基于標(biāo)記控制區(qū)域生長(zhǎng)法的單木樹(shù)冠提取1)

甄貞 李響 修思玉 趙穎慧 魏慶彬

(東北林業(yè)大學(xué)，哈爾濱，150040) (浙江慧鵬地理信息技術(shù)有限公司) (東北林業(yè)大學(xué)) (黑龍江省環(huán)境監(jiān)測(cè)中心站)

?

基于標(biāo)記控制區(qū)域生長(zhǎng)法的單木樹(shù)冠提取1)

甄貞 李響 修思玉 趙穎慧 魏慶彬

(東北林業(yè)大學(xué)，哈爾濱，150040) (浙江慧鵬地理信息技術(shù)有限公司) (東北林業(yè)大學(xué)) (黑龍江省環(huán)境監(jiān)測(cè)中心站)

根據(jù)2009年激光雷達(dá)數(shù)據(jù)、正射影像圖及二類調(diào)查數(shù)據(jù)，選取涼水國(guó)家自然保護(hù)區(qū)針葉林和闊葉林樣地進(jìn)行單木樹(shù)冠提取研究，包括利用動(dòng)態(tài)窗口局域最大值法對(duì)單木位置進(jìn)行探測(cè)，以及采用標(biāo)記控制區(qū)域生長(zhǎng)法進(jìn)行樹(shù)冠邊界的勾繪，分別從樣地和單木兩個(gè)層次進(jìn)行評(píng)價(jià)。結(jié)果表明：樣地尺度上，針葉林和闊葉林的樹(shù)冠面積相對(duì)誤差的平均值分別為8.74%和-8.24%。單木尺度上，針葉林樣地的生產(chǎn)者精度在62.2%～77.3%浮動(dòng)，用戶精度在71.5%～83.9%浮動(dòng)；而闊葉林樣地的生產(chǎn)者精度達(dá)到76.1%～91.2%，用戶精度達(dá)到78.5%～92.5%。闊葉林樣地勾繪精度浮動(dòng)較大，但略優(yōu)于針葉林樣地的勾繪精度，是由于闊葉林樣地中樹(shù)冠分布較稀疏所致；而“位置匹配但過(guò)度生長(zhǎng)”的情況過(guò)多是針葉林樣地樹(shù)冠提取精度不高的主要原因。

局域最大值；區(qū)域生長(zhǎng)法；單木樹(shù)冠提?。患す饫走_(dá)；涼水國(guó)家自然保護(hù)區(qū)

Based on LiDAR, orthoimagery and forest inventory data in 2009, we delineated individual tree crown in coniferous and deciduous plots in Liangshui National Nature Reserve, including treetop detection using local maximum method with variable window size, and individual crown boundary delineation using marker-controlled region growing method. The accuracies were assessed on both plot and individual tree levels. For crown boundary delineation, relative error of crown area (RE_CA) of coniferous and deciduous plots were 8.74% and -8.24%, respectively. Producer’s accuracy (PA) and user’s accuracy (UA) for conifers were 62.2%-77.3% and 71.5%-83.9%, while PA and UA for deciduous plots were 76.1%-91.2% and 78.5%-92.5%, respectively. The deciduous forests had more fluctuant but higher PA and UA than conifers due to the lower canopy density. The case of “match but over growing” was the main reason that the accuracy was low in coniferous forests.

樹(shù)冠是樹(shù)木獲取光能、進(jìn)行光合作用的重要場(chǎng)所，樹(shù)冠在預(yù)測(cè)樹(shù)木生物量、監(jiān)測(cè)樹(shù)木長(zhǎng)勢(shì)、判定木材材性等方面也起著重要作用。同時(shí)，對(duì)通過(guò)樹(shù)冠傳遞的各種能量質(zhì)量模型來(lái)說(shuō)，樹(shù)冠是個(gè)重要的構(gòu)建因子。因此，在林業(yè)調(diào)查中樹(shù)冠信息的獲取顯得十分重要。傳統(tǒng)的林業(yè)調(diào)查主要通過(guò)對(duì)樣地中樹(shù)木進(jìn)行實(shí)地測(cè)量來(lái)獲取樹(shù)高、胸徑、冠幅、生物量等林木的基本參數(shù)，耗費(fèi)大量的人力、物力，效率較低。20世紀(jì)60年代以來(lái)遙感技術(shù)的蓬勃發(fā)展給林業(yè)調(diào)查帶來(lái)了新思路，利用計(jì)算機(jī)技術(shù)從遙感數(shù)據(jù)中自動(dòng)提取單木樹(shù)冠，越來(lái)越受到人們的重視，自動(dòng)的單木樹(shù)冠提取可以有效地提高林業(yè)調(diào)查的效率，減少外業(yè)取樣的工作強(qiáng)度，為現(xiàn)代森林調(diào)查提供方便[1]。

國(guó)外對(duì)單木樹(shù)冠自動(dòng)提取的研究起源于19世紀(jì)80年代，隨著衛(wèi)星影像的發(fā)展，衛(wèi)星圖像的高空間分辨率逐漸能夠滿足單木樹(shù)冠提取的需要，并能獲得與航空像片相比更豐富的光譜信息和更大的觀測(cè)范圍，成為了另一種樹(shù)冠提取的被動(dòng)遙感數(shù)據(jù)源[2-3]。近年來(lái)，激光雷達(dá)數(shù)據(jù)在單木樹(shù)冠提取的研究中占據(jù)了舉足輕重的地位[4-7]。國(guó)內(nèi)樹(shù)冠提取研究起步稍晚，主要是利用航空像片、高分辨率影像、雷達(dá)及數(shù)碼相機(jī)影像等介質(zhì)，采用專家分類、面向?qū)ο蠖喑叨确指罴夹g(shù)、BP神經(jīng)網(wǎng)絡(luò)、三維掃描等方法提取單木樹(shù)冠[8-11]。由于森林自身的復(fù)雜性，單木樹(shù)冠的提取仍處于研究階段，普遍存在3方面問(wèn)題：(1)自動(dòng)化程度低，提取效率低；(2)對(duì)郁閉度高的林分，單木樹(shù)冠提取的精度較低；(3)很多提取算法只適用于特定的樹(shù)種不具有普遍的適用性。怎樣更加充分利用豐富的激光雷達(dá)數(shù)據(jù)，改善單木樹(shù)冠提取的精度，提高自動(dòng)化的程度，是現(xiàn)階段單木樹(shù)冠提取研究中需要解決的問(wèn)題。

