基于LiDAR點(diǎn)云數(shù)據(jù)的城市三維綠量分層測算方法研究

陳小祥，李嘉誠，徐雅莉

(深圳市城市規(guī)劃設(shè)計(jì)研究院有限公司，廣東 深圳 518028)

城市作為人類文明發(fā)展的產(chǎn)物，擔(dān)負(fù)著人類生產(chǎn)生活所必備的各項(xiàng)功能，同時，隨著我國城市化進(jìn)程的快速發(fā)展，由此帶來的生態(tài)環(huán)境問題也愈發(fā)嚴(yán)重[1]。城市綠化在提高城市環(huán)境質(zhì)量和生態(tài)保護(hù)等方面作用顯著，如緩和城市熱島效應(yīng)、減少CO2排放、降低城市噪音、涵養(yǎng)水源、保護(hù)生物多樣性等。如何測度城市綠化水平也成為當(dāng)前城市研究的熱點(diǎn)[2-3]。目前常用的二維綠化評價指標(biāo)(如綠地率、綠化覆蓋率、人均綠地面積等)，雖然可以在宏觀上反映出一個區(qū)域植被的基本狀況，但不能全面反映出不同植物種類，以及不同綠化結(jié)構(gòu)的功能和水平，因此，有必要從空間三維的綠化量(即“三維綠量”)來評價城市生態(tài)環(huán)境質(zhì)量。

目前，三維綠量測算多基于實(shí)地植株樣方形態(tài)測量[4-5]和基于遙感對象形態(tài)、光譜等信息反演[6-7]。前者流程包括平面量模擬立體量、立體量推算立體量與平面量推算平面量，其精度取決于實(shí)地抽樣調(diào)查的結(jié)果，屬于“半自動化”模式，耗時費(fèi)力，效率較低；后者通過遙感光譜波段組合，借助航天遙感建立三維綠量模型，雖然在一定程度上減少了人工采集和判讀的工作量，但仍只能提供森林水平分布的信息，無法精確實(shí)現(xiàn)林木垂直結(jié)構(gòu)信息的提取。

近年來，隨著激光掃描測距技術(shù)(Light Detection and Ranging，LiDAR)的應(yīng)用發(fā)展，其憑借在三維結(jié)構(gòu)信息提取方面的優(yōu)勢，已被廣泛應(yīng)用于大規(guī)模森林監(jiān)測、森林參數(shù)反演[8]，以及城市綠化量測算[9-11]。然而，現(xiàn)有的基于LiDAR三維綠量測算的方法大都基于單木建?；蛘邌我粯浞N生長參數(shù)的測算，無法應(yīng)用于城市范圍內(nèi)樹種繁多、林層結(jié)構(gòu)復(fù)雜等狀況，難以快速實(shí)現(xiàn)城區(qū)范圍內(nèi)三維綠量測算。鑒于此，本文基于LiDAR點(diǎn)云數(shù)據(jù)，并結(jié)合高分辨率遙感影像，顧及城區(qū)綠化植被層結(jié)構(gòu)特征，引入“分隔帶”法與特征邊緣點(diǎn)提取算法，提出一種快速高效的分層三維綠量測算方法。

1 技術(shù)路線及數(shù)據(jù)預(yù)處理

1.1 研究技術(shù)路線

本文首先根據(jù)研究目標(biāo)與研究區(qū)植被分布特征，選取實(shí)驗(yàn)樣區(qū)，以確保樣區(qū)內(nèi)包含各類別城市綠化區(qū)(風(fēng)景林地、居住區(qū)綠地、道路綠化區(qū)等)。然后，通過對LiDAR點(diǎn)云數(shù)據(jù)預(yù)處理與遙感影像數(shù)據(jù)監(jiān)督分類，分別建立歸一化數(shù)字表面模型nDSM，識別城市綠化區(qū)，進(jìn)而得到歸一化冠層高度模型nCHM。其次，利用“分隔帶”法，將植被在林層尺度下分割，并快速提取植被冠體邊緣特征點(diǎn)。最后，通過分割結(jié)果與提取的邊緣特征點(diǎn)，分層構(gòu)建不規(guī)則三角網(wǎng)TIN，計(jì)算三維綠量，并將計(jì)算結(jié)果進(jìn)行精度驗(yàn)證。具體技術(shù)流程如圖1所示。

