背包式激光雷達的落葉松單木因子提取

黃旭　賈煒瑋　王強　鄭玉潔　梁玉釗

摘?要：【目的】背包式激光雷達作為一種新型激光雷達，具有其他激光雷達所沒有的優(yōu)點，但還沒有相應(yīng)的文獻參考，因此本文使用背包式激光雷達進行落葉松單木因子提取，為背包式激光雷達的使用提供理論基礎(chǔ)?！痉椒ā恳院邶埥迥峡h孟家崗林場9塊落葉松人工林樣地為研究對象，根據(jù)樹木的形態(tài)特征，利用背包式激光雷達掃描樣地獲取點云數(shù)據(jù)，使用Lidar360軟件對樣地內(nèi)的樹木點云數(shù)據(jù)進行單木識別及胸徑、樹高的提取，同時與實測數(shù)據(jù)比較進行精度評價及相關(guān)性檢驗?！窘Y(jié)果】①利用背包式激光雷達數(shù)據(jù)進行單木分割的單木匹配率較高，平均匹配率為80.20%;②單木胸徑提取結(jié)果決定系數(shù)R2最低為0.8，最高可達0.97，均方根誤差RMSE最高為1.92 m，最低為0.6 m，胸徑提取精度最高為97.62%，最低為92.25%;③單木樹高提取的平均精度為80.27%，提取結(jié)果與實測相比差距較大?！窘Y(jié)論】背包式激光雷達掃描的點云數(shù)據(jù)可以用于樣地內(nèi)單木的識別;胸徑的提取結(jié)果可靠性最高，能夠滿足林下胸徑數(shù)據(jù)的采集;由于遮擋單木點云數(shù)據(jù)的樹冠頂部掃描不完全，導(dǎo)致樹高提取的精度相對較低。說明背包式激光雷達還不可以直接用于樹高數(shù)據(jù)的采集和提取，需結(jié)合其他種類激光雷達數(shù)據(jù)進行更高精度的分析。

關(guān)鍵詞：背包式激光雷達;點云數(shù)據(jù);落葉松人工林;胸徑;樹高

中圖分類號：S771.8?文獻標識碼：A???文章編號：1006-8023（2019）04-0014-08

Study on Individual Tree Factor Extraction of Larix Olgensis in Backpack Lidar

HUANG Xu1， JIA Weiwei1*， WANG Qiang2， ZHENG Yujie1， LIANG Yuzhao1

（1.College of Forestry， Northeast Forestry University， Harbin 150040;

2.College of Surveying and Mapping Engineering， Heilongjiang Institute of Technology， Harbin 150040）

Abstract：[Objective] As a new type of laser radar， Libackpack has the advantages that other laser radars do not have， but there is no corresponding literature reference. Therefore， this paper uses Libackpack to extract larch factor， which provides a theoretical basis for the use of Libackpack. [Method] Taking 9 plots of Larix Olgensis plantation sample land in Mengjiagang Forest Farm of Huanan County， Heilongjiang Province as the research object， according to the morphological characteristics of trees， the point cloud data was acquired by using the Libackpack scanning plot， and the forest individual tree detection in the sample land and extraction of the diameter at breast height （DBH） and tree height were carried out by Lidar 360 software， then compared with the measured data for accuracy evaluation and correlation test. [Result] （1） The matching rate of individual tree segmentation using Libackpack data was higher， with an average matching rate of 80.20%. （2）The determination coefficient R2 of individual tree DBH extraction results was 0.8 at the lowest and 0.97 at the highest， the root means squared error （RMSE） was 1.92 m at the highest and 0.6 m at the lowest， and the extraction precision of the diameter at breast height （DBH） was 97.62% at the highest and 92.25% at the lowest. （3） The average extraction precision of single tree height was 80.27%， and there was a great difference between the extraction results and the actual measurement. [Conclusion] The point cloud data scanned by Libackpack can be used for the individual tree detection in the sample land. The extraction result of DBH had the highest reliability， which can meet the requirements of collecting DBH data under forests. Due to sheltering， the incomplete scanning of the canopy top of individual tree point cloud data lead to the low extraction precision of the tree height relatively. It illustrated that Libackpack cannot be directly used for tree height data collection and extraction， and it was necessary to combine with other types of laser radar data for more precision analysis.

