )，女，安徽合肥人，碩士研究生，研究方向：林業3S技術。*通訊作者，副教授，博士，從事3S技術在林業中的應用研究。

2016-09-28

S 771.8

A

0517-6611(2016)35-0209-04