基于無人機激光雷達和多光譜數據的森林樹高提取方法研究

張翔，劉洋，玉山，蘇日娜，阿茹汗

(內蒙古師范大學 地理科學學院(內蒙古自治區遙感與地理信息系統重點實驗室)，呼和浩特 010022)

0 引言

森林是陸地生態系統的主體，作為全球氣候系統的重要自然資源，對實現“綠色碳庫”有著重要貢獻。森林資源在陸地生態系統碳循環中具有調節氣候、涵養水源、固碳釋氧、養分循環和維持生物多樣性的重要作用[1-2]。森林結構相關參數是描述森林環境的重要指標[3]，可以為相關地類劃分、林分類型劃分、小班區劃提供數據基礎，也是實現“數字林業”和“精準林業”的必然要求[4]。在森林資源調查中, 利用遙感影像提取樹頂點和監測樹高，可以準確獲取森林單木信息，為開展大面積森林材積量評價提供有利的數據支持。

監測森林參數和有效管理森林資源是當前林業工作者主要的工作內容。傳統地面實測是森林調查工作中最常用的方法，在條件良好且地形相對平坦的森林地區，通常需要使用目測法[5]和經緯儀[6]并結合測樹學相關理論對活立木單木進行樹高測定。但是，在地形、坡度和林分密度等因素復雜的林區，觀察點的水平距離或位置的復雜性給確定樹高帶來了很大的困難。然而傳統地面實測難以在短時期內快速、精準且大面積地進行森林調查，這對實現森林資源的快速評估較為不利。近年來，隨著遙感技術的不斷發展，激光雷達為森林進行大面積估測提供了新的途徑。由于無人機激光雷達冠層高度模型(CHM)數據具有三維屬性特征、測量精度高、能夠快速獲取森林垂直結構信息的能力，被廣泛應用于森林結構參數 (地上生物量、郁閉度、植被覆蓋度等) 的遙感估測研究中。然而，很多研究表明，激光雷達點云數據密度低，會對相關樹高[7-8]、冠幅[9]和生物量[10-11]造成低估。

機載激光雷達在地面一定高度處從空中向下掃描，當激光雷達點云數據足夠密時，樹冠特征明顯，就能夠準確提取森林單木的位置。國內外研究學者對此進行了相關研究。穆喜云等[12]通過無人機機載激光雷達數據提取內蒙古大興安嶺森林結構參數。皋廈等[13]利用無人機機載激光雷達和多光譜數據判斷單木分割方法進行單木位置和冠幅提取。Tejada等[14]和Liang等[15]研究認為激光雷達數據能夠快速、準確提取森林結構參數，這為森林空間分布研究提供參考。

使用激光雷達數據搜索窗口的樹冠識別算法，可以有效檢測樹冠頂點和樹冠邊緣特征，這將有利于確定森林單木位置。李響等[16]、耿林等[17]采用CHM數據設置局部最大值窗口搜索樹頂點，能夠提高單木樹頂點探測提取精度，為單木樹高提取確定位置。Holmgren等[18]、Zhen等[19]使用激光雷達數據，利用窗口局部最大值算法，提取樹頂點位置的樹高。Wulder等[20]和Wang等[21]通過不同分辨率CHM圖像進行平滑濾波處理，以消除CHM圖像噪點，結合目視解譯方法，在一定樹冠區域內，提取CHM局部最高值點作為樹頂點，提取樹頂點位置的樹高。目前，大多數研究使用局部最大值的方法[22]從CHM確定樹頂，但是往往帶來過識別。由于CHM圖像表面較為粗糙，分水嶺變化結果通常與實際樹冠有所差異，因此，結合形態學運算的性質，針對每個分水嶺水槽進行圖像開運算優化，優化后的結果將最大程度上還原真實的樹冠形狀，優化完成后的水槽被認為是一個獨立的單木。

本研究利用無人機機載激光雷達數據的CHM 圖像，進行中值濾波和均值濾波處理，解釋CHM不同分辨率與濾波窗口大小對森林樹頂點提取的共同作用，結合形態學運算的性質，并對單木尺度樹頂點提取進行精度評價，最后與實測樹高進行對比分析，驗證無人機激光雷達數據提取單木樹高的可行性。為此，本研究選取內蒙古興安盟阿爾山市杜拉爾林場為實驗區，實現單木尺度森林資源結構參數的精準評估，為后續森林蓄積量和生物量估算研究提供數據參考和理論支撐。