本研究基于機(jī)載激光雷達(dá)數(shù)據(jù)，利用動(dòng)態(tài)窗口的局域最大值法進(jìn)行單木位置探測(cè)，并利用標(biāo)記控制區(qū)域生長(zhǎng)法對(duì)涼水自然保護(hù)區(qū)郁閉度較高的針葉林和闊葉林樣地分別進(jìn)行了單木樹(shù)冠提取，并探討單木樹(shù)冠提取的精度檢驗(yàn)方法，確定了在樣地和單木水平的兩層檢驗(yàn)指標(biāo)。本研究為針葉林及闊葉林中的單木樹(shù)冠提取自動(dòng)化以及精度檢驗(yàn)提供新思路，并為精準(zhǔn)林業(yè)的發(fā)展提供理論依據(jù)和技術(shù)支持。

1 研究區(qū)域概況

涼水自然保護(hù)區(qū)位于黑龍江省伊春市帶嶺區(qū)，地理坐標(biāo)為128°48′30″～128°55′50″E，47°07′39″～47°14′22″N，面積12 133 h2，南北長(zhǎng)11.0 km，東西寬6.3 km。地處小興安嶺南坡達(dá)里帶嶺支脈的東坡，海拔高度在280～707 m，最高山峰是位于北部的嶺來(lái)東山，海拔為707.3 m，為典型的低山丘陵地貌，主山脈為南北走向，次山脈多為東西走向；地形總趨勢(shì)是北、東、西三面較高、中央和西南部較低，屬于低山丘陵地帶[12]。保護(hù)區(qū)內(nèi)自然資源豐富、植被群落類型復(fù)雜多樣，是中國(guó)和亞洲東北部很具代表性的溫帶原始紅松針闊葉混交林區(qū)，伴生著多種溫性闊葉樹(shù)種，如糠椴(Tiliamandschurica)、楓樺(Betulacostata)、蒙古柞(Quercusmongolica)、大青楊(Populusussuriensis)、裂葉榆(Ulmuslaciniata)、五角槭(Acermono)等多達(dá)20余種[1]。另外還伴生一些歐亞針葉林中的寒溫性樹(shù)種，如紅皮云杉(Piceakoraiensis)、魚(yú)鱗云杉(Piceajezoensisvar.microsperma)、臭冷杉(Abiesnephrolepis)等；同時(shí)林內(nèi)有發(fā)育良好的山葡萄(Vitisamurensis)、五味子(Schisandrachinensis)、狗棗獼猴桃(Actinidiakolomikta)等藤本植物[12]。復(fù)雜的生態(tài)環(huán)境條件為野生動(dòng)植物的生存和繁衍創(chuàng)造了十分有利的條件，經(jīng)過(guò)多年的建設(shè)和管理，保護(hù)區(qū)已成為保護(hù)和研究中國(guó)紅松針闊葉混交林生態(tài)系統(tǒng)及其生物多樣性的天然基地。

2 研究數(shù)據(jù)

研究數(shù)據(jù)包括：(1)用于樹(shù)冠提取的激光雷達(dá)數(shù)據(jù)(2009年)；(2)用于參考樹(shù)冠勾繪的正射影像數(shù)據(jù)(2009年)和二類調(diào)查數(shù)據(jù)(2010年)；(3)用于樹(shù)高—冠幅關(guān)系建模的樣地復(fù)測(cè)數(shù)據(jù)(2014年)。

激光雷達(dá)數(shù)據(jù)獲取時(shí)間為2009年9月4日和13日，設(shè)計(jì)飛行航線26條,總覆蓋面積約為200 km2,飛行航高1 000 m，飛行地速180 km/h。該機(jī)載激光雷達(dá)數(shù)據(jù)是使用激光雷達(dá)系統(tǒng)為L(zhǎng)iteMap-per5600，由激光掃描儀RieglLMS-Q560獲取的離散回波數(shù)據(jù)，激光器工作波長(zhǎng)為1 550 nm，激光束發(fā)散角為0.5×10-3rad，波形數(shù)據(jù)記錄間隔為1 ns。獲得的平均點(diǎn)云密度約為2點(diǎn)/m2，部分地區(qū)達(dá)5點(diǎn)/m2。經(jīng)驗(yàn)證，本次獲取的LiDAR數(shù)據(jù)高程誤差低于0.3 m，平面誤差低于0.5 m。激光雷達(dá)數(shù)據(jù)包含了每個(gè)激光點(diǎn)的三維坐標(biāo)，以及回波次數(shù)信息、強(qiáng)度、掃描角度、分類信息、航帶、姿態(tài)信息等，保存在LAS格式文件中[1]。根據(jù)該地區(qū)2009年制作的0.2 m空間分辨率的正射影像圖以及二類調(diào)查形成的林相圖，分別選取了5塊針葉林和5塊闊葉林作為實(shí)驗(yàn)區(qū)，每塊樣地大小為400 m×400 m。如圖1所示。

圖1 研究區(qū)域內(nèi)針葉林和闊葉林樣地分布圖

本研究利用2014年8月涼水國(guó)家自然保護(hù)區(qū)的1 033棵樣木復(fù)測(cè)數(shù)據(jù)，建立冠幅—樹(shù)高的非線性回歸方程來(lái)確定動(dòng)態(tài)窗口大小，應(yīng)用動(dòng)態(tài)窗口最大值法探測(cè)單木位置。復(fù)測(cè)數(shù)據(jù)中冠幅和樹(shù)高的基本統(tǒng)計(jì)量如表1所示[1]。

表1 樹(shù)高和冠幅的基本統(tǒng)計(jì)量

3 研究方法

3.1 數(shù)據(jù)預(yù)處理

本研究在LP360平臺(tái)上對(duì)激光雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行分離提取，并利用反距離權(quán)重插值法(IDW)對(duì)第一次和最后一次回波得到的點(diǎn)云進(jìn)行插值(精度為0.5 m)，獲得了數(shù)字表面模型(DSM)和數(shù)字地形模型(DTM)，兩者做差得到單木樹(shù)冠提取中常用的樹(shù)冠高度模型[13](CHM)。Chen et al[14]在2006年提出了樹(shù)冠最大模型(CMM)，即用一定的窗口掃描CHM得到每個(gè)窗口內(nèi)的高度最大值，能夠更好地避免樹(shù)冠內(nèi)部樹(shù)枝造成的單木識(shí)別誤差。由于復(fù)測(cè)樣地中平均冠幅為3.67 m(表1)，本研究用5×5(像元)的移動(dòng)窗口對(duì)CHM進(jìn)行過(guò)濾得到CMM[15]，再用5×5(像元)的高斯矩陣(式1)對(duì)CMM進(jìn)行高斯平滑，得到平滑后的樹(shù)冠最大值模型(SCMM)作為單木樹(shù)冠提取的基礎(chǔ)數(shù)據(jù)[16]。SCMM有益于剔除圖像的噪聲，進(jìn)一步解決CMM粗糙引起的樹(shù)梢點(diǎn)誤判問(wèn)題[5]。

