空地協同多源點云數據的林木信息提取精度分析

陳燕奎 吳俏儀 馬小洪 謝作輪

關鍵詞：PIE-UAV無人機處理；地面激光雷達；林木信息提取；精度評價；相關性

樹高、樹冠及胸徑等是森林定量遙感觀測重要的參數，是開展森林資源定量遙感調查和林木樹種生長環境評估的必要數據基礎。目前，森林資源調查方法以傳統的調查手段為主，調查方式往往調查時間跨度大，所需人力物力成本高，不適合大范圍、對個別樹種進行長時間動態變化觀測。因此，林木調查需要新興測量技術的革新，隨著遙感技術、激光雷達觀測技術及計算機技術的快速發展，使得林木基礎信息獲取和分析能力不斷得到提升。天空地協同下的多源遙感點云集成技術已成為森林領域的主要數據采集渠道之一，服務于資源調查、森林碳匯估算、生態廊道和生態環境多樣性分析等工作。

從文獻研究看，林木信息提取與分析的研究成果豐碩，集中體現在林木調查方法比較研究[1-2]、林木種質研究[3]、遙感技術的林木資源調查[4-5]、激光雷達技術的點云數據林木樹高、胸徑、樹冠等提取分析[6-9]、點云數據林木信息模型構建[10-11]等。由于研究區域多為大面積機載雷達獲取數據，運用地基激光雷達研究相對較少；在運用地基雷達數據進行研究中，以算法擬合或單軟件數據處理為主，對不同點云軟件處理結果進行對比的研究較少。本文在前人研究的基礎上利用無人機技術、三維激光掃描技術等空地協同下，對多源點云數據融合下的林木樹高、胸徑及冠幅等信息進行提取與比較分析，在兩款熱門點云數據處理軟件下林木信息相關性分析與精度評價，為林木調查提供技術基礎。

1 數據源與技術路線

實驗區域位于廣東省梅州市嘉應學院江北校區（116°7 ′23.75″E，24°20′3″N） ，主要實驗樹種為白千層，為廣東、福建、臺灣、廣西等城市景觀常見樹種。通過傳統測量手段獲取樹高、胸徑和冠幅數據，在此基礎上驗證無人機（大疆精靈4RTK） 與三維激光掃描儀（Trimble SX10） 點云測量數據的精度。對比分析Li?dar360 軟件和AdQSM 軟件獲取林木信息的精度差異。

2 研究過程及結果分析

2.1 傳統林木信息調查方法

樹木胸徑、樹高、冠幅等是評價林木生長指標的因子，林木信息獲取傳統的調查用具一般包含皮尺、測胸徑用圍尺、測高器（全站儀）、三角板、坐標紙等。胸徑測定是取距樹根部1.3m處直徑，運用文獻[2]接觸式圍測，根據圓的周長和直徑關系式換算直徑；樹高測定是通過全站儀的懸高測量，也可以用免棱鏡的模式測量；冠幅測定是根據樹冠的地面垂直投影，根據孫釗等[12]用測距儀測量每棵樹的實測每木8向（東、東南、南、西南、西、西北、北、東北）最大冠長到樹干的距離（圖1） ，取平均值后得到每棵樹的冠幅直徑參數。每個林木信息測定務必需要多個測量人員進行獨立測定，并取平均值，研究區獲取樣點測定值14個，數據測定結果如表1所示。

2.2 基于空地協同多源點云數據的林木信息提取方法

空地協同多源聯合法，首先，是利用大疆精靈4RTK版低空無人機獲取三維影像，考慮到城市景觀林木高度與周邊建筑物的遮擋影響，為了獲取更為精準的點云數據，設置飛行高度不得過高（樹高以上30m處為宜）及重疊度大于75%；將無人機數據導入到PIE-UAV軟件中進行三維林木場景重建，在地理坐標系統控制下，將林木點云數據分類，清除雜點，并轉換輸出點云格式，提取點云數據；其次，利用地面三維激光掃描儀的架設站點，設置全景掃描模式對林木及周邊場景進行掃描獲取林木結構和數字地面模型數據；再次，將兩種不同源獲取的點云數據，導入到Trimblerealworks軟件進行地理坐標空間配準，對點云數據進行歸一化后的數字高程模型，進而實現地物高度的相對統一，由此獲取研究區的空地協同多源的林木場景信息點云數據集合；最后，運用LiDAR360軟件和AdQSM軟件的點云信息操作工具，通過分析點云空間分布的林木幾何特征來進行人工識別的點云分割方法提取林木的林木胸徑、樹高、冠幅直徑等數據，需要將調查專人軟件操作的結果進行加權平均，數據獲取如表2所示。