Keywords：Backpack Lidar; point cloud data; Larix Olgensis; DBH; tree height

0?引言

森林生態(tài)系統(tǒng)是地球上重要的生態(tài)系統(tǒng)。森林資源是地球上最重要的資源之一，也是生物多樣性的基礎(chǔ)[1]。森林垂直結(jié)構(gòu)是陸地生態(tài)系統(tǒng)中重要的參數(shù)，提高遙感森林垂直結(jié)構(gòu)的反演精度，對于提高森林生物量、葉面積指數(shù)估測精度和開展森林演替、碳循環(huán)、初級生產(chǎn)力研究具有重要意義，在森林生長、死亡和演替等森林生態(tài)系統(tǒng)的動態(tài)變化中起著重要作用[2]。為了及時獲得準確的森林資源信息，必須進行高效的森林資源管理。獲取森林資源的傳統(tǒng)方法是通過人工每木檢尺，勞動強度大、效率低，很難獲得連續(xù)和廣泛的森林結(jié)構(gòu)參數(shù)[3]。激光雷達技術(shù)作為一種高科技應(yīng)用科學(xué)，對植被空間結(jié)構(gòu)和地形具有較強的檢測能力，已成功應(yīng)用于森林參數(shù)的定量測量和反演，特別是森林高度和垂直結(jié)構(gòu)的檢測，具有傳統(tǒng)光學(xué)遙感數(shù)據(jù)無可比擬的優(yōu)勢[4-6]。激光雷達技術(shù)在林業(yè)中的應(yīng)用越來越廣泛，已成為森林調(diào)查的重要手段[7-11]。

激光雷達是一種主動遙感技術(shù)，通過發(fā)射和接收激光脈沖來精度地測定地表物體的地理位置，由于激光脈沖對森林冠層具有穿透性，因此，可以獲得從森林冠層表面到林下地形之間詳細的三維結(jié)構(gòu)信息。國內(nèi)外學(xué)者用激光雷達掃描森林，在計算機中重建樹木的不規(guī)則結(jié)構(gòu)和表面，并提取樹干的高度、樹干的直徑以及構(gòu)造樹干分支模型中的其他參數(shù)，并且與傳統(tǒng)的森林實測值進行比對后得出偏差滿足測量精度的結(jié)論[12-15]。使用激光雷達來對樹干體積、樹冠體積、表面積的提取也已趨于成熟[16-19]，Olschofsky等人[20]利用激光雷達來提取生物量，與已知的真實生物量數(shù)據(jù)相比，總體精度達到了95%或更高。

目前對機載激光雷達和地基激光雷達的使用和研究已經(jīng)十分成熟，但在外業(yè)活動采集數(shù)據(jù)過程中成本較高，數(shù)據(jù)使用比較麻煩。而背包式激光雷達作為一種新研發(fā)出現(xiàn)的可便攜的激光雷達還鮮有報道。因此，本文使用背包式激光雷達掃描黑龍江省東北部地區(qū)孟家崗林場9塊落葉松樣地，與實測樣地的每木檢尺進行相關(guān)性驗證，為背包式激光雷達的使用提供理論基礎(chǔ)。

1?研究地區(qū)和數(shù)據(jù)

1.1?研究區(qū)概況

研究區(qū)位于黑龍江省華南縣孟家崗林場。林場位于樺南縣東北部，距縣城21 km。地理坐標為東經(jīng)130°32′42″～130°52′36″，北緯46°20′16″～46°30′50″。林場地處完達山西麓余脈，以低山丘陵為主，坡度較為平緩，大部分坡度在10°～20°之間?，F(xiàn)為以柞木、黑樺、山楊和白樺為主的次生落葉闊葉混交林和人工針葉林。主要喬木樹種有紅松（Pinuskoraien-sis） 、云杉 （Picea asperata ）和樟子松（Pinussylvestrisvar. mongolica） 等，灌木和藤本植物主要有胡枝子（Lespedeza bicolor）、毛 榛 子 （Corylusmandshurica） 、五味子（Schisandra chinensis） 和刺五加（Acanthopanax senticosus） 等。草本植物主要是苔草（Carex tristachya）、鈴蘭（Convallaria majalisLinn）等。