(1)

3.2 單木位置探測(cè)

本研究采用動(dòng)態(tài)窗口的局部最大值法來(lái)探測(cè)單木樹(shù)冠的位置，最大局域值的動(dòng)態(tài)窗口有多種確定方法。經(jīng)研究發(fā)現(xiàn),利用樹(shù)冠最大模型(CMM)及樹(shù)高—冠幅回歸方程的95%預(yù)測(cè)下限(95%，LPL)作為動(dòng)態(tài)窗口，有利于對(duì)小樹(shù)的探測(cè)[1，5，14]。因此，本研究應(yīng)用該地區(qū)樹(shù)高—冠幅非線性方程的95%預(yù)測(cè)下限作為最大局域值的動(dòng)態(tài)窗口，對(duì)單木樹(shù)冠位置進(jìn)行提取。樹(shù)高—冠幅關(guān)系的非線性方程如公式(2)所示，其95%預(yù)測(cè)下限如式(3)所示。

Y=1.976 7e0.044 1X。

(2)

式中：Y表示樹(shù)冠直徑；X表示樹(shù)冠高度。

(3)

3.3 樹(shù)冠邊界的勾繪

3.3.1 區(qū)域生長(zhǎng)法原理

區(qū)域生長(zhǎng)法是一種常用的圖像分割方法之一，其基本原理是將具有相似或相同性質(zhì)的像素集合起來(lái)構(gòu)成要分割的區(qū)域[17-18]。這種方法以選定的種子點(diǎn)作為生長(zhǎng)目標(biāo)的起始點(diǎn)，依照事先制定的生長(zhǎng)順序和生長(zhǎng)規(guī)則對(duì)生長(zhǎng)點(diǎn)周圍的像素進(jìn)行一致性檢測(cè)，即判斷其鄰域的灰度均值或高度值是否滿足事先制定的生長(zhǎng)規(guī)則[19]。如果其鄰域像素滿足一致性判別準(zhǔn)則，就把這些像素并入生長(zhǎng)區(qū)中，如果不滿足則丟棄，從而完成圖像分割的目的[20-21]。本研究應(yīng)用的標(biāo)記控制區(qū)域生長(zhǎng)法，用探測(cè)的單木位置嚴(yán)格控制了區(qū)域生長(zhǎng)法的起始點(diǎn)，并根據(jù)實(shí)際樹(shù)木生長(zhǎng)特征建立生長(zhǎng)條件，完成單木邊界的勾繪。

3.3.2 生長(zhǎng)條件的制定

依照樹(shù)冠的結(jié)構(gòu)特征，本研究為區(qū)域生長(zhǎng)法制定了6個(gè)生長(zhǎng)條件，其中條件1～2用來(lái)控制生長(zhǎng)區(qū)域的形狀；條件3～6描述鄰域像素的生長(zhǎng)規(guī)則。這6個(gè)條件按照一定的循環(huán)完成樹(shù)冠的生長(zhǎng)，具體內(nèi)容如下。

條件1：角形比是生長(zhǎng)的樹(shù)冠面積與生長(zhǎng)區(qū)域相切的最小的矩形面積的比值，是衡量生長(zhǎng)區(qū)域形狀的測(cè)量尺度，具體計(jì)算如式(4)所示。

R=A0/Ar。

(4)

其中，A0為樹(shù)冠的生長(zhǎng)面積；Ar為與生長(zhǎng)區(qū)域相切的最小矩形面積。對(duì)于一個(gè)半徑為1的正圓來(lái)說(shuō)，A0為π，Ar為4，角形比R=π/4≈0.785。在本研究中，任意一個(gè)生長(zhǎng)區(qū)域必須滿足角形比在0.5到1之間，以保證生長(zhǎng)區(qū)域接近圓形樹(shù)冠的形狀。

條件2：與生長(zhǎng)區(qū)域相切最小矩形的長(zhǎng)寬比?？刂茦?shù)冠生長(zhǎng)區(qū)域的形狀，只設(shè)置角形比這一個(gè)控制標(biāo)準(zhǔn)是不夠的，為了更好的控制樹(shù)冠生長(zhǎng)的形狀，避免使樹(shù)冠生長(zhǎng)的形狀過(guò)長(zhǎng)，本研究設(shè)置了另一個(gè)控制樹(shù)冠生長(zhǎng)形狀的標(biāo)準(zhǔn)，即與樹(shù)冠生長(zhǎng)區(qū)域相切最小矩形的長(zhǎng)寬比，如式(5)所示。

Rlw=Rl/Rw。

(5)

其中，Rl為與樹(shù)冠生長(zhǎng)區(qū)域相切最小矩形的長(zhǎng)度；Rw為與樹(shù)冠生長(zhǎng)區(qū)域相切最小矩形的寬度。為避免樹(shù)冠形狀生長(zhǎng)過(guò)長(zhǎng)，設(shè)定樹(shù)冠生長(zhǎng)過(guò)程中長(zhǎng)寬比Rlw<2。

條件3：鄰域像素是控制每次區(qū)域生長(zhǎng)的像素，即定義每次生長(zhǎng)范圍。由于二階陣鄰域的每個(gè)種子點(diǎn)共有12個(gè)鄰域像素，比較接近于圓形，因此用來(lái)代表潛在樹(shù)冠形狀。在每次生長(zhǎng)循環(huán)中，對(duì)每個(gè)種子點(diǎn)的鄰域像素進(jìn)行條件判斷，只有符合生長(zhǎng)條件的鄰域像素允許被合并到此種子點(diǎn)的所屬區(qū)域中，即區(qū)域得到生長(zhǎng)。在這12個(gè)鄰域像素中，與種子點(diǎn)距離越近、高度差越小的像素生長(zhǎng)潛力越大，即越優(yōu)先得到生長(zhǎng)。

條件4：高度變異閾值。地統(tǒng)計(jì)學(xué)中，通常用變異函數(shù)來(lái)描述區(qū)域化變量的空間結(jié)構(gòu)性變化或隨機(jī)性變化，它是地統(tǒng)計(jì)學(xué)中的核心和基本工作。由于圖像變異函數(shù)的特征參數(shù)與森林樹(shù)冠結(jié)構(gòu)有緊密的聯(lián)系[3]，因此本研究用CMM的變異函數(shù)來(lái)確定高度變異閾值。理論變異函數(shù)如式(6)所示，變異函數(shù)曲線如圖3所示[22]，

(6)

式中，Z(x)和Z(x+h)分別是區(qū)域化變量x點(diǎn)和x+h處的值,h為基本步長(zhǎng)，E{[Z(x)-Z(x+h)]2}為方差，γ(x,h)為變異函數(shù)。