1 研究區域與數據來源

1.1 研究區概況

實驗區地理位置在內蒙古自治區興安盟阿爾山市天池鎮西北部，海拔805～1 495 m，海拔起伏變化較為明顯，位于寒溫帶大陸性季風氣候區，受山地局部氣候影響，年平均氣溫1.48 ℃，平均年降水量437 mm[23]。主要植被類型為落葉松 (Larixgmelinii)、白樺 (Betulaplatyphylla)和山楊 (Populusdavidiana)，總面積4.99萬hm2，森林覆蓋率41%。 在整個杜拉爾林場實驗區中，東北部山勢險峻，中南部溝谷寬闊，地勢平坦，林分郁閉度較高。選取該實驗區56 m×50 m樣地正射影像圖作為參考，對單木位置關系進行目視解譯，將單木位置標注于無人機多光譜正射影像中。試驗樣地如圖1所示。

圖1 試驗樣地Fig.1 Experimental area

1.2 數據來源與處理

1.2.1 地面實測數據

2021年7月11日，實地調查時以研究區正射影像為基礎，現場選取不同地形坡位的天然林和人工林典型地塊，設置了 4 個采樣點，樣方面積為25 m×25 m，使用激光測距儀對樣點周圍解譯到的樹木進行樹高測量，共計獲得46株樣本樹高數據，并利用實時動態測量技術RTK(中海達iRTK 2)對每個采樣點進行了定位。

1.2.2 無人機多光譜影像數據

2021年7月11日，無人機多光譜影像數據來源于飛馬公司D2000產品，相機型號為SONY a6000，飛行高度383 m，航向重疊率80%，旁向重疊率60%。有效像素2 430萬，傳感器尺寸23.5 mm×15.6 mm，25 mm定焦，并配備IMU慣性導航系統。在天氣晴朗無風的條件下，采用D-CAM2 000航測模塊對實驗區進行正射影像，影像空間分辨率為0.2 m。

1.2.3 無人機激光雷達數據

研究區無人機機載激光雷達數據獲取時間于2021年7月15日，共計1個飛行航帶，飛行高為300 m。該飛行航帶激光雷達點云密度為平均70個/m2。由中海達長續航六旋翼無人機 long120無人機機構，該旋翼無人機搭載 AP15(X)慣性導航系統的Riegl VUX-1激光雷達傳感器獲取。該Riegl VUX-1傳感器通過近紅外激光束脈沖測距原理，可提供高達500 000脈沖/s的測量速率和330°視場角。

2 研究方法

2.1 數據預處理

本研究基于無人機飛馬公司D2 000，D-CAM2 000航測模塊對研究區進行正射影像，通過目視解譯無人機多光譜數據，從中尋找參考樹頂點。利用無人機Riegl VUX-1激光雷達數據，在LiDAR360軟件中進行激光點云數據去噪、歸一化和濾波分類，構建不同空間分辨率冠層高度模型(CHM)，對相關CHM柵格數據進行中值、均值濾波設置模板與相關權重系數進行相乘，提取相關激光雷達樹高數據，并進行圖像處理，站點位置利用 RTK(中海達iRTK 2)進行打點定位。整理每個地面實測樹高數據，以對相關數據進行精度驗證，實現激光雷達遙感數據的森林樹頂點確定與樹高精度驗證，相關操作步驟如圖2所示。

圖2 技術路線圖Fig.2 Technology roadmap

2.2 樹頂點與樹高提取

利用LiDAR360軟件對無人機激光雷達數據進行濾波和歸一化處理，將激光雷達數據進行點云自動分類，從中分離出數字表面模型(DSM)和數字高程模型(DEM)進行相減，提取每一個像元坐標所對應的不同空間分辨率CHMs數據(0.1 、0.2 、0.3 、0.4 m)，根據現場實際情況，樣地中最低的樹高大致為2 m，將CHMs圖像高度閾值設置為2 m[24]，目的是將森林植被類型與其他植被類型分開，如圖3(a)—圖3(d)所示。