1.2?人工實測數(shù)據(jù)采集

人工實測數(shù)據(jù)源于2012年7-9月在孟家崗林場設(shè)置的9塊人工落葉松標準地，標準地面積0.06 hm2。對每塊樣地內(nèi)樹木逐一編號，進行每木檢尺，分別測量每棵樹的胸徑、樹高和坐標信息。樣地每木調(diào)查起測胸徑為 5 cm，樹高采用激光測高儀進行量測，9塊樣地的基本情況見表1。

1.3?背包雷達式數(shù)據(jù)采集

背包式雷達數(shù)據(jù)來自于2018年7-9月對這9塊樣地進行復(fù)查，用背包式激光雷達掃描得到。為提取樣地的激光點云數(shù)據(jù)，本文采用由北京數(shù)字綠土科技有限公司研發(fā)的LiBackpack 50 背包式激光雷達掃描系統(tǒng)進行掃描。背包式激光雷達系統(tǒng)參數(shù)見表2。

數(shù)據(jù)采集之前需要對在樣地內(nèi)行走的路線進行規(guī)劃，如圖1所示，序號表示的是行走路線順序，目的是可以采集到樹木的所有信息，同時減少數(shù)據(jù)冗余。如果樣地內(nèi)樹木較稀疏，則采用圖1（a）的路線規(guī)劃;如果樹木比較密集，則采用圖1（b）的路線規(guī)劃。采集后的數(shù)據(jù)如圖2所示。

2?數(shù)據(jù)處理

2.1?點云數(shù)據(jù)的預(yù)處理

本文使用的點云數(shù)據(jù)處理軟件為LIDAR360 V2.2 。在掃描獲得的點云數(shù)據(jù)中，行走的路線軌跡可以清晰的顯示出來，從而可以獲得樣地的大致位置，進而可以對點云數(shù)據(jù)進行裁剪，提高單木點云數(shù)據(jù)處理的效率。利用高度閾值方法進行去除噪音點，在此基礎(chǔ)上利用坡度閾值方法進行地面點濾波，根據(jù)提取的地面點云數(shù)據(jù)生成數(shù)字高程模型（DEM）進而獲得歸一化后的點云數(shù)據(jù)，最后利用單木分割功能進行單木點云數(shù)據(jù)提取。

2.2?單木匹配

單木分割后的結(jié)果包括樹ID、樹木坐標、樹高、胸徑信息，將單木分割獲得單木位置的CSV文件和人工實測數(shù)據(jù)中每棵樹的XY坐標數(shù)據(jù)在ArcGIS中打開，在WGS84坐標系統(tǒng)下，通過顯示XY數(shù)據(jù)，可以得到樹木之間的相對位置關(guān)系。利用單木之間相對位置與每木胸徑相對大小進行目視對比，將樣地實測的樹木與點云數(shù)據(jù)一一對應(yīng)，實現(xiàn)單木匹配。

2.3?單木參數(shù)提取

單木分割后自動提取的胸徑、樹高并不精準，需要進一步檢驗修正。利用Lidar360軟件以點云的形式打開單個樹木的CSV文件，通過量取單木點云數(shù)據(jù)最高點的Z坐標，可以對樹高進行準確的提取;同時截取胸徑處（默認為1.4～2 m，本文選用1.25～1.35 m）的點云數(shù)據(jù)，采用擬合圓的方式提取胸徑。除了擬合圓的方式，軟件還提供擬合圓柱和擬合橢圓的方式：如果樹木傾斜生長，可選擇擬合圓柱的方法;如果樹干表現(xiàn)為橢圓，則可使用點云數(shù)據(jù)的平面坐標，利用最小二乘擬合二維橢圓獲得胸徑信息。

