基于TLS的樹高轉換模型構建研究

傅根深 黃志強 呂海燕 黃慶豐 唐雪海

摘要 樹高是森林資源調查中重要的結構參數，也是森林蓄積量、樹木生長模擬及森林碳匯計算的基礎因子。以安徽省休寧縣西田國有林場的杉木人工林為研究對象，使用地基激光雷達（TLS）采集單株樣木的激光點云數據，通過HDScene軟件完成測站拼接、去噪等預處理，并直接提取單株杉木樹高。同時，聯立獲取的伐倒樣木樹高實測值，運用相關分析和回歸分析方法構建樹高轉換模型。結果表明，樹高轉換模型關系式為y=0.970x+0.312，R2= 0.973，RMSE=0.441，并且當樹高超過9 m時，TLS樹高測量值與伐倒木真實值之間的誤差會降低且趨于平穩。該研究提出一種獲取高精度樹高參數的方法，可為解決傳統方法獲取樹高時精度不高或工作量大等不足提供科學依據。

關鍵詞 地基激光雷達;樹高;轉換模型;誤差分析;杉木

中圖分類號 S75? 文獻標識碼 A? 文章編號 0517-6611（2022）05-0113-05

doi：10.3969/j.issn.0517-6611.2022.05.028

開放科學（資源服務）標識碼（OSID）：

Construction of Tree Height Conversion Model Based on Terrestrial Laser Scanning

FU Gen-shen1， HUANG Zhi-qiang2， L ?Hai-yan1 et al

（1. School of Forestry and Landscape Architecture， Anhui Agricultural University， Hefei， Anhui 230061;2. Xitian State-owned Forest Farm， Xiuning County， Huangshan， Anhui 245421）

Abstract Tree height is an important structural parameter in forest resource survey and a fundamental factor in forest stock， tree growth simulation and forest carbon sink calculation. In this paper， laser point cloud data of single sample trees were collected using terrestrial laser scanning （TLS）. Pre-processed by HDScene software， such as station stitching and denoising， and extracted directly from single fir tree heights in Xitian state-owned forest in Xiuning County， Anhui Province. At the same time， the measured height of the felled sample trees was obtained by the correlation analysis and regression analysis to construct a tree height conversion model. The results showed that the relationship between the tree height conversion model was y=0.970x+0.312， R2 = 0.973， RMSE = 0.441， and it was found that the error between the TLS tree height measurement and the real value of the felled wood decreased and becomed smooth when the tree height exceeded 9 m. This study proposed a method to obtain high-precision tree height parameters to solve the shortcomings of traditional methods in obtaining tree height with low accuracy or high workload.

Key words Terrestrial laser scanning;Tree height;Conversion model;Error analysis;Cunninghamia lanceolata

基金項目 安徽省自然科學基金項目（1808085QC74）。

作者簡介 傅根深（1997—），男，安徽合肥人，碩士研究生，研究方向：森林經理。

*通信作者，講師，博士，從事森林資源經營管理和林業3S技術研究。

收稿日期 2021-06-10

樹高是重要的森林垂直結構參數，既能夠反映立地質量的差異，又是計算林分蓄積和生物量的重要因子[1]。通常，樹高數據真實程度直接影響著立地質量的評價結果和生物量模型構建精度[2-4]。因此，外業調查都盡可能地選擇精度較高的儀器測量，或者通過構建模型減少樹高估算誤差，使樹高測量值最大程度地接近“樹高真值”[5-6]。樹高真值一般是取單木伐倒后尺量樹基至樹干梢頭的長度，由于獲取大量樹高真值意味著要對林分進行皆伐，這對生態環境將產生極大的破壞，違背了我國森林生態保護的方針和政策[7-8]。為此，林業工作者開發出許多測高儀器來提高樹高量測精度。傳統的測高儀器主要依據相似三角形和三角函數的測高原理（如布魯萊斯測高器、圓筒測高器和克里斯屯測高器），靠人力獲取樹高信息。由于外業調查實測難度的限制，僅測得小范圍少許樹高點差的數據，精度易受人為因素和林況影響，不利于大區域范圍森林結構參數的定量研究[9-10]。運用超聲波技術研制的測高器通過發射超聲波接受回波信號能夠獲取準確的點位距離，高度則可通過距離和角度的三角函數關系算出，這種儀器雖然可在一定程度上減少人力，但在復雜的林況下難以精準瞄到樹干梢頭，具有較大的測量誤差。激光測高器的原理類似超聲波測高器，雖然使用上更方便，但在實際測量中，仍無法避免林下量測難以確定樹干梢頭的情況。光學遙感技術主要應用于大尺度范圍的森林資源監測，如使用航片與衛星影像觀測森林空間分布特征和格局[11-13]，理論上將高分辨率的遙感或航空影像結合高程值即可快速獲取大量樹高數據，但實際操作中，獲取大量單木樹高數據非常耗時，且難以在三維結構上根據樹木生長方向提取到真實樹高。

