手持激光雷達不同數據采集路徑對林木參數獲取精度的影響

中圖分類號：S757.2 文獻標識碼：A doi：10.13601/j.issn.1005—5215.2025.04.007

TheInfluence of Different Data Acquisition Paths of Handheld Lidar on the Acquisition Accuracy of Forest Parameters

Zhang Hanxiao，Jiang Lixiu （Shanghai Forestry Station;Shanghai Urban Ecosystem Research Station，National ForestryandGrassland Administration，Shanghai 2ooo72，China）

AbstractAs anew typeof ground mobile laser scanning tool，handheld mobile laser scanning（HMLS）is one of the most effcient and convenient methods for collecting forest resource survey data.Four diferent laser radar data acquisition paths were selected to colect the data of Cinmamomum longepaniculatum stands with high，medium and low canopy density （0，70-1.00 ， 0.40-0.69 ！ 0.20-0.39 ），and the method of manual measurement and investigation was used as a control. The HMLS data collected by diferent paths were preprocessed and segmented to verifythe influence of diffrent acquisition paths on the extraction accuracy of forest parameters of Cinnamomum longepaniculatum plots with different stand densitiesand diferent diameter classs.The results showed as the following three aspects.1） Under diferent stand densities，the point cloud data collected by four paths were used. Through the same extraction method，the point cloud scanned by HMLS through path 1（measured by column），the accuracy ofextracting DBH was basicaly higher than thatof otheracquisition paths.2）Using HMLS to scandiferent diameter classes of Cinnamomum longepaniculatum forest stands，the extracted DBH values were quite different. The larger the diameter class was，the higher the extraction accuracy was.The smaller the diameter class was， the lower the acuracy of the extracted DBH was. 3）In the simple forest environment and low density stand environment，the extraction accuracyof branch height，crown width and tree height was higher，and the determination coefficient （R² ）of regresson analysis was above O.7. However，for the extraction of tree canopy information by HMLS，with the increaseof stand density，the misclassification and omission of stand crown width increased，and the extraction accuracy decreased continuously. The selection of path1 of HMLS technologycan better complete the extraction and estimation of forest parameters in sample plots，and can realize the automatic processng of point cloud data with high efficiency.

Key wordshandheld mobilelaser scanning;diferent stand density;diferent acquisition paths;parameter extraction; precision

激光雷達是近年來國際上發展十分迅速的主動遙感技術，在森林參數的定量測量和反演上取得了成功的應用。激光雷達具有與被動光學遙感不同的成像機理，對植被空間結構和地形的探測能力更強，特別是對森林高度的探測能力，具有其他遙感數據無法比擬的優勢[1-2]。手持式激光雷達掃描（HMLS）系統易操作，查看簡潔方便，效率高[3]，但目前還沒有廣泛應用到林業調查中。本研究通過利用HMLS掃描樣地單木胸徑、枝下高、冠幅、樹高，為森林調查工作提供參考[4]。采用手持式激光雷達對上海市嘉定區的6個樟木（Cinnamomumlongepaniculatum）林分樣地樹木胸徑、枝下高、冠幅、樹高進行不同路徑的數據采集，通過數據處理軟件LiDAR360提取測樹因子。結果顯示，使用按列掃描方式的胸徑、枝下高、冠幅、樹高實測值與提取值間的相關性較高。在密度較小、雜灌較少、通視條件較好、干形規則的樣地中，可采用手持激光雷達進行森林資源輔助調查。

1研究區概況

嘉定區位于上海西北部，其中心位置在 121^°26^′ ，東與寶山、普陀2區接壤；西與江蘇省昆山市毗連；南襟吳淞江，與閔行、長寧、青浦3區相望；北依瀏河，與江蘇省太倉市為鄰。國土總面積463.16km² 。截至2023年，全區森林總面積8 282hm² ，全區森林覆蓋率 17.88% 。優勢樹種為樟木的林分小班面積 2 529hm² ，占嘉定森林面積的 30.54% 。