2.4?精度評價

本文將從以下3個方面對背包式激光雷達提取單木結(jié)構(gòu)參數(shù)能力進行評價：

（1）計算提取精度。

利用公式（1）計算單木因子的提取精度：

P=1-1n∑ni=1Xi-xiXi 。（1）

式中：P為精度;N為正確分離的單木數(shù)量;Xi為分離單木參數(shù);xi為為與分離出的單木對應(yīng)的實測單木參數(shù)。

（2）決定系數(shù)（R2）。

R2=∑ni=1（xi-x-i）（Xi-X-i）∑ni=1（xi-x-i）2∑ni=1（Xi-X-i）2。（2）

式中：R2為決定系數(shù);n為正確分離的單木數(shù)量;Xi為分離單木參數(shù);X-i為分離單木參數(shù)的均值;xi為與分離出的單木對應(yīng)的實測單木參數(shù);x-為與分離出的單木對應(yīng)的實測單木參數(shù)的均值。

R2越大，則因變量與自變量之間的相關(guān)性越強，這是對回歸直線擬合優(yōu)度的檢驗。

（3）實際值與預(yù)測值之間的均方根誤差（RMSE）。

RMSE越小，則表明預(yù)測值的效果越好。公式為：

RMSE=1n∑ni=1（xi-Xi）2 。（3）

式中：RMSE為均方根誤差;n為正確分離的單木數(shù)量;Xi為分離單木參數(shù);xi為與分離出的單木對應(yīng)的實測單木參數(shù)。

3?結(jié)果與分析

3.1?單木匹配結(jié)果與分析

通過對分割后的點云數(shù)據(jù)進行分析處理，除去傾倒、枯立等異常數(shù)據(jù)，各個樣地的單木識別結(jié)果見表3。表中統(tǒng)計了軟件識別分割出的單木株數(shù)、實測的單木株數(shù)、經(jīng)過分析處理后與實測數(shù)據(jù)正確匹配上的單木株數(shù)以及正確匹配率。

由表3中數(shù)據(jù)可以看出，共識別出了829棵樹木，其中除去傾倒、枯立的落葉松，共識別出692棵落葉松。能正確與樣地實測數(shù)據(jù)匹配上的樹共659棵，平均匹配率為95.8%。1號樣地和5號樣地的單木正確匹配率最高，而9號樣地的正確匹配率最低。通過分析實測數(shù)據(jù)和點云數(shù)據(jù)后發(fā)現(xiàn)，1號樣地和5號樣地因為密度較小，樹與樹之間距離較遠，林下通視條件好，灌木雜草少，所以識別率高;而識別率低的9號樣地林下灌木、雜草多且密，幼樹較多，林下通視條件較差，小樹成從狀生長，會當成一棵樹，導(dǎo)致不能正確識別出樹木。此外，由于樹與樹之間的距離過近，同樣會影響單株樹木的檢測圓，導(dǎo)致識別結(jié)果不準確。

3.2?胸徑提取精度結(jié)果與分析

表4與圖3列出了9塊樣地的背包式激光雷達提取出的胸徑與實測調(diào)查的胸徑回歸關(guān)系?？梢钥闯鎏崛⌒貜脚c實測胸徑有著較好的線性關(guān)系。結(jié)果說明利用背包式激光雷達對單木胸徑進行提取，可以獲得與人工實際測得數(shù)據(jù)相關(guān)性較好且精度較高的數(shù)據(jù)。9塊樣地相關(guān)系數(shù)R2均在0.8以上，最低為0.8，最高可達0.97;RMSE最高為1.92，最低為0.6;胸徑提取精度均在92%以上，平均精度為94.5%，最高為97.62%，最低為92.25%，說明胸徑的提取結(jié)果具有一定可靠性。在點云數(shù)據(jù)中提取胸徑信息的過程中發(fā)現(xiàn)，在胸徑位置處無灌木、樹枝樹葉等雜物遮擋的情況下，胸徑提取較為精確。因為若胸徑處有雜物干擾，會對點云處理軟件提取胸徑的擬合圓算法造成影響，導(dǎo)致擬合圓過大，無法準確提取單木的胸徑信息。

