應(yīng)用地基激光雷達(dá)數(shù)據(jù)提取毛竹單木參數(shù)1)

黃蘭鷹 官鳳英

(國家林業(yè)和草原局-北京市共建竹藤科學(xué)與技術(shù)重點(diǎn)實(shí)驗(yàn)室(國際竹藤中心)，北京，100102)

竹林是我國森林資源的重要組成部分，具有優(yōu)良的固碳能力，同時(shí)在促進(jìn)產(chǎn)業(yè)和區(qū)域經(jīng)濟(jì)發(fā)展中發(fā)揮重要作用[1-3]，因此定期開展竹林資源調(diào)查具有重要意義。傳統(tǒng)的竹林資源調(diào)查耗時(shí)、費(fèi)力和費(fèi)財(cái)，而地基激光雷達(dá)(TLS)作為一種主動遙感技術(shù)，能夠直接、快速、精確地獲取研究對象的三維坐標(biāo)，并提供關(guān)于樹木位置、株數(shù)、胸徑以及樹高等森林結(jié)構(gòu)參數(shù)的精確信息，更加適合地面森林調(diào)查工作[4]。近年來，有許多學(xué)者已經(jīng)開展了利用地基激光雷達(dá)進(jìn)行單木識別和提取單木胸徑的研究[5]。應(yīng)用地基激光雷達(dá)數(shù)據(jù)估計(jì)單木胸徑的方法可以分為兩大類，一類是先對點(diǎn)云切片，然后投影到二維平面上，利用二維曲線進(jìn)行擬合(包括圓擬合[6]、橢圓擬合[7]、霍夫變化圓擬合[8]和隨機(jī)采樣一致性圓檢測[9])提取林木胸徑，由于將點(diǎn)云投影到二維平面進(jìn)行胸徑擬合，三維降到二維以及點(diǎn)云投影導(dǎo)致噪聲點(diǎn)參與曲線擬合，易導(dǎo)致擬合精度降低；另一類是利用點(diǎn)云在三維空間中的分布規(guī)律來估測胸徑(包括聚類[10]、圓柱擬合[11])，該類方法雖然可以解決三維到二維計(jì)算造成的精度缺失，但是數(shù)據(jù)計(jì)算量相對較大，也會受到噪聲的影響。因此，在莖干有足夠多的點(diǎn)云時(shí)，地基激光雷達(dá)提取胸徑的精度較高。但是受到遮擋導(dǎo)致莖干點(diǎn)云不足，極易影響地基激光雷達(dá)提取胸徑的精度。單木識別多是在胸徑擬合的基礎(chǔ)上進(jìn)行，利用擬合的二維曲線中心作為單木位置，擬合胸徑的數(shù)量決定單木檢測的精度，檢測的精度主要受到林分密度、森林結(jié)構(gòu)以及掃描儀距離的影響。目前利用地基激光雷達(dá)的研究主要集中在竹闊混交林中闊葉樹對毛竹生長的影響[12]、利用激光回波強(qiáng)度信息判別單株毛竹年齡[13]以及利用點(diǎn)云密度估算單株毛竹的蓄積量[14]，而利用地基激光雷達(dá)數(shù)據(jù)對毛竹林結(jié)構(gòu)參數(shù)的提取方法還少有研究。

本文以江蘇省宜興市毛竹為研究對象，利用地基激光雷達(dá)多站掃描，獲取樣地毛竹林完整點(diǎn)云數(shù)據(jù)。根據(jù)毛竹具有筆直的干形，提出一種新的毛竹莖干識別方法。并比較分析圓擬合和不同高度圓柱擬合對毛竹胸徑提取的差異，為毛竹林葉面積指數(shù)、碳儲量等指標(biāo)的準(zhǔn)確估計(jì)奠定基礎(chǔ)，同時(shí)也為竹林調(diào)查工作提供新方法。

1 研究區(qū)概況

研究區(qū)位于江蘇省宜興市國有林場，該地區(qū)屬天目山余脈，南部為丘陵地區(qū)，北部為平原區(qū)。地處亞熱帶季風(fēng)氣候，降水豐沛，但降水量的時(shí)空分布不均勻，春夏降水比較集中，年降水量在1 177 mm以上，年平均氣溫17.5 ℃，無霜期240 d，林場內(nèi)80%為毛竹林，森林覆蓋率為97.5%。

