地面激光雷達(dá)掃描參數(shù)與點(diǎn)云簡化對(duì)林木參數(shù)提取的影響

摘 要：【目的】林木參數(shù)是森林蓄積量、森林生物量估算的基礎(chǔ)指標(biāo)，傳統(tǒng)的人工調(diào)查方式費(fèi)時(shí)費(fèi)力，已難以適應(yīng)新形勢下數(shù)字化森林資源監(jiān)測技術(shù)的要求。地面激光雷達(dá)掃描技術(shù)能夠獲取小尺度高分辨率的林分內(nèi)部結(jié)構(gòu)信息，為林分環(huán)境條件下林木胸徑、樹高提取提供一種新的思路?！痉椒ā恳蕴J頭實(shí)驗(yàn)林場杉木林樣地為研究對(duì)象，針對(duì)FARO Focus 3D X330三維激光掃描儀設(shè)計(jì)了7種不同的掃描組合方式對(duì)樣地進(jìn)行掃描，提出象限角點(diǎn)云簡化思路進(jìn)行參數(shù)提取和精度評(píng)價(jià)，探究不同掃描組合方式對(duì)林木胸徑、樹高參數(shù)提取精度與效率的影響?！窘Y(jié)果】1）當(dāng)掃描分辨率為1/2、質(zhì)量為4X時(shí)，胸徑參數(shù)提取精度最高；當(dāng)掃描分辨率為1/4、質(zhì)量為4X時(shí)，樹高參數(shù)提取精度最高。2）在林木參數(shù)提取結(jié)果沒有顯著性差異的前提下，掃描分辨率為1/4、質(zhì)量為4X的掃描參數(shù)工作效率最高。3）選取同時(shí)兼顧精度和效率的1/4掃描分辨率、質(zhì)量4X的掃描結(jié)果，進(jìn)行象限角點(diǎn)云簡化，簡化的點(diǎn)云能夠準(zhǔn)確地提取出林木胸徑參數(shù)?！窘Y(jié)論】研究結(jié)果對(duì)于具有相同或相似地理?xiàng)l件和樹種的林地選擇掃描參數(shù)和點(diǎn)云簡化方式具有重要參考價(jià)值，可以提高內(nèi)業(yè)工作效率，同時(shí)也為地面激光雷達(dá)野外樣地調(diào)查提供方法和技術(shù)參考。

關(guān)鍵詞：地面激光雷達(dá)；林木參數(shù)；點(diǎn)云數(shù)據(jù)；掃描分辨率；象限角點(diǎn)云簡化

中圖分類號(hào)：S771.8 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-923X（2024）05-0035-11

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目（31971578）；湖南省自然科學(xué)基金面上項(xiàng)目（2022JJ30078）；湖南省科技創(chuàng)新計(jì)劃項(xiàng)目（2023RC1065）。

Effects of terrestrial LiDAR scanning parameters and point cloud simplification on forest parameters extraction

XIANG Xinglong， SUN Hua， TANG Jie， PAN Zhengshang， ZHOU Rong， SONG Kexin

（a. Research Center of Forestry Remote Sensing Information Engineering Central； b. Key Laboratory of Forestry Remote Sensing Based Big Data Ecological Security for Hunan Province； c. Key Laboratory of National Forestry Grassland Administration on Forest Resources Management and Monitoring in Southern Area， Central South University of Forestry Technology， Changsha 410004， Hunan， China）