2.2 結果分析與評價

2.2.1 實測數據的相關性與一階偏相關分析

運用一階偏相關系數計算公式對實測數據的胸徑、樹高與冠幅直徑進行相關性分析，兩個林木長勢評價因子之間的關聯性，分析公式[13]如下：

計算所得一階偏相關系數結果如表3，從計算的結果可知，在多變量參數相關性分析中，在不設置控制變量時分析胸徑、樹高、冠幅直徑雙變量相關性計算結果均為具有顯著相關，最低相關性系數0.682，最高系數為0.986，而且雙尾顯著性P值均不大于0.05。雖然雙變量相關性強，但當對多個變量進行相關分析時，不能簡單地運用雙變量相關分析對其進行分析，還需要考慮是否存在其他變量對這兩個變量間的關系有影響。本文通過一階偏相關性分析，控制變量為胸徑時，樹高與冠幅直徑相關性為0.974，具有很好的顯著度，而控制變量為樹高或冠幅直徑時，由于雙尾顯著度P值為0.398和0.743，兩個P值均大于0.05，表明胸徑與冠幅直徑、胸徑與樹高兩個相關性則不顯著。從實測數據的相關性與一階偏相關分析可知，在城市園林的林木生長長勢及健康管理當中，樹高與冠幅直徑指標關聯評價更有價值。

2.2.2 實測數據與點云數據的精度分析

從上表1和表2的14個樣點數據值對比可知，樣地的胸徑、樹高及冠幅直徑的測量值均存在一定的誤差，從一元線性回歸、絕對差及相對差頻率等三個方面剖析。

（1） 一元線性回歸

利用實測值與點云數據提取值組成樣點數據組，求解一元線性回歸模型，分析兩者之間的關系強度，并分析一元線性方程的顯著性檢驗，結果如表4所示。傳統方法的實測值與空地協同點云數據輔助下的測量值有較好的回歸直線，一元線性方程中的斜率β 均趨于1，α 截距較小，復相關系數R2均大于0.96，隨機性擾動不大；樹高是三個林木因子中一元線性方程模型較優，也表示實地測量與軟件點云數據提取的樹高值更為準確；另外從兩款軟件的模型模擬來看，Li?DAR360比AdQSM軟件效果要好些。

（2） 絕對差

通過LiDAR360和AdQSM兩款軟件利用點云數據提取的林木信息與傳統測量的數據做絕對差分析（圖2） ，兩款軟件在點云數據中提取的林木信息均與實際測量值存在一定誤差，但誤差絕對值較小；胸徑、樹高及冠幅直徑絕對誤差總體可控制在-0.9～0.67cm、-0.25～0.12m 及-0.15～0.2m 之間；胸徑絕對誤差最大為1.74cm，最小為0cm，樹高絕對值誤差；三個林木信息絕對誤差比較中，絕對誤差總體振幅大小為冠幅直徑<樹高<胸徑。另外從軟件平臺提取工具精度對比來看，軟件本身在點云數據中提取的林木信息操作均較為簡單、數據精度總體可控，本次實驗區14個樣點林木信息提取中，LiDAR360提取的精度比AdQSM的振幅較小。

（3） 相對誤差頻率

為了進一步驗證精度的可靠性，利用相對誤差，即測量的絕對誤差與被測量的真值之比，統計的相對誤差頻率分析如圖3所示。LiDAR360平均相對誤差胸徑2.04%，樹高2.05%，冠幅直徑2.4%，AdQSM平均相對誤差胸徑1.7%，樹高2.71%，冠幅直徑2.28%，兩款軟件提取的數據相對誤差總體相差不大；其中，胸徑數據LiDAR360 相對誤差頻率較AdQSM 分散，AdQSM相對誤差更集中在0～2.5%與2.5%～5%之間；胸徑與樹高數據相對誤差頻率相對集中，而冠幅直徑相對分散。