圖1 研究技術(shù)路線

1.2 研究數(shù)據(jù)與預(yù)處理

1.2.1 數(shù)字正射影像(DOM)處理

數(shù)字正射影像(Digital Orthophoto Map，DOM)是利用數(shù)字高程模型對掃描處理的數(shù)字化的航空像片/遙感影像，經(jīng)逐個像元進(jìn)行投影差改正，再按影像鑲嵌，根據(jù)圖幅范圍剪裁生成的影像數(shù)據(jù)，本文選用的DOM影像分辨率為1 m×1 m。首先，為建立DOM數(shù)據(jù)與LiDAR點(diǎn)云數(shù)據(jù)的位置匹配關(guān)系，需要利用ArcGIS空間校正模塊進(jìn)行圖像配準(zhǔn)。

其次，本文通過監(jiān)督分類方法，提取城區(qū)綠化區(qū)。目前，常用的監(jiān)督分類方法包括：最小距離法、最大似然法、神經(jīng)網(wǎng)絡(luò)法和支持向量機(jī)法。其中，支持向量機(jī)(Support Vector Machine , SVM)方法是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的機(jī)器學(xué)習(xí)方法，通過構(gòu)造一個超平面作為決策平面，使正負(fù)模式之間的空白最大。其分類精度高，廣泛應(yīng)用于遙感影像土地覆被分類，故本文最終選用基于SVM的監(jiān)督分類方法提取城區(qū)綠化區(qū)。

1.2.2 LiDAR點(diǎn)云數(shù)據(jù)處理

本文選用LiDAR點(diǎn)云數(shù)據(jù)為LAS格式，投影方式為UTM，參考橢球?yàn)閃GS_1984。實(shí)驗(yàn)區(qū)點(diǎn)云平均密度為5.8 個/m2，其中點(diǎn)云密集區(qū)密度達(dá)8.3 個/m2。LiDAR點(diǎn)云數(shù)據(jù)處理主要包括點(diǎn)云數(shù)據(jù)預(yù)處理和后處理兩個步驟。

點(diǎn)云數(shù)據(jù)預(yù)處理主要指數(shù)據(jù)的去噪與配準(zhǔn)處理，一方面可剔除異常點(diǎn)，避免建模出現(xiàn)錯誤；另一方面又提高點(diǎn)云空間精度。后處理主要包括：地面點(diǎn)與非地面點(diǎn)點(diǎn)云分離、點(diǎn)云數(shù)據(jù)歸一化。首先，本文使用商業(yè)軟件LiDAR360并結(jié)合人工交互方式，分離地面點(diǎn)與非地面點(diǎn)點(diǎn)云；其次，使用分離后的點(diǎn)云數(shù)據(jù)分別建立數(shù)字高程模型(DEM)與數(shù)字表面模型(DSM)，如圖2、圖3所示。由兩模型差值可消除地面起伏對植被絕對高度的影響。則有，任意一點(diǎn)(記為P)歸一化的高程值為

Z歸-化=ZDSM-ZDEM.

(1)

由式(1)可創(chuàng)建歸一化數(shù)字表面模型(nDSM)，如圖4所示。

圖3 DSM

圖4 nDSM

最后，為精確提取城區(qū)綠化點(diǎn)云數(shù)據(jù)，借助SVM分類后城市綠化區(qū)，以掩膜形式提取歸一化點(diǎn)云數(shù)據(jù)，即生成歸一化冠層高度模型(nCHM)。

2 基于“分隔帶”的綠化植被層分割

城區(qū)綠化植被在垂直方向上存在明顯的分層現(xiàn)象，高大的植被與低矮的植被交錯分布，無法直接構(gòu)建綠化植被模型，一定程度上限制了三維綠量的測定。同時，不同高度的綠化植被，在客觀上又存在沒有植被或植被較少的空隙，呈不規(guī)則曲面分布，即存在空隙上的高大綠化植被冠層和空隙下的低矮綠化植被層。為提取綠化區(qū)垂直尺度的結(jié)構(gòu)信息，本文參考文獻(xiàn)[12]提及的“分隔帶”方法。根據(jù)研究區(qū)綠化植被層分布特征，確定垂直尺度分辨率，統(tǒng)計(jì)各LiDAR點(diǎn)云高度分布特征，繼而識別綠化植被層“分隔帶”，分離綠化植被層。

首先，通過對垂直分辨率進(jìn)行多次迭代，并依據(jù)分割結(jié)果，確定研究區(qū)垂直分辨率為0.25m。點(diǎn)云高度頻率計(jì)算結(jié)果如圖5所示，在0～0.4m處存在明顯峰值，點(diǎn)云數(shù)達(dá)30余萬，該高度主要來自于城市綠化草地。為進(jìn)一步識別綠化植被層次，突出其他植被層的點(diǎn)，去掉最高值影響，如圖6所示。點(diǎn)云數(shù)據(jù)在高度0.4～1.5m區(qū)間內(nèi)，數(shù)量急劇下降，其中0.75～1.5m之間點(diǎn)云數(shù)量最少，出現(xiàn)明顯的低谷區(qū)，故在該高度區(qū)間內(nèi)綠化植被出現(xiàn)分層。綜上得，研究區(qū)內(nèi)分隔帶下界值Hmin=0.75 m，上界值Hmax=1.5 m。野外實(shí)地調(diào)查也證明，該高度值可作為綠化植被層分隔帶。