2 研究方法

2.1 數(shù)據(jù)獲取

本研究使用的地基激光雷達(dá)設(shè)備-Trimble TX8具有360°×317°的視場角和每秒百萬點(diǎn)的數(shù)據(jù)獲取速度，在水平和垂直方向均以0.036°為步長，地基激光雷達(dá)設(shè)備-Trimble TX8的具體參數(shù)見表1。

表1 Trimble TX8的參數(shù)

在研究區(qū)內(nèi)設(shè)置3塊20 m×20 m毛竹純林樣地(分別為P1、P2、P3)，樣地林下植被較少且地勢較平坦。各樣地毛竹的密度分別為5 500、6 200、5 875株/hm2，毛竹的平均胸徑均為8.94 cm。數(shù)據(jù)采集時(shí)間在2019年12月，每塊樣地掃描5站，采用“角落設(shè)置”的方法布站[15]。在每塊樣地中布設(shè)了6個參考球，所有參考球不在同一個水平面上，同時(shí)保證每站至少能看到3個以上參考球，以便后期數(shù)據(jù)拼接處理。使用全站儀對樣地內(nèi)所有竹子定位，并測量每株毛竹胸徑，樣地共調(diào)查毛竹703株。

2.2 數(shù)據(jù)的預(yù)處理

本文利用Trimble TX8自帶的Trimble RealWorks 10.1軟件自動識別樣地內(nèi)參考球，并自動配準(zhǔn)對多站點(diǎn)云進(jìn)行配準(zhǔn)拼接，樣地配準(zhǔn)的平均距離誤差均小于0.002 m，滿足林業(yè)應(yīng)用精度需求；采用統(tǒng)計(jì)離群值分析的方法，結(jié)合人工判讀去除噪聲；利用改進(jìn)的漸進(jìn)加密三角網(wǎng)濾波算法[16]分離地面點(diǎn)和反距離權(quán)重插值生成樣地高程數(shù)據(jù)(DEM)，完成點(diǎn)云高度歸一化處理。

2.3 單株識別

毛竹具有筆直的干形特征，莖干下部沒有分支，容易先識別莖干，再提取單木參數(shù)。本文根據(jù)毛竹的特征，截取一段只包含竹稈的水平條帶，對水平條帶的點(diǎn)云進(jìn)行體元化，利用垂直方向具有連續(xù)性的體元識別莖干。條帶的上限主要是為了避免竹枝和竹葉對莖干識別的干擾，下限主要是為了避免地面點(diǎn)和低矮植被對莖干識別的影響。具體的步驟是對截取出來的水平條帶點(diǎn)云在三維空間中進(jìn)行體元化[17](僅記錄包含原始點(diǎn)云的體元)，然后對體元空間進(jìn)行遍歷，把整個條帶垂直方向上具有連續(xù)性的體元組作為莖干。根據(jù)同株毛竹的點(diǎn)云具有的相似性，不同株點(diǎn)云差異的原則[18]，利用體元化方法的可逆性，直接從每個體元中提取包含莖干的原始點(diǎn)云數(shù)據(jù)，計(jì)算莖干點(diǎn)云坐標(biāo)的平均值，作為單木坐標(biāo)。

2.4 胸徑提取方法

在單木識別的基礎(chǔ)上，在P1樣地分別采用圓擬合(方法一)和不同高度圓柱擬合(方法二)的方法估測毛竹胸徑(見圖1)，并利用樣地實(shí)測數(shù)據(jù)對2種方法的估測結(jié)果進(jìn)行精度評價(jià)。

圖1 截取用于估測胸徑的竹干點(diǎn)云

方法一，在識別毛竹莖干的1.3 m處采用圓擬合來估測胸徑，采用非線性最小二乘法最小化幾何誤差，公式如下：

式中：di為胸徑上每個點(diǎn)離擬合圓心的距離；xa、ya為確定擬合圓的圓心坐標(biāo)；xi、yi為迭代擬合圓的圓心坐標(biāo)；ri為不同點(diǎn)擬合的圓半徑；R為確定擬合圓的半徑。