圖2 理論的變異函數(shù)曲線圖

圖2中，C0稱為塊金值；S稱為基臺(tái)值；a稱為變程，當(dāng)ha時(shí)，自相關(guān)消失。因此，C0可以表示隨機(jī)因素引起的空間異質(zhì)性，較大的塊金值就預(yù)示著小尺度的某種過(guò)程不可忽視；S表示變量的變異程度；a表示變量產(chǎn)生空間自相關(guān)現(xiàn)象的最大距離。

一般來(lái)說(shuō)，一個(gè)樹(shù)冠內(nèi)部的像元高度值差異要小于不同樹(shù)冠內(nèi)部的高度差異。本研究用樹(shù)冠內(nèi)部像元高度值的標(biāo)準(zhǔn)差來(lái)衡量，即計(jì)算出樹(shù)冠最大值模型的變異函數(shù)，用來(lái)確定高度變異閾值。對(duì)于每個(gè)生長(zhǎng)中的樹(shù)冠，如果此時(shí)樹(shù)冠內(nèi)部的像元高度的標(biāo)準(zhǔn)差小于變異函數(shù)中像元距離對(duì)應(yīng)的標(biāo)準(zhǔn)差，則允許此樹(shù)冠繼續(xù)生長(zhǎng)，否則，此樹(shù)冠停止生長(zhǎng)。本研究分別嘗試用球狀模型、指數(shù)模型、高斯模型和線性模型對(duì)每塊樣地的樹(shù)冠最大值模型數(shù)據(jù)進(jìn)行變異函數(shù)曲線擬合，發(fā)現(xiàn)指數(shù)模型為最合理的模型形式，如式(7)所示：

(7)

其中，h為兩像素之間距離，C0為塊金常數(shù)，C為拱高，a為變程。其空間相關(guān)性隨距離的增長(zhǎng)以指數(shù)形式衰減。

條件5：樹(shù)冠面積閾值。為了控制生長(zhǎng)區(qū)域面積過(guò)大，設(shè)計(jì)了樹(shù)冠面積閾值。應(yīng)用式(2)，樹(shù)冠最大值模型上每一個(gè)種子點(diǎn)都有一個(gè)預(yù)測(cè)冠幅，將其計(jì)算的圓面積作為樹(shù)冠面積閾值。在每次生長(zhǎng)循環(huán)中，當(dāng)每個(gè)鄰域像素被添加到生長(zhǎng)區(qū)域時(shí)都需要進(jìn)行樹(shù)冠面積閾值的檢測(cè)，如果區(qū)域面積超過(guò)對(duì)應(yīng)的面積閾值，則停止生長(zhǎng)，以避免樹(shù)冠過(guò)大成長(zhǎng)。

條件6：高度差閾值。理論上，樹(shù)冠內(nèi)部任意一點(diǎn)與種子點(diǎn)之間的高度差都小于樹(shù)冠最邊緣點(diǎn)與種子點(diǎn)之間的高度差，本研究將這個(gè)高度差設(shè)定為單木生長(zhǎng)的高度差閾值。計(jì)算高度差閾值這一生長(zhǎng)條件，最關(guān)鍵的就是找到樹(shù)冠最邊緣點(diǎn)。對(duì)于每棵單木，激光點(diǎn)云數(shù)據(jù)均可形成一個(gè)偽波形(pseudo-waveform)，表示在不同的高度所接受到的激光雷達(dá)點(diǎn)的數(shù)量，如圖3所示。根據(jù)樹(shù)冠的結(jié)構(gòu)特征，偽波形函數(shù)中接受激光雷達(dá)點(diǎn)最多的那一點(diǎn)即為樹(shù)冠橫截面積最大點(diǎn)(圖3中虛線位置)，也就是樹(shù)冠最邊緣點(diǎn)[23]。

圖3 偽波形函數(shù)(以針葉樹(shù)為例)

在本研究中，分別在針葉林和闊葉林研究區(qū)域選取了200棵與其它樹(shù)木相對(duì)分離的樹(shù)，在ArcGIS平臺(tái)上提取每棵樹(shù)的激光雷達(dá)點(diǎn)云[24]。依據(jù)偽波形函數(shù)提取每棵樹(shù)的樹(shù)高和最邊緣點(diǎn)對(duì)應(yīng)的高度值，分別擬合針對(duì)針葉林和闊葉林的樹(shù)高—樹(shù)冠最邊緣點(diǎn)高度的線性模型，通過(guò)線性模型來(lái)估計(jì)樣地中每棵樹(shù)的樹(shù)冠最邊緣點(diǎn)對(duì)應(yīng)高度，從而求出高度差閾值。

3.4 精度檢驗(yàn)

3.4.1 單木位置精度檢驗(yàn)

本研究單木位置精度檢驗(yàn)分別在樣地和單木兩個(gè)尺度上進(jìn)行，所用的驗(yàn)證數(shù)據(jù)是解譯人員結(jié)合樹(shù)冠高度模型數(shù)據(jù)和高空間分辨率航空影像通過(guò)目視解譯提取的。樣地尺度的精度評(píng)價(jià)僅從樣地整體角度，而不考慮提取單木和檢驗(yàn)單木的對(duì)應(yīng)關(guān)系，檢驗(yàn)過(guò)程方便快捷，經(jīng)常被應(yīng)用在單木樹(shù)冠提取的研究中[25-27]。對(duì)于單木位置檢驗(yàn)，樣地尺度的評(píng)價(jià)指標(biāo)為單木探測(cè)百分比(Detection Percentage，DP)，表示任何一個(gè)樣地內(nèi)探測(cè)到的單木數(shù)量占真實(shí)單木總數(shù)量的比例，如式(8)所示[1]：

DP=(Nd/Nr)×100%。

(8)

式中：Nr為檢驗(yàn)數(shù)據(jù)的單木總數(shù)量；Nd為探測(cè)到的樹(shù)木總數(shù)量。

單木尺度的位置檢驗(yàn)指標(biāo)包括“1∶1對(duì)應(yīng)關(guān)系的單木數(shù)量”(N1∶1)、用戶精度(User’s accuracy，UA)和生產(chǎn)者精度(Producer’s accuracy,PA)。PA和UA的公式如9和10所示[1]：

PA=(N1∶1/Nr)×100%，

(9)

UA=(N1∶1/Nd)×100%。

(10)

式中:N1∶1為“1∶1對(duì)應(yīng)關(guān)系的單木數(shù)量”，Nr為參考單木總數(shù)量，Nd為探測(cè)到的單木總數(shù)量。本研究中，如果探測(cè)到的單木位置位于參考單木位置的1 m緩沖區(qū)內(nèi)，且僅探測(cè)到一個(gè)種子點(diǎn)，則被稱為“1∶1對(duì)應(yīng)關(guān)系”的單木。