Abstract：【Objective】Forest parameters are the basic indicators for estimating forest volume and forest biomass， and the traditional manual survey method is time-consuming and laborious， and it is difficult to adapt to the requirements of digital forest resources monitoring technology under the new situation. Terrestrial LiDAR scanning technology can obtain small-scale and high-resolution internal structure information of forest stands， which provides a new idea for extracting diameter at breast height and tree height under stand environmental conditions. The existing terrestrial LiDAR scanning studies mostly focus on the extraction methods of forest parameters， but pay less attention to the combination of scanning resolution and quality， and the simplification of laser point clouds.【Method】Taking the Chinese fir forest of Lutou Experimental Forest Farm as the research object， this paper designed seven different scanning combinations for the FARO Focus 3D X330 3D laser scanner to scan the sample plot， and proposed the idea of quadrant corner point cloud simplification for parameter extraction and accuracy evaluation， and then explored the influence of different scanning combinations on the accuracy and efficiency of forest diameter at breast height and tree height parameter extraction.【Result】1） When the resolution was 1/2 and the quality was 4X， the accuracy of the diameter at breast height parameter extraction was the highest； and when the resolution was 1/4 and the quality was 4X， the extraction accuracy of tree height parameters was the highest. 2） Under the condition that there was no significant difference in extractied forest parameters， the scanning parameters with a quality of 4X work the most efficiently when the resolution was 1/4. 3） Select scan results with a resolution of 1/4 and a quality of 4X， which took accuracy and efficiency into account， and simplified the quadrant corner point cloud. The simplified point cloud accurately extracted the parameters of the diameter at breast height of individual trees.【Conclusion】The results of this study have important reference value for the selection of scanning parameters and point cloud simplification methods for forest land with the same or similar geographical conditions and tree species， which can improve the efficiency of the data processing， and also provide a method and technical reference for the field sample survey by terrestrial LiDAR.

Keywords： terrestrial LiDAR； forest parameters； point cloud data； scan resolution； quadrant corner point cloud simplification

森林是陸地生態(tài)系統(tǒng)的主體，也是陸地生態(tài)系統(tǒng)中最大的有機(jī)碳庫，在涵養(yǎng)水源、預(yù)防水土流失、凈化空氣和減緩溫室效應(yīng)等方面發(fā)揮著重要的生態(tài)效益。開展森林資源調(diào)查是碳儲(chǔ)量估測和生態(tài)效益評(píng)價(jià)的基礎(chǔ)。林木胸徑、樹高是反映植被生長狀況的重要參數(shù)，也是森林資源蓄積量和生物量估測的重要因子[1-2]。傳統(tǒng)的胸徑（diameter at breast height，DBH）、樹高參數(shù)主要通過人工調(diào)查的方式獲取，費(fèi)時(shí)耗力，極易受到人為因素的影響[3]。激光雷達(dá)（light detection and ranging，LiDAR）是一種主動(dòng)式遙感技術(shù)，由激光雷達(dá)傳感器發(fā)出的點(diǎn)云能穿透森林冠層，獲取森林垂直和水平結(jié)構(gòu)信息，具有光學(xué)遙感無可比擬的優(yōu)勢。其中，地面激光雷達(dá)（terrestrial laser scanning，TLS）可采集詳細(xì)的林木枝干信息等，為森林資源調(diào)查提供了新的手段。

運(yùn)用地面激光雷達(dá)技術(shù)的高精度位置表達(dá)、高密度目標(biāo)表征能力，近10年在森林參數(shù)的定量測量與反演方面取得了較大的進(jìn)展[4]。林木的三維重建通常對(duì)單木枝干構(gòu)建進(jìn)行重點(diǎn)研究，針對(duì)單木枝干[5]提出了一種通過改變骨架拓?fù)潢P(guān)系參數(shù)的以林木枝干幾何模型精度的方法；在基于Laplace算子提取枝干骨架的基礎(chǔ)上，再結(jié)合隨機(jī)Hough變換計(jì)算樹枝半徑的新方法，使林分模型精度有所提升[6]；基于骨架提取的活立木枝干三維建模方法效率更高[7]；Kumazaki等[8]通過TLSQSM算法對(duì)樹的形狀進(jìn)行精確重建，可以準(zhǔn)確地獲取樹的總體積、樹干體積、分枝體積、樹高、樹干長度、分枝長度等信息。在樹干模型提取方面，利用PlantScan3D和SimpleTree兩種算法對(duì)6種林分進(jìn)行對(duì)比試驗(yàn)，發(fā)現(xiàn)PlantScan3D對(duì)林木枝干的還原度較高，但SimpleTree對(duì)樹木樹干的重建更加精準(zhǔn)[9]。

