基于冠層高度模型（CHM）多種算法單木分割技術在森林資源調查的應用

孫志

（上海元易勘測設計有限公司，上海201210）

新型森林資源調查，需要獲取樹高、胸徑、冠幅等林木的精準信息。面對大規模林業調查時，傳統方法測量難度大，工期長，信息采集效率低。隨著我國低空空域的放開，無人機的推廣應用，給林木統計工作提供了新思路。由無人機正射平臺和機載雷達系統組成的無人機激光雷達掃描，是能夠同時發送接收激光點云，不受地形、大氣等外界因素的干擾主動遙感技術運用，具有容易穿透密郁閉度較高的樹冠層特質，在林業調查方面可以準確、有效、快速地測量大面積森林和樹木的高度，對大范圍、精細化的林業調查意義重大[1]。

1 技術組成

1.1 單木分割技術

使用激光雷達數據的單木分割技術主要采用影像、點云與先驗信息相結合的方法，基本特質是正射影像、激光點云與算法的結合。單木分割容易使用三維空間信息，更容易反映樹冠結構；能夠探測灌木或小樹，可以同時應用光譜信息與高度信息。

1.2 點云賦色的原理

光譜特征成為點云數據獲取的樹冠結構特征的重要補充，高度分布特征描述不同樹種樹冠特性，強度特征借單木探測技術和分割技術以達到識別樹種的目的。由于激光點云數據缺乏光譜信息，點云在區分茂密樹冠和區分樹種是存在局限性。正射影像對點云進行賦色后，點云數據具有RGB 真彩色，提高了點云的辨識度，從而使單木分割的正確率提高。

1.3 CHM的多種算法

圖像分割是面向對象的基礎，基于不同場景可以選擇不同類型的分割提取方法，實現的方法和技術有分水嶺算法、PCS 算法、歸一化割、基于CHM的多項式擬和、區域合并的均值漂移等等。

2 測區概況

測區位于上海市浦東新區外環線外，規劃總面積49.19 公頃。東側為廢棄公園與拆遷村，公園內香樟、水杉、桉樹、廣玉蘭以及部分灌木林。西側場地內有部分廢棄房屋，主要植被為香樟林。測區內林木相對集中，測區內植被覆蓋率超過50%。林木密度大，人員進入困難。

3 數據采集與處理

綜合考慮測區的地形、地貌、機載激光雷達設備的參數、天氣條件、航帶寬度以及點云密度，本次選擇六旋翼工業級無人機RT650、激光雷達LD-R300 和正射平臺，獲取5cm 精度的點云和正射影像數據。

3.1 飛行路線規劃

根據航攝要求，計算可得合理航飛高度。根據像素、航飛高度設計航向重疊度與旁向重疊度。

3.2 像控點布測

小型無人機飛行過程中飛行姿態易受到外部因素干擾，記錄的影像數據無法滿足大比例尺測圖要求。為滿足成圖精度，采用航線兩端及中間間隔一或兩條航線布設像控點的方法。像控點平面位置采用基于GNSS 連續運行參考站SHCORS 系統的GPS 網絡RTK 三級要求布設。像控點高程通過數學擬合方法，獲取該區域內的高程異常模型，且聯測附近區域內兩個已知等級水準點，像控點以L 型紅色油漆或特殊標記地面處布設。

3.3 影像數據采集

為獲取高精度正射影像數據匹配點云數據，對激光點云數據賦色，激光雷達航向設置與正射平臺飛行航線一致，高度一致。影像采集前對飛行模塊調試，利用小型無人機對測區空域內試飛，查探飛行環境。根據測區面積合理分配飛行線路，將測區均勻分為2 個飛行區域，每個區域2 個飛行架次。以U 型飛行線路設計，航向重疊度88%，旁向重疊度65%，飛行高度110米。

3.4 數據預處理

將飛行結束后的影像導入軟件中按具體標準操作，設置生產模型的模式為圖片格式，在控制點選項中增加像控點，每點輸入坐標根據影像清晰度找到像控點，每個像控點從中選取出至少6 張影像圖刺點，刺點時盡量找到特征位置。照片中刪除曝光度較低的影像圖，完成后點擊軟件進行項目生產，獲得經過地面像控點改正后的測區正射影像圖。

3.5 精度分析

將像控點與影像成圖點比對，得到本次航飛精度，平面點中誤差為0.213m，高程點中誤差為0.154m，滿足《1：500 1：1000 1：2000 地形圖航空攝影測量數字化測圖規范》中1：1000 比例尺平面和高程中誤差分別為0.6m 和0.4m 的要求。

3.6 影像數據處理

通過正射影像對點云進行賦色，使得點云數據能夠使用RGB 真彩色賦色，增強點云的可視化效果。全域地物類型主要是植被、建筑物、道路、裸地等。各地物形態還原完整，清晰、精準度高。基于地面點分類的點云，軟件自動生成測區的數字高程模型。基于三維彩色點去，軟件自動生成測試的數字表面模型。

4 單木分割

單木分割是基于樹冠定點位于（輻射亮度或高度的）局部最大值處，輻射亮度或高度值沿樹冠邊緣方向逐漸減小，在樹冠邊緣達到最小值的假設。算法思路是基于樹冠的光學特性、顏色、紋理特征，利用統計學方法及人際交互作業的方法直接描繪出單木樹冠的輪廓。根據前期調查，給定一個單木冠幅范圍值。計算輻射亮度或高度定位出局部最大值，確定種子位置，利用種子信息提取單木。

測區林地區域占比約50%，大部分植被十分茂密，樹與樹之間基本沒有間隙，而且存在不同樹種雜交區域，樹木冠層交錯覆蓋，需要實現準確的單木分割難度很大。

為了盡可能保障單木分割效果，將測區按林地分布切割成9塊（K1～K9），以K1 區域為例，植被十分茂密，而且存在多種樹木雜交的情況，形成高矮兩層，樹木冠層交錯覆蓋，單一算法對CHM生成的種子點準確率較低，容易導致單木分割存在很嚴重的過分（樹冠分叉）與欠分（低矮被遮擋、樹冠間無間隙）情況。

圖1 K1 區域效果圖

圖2 局部剖面圖

圖中局部坡面圖顯示，單木分割情況較好，樹木樹冠和光譜信息基本一致，個別樹木冠幅無明顯弧度，單一算法對此難以識別。針對部分樹冠分割難度大的情況，可以選擇不同類型算法、調整樹冠模型參數或根據樹干進行識別，以提高單木分割的成功率。

5 結論

近年來航空攝影測量及相關技術的開發應用，數字化、影像化數據逐漸普及，傳統工程測量技術對于高密度林區樹木測量上缺少有效方法，雖然單木分割無法達到百分之百的檢測成功率，但通過分割、提取、算法處理、篩選后，仍可以高效完成86%林木數據采集工作，使工作效率大大提高。分水嶺算法、PCS 算法、歸一化割、多項式擬和、區域合并的均值漂移等算法各有其優勢和不足，其目的都是獲取單木信息，為森林資源調查提供技術支撐。相信隨著算法及儀器的精度的提高，激光雷達的噪聲處理技術成熟，單木分割技術逐漸完善，樹木的檢測率與分割率可以達到理想狀態。