3.4.2 樹(shù)冠邊界勾繪精度檢驗(yàn)

對(duì)于樹(shù)冠邊界勾繪的精度也從樣地和單木兩個(gè)尺度進(jìn)行檢驗(yàn)。本研究選取樹(shù)冠面積相對(duì)誤差(Relative error of crown area，RECA)作為樣地尺度評(píng)價(jià)指標(biāo)，比較提取的樹(shù)冠總面積和參考樹(shù)冠總面積，公式為：

(11)

其中，Ar參考樹(shù)冠總面積；Ad提取樹(shù)冠總面積。當(dāng)參考樹(shù)冠總面積和提取樹(shù)冠總面積相等時(shí)，樹(shù)冠面積相對(duì)誤差為0，為理想狀態(tài)；若樹(shù)冠面積相對(duì)誤差為正，則表示算法提取的樹(shù)冠總面積大于樹(shù)冠參考總面積；若樹(shù)冠面積相對(duì)誤差為負(fù)，則表示算法提取的樹(shù)冠總面積小于樹(shù)冠參考總面積。

單木尺度上，樹(shù)冠邊界勾繪的評(píng)價(jià)指標(biāo)仍然選用PA和UA，定義公式如(9)和(10)所示，但不同的是，N1∶1表示“1∶1匹配”的樹(shù)冠總數(shù)。與“1∶1對(duì)應(yīng)關(guān)系”不同的是“1∶1匹配”還考慮了樹(shù)冠面積，圖4列出了樹(shù)冠邊界勾繪過(guò)程中可能出現(xiàn)的9種情況。

1)1∶1匹配：探測(cè)的單木樹(shù)冠面積與參考單木面積重疊部分占探測(cè)樹(shù)冠面積和參考樹(shù)冠的面積比例均超過(guò)50%(如圖4a)。

2)匹配但未完全生長(zhǎng)：探測(cè)的單木樹(shù)冠與參考單木樹(shù)冠的重疊面積超過(guò)探測(cè)樹(shù)冠面積的50%，但小于參考樹(shù)冠面積的50%(如圖4b)。

3)匹配但過(guò)度生長(zhǎng)：探測(cè)的單木樹(shù)冠與參考單木樹(shù)冠的重疊面積超過(guò)參考樹(shù)冠面積的50%，但小于探測(cè)面積的50%(如圖4c所示)。

4)錯(cuò)位匹配：探測(cè)的單木樹(shù)冠與參考單木樹(shù)冠有重疊的部分，但重疊面積占參考單木面積和探測(cè)單木面積的比例均不超過(guò)50%(如圖4d)。

5)1對(duì)多匹配：1個(gè)參考的單木樹(shù)冠在探測(cè)的過(guò)程中被探測(cè)為若干個(gè)，且其中至少有兩個(gè)與參考單木樹(shù)冠重疊的面積占與其對(duì)應(yīng)探測(cè)樹(shù)冠面積的50%以上(如圖4e)。

6)多對(duì)1匹配：多個(gè)參考樹(shù)冠被探測(cè)成一個(gè)，且其中至少有兩個(gè)參考樹(shù)冠與探測(cè)面積重疊的部分占其對(duì)應(yīng)參考面積的50%以上(如圖4f)。

7)多重相交：即在探測(cè)過(guò)程中1個(gè)參考樹(shù)冠被探測(cè)成若干個(gè)，其中至少有1個(gè)探測(cè)樹(shù)冠與參考樹(shù)冠的重疊面積占對(duì)應(yīng)的探測(cè)樹(shù)冠面積的0～50%(如圖4g)。

8)誤判誤差：不存在與探測(cè)樹(shù)冠對(duì)應(yīng)的參考樹(shù)冠(如圖4h)。

9)漏側(cè)誤差：參考樹(shù)冠未被探測(cè)(如圖4i)。

圖4 單木樹(shù)冠提取過(guò)程中可能出現(xiàn)的9種情況

4 結(jié)果與分析

4.1 單木位置探測(cè)結(jié)果

以樹(shù)冠最大模型為基礎(chǔ)數(shù)據(jù)，用“樹(shù)高—冠幅”的非線性回歸方程95%的預(yù)測(cè)下限(式3)，確定動(dòng)態(tài)窗口的局部最大值法探測(cè)單木位置，10塊樣地的精度評(píng)價(jià)結(jié)果如表2所示。樣地尺度上，針葉林和闊葉林的探測(cè)百分比均能達(dá)到84%以上，最高達(dá)到98.6%，探測(cè)精度較高，但仍存在普遍的漏側(cè)現(xiàn)象。闊葉林樣地的探測(cè)百分比普遍高于針葉林，這是由于本研究中的針葉林樣地郁閉度明顯高于闊葉林樣地，導(dǎo)致探測(cè)精度的降低。

在單木尺度上，由于同一樣地內(nèi)的探測(cè)單木樹(shù)木總數(shù)量小于參考單木總數(shù)量，生產(chǎn)者精度總是低于用戶精度，因此，漏測(cè)誤差總是大于探測(cè)誤差。說(shuō)明此探測(cè)方法探測(cè)的準(zhǔn)確性較高，但是仍然存在部分小樹(shù)漏測(cè)現(xiàn)象。針葉林樣地的生產(chǎn)者精度和用戶精度分別在80%～86%和87%～98%之間浮動(dòng)，闊葉林樣地的生產(chǎn)者精度和用戶精度分別在82%～94%和84%～97%之間浮動(dòng)；與針葉林相比，闊葉林樣地單木位置探測(cè)精度略高，但浮動(dòng)較大。整體來(lái)看，用動(dòng)態(tài)窗口的局域最大值法探測(cè)單木位置精度較高，可以在此基礎(chǔ)上進(jìn)行樹(shù)冠邊界勾繪。

4.2 高度差閾值的估計(jì)

本研究將樹(shù)冠最邊緣點(diǎn)與頂點(diǎn)之間的高度差設(shè)定為每棵樹(shù)生長(zhǎng)的高度差閾值，進(jìn)而控制生長(zhǎng)區(qū)域內(nèi)樹(shù)冠邊緣的生長(zhǎng)程度。通過(guò)對(duì)200棵針葉樹(shù)和200棵闊葉樹(shù)的偽波形進(jìn)行分析，分別擬合針葉樹(shù)和闊葉樹(shù)樹(shù)高(x)與樹(shù)冠邊緣點(diǎn)高度(y)的線性方程，如式(12)和式(13),

y=0.948 6x-2.727 4，

(12)

y=0.961 5x-2.613 6。

(13)