地面激光雷達(dá)技術(shù)點(diǎn)云獲取的質(zhì)量與掃描參數(shù)設(shè)置密切相關(guān)，掃描參數(shù)一般可分為掃描質(zhì)量和掃描分辨率。在林業(yè)領(lǐng)域，針對(duì)地面激光雷達(dá)的掃描參數(shù)設(shè)置的研究較少[10]。點(diǎn)云質(zhì)量除了取決于參數(shù)設(shè)置外，還取決于標(biāo)準(zhǔn)地的條件，如樹木與站點(diǎn)之間的距離、站點(diǎn)數(shù)量和天氣條件[11]，林分條件越簡單，點(diǎn)云數(shù)據(jù)采集時(shí)的環(huán)境條件越適宜（晴朗無風(fēng)），獲取到的點(diǎn)云數(shù)據(jù)質(zhì)量越高[12]。在點(diǎn)云數(shù)據(jù)簡化處理方面，同樣也有很多研究成果。針對(duì)LiDAR點(diǎn)云數(shù)據(jù)量龐大、不易處理、冗余信息多、影響效率等方面的不足，提出了一種基于點(diǎn)云局部離散度的簡化方法，可以按照比例尺精度要求完成LiDAR點(diǎn)云的快速簡化[13]。基于多參數(shù)K-means聚類的自適應(yīng)點(diǎn)云精簡方法，可以分別應(yīng)用不同類型數(shù)據(jù)，在保證模型表面完整沒有空洞的同時(shí)，盡可能保留點(diǎn)云特征信息，在高精簡度下仍能保持點(diǎn)云特征信息不被刪減，但由于部分采用擬合曲面的方式計(jì)算特征參數(shù)，存在運(yùn)算復(fù)雜的問題，還有待改進(jìn)，同時(shí)，如何保證非均勻區(qū)域的數(shù)據(jù)量也是下一步工作中可以改進(jìn)的方面[14]。羅德安等[15]在分析地面激光雷達(dá)數(shù)據(jù)特性和現(xiàn)有數(shù)據(jù)簡化方法的基礎(chǔ)上，提出了一種基于四叉樹劃分，運(yùn)用Delaunay三角剖分算法的地面激光雷達(dá)數(shù)據(jù)簡化方案，該方案的算法對(duì)于呈平面分布的點(diǎn)云數(shù)據(jù)簡化可以達(dá)到很高的壓縮比，簡化效果明顯并且具有良好的邊緣保持性能，但是對(duì)于曲面分布的點(diǎn)云數(shù)據(jù)壓縮則難以滿足要求?；邳c(diǎn)云內(nèi)部平均點(diǎn)間距的簡化方法，可以用于簡化散亂三維數(shù)據(jù)點(diǎn)云，簡化效果良好，但是該方法不適用于精簡曲面點(diǎn)云[16]。改進(jìn)傳統(tǒng)鄰域的搜索方法，采用了包圍盒法分割曲面，基于包圍盒法對(duì)散亂點(diǎn)云數(shù)據(jù)進(jìn)行曲率精簡，提高了點(diǎn)云精簡的效率和精度。謝波等[18]進(jìn)一步提出了一種新的基于點(diǎn)云特征約束的簡化算法，在實(shí)例驗(yàn)證下，這種方法不僅可以盡可能多地保留特征區(qū)域的點(diǎn)云數(shù)據(jù)，而且避免了對(duì)所有測量點(diǎn)的曲面擬合運(yùn)算，運(yùn)算效率顯著提高[17]。針對(duì)激光雷達(dá)點(diǎn)云數(shù)據(jù)的特點(diǎn)，提出了一種基于點(diǎn)云梯度和點(diǎn)間距信息、依據(jù)格網(wǎng)金字塔各層分辨率要求的LiDAR點(diǎn)云簡化方法，能夠?qū)c(diǎn)云數(shù)據(jù)進(jìn)行分層次的簡化，實(shí)現(xiàn)大規(guī)模點(diǎn)云的管理和組織[18-19]。