激光雷達技術是近些年國際上快速發展的一種主動遙感技術，采用非破壞性的三維測量手段，能夠快速獲取目標對象垂直結構的高精度3D點云數據，自動化提取森林結構參數，參數反演上具有其他光學遙感技術無可比擬的優勢[14]。地基激光雷達（terrestrial laser scanning，TLS）通過掃描樣地得到點云數據，構建出真實的內部場景圖，相比較傳統的林業調查手段，更加省時省力，且儀器自身具有較高抗干擾能力和高分辨率，將使樹高量測值更加接近真實值[15]。由于任何儀器都會在使用過程中產生各種誤差，因此，筆者提出樹高轉換是模型的概念。樹高轉換是指在統計學層面利用轉換關系將樹高估測值校正為對應的“樹高真值”，樹高轉換模型是通過數理統計方法客觀刻畫出實際的轉換關系，以此來分析TLS測量的樹高數據與樹高真值間的誤差關系。

筆者以安徽省黃山市休寧縣西田林場7塊杉木樣地為研究區域，結合外業實測樹高真值與TLS樹高測量數據來構建樹高轉換模型并驗證模型精度，通過樹高轉換模型可將地基取樣數據轉換為大量高精度的“樹高真值”，以提升區域森林生物量調查的精度化定量研究水平。

1 材料與方法

1.1 研究區概況

研究區位于安徽省黃山市休寧縣西田國有林場，地理位置見圖1。研究區內有中山、低山、丘陵3種地形，區內平均海拔500 m，最高和最低處相差1 000 m，地處中緯度地帶，屬北亞熱帶季風氣候，年平均氣溫16.2 ℃，年平均降水量1 613.7 mm，無霜期220 d。區內植被類型豐富，常見的樹種有杉木[Cumninghamia lanceolata（Lamb.）Hook.]、馬尾松（Pinus massoniana Lamb.）、楓香（Liquidambar formosana Hance）、毛竹[Phyllostachys heterocycla（Carr.）Mitford cv.Pubescens]、栓皮櫟（Quercus variabilis Bl.）等。

1.2 樣地設置與調查

該研究在休寧縣西田林場共設置樣地21個。樣地依據標準地要求設置成規格20 m×20 m的正方形，隨機選取其中7塊樣地架設TLS裝置掃描。樣地設置步驟如下：①使用羅盤儀架設在設定的方位起點，瞄向某個方向，并用皮尺沿該方向拉取20 m至下一測點，皮尺確保要直，且與地面平行。同時，邊界內外側樹木作好區分標記。②將羅盤儀移至下一點，偏轉90°瞄向另一邊。以此類推，直至首位點位重合，即完成一處標準觀測樣地設置。樣地設置好后，利用GPS對邊界進行繞測，同時開展每木檢尺和單木定位工作。每木檢尺的調查因子有樹種、胸徑、樹高、冠幅、枝下高、坡度和坡向等。

在TLS掃描工作結束后，根據樣地檢尺數據，按照徑階進行分層，隨機抽取樣木。伐倒木類型包括優勢木和非優勢木，結合伐倒木GPS坐標位置繪制點shp文件，便于在TLS三維視圖中定位查找。

1.3 激光點云數據獲取和處理

該研究所采用的TLS設備是中海達HS450三維激光掃描儀，其工作原理是利用激光脈沖從發射到接收的時間間隔計算出目標物體表面各點精確位置。利用地基激光雷達獲取點云數據的流程分為外業數據采集和內業數據處理2部分。

1.3.1 外業數據采集。

（1）掃描站點選擇。

測站位置選擇是獲取點云重要的基礎環節，原則上站點選取要充分考慮樣地周圍環境（光線強弱和風力大小），一般選取地勢較高、視野開闊無遮擋，兼顧前后兩站，確保樣木落在各站儀器鏡面的公共重疊區域。

