基于LiDAR點云數據的城市三維綠量分層測算方法研究

陳小祥，李嘉誠，徐雅莉

(深圳市城市規劃設計研究院有限公司，廣東 深圳 518028)

城市作為人類文明發展的產物，擔負著人類生產生活所必備的各項功能，同時，隨著我國城市化進程的快速發展，由此帶來的生態環境問題也愈發嚴重[1]。城市綠化在提高城市環境質量和生態保護等方面作用顯著，如緩和城市熱島效應、減少CO2排放、降低城市噪音、涵養水源、保護生物多樣性等。如何測度城市綠化水平也成為當前城市研究的熱點[2-3]。目前常用的二維綠化評價指標(如綠地率、綠化覆蓋率、人均綠地面積等)，雖然可以在宏觀上反映出一個區域植被的基本狀況，但不能全面反映出不同植物種類，以及不同綠化結構的功能和水平，因此，有必要從空間三維的綠化量(即“三維綠量”)來評價城市生態環境質量。

目前，三維綠量測算多基于實地植株樣方形態測量[4-5]和基于遙感對象形態、光譜等信息反演[6-7]。前者流程包括平面量模擬立體量、立體量推算立體量與平面量推算平面量，其精度取決于實地抽樣調查的結果，屬于“半自動化”模式，耗時費力，效率較低；后者通過遙感光譜波段組合，借助航天遙感建立三維綠量模型，雖然在一定程度上減少了人工采集和判讀的工作量，但仍只能提供森林水平分布的信息，無法精確實現林木垂直結構信息的提取。

近年來，隨著激光掃描測距技術(Light Detection and Ranging，LiDAR)的應用發展，其憑借在三維結構信息提取方面的優勢，已被廣泛應用于大規模森林監測、森林參數反演[8]，以及城市綠化量測算[9-11]。然而，現有的基于LiDAR三維綠量測算的方法大都基于單木建模或者單一樹種生長參數的測算，無法應用于城市范圍內樹種繁多、林層結構復雜等狀況，難以快速實現城區范圍內三維綠量測算。鑒于此，本文基于LiDAR點云數據，并結合高分辨率遙感影像，顧及城區綠化植被層結構特征，引入“分隔帶”法與特征邊緣點提取算法，提出一種快速高效的分層三維綠量測算方法。

1 技術路線及數據預處理

1.1 研究技術路線

本文首先根據研究目標與研究區植被分布特征，選取實驗樣區，以確保樣區內包含各類別城市綠化區(風景林地、居住區綠地、道路綠化區等)。然后，通過對LiDAR點云數據預處理與遙感影像數據監督分類，分別建立歸一化數字表面模型nDSM，識別城市綠化區，進而得到歸一化冠層高度模型nCHM。其次，利用“分隔帶”法，將植被在林層尺度下分割，并快速提取植被冠體邊緣特征點。最后，通過分割結果與提取的邊緣特征點，分層構建不規則三角網TIN，計算三維綠量，并將計算結果進行精度驗證。具體技術流程如圖1所示。

圖1 研究技術路線

1.2 研究數據與預處理

1.2.1 數字正射影像(DOM)處理

數字正射影像(Digital Orthophoto Map，DOM)是利用數字高程模型對掃描處理的數字化的航空像片/遙感影像，經逐個像元進行投影差改正，再按影像鑲嵌，根據圖幅范圍剪裁生成的影像數據，本文選用的DOM影像分辨率為1 m×1 m。首先，為建立DOM數據與LiDAR點云數據的位置匹配關系，需要利用ArcGIS空間校正模塊進行圖像配準。

其次，本文通過監督分類方法，提取城區綠化區。目前，常用的監督分類方法包括：最小距離法、最大似然法、神經網絡法和支持向量機法。其中，支持向量機(Support Vector Machine , SVM)方法是一種建立在統計學習理論基礎上的機器學習方法，通過構造一個超平面作為決策平面，使正負模式之間的空白最大。其分類精度高，廣泛應用于遙感影像土地覆被分類，故本文最終選用基于SVM的監督分類方法提取城區綠化區。

1.2.2 LiDAR點云數據處理

本文選用LiDAR點云數據為LAS格式，投影方式為UTM，參考橢球為WGS_1984。實驗區點云平均密度為5.8 個/m2，其中點云密集區密度達8.3 個/m2。LiDAR點云數據處理主要包括點云數據預處理和后處理兩個步驟。