地面激光雷達(dá)掃描技術(shù)作為一種新型的主動(dòng)遙感技術(shù)，通過每秒近千萬次的高密度掃描[20]，能詳細(xì)刻畫森林垂直和水平結(jié)構(gòu)信息，不僅能夠降低外業(yè)工作難度，還能提高工作效率，為林木胸徑、樹高等參數(shù)的自動(dòng)提取提供一種新的技術(shù)手段。

基于此，研究擬突破現(xiàn)有的人工檢尺和低效率參數(shù)掃描的局限性，選用FARO Focus 3D X330三維激光掃描儀[21]篩選出最兼顧時(shí)間與數(shù)據(jù)質(zhì)量的掃描參數(shù)，并采用象限角點(diǎn)云簡化方法，快速準(zhǔn)確地識(shí)別林木參數(shù)，為今后研究相同或相似類型的樣地調(diào)查提供方法和技術(shù)參考。

1 材料與方法

1.1 研究區(qū)概況

本研究選擇位于湖南省平江縣東南部的蘆頭實(shí)驗(yàn)林場（28°31′～28°38′N，113°51′～113°58′E）為研究區(qū)。林場總面積為4 762 hm2，距平江縣城50 km，南北長13 km，東西寬10 km，最高海拔1 272.5 m，最低海拔124 m，平均坡度為30°。林場地處中亞熱帶—北亞熱帶過渡區(qū)，屬濕潤的大陸性氣候，境內(nèi)溫暖濕潤，日照充足，降水充沛，四季分明，年平均氣溫為9.6～15.8 ℃，年日照時(shí)數(shù)為1 360 h，平均空氣濕度為82%，年均降水量為1 968.8 mm。林場內(nèi)生物多樣性豐富，有保持完好的天然次生林，主要樹種為杉木Cunninghamia lanceolata、青岡Quercus glauca和樟樹Cinnamomum camphora。

1.2 試驗(yàn)設(shè)計(jì)

試驗(yàn)樣地選取20 m×25 m人工杉木林矩形樣地。為減少樹木之間的遮擋以及林下灌木的影響，試驗(yàn)采取多站掃描模式對(duì)樣地內(nèi)83棵樹進(jìn)行采樣，在所選樣地的4個(gè)角、中心和中心到角的對(duì)角線中點(diǎn)分別架設(shè)掃描儀，以順時(shí)針對(duì)樣地進(jìn)行連續(xù)多次掃描。

掃描參數(shù)設(shè)置包括掃描分辨率和掃描質(zhì)量。掃描分辨率選擇1/2、1/4、1/5、1/10共4種，不同分辨率的改變主要帶來的是點(diǎn)云密度的變化，一般包含以下指標(biāo)：MPts，每秒可掃描百萬點(diǎn)數(shù)；掃描尺寸（Pt），每秒垂直可掃描點(diǎn)數(shù)與水平可掃描點(diǎn)數(shù)的乘積，其乘積等于MPts；點(diǎn)距離，距掃描儀十米外相鄰兩點(diǎn)的距離，通常以mm為單位。掃描質(zhì)量選擇1X、2X、3X、4X這4種，質(zhì)量越大，掃描數(shù)據(jù)所產(chǎn)生的噪點(diǎn)就越小，但掃描所耗費(fèi)的時(shí)間越多，效率也越低。此次試驗(yàn)采用控制變量法采集掃描數(shù)據(jù)，選擇7種不同的掃描參數(shù)組合，其目的是探究不同掃描組合方式對(duì)林木胸徑、樹高參數(shù)的提取精度與效率，并在沒有顯著精度差異的前提下，選取效率最高的掃描參數(shù)進(jìn)行象限角點(diǎn)云簡化，將所得到的參數(shù)提取結(jié)果與八叉樹、最小點(diǎn)間距法和采樣率法進(jìn)行比較。