（2）反射球、反射靶標布設。

反射球與反射靶標是特別定制的具有良好反射特性的多站拼接標記點，掃描成像中成明顯的黑色標記。為能夠自動拼接或手動識別特征點，樣地內需布設至少3個以上反射球或反射靶標，確保每站都能看到樹干上的標記點。

（3）全站儀測量和GPS定位。

在樣地中心位置架設全站儀，測定各TLS測站和反射球、發射靶標的相對坐標。同時用GPS定位各TLS測站的坐標位置，具體儀器架設情況見圖2，T為地基激光雷達，BB為反射靶標，G為GPS，E為全站儀。

1.3.2 內業數據處理。

（1）數據導入和坐標轉換。

將中海達HS450采集的默認為HSR格式的原始點云數據勾選導入HDScene軟件工作區。在工程文件的平面視圖下，選擇反射球和發射靶標控制點，打開單站坐標轉換，分別輸入各反射標記的大地坐標，保存即完成坐標轉換，以此根據伐倒木定位信息可確定其立木狀態下的樹高估測值。

（2）點云拼接。

在樣地選取合適點位架設儀器可以獲取一定范圍的單木信息，由于野外地形復雜，易使掃描線受到樹木和各類障礙物遮擋，致使難以通過單站數據獲取完整的單木表面信息。因此在復雜林況下，儀器布設必須圍繞掃描對象不同方位，通過獲取不同部分的整體分塊點云數據，再進行拼接即可獲得完整的單木點云數據。按照架站順序，利用各站掃描交會處設置的公共標記構建點云坐標轉換模型，求出各鄰間的坐標平移和旋轉參數，再依據閉合條件，對參數進行加權誤差配置，以此將坐標轉換模型歸于同一坐標系，從而實現多站無縫拼接。

利用HDScene軟件的手動拼接方式完成多站掃描站點云數據拼接。首先，在拼接工程中建立2組拼接對和設定1個全局參考站，在拼接對中選擇灰度圖瀏覽，人工識別靶球和靶標，并依次在各站平面視圖內進行同命名標記特征點。拼接后的三維視圖見圖3a。

（3）點云去噪。

由于TLS獲取的是大量離散的點云數據，過程中不可避免地會受到外界因素影響而產生異常數據和摻雜噪聲[16]。因此，提取樹高參數前需進行去噪處理。使用HDScene軟件對完成拼接的點云數據在三維視圖進行人工識別和手動框選去噪，完整單株點云數據見圖3b。

（4）單木樹高提取。

該研究對象為杉木，三維視圖中多數呈現干形通直的特征，但由于地形原因和部分畸形，仍有少許樹干生長方向不是垂直向上。因此，在提取樹干高度前，需將單木分割和非樹干點云去除，方便順著樹干直線方向從下至上提取單木樹高。導入已處理的HLS格式點云數據，在三維視圖下，點擊點云選擇工具，結合伐倒木定位信息將無關單木點云框選隱藏，分割出配對單木，并去除非樹干部分點云。利用測量工具沿樹干生長方向提取樹高。

1.4 樹高轉換模型構建

將7塊樣地內所測得樹高真值及其對應TLS樹高測量數據分別編組為建模數據和驗證數據，所有數據采用Excel 2016進行整理，并使用IBM SPSS 24.0進行相關分析和回歸分析構建模型。利用決定系數R2、殘差平方和SSE、均方根誤差RMSE等指標對模型擬合程度進行評價。

2 結果與分析

2.1 基于TLS的樹高轉換模型

根據建模數據中TLS樹高測量值與樹高真值繪制散點圖（圖4）判斷變量間存在的線性關系。從圖4可見，TLS測得的樹高與伐倒木對應的樹高真值呈明顯的直線關系。為進一步了解變量間線性關系的密切程度，還需進行相關分析，結果表明2個變量間的皮爾遜相關系數為0.987（P=0.000<0.01），說明TLS樹高測量值與伐倒木樹高真值間線性關系顯著。

依據上述建模數據的線性相關特點，通過建立線性回歸方程表征樹高間的轉換關系，構建出樹高轉換模型為y=0970x+0.312，式中，y為伐倒木樹高，x為TLS提取的樹高。決定系數R2為0.973，達到極顯著，表明該函數式擬合精度高。

將TLS樹高測量值驗證數據代入已建立的樹高轉換關系函數式，求得對應樹高真值的比較數據，再與驗證數據中伐倒木樹高真值作相關分析，結果表明，皮爾遜相關系數為0.964，標準誤差為0.024，說明該線性函數式能夠較好地完成TLS樹高測量值與樹高真值轉換。