3.3?樹高提取精度結(jié)果與分析

表5與圖4列出了背包式激光雷達提取出的樹高與現(xiàn)地調(diào)查對應(yīng)的9個樣地單株木的樹高回歸關(guān)系。從結(jié)果上來看，提取的樹高與實測樹高的相關(guān)性并不高。結(jié)果說明利用背包式激光雷達對單木樹高進行提取的效果并不好，與實測值相關(guān)性不高。R2最高才達到0.57，只有4號樣地的樹高提取精度在90%以上，其余的提取精度都不高，平均提取精度只有80.27%。3號樣地可能是由于采集當天下雨，對點云數(shù)據(jù)的采集有影響，造成部分樹木樹冠點云數(shù)據(jù)的丟失，導(dǎo)致了與實測數(shù)據(jù)相比差異很大，R2只有0.001。分析點云數(shù)據(jù)發(fā)現(xiàn)樹木的樹冠部分掃描并不完全，由于背包式激光雷達儀器空間采樣率較低，并且樹木的樹冠之間、樹冠內(nèi)部都有樹枝與樹葉相互的遮擋，導(dǎo)致樹冠頂部信息獲取不完全。同一株樹木的背包式激光雷達點云數(shù)據(jù)與地基激光雷達點云數(shù)據(jù)相比，背包式激光雷達提取出的點云數(shù)據(jù)樹冠部分點云十分稀少，導(dǎo)致提取的樹冠參數(shù)信息不準確。

4?討論

本研究從使用背包式激光雷達提取的胸徑和樹高信息的結(jié)果來看，還存在著許多需要解決的問題。國內(nèi)外激光雷達在林業(yè)上的應(yīng)用還不完善，針對單木結(jié)構(gòu)重建的研究，所用算法對單木之間的遮擋考慮比較少[21]。胸徑的自動提取算法依賴于圓弧存在性檢測算法;樹高自動化提取算法精度在于如何判斷點與單木的歸屬關(guān)系[10]。同時由于背包式激光雷達掃描不能完全獲取樹冠上層信息，對于密集林分單木樹高的提取精度較低，還需要與機載激光雷達、地基激光雷達等結(jié)合來進行更高精度的分析。與地基激光雷達相比，使用地基激光雷達采集林業(yè)數(shù)據(jù)，須進行布設(shè)標靶、架站、掃描和移站等操作，完成整體數(shù)據(jù)采集需要花費一定的人力及時間，采集完的數(shù)據(jù)也需要進行多站拼接后才能輸出最終的采集結(jié)果;與機載激光雷達相比，背包式激光雷達具有效率高、全覆蓋和真三維測量等優(yōu)良的技術(shù)特性，攜帶方便，數(shù)據(jù)采集不受天氣等外界因素的影響，測量范圍容易控制，有著良好的應(yīng)用前景。但激光雷達數(shù)據(jù)在時空分布上不具有優(yōu)勢，也不能夠提供反演森林生物物理參數(shù)所需的光譜信息，而被動光學(xué)遙感可以彌補這一不足。因此將背包、地基、機載激光雷達和被動光學(xué)遙感結(jié)合有利于提高森林資源的監(jiān)測能力，為森林生態(tài)研究提供科學(xué)依據(jù)。

5?結(jié)論

本研究利用在孟家崗地區(qū)使用背包式激光雷達掃描的9塊樣地的點云數(shù)據(jù)，使用Lidar 360軟件提取了每木的胸徑和樹高信息，得出了以下結(jié)論：