3 空地協同多源點云數據提取精度影響

傳統的林木調查測量方法與基于空地協同多源點云數據的提取法，在測量精度上均會有些誤差，此誤差只要在可控范圍內均可接受，誤差的影響來源于機器，也有來自人工判別。

（1） 林木生長地表面環境復雜度

城市景觀林木胸徑、樹高信息的測量，往往受到地表面環境的復雜度而影響測量精度，譬如地表微地形起伏，城市景觀林木一般設定了種植坑位，周邊是硬化的水泥板，在林木生長到一定程度，根系發達，將根部及周邊的地面隆起造成根部周邊地形復雜化，使得在胸徑、樹高測量在地表參考面比較難找，從而對測量數據的精度造成影響。

（2） 林木密度及枝葉相互交叉

城市景觀林木密度過高，在生長到一定程度，臨近的林木枝葉會有交叉，通過林木地面投影的方式，是比較難區別臨近林木，如果單一使用此方法，在估算林木冠幅實際大小或直徑會有一定的誤差產生。

（3） 人的知識面及技術熟練程度

對城市景觀林木調查，調查人的知識面和技術熟練度，往往也是數據精度的影響因素之一。在儀器觀測人工目視是否水平、儀器數值的讀取、小數點取舍、數據運算、軟件的熟悉度、量算起點終點位置評估正確性、臨近點云數據判斷等都是會影響數據的提取精度。

（4） 軟件成熟度

本文利用的LiDAR360、AdQSM軟件、Trimblereal?works軟件點云數據操作軟件，在對點云數據的顯示方式、數據運算冗余度、數據層集存儲與提取、操作工具優越性等都會由數據值上的誤差產生。

4 結論

（1） 本文利用城市景觀林木胸徑、樹高、冠幅直徑等長勢的參數以傳統人工測量法與無人機及三維激光掃描儀的空地協同多源點云數據提取法進行相關及一階偏相關分析，結果顯示在不設置控制變量時分析胸徑、樹高、冠幅直徑雙變量相關性計算結果均為具有顯著相關，最低相關性系數0.682，最高系數為0.986；而通過一階偏相關分析控制變量為胸徑時，樹高與冠幅直徑相關性系數為0.974；控制變量為樹高或冠幅直徑時，相關系數均比較低，而且兩個P值均大于0.05，表明胸徑與冠幅直徑、胸徑與樹高兩個相關性則不顯著。

（2） 對LiDAR360與AdQSM軟件基于點云數據基礎的景觀林木信息提取，與傳統人工測量法數據進行一元線性回歸模型、絕對誤差和相對誤差頻率等精度分析，綜合兩款軟件的提取數據做了綜合評估，結果顯示兩款軟件對林木胸徑、樹高和冠幅直徑的數據精度一元線性方程中復相關系數R2均大于0.96，絕對誤差總體振幅大小為冠幅直徑<樹高<胸徑，而且三個林木因子的相對誤差頻率振幅均比較小，因此利用無人機和地面三維激光掃描儀空地協同下對點云數據進行林木數據提取具有較高可信度，而且LiDAR360與AdQSM兩款軟件總體的提取林木數據精度差異不大。

（3） 無論傳統人工測量法還是無人機及地面三維激光掃描儀空地協同點云數據提取法，提取的數據均會受到主觀或客觀因素影響，譬如：林木生長地表面環境復雜度、林木密度及枝葉相互交叉、人的知識面及技術熟練程度及軟件成熟度等，針對這些影響，測量數據時，首先，認真分析客觀環境，特別是調查區的環境狀況，制定復雜區調查技術規程；其次，對調查人員技術層面的全面培訓，減少人工誤判的影響；再次，深度對接林業領域需求，對儀器層面的技術改進和點云數據處理軟件的二次開發及升級優化，特別是點云提取自動化及運算迭代優化等，從而讓軟件更好地服務于林木長勢的各類參數提取。