2研究方法

2.1 試驗地設置

按《GB/T26424—2010森林資源規劃設計調查技術規程》，林分郁閉度分為高等級 （0.70～ 1.00）、中等級 （0.40～0.69） 、低等級 （0，20～0.39）3 個等級。根據上海市2023年森林資源監測成果，在嘉定選取3個林分郁閉度等級的樟木純林樣地6塊。在林分中設置 30m×30m 方形樣地，為確保后期與激光雷達掃描結果進行數據匹配，設置完樣地后，須繪制樣地和樣木位置分布圖。樣地基本情況見表1，各樣地照片見圖1。

表1樣地基本林分信息

圖1 樣地現場照片

2.2 數據采集

2.2.1人工實測調查調查人員依次對樣地中所有樟木的胸徑、枝下高、冠幅（東西和南北）和樹高等主要測樹因子進行實測。為保證數據客觀可靠，本次調查實測采取3位調查人員分別進行實測，最后獲取平均值作為最終實測結果。

2.2.2激光雷達掃描本次采用的是手持激光雷達掃描儀（SLAM100）進行樣地數據采集，該系統具有 360^° 旋轉云臺，可形成 270^°×360^° 點云覆蓋，結合行業級同步定位與地圖構建（SLAM）算法，可在無光照、無GPS情況下獲取周圍環境三維點云數據，點云密度大約2.7萬點·m–2[5] 。

2.2.3采集路徑規劃路徑規劃的目的是便于后期對不同林分密度、不同規劃路線的數據采集效率和提取結果精度差異分析。本次試驗初步規劃4個數據采集路徑，路徑1為按列繞測，路徑2為按株繞測，路徑3為外圈繞測后每半區Z字掃描，路徑4為每兩列繞測，見圖2。由于外業數據采集時，不同林分其環境條件可能存在差異，數據采集人員可根據實際情況進行適當微調，保證樣地樣木信息完整。

圖2 規劃路徑

2.2.4點云數據處理本次試驗擬用飛馬無人機管家的SLAMGOPOST模塊和智激光模塊對外業采集的手持激光雷達數據進行初步解算、降噪和點云賦色等操作獲得激光點云數據，并進行重采樣、去噪、地面點分類及歸一化處理[。單木分割參考了Tao等7提出的比較最短路徑算法（Comparativeshortest一pathalgorithm，CSP），包括點云歸一化、樹干檢測及胸徑估計和樹冠分割。對高度郁閉的樣地中存在的點云分割效果不佳的部分，須人工輔助編輯[8]

2.2.5 立木參數提取

1）胸徑提取技術路徑。胸徑是指樹木從地面根部到干部 1.3m 垂直距離處的直徑，是評價林木生長狀況的重要參數之一。在森林資源調查中，主要通過圍尺或胸徑尺進行人工測量。試驗樣地分別采用胸徑尺實測、激光雷達采集點云利用Lidar360對胸徑值進行提取，樣木及胸徑點云截取的示意圖見圖3[9] 。

圖3胸徑截取示意圖

2）枝下高提取技術路徑。枝下高是指樹干上第1個一級分枝以下的高度，即從地面到樹木第1個活枝（第1個分枝點）的垂直距離。根據樹木點云信息，直接目視獲取枝下高位置，通過測量獲取枝下高數值。樣木及樹木點云截取示意圖見圖4。

圖4枝下高獲取示意圖

3）冠幅提取技術路徑。冠幅是衡量苗木長勢的重要參考標準，一般指樹木的南北和東西方向寬度的平均值，常用于描述樹木的規格大小。項目通過將分割后的樣木樹冠點云投影到二維平面上（圖5），提取其東西和南北的平均長度，獲取各樣木的東西和南北冠幅信息。

圖5 冠幅獲取示意圖

4）樹高提取技術路徑。樹高是樹木從根部到樹梢部位的垂直距離。試驗采用了花桿參考結合人工目測獲取樹高實測值。激光雷達是通過發射和接收激光脈沖來獲取樹木頂端高程值和地面高程值的差異來提取樹木的高度信息。首先，通過軟件對樣木及樹根地面的點云進行裁剪，僅保留該部分點云，然后進行地面點分類，將樹木點云根據樹根處的地面點進行歸一化處理，此操作可最大限度減小地形起伏的影響，繼而完成樣木分割，提取該樹木點云的最大值作為樹高（Z）。如林地內存在影響樹高的灌木和草本層時，可人工檢測其樣地縱剖面，排除其干擾再進行樹高信息獲取。樹高獲取示意圖見圖6。