從轉換結果上看，雖然整體結果可以滿足精度要求，但轉換后誤差并未明顯降低。進一步對樹高和標準誤差進行數據分析，結果見圖5。從圖5可見，當樹高超過9 m，TLS的樹高測量值與伐倒木樹高之間的誤差降低且趨于平穩，這說明樹高轉換模型的精度容易因非優勢木樹高普遍較低而受到影響，因此，需要進一步對比分析優勢木和非優勢木的樹高轉換精度，以便準確得出轉換模型的誤差來源。

2.2 優勢木和非優勢木樹高轉換精度對比

將優勢木和非優勢木TLS樹高測量值分別代入樹高轉換模型并與對應樹高真值進行分析，結果見表1。由表1可知，優勢木的轉換精度最高，皮爾遜相關系數達到1.000，說明優勢木轉換樹高值能很好地擬合樹高真值。非優勢木轉換樹高值的皮爾遜相關系數只有0.949，與優勢木轉換精度相比具有較大差距。因此，需要單獨對非優勢木樹高組進行相關性分析和模型構建。對非優勢木TLS樹高測量值與伐倒木樹高進行回歸分析，結果見圖6。由圖6可知，非優勢木的樹高轉換模型為y=15.294-5.657x+0.878x2-0.036x3（x為TLS測量樹高，y為伐倒木樹高），決定系數R2為0.920，說明該轉換函數式能較好地擬合非優勢木樹高轉換關系。

2.3 TLS測高及轉換模型誤差分析

從優勢木和非優勢木樹高轉換精度不同的特征，可以得出TLS對樣地內不同高度層的單木空間結構提取能力存在差異，導致這一特點的主要原因是樹木結構對TLS不同高度點云密度的影響。該研究采用樣地外圍架設三站的方法，雖然可以準確捕捉優勢木的樹干梢頭點云，但對于郁閉度較大的林冠中下層非優勢木的樹干梢頭識別起來較為困難。除此之外，拼接精度也會影響到樹高提取，樣木在三維視圖中出現重影，樹高梢頭部分點云會有不同程度的發散。在點云數據的預處理環節主要采用手動識別方式，對于點云密度過大部分的處理效率低下且過程煩瑣，精度很難保證。

3 結論與討論

3.1 結論

該研究利用TLS對安徽省黃山市休寧縣西田國有林場杉木樣木進行掃描并提取單株樣木樹高數據，同步對相同樣木進行伐倒獲取真實樹高，在SPSS平臺構建樹高轉換模型，得到如下結論：

（1）TLS測高與伐倒木測高的皮爾遜相關系數達到0987，樹高轉換模型為y=0.970x+0.312，R2=0.973，RMSE=0.441，F=0000，達到極顯著。模型驗證的皮爾遜相關性達到0.964，因此TLS測高值可以通過轉換模型推算真實樹高。

（2）當樹高超過9 m時，TLS樹高測量值與伐倒木真實值間的誤差會降低且趨于平穩。進一步對優勢木和非優勢木分別進行樹高轉換，皮爾遜相關系數分別為1.000和0949。非優勢木樹高轉換函數關系式為y=15.294-5.657x+0.878x2-0.036x3，R2 = 0.920。

3.2 討論

機載激光雷達（Airborne LiDAR Scanning，ALS）和TLS已廣泛應用于森林參數的提取與估測[17]。ALS可以獲取較大范圍森林冠層表面的水平分布和垂直結構信息，但點云密度一般較低，提取的樹高參數誤差較大，而TLS能夠快速獲取高精度的單木參數和林冠下層三維結構信息，但在復雜的林分條件下由于易受遮擋等原因，難以探測更大范圍的林木信息[18-20]。筆者通過對三站點云數據拼接，完整地將拼接重疊區域的多株杉木三維空間結構掃描出來，且原始點云數據經過點云預處理后，可以提取到較高精度的樹高參數。但在實際操作中，重疊區域杉木密度較大或者高度較低受到周圍高樹遮擋，會使樹干梢頭難以捕捉，導致提取過程耗時且易出錯。通過將ALS和TLS取長補短，即利用地基樹高數據來校正機載樹高數據，這樣既可獲取到大尺度區域的樹高數據，又能保證參數精度，這也是今后一段時間激光雷達數據高效應用的一種方法[21]。