1.3 樣地調(diào)查與掃描數(shù)據(jù)處理

于2021年7月，在蘆頭實(shí)驗(yàn)林場的杉木人工林試驗(yàn)樣地開展每木檢尺。采用實(shí)時(shí)動(dòng)態(tài)差分定位技術(shù)（Real-Time Kinematic，RTK）獲取單木位置坐標(biāo)，分別利用圍尺和TruPulse200激光測高測距儀測量每木胸徑和樹高。

樣地的地面激光點(diǎn)云數(shù)據(jù)采集與每木檢尺同步開展。利用 FARO Focus3D X330地面三維激光掃描儀獲取樣地多站掃描數(shù)據(jù)。在掃描儀配套的數(shù)據(jù)處理軟件FARO Scene中，以“查找目標(biāo)球”的方式進(jìn)行多站點(diǎn)云自動(dòng)配準(zhǔn)拼接，最終獲取樣地的完整三維點(diǎn)云數(shù)據(jù)（*.las）。借助LiDAR360V 5.0軟件平臺(tái)完成點(diǎn)云的裁剪、去噪、地面點(diǎn)分類和點(diǎn)云歸一化等預(yù)處理，獲得樣地歸一化點(diǎn)云。在此基礎(chǔ)上，采用人機(jī)交互的方式，從1.3 m處的點(diǎn)云切片中識(shí)別樹干，利用圓擬合算法獲取樹干中心，得到每株林木樹干中心位置即提取的單木位置。以獲取的樹干中心為起點(diǎn)，采用比較最短路徑算法進(jìn)行樹冠點(diǎn)云分割，樹冠點(diǎn)云分配到與其距離最近的樹干中心所屬的單木中[22-23]。對(duì)分割后的單木點(diǎn)云，采用霍夫變換圓檢測算法提取胸徑，最大最小值算法計(jì)算每木樹高參數(shù)[24-25]。分別采用最小二乘圓擬合法和最大最小值法，從單木點(diǎn)云中提取胸徑和樹高信息。

分別將樣地實(shí)測以及基于地面激光雷達(dá)提取的林木位置、胸徑和樹高導(dǎo)入地理信息系統(tǒng)軟件中進(jìn)行可視化，根據(jù)林木位置信息，將林木實(shí)測數(shù)據(jù)和提取數(shù)據(jù)一一匹配，開展胸徑和樹高的提取精度評(píng)價(jià)。

1.4 象限角點(diǎn)云簡化方法

研究提出運(yùn)用象限角點(diǎn)云簡化方法對(duì)點(diǎn)云進(jìn)行簡化，該算法的主要思路如下：

1）確定點(diǎn)云厚度及離群點(diǎn)云的刪除。

2）初步計(jì)算點(diǎn)云的中心點(diǎn)坐標(biāo)。多邊形的面積A為：

4）以中心點(diǎn)坐標(biāo)為坐標(biāo)原點(diǎn)，將高度z處的點(diǎn)云劃分為4個(gè)象限區(qū)間。

5）如果存在一個(gè)或若干個(gè)點(diǎn)與其余點(diǎn)之間的距離超過1 cm，則可以認(rèn)為該點(diǎn)為奇異點(diǎn)，即非直徑點(diǎn)云，予以刪除；刪除奇異點(diǎn)之后，將角度θ內(nèi)的點(diǎn)計(jì)算一個(gè)均值點(diǎn)，用均值點(diǎn)代替角度θ內(nèi)所有的點(diǎn)，以進(jìn)行簡化。

6）計(jì)算簡化后點(diǎn)云等值線上各點(diǎn)與X軸的夾角。以四個(gè)象限的右上角象限為第一個(gè)象限，順時(shí)針方向確定其余3個(gè)象限，按照公式的方法計(jì)算點(diǎn)云等直線上各點(diǎn)與X軸的夾角。

1.5 精度評(píng)價(jià)指標(biāo)