圖6樹高獲取示意圖

2.2.6 評價指標選取 本研究選用決定系數、均方誤差及平均絕對值誤差3個評價指標，對通過激光雷達掃描點云提取結果與傳統人工實測值之間進行對比分析。

1）決定系數 （R²） 。 R² 是度量擬合曲線對于原始數據擬合效果的好壞，一般來說， R² 越接近1，說明回歸曲線對觀測值的擬合程度越好； R² 越小，說明回歸曲線對觀測值的擬合程度越差。一般情況下，擬合優度達0.8以上就可以說明擬合效果不錯。

式中： 分別為實測值、預測值和平均值； n

為樣本總數。

2）均方誤差（MSE）。MSE是最常用的誤差評估指標之一（式中表示為 E_MS ），表示預測值和實際值之間差異的平方的平均值。均方誤差越小，表示預測值與實測值之間的偏差越小，數據的可靠性越高；反之，預測值與實測值之間的偏差越大，數據的可靠性越低。

3）平均絕對值誤差（MAE）。MAE表示預測值和實測值之間絕對誤差的平均值（式中表示為E_MA） 。其體現的是預測值的平均誤差幅度， E_MA 是一種線性分數，相對于 E_MS，E_MA 有個優點是對于離群（異常）值的處理更好。

3結果與分析

3.1不同采集路徑的胸徑提取精度分析

表2是6個樣地在不同采集路徑下采集點云提取的胸徑值與實測胸徑值的對比分析結果。可以看出，在6個樣地中，有4個樣地（小班號為0118、0182、0252、0264）利用采集路徑1采集的點云提取的 R² 最高，均方誤差和平均絕對值誤差也較小；其中有3個樣地于這4個樣地中的均方誤差和平均絕對值誤差顯示其在4個采集路徑中較小。但在林分平均胸徑最小的0404樣地中胸徑提取結果顯示路徑2表現較好，決定系數處于較高水平（ gt;0.87 ，且均方誤差（MSE）和平均絕對值誤差（MAE）均低于1。綜合6個樣地分析，采用路徑1采集點云提取的胸徑精度較高，且穩定性較好。

表2不同采集路徑胸徑提取精度分析結果

3.2 不同采集路徑的枝下高提取精度分析

根據試驗結果看，手持激光雷達在小徑階樣地其枝下高的參數提取表現不佳（0252、0264、0404樣地的采樣精度較低，文中僅保留0252樣地作為參考）。由表3可知，路徑1采集點云提取的枝下高決定系數均最好，均大于0.7，且均方誤差和平均絕對值誤差也較低。經分析，路徑1采集的點云提取枝下高效果較好。但對于徑階較小的林分，基于手持激光雷達提取精度還有待進一步探索新路徑和技術，以提高枝下高提取精度。

表3不同采集路徑的枝下高提取精度分析結果

3.3 不同采集路徑的冠幅提取精度分析

由于大部分樣地樹木較高，林分郁閉度較大等原因，很難通過目測的手段獲取較為精準的冠幅。本項目僅對小徑階（0118、0264、0404小班號所在樣地）的林分分東西和南北進行了冠幅實測。以實測獲取的冠幅作為客觀值，見表4。東西和南北向冠幅提取結果均顯示路徑1采集的冠幅提取結果最佳，決定系數大于0.8，且均方誤差最小，平均絕對值誤差也較小。

表4不同采集路徑冠幅提取精度分析結果

3.4不同采集路徑的樹高提取精度分析

由表5可以看出，手持激光雷達采用路徑2采集的點云提取的樹高決定系數最高，為0.779，均方誤差和平均絕對值誤差最小，分別為0.068和0.232；路徑1采集點云提取的樹高精度次之，決定系數為0.738，均方誤差和平均絕對值誤差分別為0.079和0.246。但總體上精度差異較為接近。