圖5 LiDAR點(diǎn)云高度頻率統(tǒng)計(jì)

圖6 去最大值LiDAR點(diǎn)云高度頻率統(tǒng)計(jì)

為便于三維綠量測算，本文將綠化植被點(diǎn)云劃分至若干格網(wǎng)內(nèi)。格網(wǎng)尺寸直接影響到建模精度，一般情況下，當(dāng)格網(wǎng)尺寸較大時，多植被對象作為整體進(jìn)行建模，三維綠量偏大；反之，三維綠量偏小。經(jīng)檢驗(yàn)，當(dāng)格網(wǎng)尺寸為3 m×3 m時，效果最佳。統(tǒng)計(jì)格網(wǎng)內(nèi)點(diǎn)云數(shù)據(jù)，按如下規(guī)則確定分層：

1)位于Hmin值下方的點(diǎn)云占絕對優(yōu)勢，則該格網(wǎng)為低矮綠化植被區(qū)，定義為Llow。

2)位于Hmax值上方的點(diǎn)云占絕對優(yōu)勢，則該格網(wǎng)為高大綠化植被區(qū)，定義為Lhigh。

3)位于Hmin值下方與Hmin值上方的點(diǎn)云均不占絕對優(yōu)勢， 則該格網(wǎng)為綠化植被混合區(qū)，定義為Lmix。

3 基于邊緣特征點(diǎn)提取算法的三維綠量測算

3.1 邊緣特征點(diǎn)提取算法

本文采用分層建模方式，針對高大植被綠化區(qū)，將側(cè)重于上層冠體綠量測算。植被上層冠體主要由外部廓體與內(nèi)部實(shí)體構(gòu)成，即包含外部廓體點(diǎn)云與內(nèi)部實(shí)體點(diǎn)云。為避免建模數(shù)據(jù)量過大，影響建模效率，需在建模前提取冠體邊緣特征點(diǎn)。參考文獻(xiàn)[13]在論文中提到的特征點(diǎn)提取方法，設(shè)計(jì)冠體邊緣特征點(diǎn)提取算法，運(yùn)算流程如圖7所示。

圖7 冠體邊緣特征點(diǎn)提取算法流程

本文基于Python編程語言實(shí)現(xiàn)冠體邊緣特征點(diǎn)提取算法：

1)將格網(wǎng)定為最小分析單元，提取格網(wǎng)內(nèi)邊緣特征點(diǎn)。

2)LiDAR點(diǎn)云數(shù)據(jù)是具有三維坐標(biāo)(X，Y，Z)信息的點(diǎn)狀數(shù)據(jù)，將LAS格式轉(zhuǎn)為三維坐標(biāo)格式文件，在Python中讀取并唯一標(biāo)識記錄Z坐標(biāo)唯一值Zi(i=1，2，3，…，n)，即確定由Zi界定的唯一XY二維平面。

3)依次確定Zi平面內(nèi)X，Y坐標(biāo)的最小值與最大值，即Xmin，Xmax，Ymin，Ymax，由此確定特征點(diǎn)(Xmin，Y2，Zi)，(Xmax，Y1，Zi)，(X2，Ymin，Zi)，(X1，Ymax,Zi)。

在實(shí)際提取過程中，由于最小值或最大值可能對應(yīng)的點(diǎn)不止一個，易出現(xiàn)特征點(diǎn)多于4個，為提高冠體外廓建模精度，保留多余的特征點(diǎn)；依次計(jì)算最小值或最大值，若會出現(xiàn)同一點(diǎn)位多次提取只保留一個，如圖8所示。LiDAR點(diǎn)云數(shù)據(jù)經(jīng)邊緣特征點(diǎn)提取后，冗余點(diǎn)顯著消除，通過各平面內(nèi)Xmin，Xmax，Ymax，Ymin特征值控制其外部輪廓，基本保證綠化植被冠層的廓體結(jié)構(gòu)完整性，避免植被冠體內(nèi)部點(diǎn)云參與不規(guī)則三角網(wǎng)的構(gòu)建，極大提高運(yùn)算效率。