點云數據預處理主要指數據的去噪與配準處理，一方面可剔除異常點，避免建模出現錯誤；另一方面又提高點云空間精度。后處理主要包括：地面點與非地面點點云分離、點云數據歸一化。首先，本文使用商業軟件LiDAR360并結合人工交互方式，分離地面點與非地面點點云；其次，使用分離后的點云數據分別建立數字高程模型(DEM)與數字表面模型(DSM)，如圖2、圖3所示。由兩模型差值可消除地面起伏對植被絕對高度的影響。則有，任意一點(記為P)歸一化的高程值為

Z歸-化=ZDSM-ZDEM.

(1)

由式(1)可創建歸一化數字表面模型(nDSM)，如圖4所示。

圖3 DSM

圖4 nDSM

最后，為精確提取城區綠化點云數據，借助SVM分類后城市綠化區，以掩膜形式提取歸一化點云數據，即生成歸一化冠層高度模型(nCHM)。

2 基于“分隔帶”的綠化植被層分割

城區綠化植被在垂直方向上存在明顯的分層現象，高大的植被與低矮的植被交錯分布，無法直接構建綠化植被模型，一定程度上限制了三維綠量的測定。同時，不同高度的綠化植被，在客觀上又存在沒有植被或植被較少的空隙，呈不規則曲面分布，即存在空隙上的高大綠化植被冠層和空隙下的低矮綠化植被層。為提取綠化區垂直尺度的結構信息，本文參考文獻[12]提及的“分隔帶”方法。根據研究區綠化植被層分布特征，確定垂直尺度分辨率，統計各LiDAR點云高度分布特征，繼而識別綠化植被層“分隔帶”，分離綠化植被層。

首先，通過對垂直分辨率進行多次迭代，并依據分割結果，確定研究區垂直分辨率為0.25m。點云高度頻率計算結果如圖5所示，在0～0.4m處存在明顯峰值，點云數達30余萬，該高度主要來自于城市綠化草地。為進一步識別綠化植被層次，突出其他植被層的點，去掉最高值影響，如圖6所示。點云數據在高度0.4～1.5m區間內，數量急劇下降，其中0.75～1.5m之間點云數量最少，出現明顯的低谷區，故在該高度區間內綠化植被出現分層。綜上得，研究區內分隔帶下界值Hmin=0.75 m，上界值Hmax=1.5 m。野外實地調查也證明，該高度值可作為綠化植被層分隔帶。

圖5 LiDAR點云高度頻率統計

圖6 去最大值LiDAR點云高度頻率統計

為便于三維綠量測算，本文將綠化植被點云劃分至若干格網內。格網尺寸直接影響到建模精度，一般情況下，當格網尺寸較大時，多植被對象作為整體進行建模，三維綠量偏大；反之，三維綠量偏小。經檢驗，當格網尺寸為3 m×3 m時，效果最佳。統計格網內點云數據，按如下規則確定分層：

1)位于Hmin值下方的點云占絕對優勢，則該格網為低矮綠化植被區，定義為Llow。

2)位于Hmax值上方的點云占絕對優勢，則該格網為高大綠化植被區，定義為Lhigh。

3)位于Hmin值下方與Hmin值上方的點云均不占絕對優勢， 則該格網為綠化植被混合區，定義為Lmix。

3 基于邊緣特征點提取算法的三維綠量測算

3.1 邊緣特征點提取算法

本文采用分層建模方式，針對高大植被綠化區，將側重于上層冠體綠量測算。植被上層冠體主要由外部廓體與內部實體構成，即包含外部廓體點云與內部實體點云。為避免建模數據量過大，影響建模效率，需在建模前提取冠體邊緣特征點。參考文獻[13]在論文中提到的特征點提取方法，設計冠體邊緣特征點提取算法，運算流程如圖7所示。

圖7 冠體邊緣特征點提取算法流程

本文基于Python編程語言實現冠體邊緣特征點提取算法：

1)將格網定為最小分析單元，提取格網內邊緣特征點。

2)LiDAR點云數據是具有三維坐標(X，Y，Z)信息的點狀數據，將LAS格式轉為三維坐標格式文件，在Python中讀取并唯一標識記錄Z坐標唯一值Zi(i=1，2，3，…，n)，即確定由Zi界定的唯一XY二維平面。