論文選用決定系數(shù)（R2）、均方根誤差（root mean square error，RMSE）、準(zhǔn)確度（accuracy）、相對(duì)均方根誤差（relative root mean-squared error，rRMSE）和平均絕對(duì)誤差（mean absolute error，MAE）5個(gè)指標(biāo)對(duì)觀測結(jié)果進(jìn)行評(píng)價(jià)和檢驗(yàn)。R2用來衡量相關(guān)變量之間的相關(guān)密切程度，其值越大，代表自變量與因變量的解釋度越高。RMSE可以反映樣本數(shù)據(jù)的估值靈敏度和極值，用來衡量觀測值和真值之間的偏差，其值越大，代表觀測值和真值之間差異越大。

2 結(jié)果與分析

2.1 胸徑提取精度評(píng)價(jià)

為了驗(yàn)證不同掃描參數(shù)下單木參數(shù)提取結(jié)果的可靠性，以每木檢尺獲取的數(shù)據(jù)為參考標(biāo)準(zhǔn)，分析不同分辨率下胸徑提取結(jié)果的精度，結(jié)果如表1所示。

由表1可知，胸徑提取結(jié)果中RMSE最高為1.91 cm，最低為0.10 cm，數(shù)值越小，精度越高；平均絕對(duì)誤差（MAE）在質(zhì)量為4X、分辨率為1/4和1/5時(shí)誤差最小，為0.6 cm，在1/10分辨率時(shí)誤差最大，為1.3 cm；掃描參數(shù)質(zhì)量為4X、掃描分辨率為1/10時(shí)的點(diǎn)云稀少，誤差最大，胸徑提取結(jié)果與實(shí)測數(shù)據(jù)擬合的決定系數(shù)R2為0.780；質(zhì)量為4X、掃描分辨率為1/2的掃描參數(shù)組合，其點(diǎn)云密度極大，精度也最高，誤差最小，胸徑提取結(jié)果與實(shí)測數(shù)據(jù)擬合的決定系數(shù)R2為0.956，均方根誤差為0.1 cm。

單因素分析結(jié)果表明，在掃描質(zhì)量為4X維持不變時(shí)，掃描分辨率對(duì)胸徑精度具有顯著性影響，隨著掃描分辨率的降低，精度隨之降低，在掃描分辨率為1/10時(shí)精度降低最為顯著，準(zhǔn)確度為0.846。點(diǎn)云數(shù)量的減少導(dǎo)致樣地?cái)?shù)據(jù)在進(jìn)行胸徑擬合時(shí)出現(xiàn)部分殘缺數(shù)據(jù)，所以在進(jìn)行單木分割時(shí)，不能完整提取出單木胸徑，致使胸徑的提取結(jié)果與實(shí)測值相比偏小。如果樹木圓擬合時(shí)受到周圍灌木的影響，將灌木的點(diǎn)云擬合為單木點(diǎn)云的一部分，提取的胸徑結(jié)果將會(huì)偏大。在掃描分辨率為1/4不變的前提下，隨著掃描質(zhì)量的降低，樣地胸徑精度提取的結(jié)果隨之緩慢降低，但質(zhì)量對(duì)掃描精度的影響并不顯著，去噪處理后的原始數(shù)據(jù)只要點(diǎn)云密度得到保證，精度就能夠維持穩(wěn)定。

2.2 樹高提取精度評(píng)價(jià)

以實(shí)測樹高為參考，對(duì)地面激光雷達(dá)提取的樹高開展精度評(píng)價(jià)，結(jié)果如表2所示。

由表2可知，提取樹高的均方根誤差RMSE最高為1.40 m，最低為0.76 m；MAE最高為0.700 m，最低為0.210 m；擬合效果決定系數(shù)R2最高為0.886，最低為0.721。綜合來看，整體精度隨著掃描分辨率的降低而降低。在掃描分辨率為1/4或1/5、質(zhì)量為4X時(shí)，R2較其他掃描參數(shù)偏高，分別為0.886和0.865。