表5不同采集路徑的樹高提取精度分析結果

4討論

1）不同采集路徑對胸徑提取精度影響因素。由表2可以看出，路徑1采集點云提取的胸徑精度在多個樣地中表現出較好的效果，但在樣木徑階普遍偏小的樣地采集結果（如0264和0404）中表現欠佳；從0404小班樣地采集看，利用路徑2采集點云提取的胸徑均方誤差和平均絕對值誤差較小，體現較好效果，且在0404樣地上表現出最接近于1的決定系數，表明其預測的準確性和穩定性相對較好，對于徑階過小的樣木也能表現出相對穩定的結果。整體上看，一定程度上體現出手持激光雷達采集小徑階樣木胸徑提取精度效果不佳。

2）不同采集路徑對枝下高提取精度影響因素。手持激光雷達在采集較大徑階的樣地采集點云時，使用路徑1采集點云提取的枝下高結果具有較好的擬合度，尤其是較大徑階中表現最好，其決定系數均不低于0.76。但在0252這類小徑階林分樣地中，枝下高的提取結果不佳，主要原因可能是手持激光雷達對于小分支、細小枝條的點云采集不全，導致確定最下活枝的部位存在差異，致使枝下高提取精度不佳。

3）不同采集路徑對冠幅提取精度影響因素。利用路徑1采集點云提取的東西和南北向冠幅效果較好，利用路徑2提取的效果則較為一般，這可能與此路徑每株樣木繞測使得點云重復采集有一定的影響。此外，冠幅的傳統人工調查實測方法一般采用目視樹冠投影邊緣，以皮尺估測東西、南北的冠幅寬度，測量中存在一定誤差，且大部分林地林分郁閉度較大，相鄰樣木的冠幅本身存在相互交叉重疊的情況，使得人工測量冠幅精度和激光雷達掃描的點云作冠幅分割精度均受到一定影響。

4）不同采集路徑對樹高提取精度影響因素。針對手持激光雷達采集樹高結果看，利用路徑2采集的點云提取的樹高精度較好。這與激光雷達提取樹高的原理有關，由于激光雷達是通過發射和接收激光脈沖來獲取樹木頂端高程值和地面高程值的差異來提取樹木的高度信息，上海為平原地區，主要以林分結構相對簡單的人工林為主，使用激光雷達在路徑2下詳細掃描可增加獲取點云數據的完整性，很大程度上彌補人工測量不同角度視覺差異引起的樹高誤差。

5結論

綜合考慮4項林木因子的提取結果，本研究得出采用路徑1進行立木因子采集提取的效果較好，且表現較為穩定，且在實際操作和后期點云數據分析時效率也較高，適合作為普適性的手持激光雷達采集路徑。但針對小徑階樣木的數據采集精度仍不夠穩定。后期還需在激光雷達儀器選取、點云分割方法和提取技術手段等方面進一步研究和改進，以提高對立木因子參數的預測精度。

參考文獻：

[1]龐勇，李增元，陳爾學，等.激光雷達技術及其在林業上的應用[J].林業科學，2005，41（3）：129—136.

[2]郭慶華，劉瑾，陶勝利，等.激光雷達在森林生態系統監測模擬中的應用現狀與展望[J].科學通報，2014，59（6）：459-478.

［3］范偉偉．手持式激光雷達單木參數提取與樹干生物量估測研究[D].哈爾濱：東北林業大學，2021.

[4」王子斐：基于手持式移動激光雷達的近自然經營林分結構特征及變化研究[D].上海：華東師范大學，2021.

[5]楊學林．手持激光雷達掃描儀飛馬在地形測繪中的運用[J].科技創新與應用，2024，14（10）：26—29.

[6]ZHAOX，GUO Q，SUY，etal. Improved progressive TINdensi-fication filteringalgorithm forairborneLiDARdatainforestedareas[J].ISPRSJournal of Photogrammetryand Remote Sens-ing，2016，117：79-91.

[7]TAO S，WUF，GUOQ，etal.Segmentingtree crownsfrom ter-restrialand mobileLiDARdata byexploringecological theories[J].ISPRS Journal of Photogrammetry and Remote Sensing，2015，110：66—76.

[8]雷雪，吳建勛，董崇天，等.三維激光雷達空地一體化城市森林林分因子遙感提取[J].生態學雜志，2025，44（3）：1029-1037.

[9]趙琦，李震，陳麗華，等.基于背包式激光雷達的林木胸徑和樹高提取[J].林業調查規劃，2022，47（4）：18-22.