該方法的收斂通過設(shè)置最大迭代次數(shù)或者胸徑上每個點(diǎn)離擬合圓心的最大變化距離。為了提高胸徑提取精度，設(shè)置圓心在(xa,ya)，半徑為R/2的圓進(jìn)行檢查，如果擬合圓內(nèi)有點(diǎn)云、擬合胸徑過小或者過大，則需對該擬合圓進(jìn)行目視檢查，重新進(jìn)行圓擬合。

方法二，采用不同高度的圓柱擬合，3種不同圓柱的高度分別為1.2～1.4、1.1～1.5、1.0～1.6 m，截取不同高度圓柱體，采用最小二乘圓柱擬合的方法估測胸徑[11]，公式如下：

式中:p=(x,y,z)T為空間中的一點(diǎn);d為點(diǎn)p至圓柱表面的距離;a為圓柱的軸向;n為圓柱某一方位的法向量;k為圓柱半徑的倒數(shù);s為對殘差未知標(biāo)準(zhǔn)偏差的估計(jì);ρ為圓柱距原點(diǎn)的最近距離。

利用非線性最小二乘法求解目標(biāo)函數(shù)，使圓柱表面各個數(shù)據(jù)點(diǎn)的距離平方和最小。采用圓柱擬合的方法可以減少莖干點(diǎn)云軸向與半徑分別計(jì)算而造成的精度損失，避免三維降到二維造成莖干幾何特征的損失，也可以對兩類方法(二維曲線和基于點(diǎn)云的空間分布)進(jìn)行比較，遴選毛竹胸徑最優(yōu)估算方法。

2.5 精度驗(yàn)證方法

莖干識別方法的性能應(yīng)用單木檢測率評估；利用決定系數(shù)(R2)和相對誤差來評價(jià)提取毛竹胸徑的精度。

3 結(jié)果與分析

3.1 單株毛竹識別的精度

由于毛竹單木實(shí)測位置是利用全站儀測量，其測量的單木位置是貼近毛竹的棱鏡，而利用算法提取單木的位置為莖干中心點(diǎn)，兩者之間存在一定誤差，因此以實(shí)測單木位置為中心，在0.3 m范圍內(nèi)尋找是否存在識別的單株毛竹。圖2展示了P1樣地采用截取水平條帶識別莖干后的視覺圖，以隨機(jī)的顏色表示識別的毛竹莖干，在3塊樣地中，所有著色的莖干均為實(shí)際毛竹。

由表2可知，3塊樣地單株毛竹檢測率分別為89.09%、91.93%、90.12%，株數(shù)密度最大的P2樣地單木識別率最高，株數(shù)密度最小的P1樣地單株毛竹識別率反而最小。通過分析這些沒有被檢測到的單木位置發(fā)現(xiàn)，P1樣地中存在一些倒伏毛竹的情況，造成截取的水平帶在垂直方向沒有連續(xù)性，且歪倒的毛竹造成不同程度的遮擋，導(dǎo)致樣地毛竹檢測率降低。另外，由于毛竹是單軸散生竹，3塊樣地均存在一些毛竹彼此相鄰，導(dǎo)致這些毛竹被檢測為一株，也造成3塊樣地單株毛竹檢測率存在不同程度的誤差。最后，莖干水平條帶上下限閾值的選擇也會影響單株毛竹檢測的精度。

圖2 P1樣地莖干識別的視覺圖

表2 樣地毛竹單木識別精度

3.2 不同方法對胸徑估測的影響

由圖3可知，與圓擬合相比，圓柱擬合提高了胸徑估測的精度，且具有更好的魯棒性，圓擬合和不同高度圓柱擬合單木胸徑估測值與實(shí)測值線性回歸的R2分別為0.86、0.89、0.91、0.91。由于圓擬合是二維曲線擬合，經(jīng)過投影后的點(diǎn)云損失了莖干的一些幾何特征，同時(shí)傾斜部分的莖干胸徑經(jīng)投影后會發(fā)生一些變形，這些都造成利用圓擬合胸徑的精度相對較低。圓柱擬合能夠直接對莖干點(diǎn)集進(jìn)行柱面建模，減少了數(shù)據(jù)投影轉(zhuǎn)換的誤差，也保留了更多的莖干特征，因此胸徑擬合精度較高。但圓柱擬合也存在高估的現(xiàn)象，這可能是由于莖干處存在噪聲點(diǎn)和倒伏毛竹的枝葉點(diǎn)，導(dǎo)致其對估算結(jié)果的魯棒性和精度產(chǎn)生影響。