其中，闊葉樹(shù)的擬合效果(R2=0.75)略優(yōu)于針葉樹(shù)擬合效果(R2=0.66)，這是由于闊葉林中的樹(shù)木相對(duì)稀疏，每棵樹(shù)對(duì)應(yīng)激光點(diǎn)云的分離效果較好，樹(shù)高與樹(shù)冠最邊緣點(diǎn)對(duì)應(yīng)高度較明顯。從坡度參數(shù)上看，闊葉林坡度參數(shù)略大(0.96)，說(shuō)明兩種樹(shù)樹(shù)高同時(shí)增長(zhǎng)1 m時(shí)，闊葉樹(shù)的樹(shù)冠邊緣點(diǎn)高度的增長(zhǎng)略大于針葉林樹(shù)冠邊緣點(diǎn)高度。

表2 單木位置探測(cè)精度評(píng)價(jià)

4.3 樹(shù)冠邊界勾繪結(jié)果

以單木樹(shù)冠位置的探測(cè)結(jié)果作為種子點(diǎn)，按照事先規(guī)定的6個(gè)生長(zhǎng)條件(角形比、長(zhǎng)寬比、鄰域像素、變異閾值、樹(shù)冠面積閾值、高度差閾值)，運(yùn)用區(qū)域生長(zhǎng)法對(duì)10塊樣地的單木樹(shù)冠邊界進(jìn)行勾繪。分別以第一塊針葉林樣地和第一塊闊葉林樣地為例，圖5顯示了在兩塊樣地中勾繪的針葉林和闊葉林的樹(shù)冠邊界和參考樹(shù)冠的目視檢驗(yàn)結(jié)果。

a.針葉林 b.闊葉林

圖5 樹(shù)冠邊界勾繪結(jié)果與參考單木樹(shù)冠目視檢驗(yàn)

由表3和4可以看出，針葉林的樹(shù)冠面積相對(duì)誤差均為正值，幅度在4.7%～14.8%，平均值為8.74%；闊葉林的樹(shù)冠面積相對(duì)誤差均為負(fù)值，幅度在4.0%～16.8%，平均值為-8.24%。表明用該區(qū)域生長(zhǎng)法探測(cè)到的針葉林面積比參考樹(shù)冠面積大，有整體上過(guò)度生長(zhǎng)的趨勢(shì)，而探測(cè)到的闊葉林面積比參考樹(shù)冠面積小，有整體上生長(zhǎng)不足的趨勢(shì)，但兩種林分的樹(shù)冠面積相對(duì)誤差絕對(duì)值都在17%以內(nèi)，且在樣地尺度上精確程度相當(dāng)。每塊樣地內(nèi)探測(cè)到的樹(shù)冠總個(gè)數(shù)普遍小于參考樹(shù)冠總個(gè)數(shù)，說(shuō)明仍然有一部分樹(shù)冠未能被直接探測(cè)，而被勾繪的樹(shù)冠數(shù)量與被探測(cè)的單木位置數(shù)量相同，這是因?yàn)樘綔y(cè)到的單木位置作為區(qū)域生長(zhǎng)法的種子點(diǎn)，直接決定了所勾繪的樹(shù)冠數(shù)量。

表3 針葉林樹(shù)冠邊界勾繪的單木尺度精度評(píng)價(jià)

由于探測(cè)到的樹(shù)冠數(shù)量少于參考樹(shù)冠數(shù)量，用戶精度表示1∶1對(duì)應(yīng)關(guān)系的樹(shù)冠數(shù)量與探測(cè)到樹(shù)冠數(shù)量的比例，生產(chǎn)者精度表示1∶1對(duì)應(yīng)關(guān)系的單木數(shù)量與參考樹(shù)冠數(shù)量的比例，因此，對(duì)于此研究中的同一樣地，用戶精度總是高于生產(chǎn)者精度。由表3可以看出，針葉林樣地的生產(chǎn)者精度在62.2%～77.3%間浮動(dòng)，用戶精度在71.5%～83.9%間浮動(dòng)，同時(shí)也說(shuō)明樹(shù)冠的漏測(cè)誤差要高于誤判誤差。由表4可以看出，闊葉林地樣的生產(chǎn)者精度達(dá)到76.1%～91.2%，用戶精度到達(dá)78.5%～92.5%，說(shuō)明漏測(cè)誤差和誤判誤差幾乎相同，而且小于針葉林樣地，這是由于闊葉林樣地樹(shù)木分布相對(duì)稀疏造成的。

從單木尺度的9種樹(shù)冠探測(cè)情況來(lái)看，針葉林中“位置匹配但未完全生長(zhǎng)”的情況在2～8個(gè)之間，闊葉林中“位置匹配但未完全生長(zhǎng)”的情況為0～6個(gè)；針葉林中“錯(cuò)位匹配”的情況為0～1個(gè)，闊葉林中“錯(cuò)位匹配”的情況為0～3個(gè)；針葉林中“1對(duì)多匹配”的情況為1～14個(gè)，闊葉林中“1對(duì)多匹配”情況為1～7個(gè)；而每塊樣地內(nèi)都包含1 000到2 000棵樹(shù)，表明以上3種情況(“位置匹配但未完全生長(zhǎng)”、“錯(cuò)位匹配”和“1對(duì)多匹配”)所占的比例極小，在針葉林探測(cè)和闊葉林探測(cè)中都極少出現(xiàn)，即該區(qū)域生長(zhǎng)法能夠有效的避免勾繪樹(shù)冠邊界時(shí)面積過(guò)小、錯(cuò)位匹配和將一顆大樹(shù)勾繪成若干棵小樹(shù)引起的誤差。而針葉林中“位置匹配但過(guò)度生長(zhǎng)”的情況為150～462個(gè)，闊葉林中“位置匹配但過(guò)度生長(zhǎng)”的情況為41～263個(gè)，是9種樹(shù)冠探測(cè)案例中出現(xiàn)數(shù)量最多的案例，說(shuō)明該區(qū)域生長(zhǎng)法經(jīng)常出現(xiàn)過(guò)度生長(zhǎng)的情況，尤其是在針葉林中，這也是針葉林樣地尺度指標(biāo)樹(shù)冠面積相對(duì)誤差均為正值的主要原因；“多對(duì)1匹配”、“多重相交”、“誤判誤差”和“漏側(cè)誤差”這4種樹(shù)冠探測(cè)情況，雖然沒(méi)有過(guò)度生長(zhǎng)的情況發(fā)生的比例高，但也是在樹(shù)冠邊界勾繪過(guò)程中經(jīng)常發(fā)生的，這表明用該方法進(jìn)行單木樹(shù)冠勾繪的過(guò)程中常出現(xiàn)將若干小樹(shù)識(shí)別成一棵大樹(shù)、探測(cè)位置不準(zhǔn)確、將沒(méi)有樹(shù)的地方識(shí)別成樹(shù)和小樹(shù)漏測(cè)的情況。