樹高精度受到的影響因素較多，主要原因是樣地內(nèi)林木密度大，相互交錯(cuò)的枝條會(huì)影響儀器掃描時(shí)所獲取的單木頂端點(diǎn)云。在質(zhì)量維持在4X時(shí)，隨著分辨率的降低，樹高精度所受影響不明顯，但在分辨率降到1/10時(shí)，樹高擬合的精度下降明顯，決定系數(shù)R2為0.721。由于樹木間密度較大，過于稀疏的點(diǎn)云數(shù)量致使在進(jìn)行單木分割時(shí)無法精準(zhǔn)確定樹頂所在點(diǎn)云位置，導(dǎo)致提取結(jié)果偏大或偏小，另外，個(gè)別樹頂點(diǎn)云缺失，提取結(jié)果偏小。在分辨率為1/4不變時(shí)，精度隨著質(zhì)量的降低而降低且較為明顯，但在質(zhì)量很低時(shí)，樹高的精度無明顯變化。

由表3可知，當(dāng)掃描參數(shù)設(shè)置為掃描質(zhì)量4X、分辨率1/2時(shí)，得到的點(diǎn)云密度最大，胸徑和樹高提取精度最好，但數(shù)據(jù)處理時(shí)間最長，接近33 min，是其他掃描參數(shù)組合的2～6倍。點(diǎn)云處理時(shí)間在10 min左右的組，點(diǎn)云胸徑精度提取的誤差均比較小，與理想處理效果相符合。點(diǎn)云處理時(shí)間最短的是4X質(zhì)量與分辨率1/10的組合，掃描一站只需要5 min左右，但是胸徑和樹高的提取精度無法得到保證。對(duì)比之下質(zhì)量3X、分辨率1/4和質(zhì)量2X、分辨率1/4的掃描組合處理速度較快，精度較好，整體效果要優(yōu)于質(zhì)量4X、分辨率1/10的掃描組合。結(jié)合胸徑和樹高點(diǎn)云提取的精度和效率，精度較高且省時(shí)的掃描處理為質(zhì)量4X、分辨率1/5和質(zhì)量4X、分辨率1/4。分辨率偏低時(shí)，點(diǎn)云數(shù)量稀疏，部分單木無法獲得完整的點(diǎn)云信息，精度較低。

2.3 象限角點(diǎn)云簡化效果對(duì)比分析

在提取單木離地面1.3 m處點(diǎn)云和簡化所需時(shí)間接近的前提下，運(yùn)用最小點(diǎn)間距0.02 m、八叉樹10、采樣率10%以及6°象限角，分析不同點(diǎn)云簡化方法對(duì)胸徑和樹高提取效果的影響，結(jié)果見表4。

圖2～5為4種不同簡化方法提取胸徑參數(shù)的散點(diǎn)和殘差。從散點(diǎn)圖中可以看出4種點(diǎn)云簡化方法處理后提取的胸徑均與實(shí)測值有良好的擬合效果，各方法間不存在顯著性差異，實(shí)測數(shù)據(jù)與參數(shù)提取結(jié)果之間存在良好的一致性，并無顯著差異。從殘差圖來看，大部分胸徑提取結(jié)果的殘差結(jié)果都落在2 cm區(qū)間內(nèi)，呈隨機(jī)分布，不存在過高或過低的估計(jì)現(xiàn)象，都能達(dá)到理想的效果。在掃描前，對(duì)樣地進(jìn)行清灌處理，在天氣狀況良好的前提下，胸徑參數(shù)的提取幾乎不受任何其他因素的影響。

從樹高的實(shí)測數(shù)據(jù)與提取結(jié)果的擬合來看，實(shí)測數(shù)據(jù)與參數(shù)提取結(jié)果之間同樣存在良好的一致性（圖6～9），但總體精度比胸徑提取精度小。由散點(diǎn)圖可以發(fā)現(xiàn)，樹高的提取結(jié)果大部分都是偏低估計(jì)，基本在-1.5 m以內(nèi)，只有極少數(shù)的樹高估計(jì)結(jié)果偏高。