通過對兩種方法的估測誤差進(jìn)行分析發(fā)現(xiàn)，使用圓柱擬合估測胸徑結(jié)果的相對誤差低于圓擬合的方法，圓擬合和不同高度圓柱擬合胸徑估測誤差的平均值分別為0.8、0.7、0.6、0.4 cm，但都存在明顯的高估現(xiàn)象。但是相對于二維曲線擬合，采用點(diǎn)云空間分布的圓柱擬合胸徑的精度相對較高。

A為圓擬合；B為1.2～1.4 m高度圓柱擬合；C為1.1～1.5 m高度圓柱擬合；D為1.0～1.6 m高度圓柱擬合。

4 結(jié)論與討論

利用TLS多站掃描獲取樣地毛竹林完整點(diǎn)云數(shù)據(jù)，采用新莖干識別方法進(jìn)行單木識別，并比較分析了不同擬合方法對毛竹胸徑提取的差異。主要結(jié)論如下：

根據(jù)毛竹具有筆直的干形特征，采用截取只含竹稈的水平條帶來識別單木，結(jié)果3塊樣地的單木檢測率都很高，即使在株數(shù)密度達(dá)到6 200株/hm2的P2樣地，毛竹莖干檢測率仍可達(dá)91.93%，這與Liu et al.[19]在340～1 200株/hm2樣地中單木檢測一致。未識別的毛竹主要由于毛竹密度大以及部分倒伏的竹子，容易造成遮擋，導(dǎo)致水平條帶缺乏垂直連續(xù)性；同時(shí)，樣地均存在一些毛竹彼此相鄰，導(dǎo)致多株識別結(jié)果為一株。這些都造成樣地單木檢測率存在不同程度的誤差。因此，為了提高單木檢測率，可以人為手動清除遮擋物，然后根據(jù)樣地實(shí)際情況進(jìn)行布站，并適當(dāng)增加掃描站數(shù)。

通過比較圓擬合和不同高度圓柱擬合估測毛竹胸徑的精度，發(fā)現(xiàn)根據(jù)點(diǎn)云空間分布規(guī)律的圓柱擬合方法的精度要高于圓擬合；圓柱擬合對于在莖干1.3 m處存在遮擋時(shí)，依然具有很強(qiáng)的穩(wěn)定性，和Liu et al.[19]的研究結(jié)果不同。由于圓柱擬合能夠直接對莖干點(diǎn)集進(jìn)行柱面建模，減少了數(shù)據(jù)投影轉(zhuǎn)換的誤差，也保留了更多的莖干特征，因此胸徑擬合精度較高，但圓柱擬合對噪聲點(diǎn)較敏感。傳統(tǒng)測量方法的精度依賴于操作員的經(jīng)驗(yàn)、技能以及樣地和研究對象的復(fù)雜性，使用不同設(shè)備或者不同的操作人員對同一對象調(diào)查也會產(chǎn)生誤差[20]。因此，在分析測量結(jié)果時(shí)除了方法的誤差以外，參考數(shù)據(jù)的誤差也要考慮。

本文的研究結(jié)果證明了利用TLS在單木和樣方尺度上提取毛竹林結(jié)構(gòu)參數(shù)的可行性，所提出的新方法可以提高毛竹單木識別率，為竹林調(diào)查工作提供技術(shù)支持，同時(shí)也為遴選毛竹胸徑最優(yōu)估算方法提供參考。后續(xù)研究應(yīng)該側(cè)重利用TLS技術(shù)的獨(dú)特優(yōu)勢，為評估毛竹葉片物理特性、蒸騰作用和微生境多樣性等生態(tài)應(yīng)用方面提供新的支持；研究整合機(jī)載LIDAR數(shù)據(jù)和TLS數(shù)據(jù)以獲取竹林結(jié)構(gòu)的多尺度信息，為激光雷達(dá)更普遍的運(yùn)用在林業(yè)提供可能。