表4 闊葉林樹(shù)冠邊界勾繪的單木尺度精度評(píng)價(jià)

5 結(jié)論與討論

本研究基于激光雷達(dá)點(diǎn)云數(shù)據(jù)，以涼水國(guó)家自然保護(hù)區(qū)為研究區(qū)域，用動(dòng)態(tài)窗口局域最大值法對(duì)該地區(qū)針葉林和闊葉林樣地進(jìn)行了單木位置探測(cè)，根據(jù)研究樣地的樹(shù)木特征，設(shè)計(jì)了6個(gè)生長(zhǎng)條件，利用標(biāo)記區(qū)域生長(zhǎng)法進(jìn)行了單木樹(shù)冠邊界的勾繪，并在樣地和單木尺度上對(duì)單木位置探測(cè)和樹(shù)冠邊緣勾繪精度進(jìn)行了評(píng)價(jià)。研究表明，用局部最大值法探測(cè)單木位置時(shí)，利用樹(shù)高—冠幅非線性回歸模型的95%預(yù)測(cè)下限來(lái)確定動(dòng)態(tài)窗口的大小及樹(shù)冠最大值模型CMM作為數(shù)據(jù)模型，能夠?yàn)闃?shù)冠邊界勾繪提供較精確的單木位置信息。利用6個(gè)生長(zhǎng)條件的標(biāo)記區(qū)域生長(zhǎng)法能夠滿足對(duì)郁閉度較高的原始針葉林和闊葉林的單木樹(shù)冠提取的需要，樹(shù)冠面積相對(duì)誤差絕對(duì)值小于17%。在樹(shù)冠探測(cè)的過(guò)程中，“位置匹配但過(guò)度生長(zhǎng)”的情況是最常出現(xiàn)的錯(cuò)誤；“多對(duì)1匹配”、“多重相交”、“誤判誤差”和“漏測(cè)誤差”是較常見(jiàn)的4種錯(cuò)誤情況；“位置匹配但未完全生長(zhǎng)”、“錯(cuò)位匹配”、“1對(duì)多匹配”是較少出現(xiàn)的幾種情況。在利用標(biāo)記控制區(qū)域生長(zhǎng)法勾繪樹(shù)冠邊界時(shí)，闊葉林樣地的勾繪精度要普遍優(yōu)于針葉林樣地的勾繪精度，這是由于本研究中選取的闊葉林樣地，樹(shù)冠分布較稀疏所致。針葉林中“位置匹配但過(guò)度生長(zhǎng)”的情況過(guò)多是精度不高的主要原因。本文建立的精度評(píng)價(jià)體系，能夠有效的從樣地和單木兩個(gè)尺度評(píng)價(jià)單木位置探測(cè)和樹(shù)冠邊界勾繪的精度，為單木樹(shù)冠提取的精度評(píng)價(jià)提供借鑒。

涼水國(guó)家自然保護(hù)區(qū)屬于郁閉度較高的原始林，林相復(fù)雜，單木樹(shù)冠提取存在較大難度。目前的單木樹(shù)冠自動(dòng)提取研究仍存在亟需解決的問(wèn)題：

(1)從數(shù)據(jù)源角度，若想滿足地形及林分尺度的森林參數(shù)估測(cè)，對(duì)于樹(shù)種相對(duì)簡(jiǎn)單的落葉松來(lái)說(shuō)機(jī)載激光雷達(dá)點(diǎn)云密度要求至少2個(gè)/m2，若想達(dá)到最佳情況點(diǎn)云密度應(yīng)大于4個(gè)/m2，對(duì)于更加復(fù)雜的樹(shù)種如闊葉林、闊葉混交林、針闊葉混交林等來(lái)說(shuō)則要求數(shù)據(jù)具有更大的點(diǎn)云密度[28]。雖然國(guó)內(nèi)的機(jī)載激光雷達(dá)平均點(diǎn)云密度(<5個(gè)/m2)能夠滿足基本要求，但對(duì)于單木尺度的樹(shù)冠提取仍有極大難度，尤其在林相復(fù)雜的原始林中，加大機(jī)載激光雷達(dá)的點(diǎn)云密度(平均點(diǎn)密度>10個(gè)/m2)在單木樹(shù)冠提取研究中尤為重要。同時(shí)，加大多源遙感數(shù)據(jù)源在單木樹(shù)冠提取中的應(yīng)用，例如，通過(guò)高空間分辨率光學(xué)影像與機(jī)載激光雷達(dá)點(diǎn)云結(jié)合來(lái)提高提取精度也是未來(lái)值得研究的重要方向。

(2)動(dòng)態(tài)窗口局域最大值和標(biāo)記控制區(qū)域生長(zhǎng)法中的參數(shù)設(shè)置會(huì)對(duì)單木位置探測(cè)和樹(shù)冠邊界的勾繪有一定影響，但參數(shù)的敏感性分析還需要在今后的研究中繼續(xù)深入探討。

(3)在檢驗(yàn)的過(guò)程中，參考樹(shù)冠的確定受解譯人員經(jīng)驗(yàn)的影響，在很大程度上會(huì)影響檢驗(yàn)精度，在今后的研究中應(yīng)盡量采用實(shí)測(cè)樹(shù)冠作為檢驗(yàn)真值。但是，實(shí)測(cè)單木無(wú)論從位置還是從冠幅大小上與遙感數(shù)據(jù)的精確匹配均有很大困難，再加上冠幅的精確測(cè)量本身存在較大難度，一定程度上制約了單木樹(shù)冠提取的研究步伐。

(4)國(guó)內(nèi)外對(duì)單木位置探測(cè)精度和樹(shù)冠邊界勾繪的精度都缺乏統(tǒng)一可靠的精度評(píng)價(jià)標(biāo)準(zhǔn)。如何建立統(tǒng)一并且可靠的精度評(píng)價(jià)標(biāo)準(zhǔn)需要今后進(jìn)一步探討。

近年來(lái)，隨著遙感技術(shù)的發(fā)展，激光雷達(dá)數(shù)據(jù)能夠有效的描述植被的三維立體結(jié)構(gòu)，并在林業(yè)調(diào)查中得到了廣泛的應(yīng)用，是一種具有應(yīng)用前景廣闊的主動(dòng)遙感數(shù)據(jù)源。在未來(lái)的研究中，多數(shù)據(jù)源融合、在提取方法中考慮更多林業(yè)及生態(tài)學(xué)知識(shí)，以及規(guī)范單木提取的評(píng)價(jià)過(guò)程都將會(huì)是單木樹(shù)冠提取的重要研究方向。自動(dòng)單木樹(shù)冠提取將為未來(lái)的精準(zhǔn)林業(yè)提供最基礎(chǔ)、最重要的技術(shù)保障。

[1] 李響，甄貞，趙穎慧.基于局域最大值法單木位置探測(cè)的適宜模型研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2015,37(3):27-33.