圖8 二維平面內(nèi)特征點(diǎn)提取

3.2 不規(guī)則三角網(wǎng)構(gòu)建與三維綠量測算

不規(guī)則三角網(wǎng)TIN是將離散點(diǎn)數(shù)據(jù)建立連續(xù)覆蓋整個研究區(qū)域且互不交叉、互不重疊的不規(guī)則三角形網(wǎng)絡(luò)，其三角面的每一個節(jié)點(diǎn)都有坐標(biāo)X，Y和高程值Z的信息。其中，Delaunay三角網(wǎng)法計(jì)算效率優(yōu)于基于等高線的方法，與規(guī)則網(wǎng)格相比又減少了數(shù)據(jù)冗余，故本文選用此方法作為綠化植被廓體構(gòu)建的基本方法。

除上述綠化植被外，草地是城市范圍內(nèi)分布最廣的綠化植被類型，在本文中，一方面考慮到城市范圍內(nèi)草地空間結(jié)構(gòu)的一致性；另一方面，草類植物較其他綠化植被高度較低，故在三維綠量計(jì)算中，草地對象被假設(shè)為具有相同的高度。參考前人研究與實(shí)地調(diào)查，本文選取0.12 m作為草類植被的高度，篩選高度低于0.12 m的綠化區(qū)點(diǎn)云作為草地對象，則有草地綠量算式為

VGrass=SGrass×HGrass.

(2)

式中：VGrass為草地三維綠量，m3;SGrass為草地對象的占地面積，m2;HGrass定義為0.12 m。

綜上，三維綠量Vgreen可定義為，

Vgreen=Vkigk+VGrass,Lhigh,

Vlow+Vgrass,Llow,

Vkigk+Vlow+VGrass,Lmix.

(3)

同時，一方面考慮到城市區(qū)域內(nèi)植被多非自然生長，林木經(jīng)人工規(guī)劃及養(yǎng)護(hù)；另一方面，本文數(shù)據(jù)采用機(jī)載激光雷達(dá)攝影獲取，高度較低，點(diǎn)云密度較大，經(jīng)檢驗(yàn)得，格網(wǎng)間點(diǎn)云空隙對不規(guī)則三角網(wǎng)構(gòu)建的影響較小。

4 結(jié)果與分析

通過計(jì)算各類別綠化植被區(qū)的三維綠量，經(jīng)圖層合并處理，得到研究區(qū)三維綠量統(tǒng)計(jì)結(jié)果為658 878.37m3。在ArcGIS平臺下，采用自然斷點(diǎn)法分類，得到研究區(qū)三維綠量分類結(jié)果，如圖9所示?；贏rcGIS平臺的3D分析模塊，實(shí)現(xiàn)研究區(qū)三維綠量的3D展示效果，如圖10所示。

圖9 三維綠量計(jì)算結(jié)果

圖10 3D視角下三維綠量結(jié)果

為驗(yàn)證本文三維綠量計(jì)算結(jié)果，通過ArcGIS軟件在實(shí)驗(yàn)區(qū)內(nèi)隨機(jī)生成15個點(diǎn)，依次確定各點(diǎn)所在格網(wǎng)。同時，為提高實(shí)地測量中綠化植被體積測量的準(zhǔn)確度，實(shí)際測量中將隨機(jī)點(diǎn)所在格網(wǎng)周圍9個格網(wǎng)(9m×9m)作為采樣區(qū)，如圖11所示。

圖11 采樣區(qū)選擇

表1 三維綠量精度驗(yàn)證

5 結(jié)束語

本文基于LiDAR點(diǎn)云數(shù)據(jù)與遙感影像等輔助數(shù)據(jù)，在城市區(qū)域內(nèi)，通過“分隔帶”法將點(diǎn)云數(shù)據(jù)在植被層尺度上進(jìn)行分割，經(jīng)邊緣特征點(diǎn)提取后，去除冗余數(shù)據(jù)點(diǎn)，并分別對其構(gòu)建不規(guī)則三角網(wǎng)TIN，有效實(shí)現(xiàn)城市內(nèi)三維綠量的計(jì)算。隨后，本文選取15個隨機(jī)點(diǎn)并創(chuàng)建樣區(qū)進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果表明，本文所提出的三維綠量測算方法，在95%和99%的置信度下精度分別為90.42%和86%，基本可以滿足城市區(qū)域內(nèi)三維綠量測量的需求。

然而，本文提出的三維綠量測算方法仍存在一定的局限性。一方面，綠化植被建模精度取決于點(diǎn)云數(shù)據(jù)的密度，高密度的點(diǎn)云數(shù)據(jù)更有助于提高三維綠量計(jì)算結(jié)果；另一方面，數(shù)據(jù)后處理較為復(fù)雜，特別是在城市范圍內(nèi)使用困難更大，其測算精度有待提高。