（1）背包式激光雷達掃描的點云數(shù)據(jù)可以用于樣地內(nèi)單木的識別。樣地林下灌木、雜草和幼樹較多，樹與樹之間距離過近，會影響正確識別出樹木。

（2）胸徑的提取結(jié)果與實測數(shù)據(jù)相關(guān)性較高，結(jié)果具有一定的可靠性，能夠滿足林下胸徑數(shù)據(jù)的采集和提取。

（3）9塊樣地對單木樹高進行提取的效果都不好。背包式激光雷達掃描出的單木點云數(shù)據(jù)樹冠部分并不完全，導(dǎo)致了樹高信息提取的不準確。所以背包式激光雷達還不可以直接用于樹高數(shù)據(jù)的采集和提取，需結(jié)合其他種類激光雷達數(shù)據(jù)進行更高精度的分析。

【參?考?文?獻】

[1]劉見禮.基于無人機立體影像數(shù)據(jù)的森林結(jié)構(gòu)參數(shù)調(diào)查研究[D].北京：中國科學(xué)院大學(xué)（中國科學(xué)院遙感與數(shù)字地球研究所），2017.

LIU J L. Research on the inventory of forest structure parameters using UAV stereo imagery[D]. Beijing： University of Chinese Academy of Sciences （Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences）， 2017.

[2]李增元，劉清旺，龐勇.激光雷達森林參數(shù)反演研究進展[J].遙感學(xué)報，2016，20（5）：1138-1150

LI Z Y， LIU Q W， PANG Y. Review on forest parameters inversion using LIDAR[J]. Journal of Remote Sensing， 2016， 20（5）：1138-1150.

[3]倪文儉，過志峰，孫國清，等.基于地基激光雷達數(shù)據(jù)的單木結(jié)構(gòu)參數(shù)提取研究[J].高技術(shù)通訊，2010，20（2）：191-198.

NI W J， GUO Z F， SUN G Q， et al. Research on extraction of tree structure parameters from terrestrial laser scanner data[J]. Chinese High Technology Letters， 2010， 20（2）：191-198.

[4]姜興山，陳建新.激光雷達及其應(yīng)用[J].佳木斯大學(xué)學(xué)報，2000，18（1）：93-96.

JIANG X S， CHEN J X. Laser radar and its applications[J]. Journal of Jiamusi University （Natural Science Edition）， 2000， 18（1）：93-96.

[5]陳健.基于地基激光雷達的不同森林類型單木胸徑與樹高提取[D].合肥：安徽農(nóng)業(yè)大學(xué)，2016.

CHEN J. Individual tree DBH and height estimation using terrestrial laser scanning （TLS） in different forest type[D]. Hefei： Anhui Agricultural University， 2016.

[6]劉魯霞，龐勇.機載激光雷達和地基激光雷達林業(yè)應(yīng)用現(xiàn)狀[J].世界林業(yè)研究，2014，27（1）：49-56.

LIU L X， PANG Y. Applications of airborne laser scanning and terrestrial laser scanning to forestry[J]. World Forestry Research， 2014， 27（1）：49-56.

[7]黃華國.激光雷達技術(shù)在林業(yè)科學(xué)研究中的進展分析[J].北京林業(yè)大學(xué)學(xué)報，2013，35（4）：134-143.

HUANG H G. Progress analysis of LIDAR research on forestry science studies[J]. Journal of Beijing Forestry University， 2013， 35（4）：134-143.

[8]劉魯霞.機載和地基激光雷達森林垂直結(jié)構(gòu)參數(shù)提取研究[D].北京：中國林業(yè)科學(xué)研究院，2014.

LIU L X. Retrieving vertical structural ?parameters ?of ?forest ?using terrestrial and ?airborne ?laser ?scanning ?data[D]. Beijing： Chinese Academy of Forestry， 2014.

[9]肖夏陽，文劍，高林，等.探地雷達識別樹木內(nèi)部缺陷層位技術(shù)的研究[J].林業(yè)機械與木工設(shè)備，2017，45（4）：14-18.

XIAO X Y， WEN J， GAO L， et al. Research on internal defect layer identification of trees using ground penetrating radar[J]. Forestry Machinery & Woodworking Equipment， 2017， 45（4）：14-18.