3)依次確定Zi平面內X，Y坐標的最小值與最大值，即Xmin，Xmax，Ymin，Ymax，由此確定特征點(Xmin，Y2，Zi)，(Xmax，Y1，Zi)，(X2，Ymin，Zi)，(X1，Ymax,Zi)。

在實際提取過程中，由于最小值或最大值可能對應的點不止一個，易出現特征點多于4個，為提高冠體外廓建模精度，保留多余的特征點；依次計算最小值或最大值，若會出現同一點位多次提取只保留一個，如圖8所示。LiDAR點云數據經邊緣特征點提取后，冗余點顯著消除，通過各平面內Xmin，Xmax，Ymax，Ymin特征值控制其外部輪廓，基本保證綠化植被冠層的廓體結構完整性，避免植被冠體內部點云參與不規則三角網的構建，極大提高運算效率。

圖8 二維平面內特征點提取

3.2 不規則三角網構建與三維綠量測算

不規則三角網TIN是將離散點數據建立連續覆蓋整個研究區域且互不交叉、互不重疊的不規則三角形網絡，其三角面的每一個節點都有坐標X，Y和高程值Z的信息。其中，Delaunay三角網法計算效率優于基于等高線的方法，與規則網格相比又減少了數據冗余，故本文選用此方法作為綠化植被廓體構建的基本方法。

除上述綠化植被外，草地是城市范圍內分布最廣的綠化植被類型，在本文中，一方面考慮到城市范圍內草地空間結構的一致性；另一方面，草類植物較其他綠化植被高度較低，故在三維綠量計算中，草地對象被假設為具有相同的高度。參考前人研究與實地調查，本文選取0.12 m作為草類植被的高度，篩選高度低于0.12 m的綠化區點云作為草地對象，則有草地綠量算式為

VGrass=SGrass×HGrass.

(2)

式中：VGrass為草地三維綠量，m3;SGrass為草地對象的占地面積，m2;HGrass定義為0.12 m。

綜上，三維綠量Vgreen可定義為，

Vgreen=Vkigk+VGrass,Lhigh,

Vlow+Vgrass,Llow,

Vkigk+Vlow+VGrass,Lmix.

(3)

同時，一方面考慮到城市區域內植被多非自然生長，林木經人工規劃及養護；另一方面，本文數據采用機載激光雷達攝影獲取，高度較低，點云密度較大，經檢驗得，格網間點云空隙對不規則三角網構建的影響較小。

4 結果與分析

通過計算各類別綠化植被區的三維綠量，經圖層合并處理，得到研究區三維綠量統計結果為658 878.37m3。在ArcGIS平臺下，采用自然斷點法分類，得到研究區三維綠量分類結果，如圖9所示。基于ArcGIS平臺的3D分析模塊，實現研究區三維綠量的3D展示效果，如圖10所示。

圖9 三維綠量計算結果

圖10 3D視角下三維綠量結果

為驗證本文三維綠量計算結果，通過ArcGIS軟件在實驗區內隨機生成15個點，依次確定各點所在格網。同時，為提高實地測量中綠化植被體積測量的準確度，實際測量中將隨機點所在格網周圍9個格網(9m×9m)作為采樣區，如圖11所示。

圖11 采樣區選擇

表1 三維綠量精度驗證

5 結束語

本文基于LiDAR點云數據與遙感影像等輔助數據，在城市區域內，通過“分隔帶”法將點云數據在植被層尺度上進行分割，經邊緣特征點提取后，去除冗余數據點，并分別對其構建不規則三角網TIN，有效實現城市內三維綠量的計算。隨后，本文選取15個隨機點并創建樣區進行檢驗。檢驗結果表明，本文所提出的三維綠量測算方法，在95%和99%的置信度下精度分別為90.42%和86%，基本可以滿足城市區域內三維綠量測量的需求。

然而，本文提出的三維綠量測算方法仍存在一定的局限性。一方面，綠化植被建模精度取決于點云數據的密度，高密度的點云數據更有助于提高三維綠量計算結果；另一方面，數據后處理較為復雜，特別是在城市范圍內使用困難更大，其測算精度有待提高。