圖3 CHM不同空間分辨率Fig.3 CHM different spatial resolutions

2.3 精度評價

以人工目視解譯得到的樹頂點位置為參考，將參考樹頂點的0.8 m緩沖區的位置內有且只有一個提取到的樹頂點，則為提取正確。如果不存在，則為提取遺漏。若在緩沖區內存在大于等于2個參考樹頂點時，最接近參考樹頂點的為提取正確點，其余參考樹頂點都是提取錯誤點。另外，提取樹頂點不在參考樹頂點的緩沖區內時，也認為是提取錯誤點。將提取正確、提取遺漏和提取錯誤樹頂點結果進行單木尺度的相關精度驗證，計算公式分別為

(1)

(2)

(3)

式中：TP為正確提取的樹頂點總數；FN為遺漏的樹頂點總數；FP為錯誤提取的樹頂點總數;R為召回率，表示樹頂提取正確點與目視解譯中得到樹頂點的比例；P為準確率，表示樹頂提取正確點與所有提取樹頂點的比例；F為測度，是對召回率和準確性的完整描述，F值越高，精度越高。

為驗證本研究所用方法提取樹高的可行性，用決定系數R2對擬合度進行評價，R2值越大表示提取樹高與實測樹高擬合效果越好。使用均方根誤差(RMSE)對樹高提取精度進行評價，RMSE值越小，表示提取樹高與實測樹高越接近。

3 結果與分析

3.1 無人機影像樹頂點提取精度評價

結合無人機多光譜正射影像圖作為參考地圖進行目視解譯，確定樣地樹木參考樹頂點，共計確定參考樹頂點為184個。根據表1—表4，分別將無人機激光雷達數據產生不同分辨率的CHM圖像進行中值濾波和均值濾波設置，利用局部最大值算法，提取森林樹頂點。從這些表可以看出，樹頂點提取會受到CHM影像分辨率、窗口大小和濾波類型的共同作用。當CHM空間分辨率一致時，隨著均值濾波和中值濾波窗口大小的不斷增加，提取森林樹頂點數量將會不斷減小。當均值濾波和中值濾波窗口相同時，CHM空間分辨率越低，從中提取到的提取森林樹頂點數將會越少。

表1 基于CHM 0.1 m得到的樹頂點數(窗口大小)

表2 基于CHM 0.2 m得到的樹頂點數(窗口大小)

表3 基于CHM 0.3 m得到的樹頂點數(窗口大小)

表4 基于CHM 0.4 m得到的樹頂點數(窗口大小)Tab.4 Number of tree vertices extracted based on CHM 0.4 m (window size)

3.2 單木尺度樹頂點提取精度評價

根據不同空間分辨率CHM圖像(圖4)，結合目視解譯的局部最大值算法，在單木尺度中提取樹頂點，并對單木尺度下樹頂點提取進行精度評價。在利用不同空間分辨率CHM圖像提取的樹頂點與參考樹頂點相同或基本接近，見表5。其中，樹木遺漏點為19～29株，樹木錯誤點為13～18株，召回率為82.84%～87.97%，準確率88.61%～91.45%，F測度為85.63%～89.68%。其中, CHM0.4的F測度最高為89.68%，樹木提取正確點為139株，遺漏點為19株，錯誤點為13株。

3.3 樹高提取結果及精度驗證

從CHM單木尺度提取精度中建立CHM不同空間分辨率圖像，選擇46個樹頂提取正確點提取樹高，結合實際測量的樹高對CHM進行精度驗證。根據圖5可知，CHM不同空間分辨率圖像會對單木尺度樹高提取產生一定的影響。從中發現F測度最高的CHM0.4圖像提取樹高與實測樹高之間具有良好的線性回歸關系，擬合程度較高(R2=0.95,P<0.01)。從精度驗證來看，RMSE=0.91 m，說明利用無人機激光雷達數據計算得到的CHM0.4圖像可以有效對單木樹高進行計算，數據精度高。

表5 單木尺度樹頂點提取精度評價Tab.5 Evaluation of vertex extraction accuracy of single tree scale