基于TLS樹高測量值和伐倒木樹高真值所建立的樹高轉換模型能夠較好地表達出兩者線性的轉換關系，尤其對于優勢木轉換精度更高，而對于非優勢木樹高轉換仍有一些誤差。樹高轉換模型對優勢木和非優勢木的精度差異主要由于樹干梢頭點云遮擋而使樹高提取失真。為了提高樹高轉換模型對于非優勢木樹高轉換精度，可以通過增設多個內部站點來增加樣地內點云數量，減少或消除由于樹枝遮擋對樹干梢頭辨識的影響。由于該試驗關于非優勢木樣本數量偏少，因此，在樣本數充足的情況下樹高轉換模型精度有待進一步研究。

參考文獻

[1] 李鳳日.測樹學（國家林業和草原局普通高等教育十三五規劃教材）[M].4版.北京：中國林業出版社，2019.

[2] 李增元，劉清旺，龐勇.激光雷達森林參數反演研究進展[J].遙感學報，2016，20（5）：1138-1150.

[3] 晏穎杰，范少輝，官鳳英.地基激光雷達技術在森林調查中的應用研究進展[J].世界林業研究，2018，31（4）：42-47.

[4] DASSOT M，CONSTANT T，FOURNIER M.The use of terrestrial LiDAR technology in forest science：Application fields，benefits and challenges[J].Annals of forest science，2011，68（5）：959-974.

[5] LIANG X L，KANKARE V，HYYPP J，et al.Terrestrial laser scanning in forest inventories[J].ISPRS journal of photogrammetry and remote sensing，2016，115：63-77.

[6] NEWNHAM G J，ARMSTON J D，CALDERS K，et al.Terrestrial laser scanning for plot-scale forest measurement[J].Current forestry reports，2015，1（4）：239-251.

[7] 王佳，張芳菲，高赫，等.地基激光雷達提取單木冠層結構因子研究[J].農業機械學報，2018，49（2）：199-206.

[8] 馬振宇，龐勇，李增元，等.地基激光雷達森林近地面點云精細分類與倒木提取[J].遙感學報，2019，23（4）：743-755.

[9] WILKES P，LAU A，DISNEY M，et al.Data acquisition considerations for Terrestrial Laser Scanning of forest plots[J].Remote sensing of environment，2017，196：140-153.

[10] 倪文儉，過志峰，孫國清，等.基于地基激光雷達數據的單木結構參數提取研究[J].高技術通訊，2010，20（2）：191-198.

[11] TROCHTA J，KRU°CˇEK M，VRKA T，et al.3D Forest：An application for descriptions of three-dimensional forest structures using terrestrial LiDAR[J].PLoS One，2017，12（5）：1-17.

[12] RAUMONEN P，KAASALAINEN M，KERBLOM M，et al.Fast automatic precision tree models from terrestrial laser scanner data[J].Remote sensing，2013，5（2）：491-520.

[13] BAUWENS S，BARTHOLOMEUS H，CALDERS K，et al.Forest inventory with terrestrial LiDAR：A comparison of static and hand-held mobile laser scanning[J].Forests，2016，7（12）：1-17.

[14] 梁曉軍，龐勇，陳博偉.基于地基激光雷達胸徑提取的單木位置精確測量[J].林業科學研究，2020，33（4）：67-74.

[15] 劉魯霞，龐勇，李增元.基于地基激光雷達的亞熱帶森林單木胸徑與樹高提取[J].林業科學，2016，52（2）：26-37.

[16] CALDERS K，NEWNHAM G，BURT A，et al.Nondestructive estimates of above-ground biomass using terrestrial laser scanning[J].Methods in ecology and evolution，2015，6（2）：198-208.

[17] 龐勇，李增元.基于機載激光雷達的小興安嶺溫帶森林組分生物量反演[J].植物生態學報，2012，36（10）：1095-1105.

[18] 李丹，龐勇，岳彩榮，等.基于TLS數據的單木胸徑和樹高提取研究[J].北京林業大學學報，2012，34（4）：79-86.

[19] PUENTE I，GONZ LEZ-JORGE H，MART NEZ-S NCHEZ J，et al.Review of mobile mapping and surveying technologies[J].Measurement，2013，46（7）：2127-2145.

[20] 王成，MENENTI M，STOLL M P，等.機載激光雷達數據的誤差分析及校正[J].遙感學報，2007，11（3）：390-397.

[21] 龐勇，趙峰，李增元，等.機載激光雷達平均樹高提取研究[J].遙感學報，2008，12（1）：152-158.