[2] BRANDTBERG T, WALTER F. Automated delineation of individual tree crowns in high spatial resolution aerial images by multiple-scale analysis[J]. Machine Vision and Applications,1998,11(11):64-73.

[3] SONG C, WOODCOCK C E. Estimating tree crown size from multiresolution remotely sensed imagery[J]. Photogrammetric Engineering and Remote Sensing,2003,69(11):1263-1270.

[4] YU X W, HYYPPJ, KAARTINEN H, et al. Automatic detection of harvested trees and determination of forest growth using airborne laser scanning[J]. Remote Sensing of Environment,2004,90(4):451-462.

[5] ZHEN Z, QUACKENBUSH L J, ZHANG L J. Impact of tree-oriented growth order in marker-controlled region growing for individual tree crown delineation using airborne laser scanner (ALS) data[J]. Remote Sensing,2014,6(1):555-579.

[6] LECKIE D G, GOUGEON F A, WALSWORTH N, et al. Stand delineation and composition estimation using semi-automated individual tree crown analysis[J]. Remote Sensing of Environment,2003,85(3):355-369.

[7] HEINZEL J, KOCH B. Investigating multiple data sources for tree species classification in temperate forest and use for single tree delineation[J]. International Journal of Applied Earth Observation and Geoinformation,2012,18(18):101-110.

[8] 萬(wàn)紅梅，李霞，董道瑞，等.塔里木河下游林地樹(shù)冠QuickBird影像信息提取與分析[J].西北植物學(xué)報(bào),2011，31(9):1878-1885.

[9] 徐文學(xué)，楊必勝，魏征，等.多標(biāo)記點(diǎn)過(guò)程的LiDAR點(diǎn)云數(shù)據(jù)建筑物和樹(shù)冠提取[J].測(cè)繪學(xué)報(bào)，2013，42(1):51-58.

[10] 李朝陽(yáng)，閻廣建，肖志強(qiáng)，等.航空?qǐng)D像中基于DSM的多尺度樹(shù)冠分割[J].北京郵電大學(xué)學(xué)報(bào)，2006，29(6)：40-43.

[11] 覃先林，李增元，易浩若.高空間分辨率衛(wèi)星遙感影像樹(shù)冠信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2005，20(2):228-232.

[12] 馬建章，劉傳照，張鵬.涼水自然保護(hù)區(qū)研究[M].哈爾濱:東北林業(yè)大學(xué)出版社,1993.

[13] 杜靈通，YONE Y.基于數(shù)字樹(shù)冠高度模型(DCHM)的森林生物量制圖[J].測(cè)繪科學(xué),2012,37(1):96-97.

[14] CHEN Q. Isolating individual trees in a savanna woodland using small footprint Lidar data[J]. Photogrammetric Engineering & Remote Sensing,2006,72(8):923-932.

[15] BENARIE J R, HAY G J, POWERS R P, et al. Development of a pit filling algorithm for LiDAR canopy height models[J]. Computers and Geosciences,2009,35(9):1940-1949.

[16] DRALLE K, RUDEMO M. Stem number estimation by kernel smoothing of aerial photos[J]. Canadian Journal of Forest Research,1996,26(7):1228-1236.

[17] 郭永飛，韓震，張琨.長(zhǎng)江口九段沙潮溝信息區(qū)域生長(zhǎng)法提取及分維研究[J].海洋地質(zhì)與第四紀(jì)地質(zhì),2011,31(2):31-35.

[18] 初青瑜.MATLAB在圖像處理中的應(yīng)用[J].信息技術(shù)與信息化，2010(4):55-56，62.

[19] 李久權(quán)，王平，王永強(qiáng)，等.CT圖像分割幾種算法[J].微計(jì)算機(jī)信息，2006，22(4):240-242.

[20] 黃誼，任毅.基于閾值法和區(qū)域生長(zhǎng)法的圖像分割算法研究[J].電子測(cè)試，2012(10):23-25，36.

[21] 羅文村.基于閾值法與區(qū)域生長(zhǎng)法綜合集成的圖像分割法[J].現(xiàn)代計(jì)算機(jī)，2001(5):43-46.

[22] 賈福聚，秦德先，黎應(yīng)書(shū)，等.變異函數(shù)在都龍錫多金屬礦床的應(yīng)用[J].地質(zhì)與勘探,2008,44(2):77-81.

[23] POPESCU S C, ZHAO K. A voxel-based lidar method for estimating crown base height for deciduous and pine trees[J]. Remote Sensing of Environment,2008,112(3):767-781.

[24] GONZALEZ R E.數(shù)字圖像處理的MATLAB實(shí)現(xiàn)[M].阮秋琦，譯.北京：清華大學(xué)出版社,2013.

[25] WANG L, GONG P, BIGING G S. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery[J]. Photogrammetric Engineering and Remote Sensing,2004,70(3)：351-357.

[26] KE Y H, ZHANG W H, QUACKENBUSH L J. Active contour and hill climbing for tree crown detection and delineation[J]. Photogrammetric Engineering and Remote Sensing,2010，76(10)：1169-1181.

[27] GOUGEON F A, LECKIE D G. The individual tree crown approach applied to Ikonos images of a coniferous plantation area[J]. Photogrammetric Engineering and Remote Sensing,2006，72(11)：1287-1297.

[28] WANG L, BIRT G A, LAFON W C, et al. Computer-based synthetic data to assess the tree delineation algorithm from airborne LiDAR survey[J]. Geoinformatica,2013,17(1):35-61.

Individual Tree Crown Delineation Using Maker-controlled Region Growing Method//

Zhen Zhen

(Northeast Forestry University, Harbin 150040, P. R. China);

Li Xiang

(HuiPeng Geographic Information Technology Limited Company of Zhejiang);

Xiu Siyu, Zhao Yinghui

(Northeast Forestry University);

Wei Qingbin

(Environmental Monitoring Center Station of Heilongjiang Province)//Journal of Northeast Forestry University，2016,44(10)：22-29.

Local maximum； Region growing； Individual tree crown delineation； LiDAR； Liangshui Nature Reserve

甄貞，女，1984年5月生，東北林業(yè)大學(xué)林學(xué)院，講師。E-mail:zhzhen2011@gmail.com。

趙穎慧，東北林業(yè)大學(xué)林學(xué)院，副教授。E-mail:zyinghui0925@126.com。

2015年12月20日。

S75

1)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(DL13EA05-03)。

責(zé)任編輯：潘 華。