[10]劉魯霞，龐勇，李增元，等.用地基激光雷達提取單木參數(shù)結(jié)構(gòu)——以白皮松為例[J].遙感學(xué)報，2014，18（2）：365-377.

LIU L X， PANG Y， LI Z Y， et al. Retrieving structural parameters of individual tree through terrestrial laser scanning data[J]. Journal of Remote Sensing， 2014， 18（2）：365-377.

[11]李丹，龐勇，岳彩榮.地基激光雷達在森林參數(shù)反演中的應(yīng)用[J].世界林業(yè)研究，2012，25（6）：34-39.

LI D， PANG Y， YUE C R. A review of TLS application in forest parameters retrieving[J]. World Forestry Research， 2012， 25（6）：34-39.

[12]SIMONSE M， ASCHOFF T， SPIECKER H， et al. Automatic determination of forest inventory parameters using terrestrial laser scanning[C]. Proceedings of the Scand Laser Scientific Workshop on Airborne Laser Scanning of Forests， Ume， Sweden， 2003： 251-257.

[13]PFEIFER N， GORTE B G H， WINTERHALDER D. Automatic reconstruction of single trees from terrestrial ?laser scanner data[C]. Proceedings of the ISPRS Congress： Geo-Imagery Bridging Continents， Istanbul， Turkey， 2004： 114-119.

[14]WEZYK P， PIERZCHALSKI M. Terrestrial laser scanning versus traditional forest inventory first results from the polish forests[C]. ISPRS Workshop on Laser Scanning， 2007， 36（3）： 424-429.

[15]鄧向瑞，馮仲科，羅旭.三維激光掃描系統(tǒng)在林業(yè)中的應(yīng)用研究[J].北京林業(yè)大學(xué)學(xué)報，2005，27（S2）：43-47.

DENG X R， FENG Z K， LUO X. Application of three-dimensional laser scanning system in forestry[J]. Journal of Beijing Forestry University， 2005， 27（S2）：43-47.

[16]HIDEBRANDT R， LOST A. From points to numbers： a database-driven approach to convert terrestrial LiDAR point clouds to tree volumes[J]. European Journal of Forest Research， 2012， 131（6）：1857-1867.

[17]韋雪花，王永國，鄭君，等.基于三維激光掃描點云的樹冠體積計算方法[J].農(nóng)業(yè)機械學(xué)報，2013，44（7）：235-240.

WEI X H， WANG Y G， ZHENG J， et al. Tree crown volume calculation based on 3-D laser scanning point clouds data[J]. Transactions of the Chinese Society for Agricultural Machinery， 2013， 44（7）：235-240.

[18]徐偉恒，馮仲科，蘇志芳，等.一種基于三維激光點云數(shù)據(jù)的單木樹冠投影面積和樹冠體積自動提取算法[J].光譜學(xué)與光譜分析，2014，34（2）：465-471.

XU W H， FENG Z K， SU Z F， et al. An automatic extraction algorithm for individual tree crown projection area and volume based on 3D point cloud data[J]. Spectroscopy and Spectral Analysis， 2014， 34（2）：465-471.

[19]王佳，張芳菲，高赫，等.地基激光雷達提取單木冠層結(jié)構(gòu)因子研究[J].農(nóng)業(yè)機械學(xué)報，2018，49（2）：199-206.

WANG J， ZHANG F F， GAO H， et al. Extracting crown structure parameters of individual tree by using ground-based laser scanner[J]. Transactions of the Chinese Society for Agricultural Machinery， 2018， 49（2）：199-206.

[20]OLSCHOFSKY K， MUES V， KOHL M. Operational assessment of above ground tree volume and biomass by terrestrial laser scanning[J]. Computers & Electronics in Agriculture， 2016， 127（9）：699-707.

[21]CHENG Z L， ZHANG X P， CHEN B Q. Simple reconstruction of tree branches from a single range image[J]. Journal of Computer Science and Technology， 2007， 22（6）：846-858.