圖5 CHM不同空間分辨率不同樹高提取結果與精度驗證Fig.5 Extraction results and accuracy verification of CHM with different spatial resolutions and different tree heights

4 討論與結論

4.1 討論

影響單木尺度下樹提取精度的主要因素是CHM。CHM的空間分辨率直接決定了單木尺度下樹頂點提取的位置，并且較高分辨率的CHM可以直接影響單木分離，這與廣大研究結果較為一致。劉江俊等[24]利用不同空間分辨率CHM提取森林樹頂點，研究發現CHM空間分辨率越低，提取到的樹頂點數就越少。白明雄等[25]研究認為，使用無人機高分辨率可見光影像，利用分水嶺分割算法對CHM進行單木分割及樹高提取是可行的，與實地測量得到的樹高值進行精度驗證,R2=0.893, RMSE=1.23 m, 估測精度為87.58%。在本研究中，由于研究區選取的樣地影像面積較小，地勢較為平坦，森林郁閉度較高，樹種較為單一，這對森林樹頂點和樹高的提取創造出一定的客觀條件。

在無人機正射影像中，正射影像數據要比衛星遙感圖像幾何形變小，大部分樹冠和冠層間隙匹配良好，適合評估森林冠層范圍。另外，在利用激光雷達數據CHM評估森林樹頂點和樹高時，無法避免冠層間隙中小部分無效值的CHM像元沒有被激光雷達點云數據填充[26]。利用局部最大值方法提取單木冠層高分辨率CHM圖像時，CHM圖像包含多個樹頂點像元，在一定程度上會出現樹頂點提取遺漏和錯誤，這會對森林樹頂點識別和單木尺度分割造成誤差，但并不影響樹頂點識別和單木樹高估測的結果。

在利用無人機多光譜影像提取樹頂點時，使用不同固定窗口的局部最大值搜索算法，可以有效濾去小于最小樹高的樹頂點。Walsworth等[27]研究發現在具有代表典型森林條件的顯著噪聲和陰影的合成數據中，濾波圖像處理技術能夠更好地識別和描繪樹冠。Li等[28]將加利福尼亞州內華達山脈的針葉混交林單木分割算法應用于樹木分割，根據召回率、精確度和F測度對激光雷達數據結果進行評估，結果表明，森林樹頂點召回率86%，森林樹頂點正確率為94%，總體F測度為90%。這與激光雷達CHM數據廣大研究結果較為一致，說明使用激光雷達數據提取森林樹頂點具有較高的精度。

在本研究中，基于CHM不同空間分辨率，均值和中值平滑算法均會改變柵格數據邊界內的所有像元值，將相鄰領域內之間的像元差異變小。不同的平滑算法，也會對樹頂點位置、數量和對應位置的數值產生影響。對于CHM柵格數據，未來的研究，需要采用一種鄰域平滑算法來判斷當前像元與領域像元的關系，以提高單木識別精度。

4.2 結論

利用無人機激光雷達數據進行預處理，通過單木識別算法，從不同空間分辨率的CHM影像中得到樹冠頂點位置，采用均值濾波和中值濾波遙感圖像處理技術，對同空間分辨率的CHM影像進行處理，采用局部最大值目視解譯法，從該位置中提取森林樹木頂點和單木樹高，研究結果表明：

(1)利用CHM圖像提取森林樹頂點時，會受到CHM空間分辨率和圖像處理窗口大小的綜合作用。當CHM空間分辨率較高(0.1 m)，濾波窗口為3×3時，樹木提取點接近184，較為接近無人機激光雷達影像森林樹頂點的實際情況。

(2)利用無人機激光雷達不同分辨率CHM圖像數據，使用局部最大值方法可以有效在單木尺度條件下提取樹頂點。隨著CHM圖像空間分辨率不斷增加，單木尺度中提取樹木點將會不斷減少。

(3)從無人機激光雷達數據產生的CHM圖像提取46株樹木正確點與實地測量的樹高結果進行精度驗證。結果表明，激光雷達產生的CHM對于森林樹高的提取有較高的精度(RMSE=0.91 m)和較強的擬合性(R2=0.95)。