樹高估計(jì)結(jié)果偏差的原因主要有兩個(gè)方面。一方面，樣地雖然郁閉度不高，但是樹木之間多呈小部分集合分布，樹木之間的頂部樹枝會(huì)相互干擾；另一方面，在開展地面激光掃描儀時(shí)，掃描站點(diǎn)的布設(shè)應(yīng)當(dāng)離樣木有一定的距離，距離太近不容易觀測到樹梢頂部。要解決樹高估計(jì)值的問題，首先被選擇的樣地所在的林分郁閉度不能過高，最好在0.5以下，或者樣木周圍沒有干擾樹；其次，掃描站點(diǎn)與樣木之間需要保持一定的距離，至少要在冠幅覆蓋范圍之外；再次，可以考慮多次掃描，掃描距離可以采用近距離掃描與遠(yuǎn)距離掃描相結(jié)合，既可以得到樹干的詳細(xì)點(diǎn)云，也可以獲得樹梢頂部的點(diǎn)云信息。

由圖10可知，不同方法之間提取的林木胸徑、樹高結(jié)果與實(shí)測值均有很好的擬合關(guān)系。從胸徑來分析，0.02 m最小點(diǎn)間距簡化決定系數(shù)R2最高，為0.978；八叉樹10簡化結(jié)果R2最低，為0.967；6°象限角與采樣率的R2均為0.975。從樹高的擬合效果來看，4種提取方法之間沒有顯著性差異。樹高決定系數(shù)R2以八叉樹10最低，為0.917，其余 3種方法的樹高決定系數(shù)極為接近?？傮w上來看，八叉樹10的精度擬合效果略低于其余3種方法。

3 結(jié) 論

本研究以蘆頭實(shí)驗(yàn)林場的杉木人工林樣地為研究對(duì)象，分別設(shè)置不同掃描參數(shù)進(jìn)行樣地點(diǎn)云采集，并從各掃描參數(shù)獲取的樣地點(diǎn)云中提取林木胸徑和樹高參數(shù)，分析掃描參數(shù)對(duì)林木參數(shù)提取精度的影響。提出象限角點(diǎn)云簡化算法，并與最小點(diǎn)間距算法、八叉樹算法和采樣率法進(jìn)行對(duì)比分析，探討不同簡化方法下的林木參數(shù)提取結(jié)果。研究主要結(jié)論如下：

1）FARO Focus 3D X330掃描分辨率為1/4、質(zhì)量為4X時(shí)胸徑和樹高參數(shù)精度整體效果最好，分辨率為1/10、質(zhì)量為4X時(shí)整體效果最差。胸徑和樹高參數(shù)提取的精度會(huì)隨著掃描參數(shù)的下降而下降，下降的原因主要是點(diǎn)云數(shù)量減少使個(gè)別林木胸徑擬合失敗以及擬合胸徑偏差過大。在所有的掃描參數(shù)中，分辨率為1/4、質(zhì)量為4X時(shí)帶來效率上的提升主要體現(xiàn)在點(diǎn)云根據(jù)地面點(diǎn)歸一化和單木分割兩個(gè)步驟所用的時(shí)間顯著減少，其余步驟時(shí)間縮減有限。在追求最高的胸徑提取效率同時(shí)要保留比較高的提取精度，分辨率為1/4、質(zhì)量為4X組合的掃描參數(shù)表現(xiàn)較好；如果需要優(yōu)先保證很高的胸徑提取精確度，表現(xiàn)最好的掃描參數(shù)是分辨率為1/2、質(zhì)量為4X。

2）不同的簡化算法及其不同簡化后的點(diǎn)云密度水平對(duì)單木分割精度的影響差異不顯著；4種簡化算法對(duì)估測單木胸徑的RMSE和rRMSE無顯著影響，對(duì)樹高亦無顯著影響；簡化后不同的點(diǎn)云密度水平對(duì)估測單木胸徑的R2、RMSE、rRMSE精度影響顯著，對(duì)樹高無顯著影響。

3）對(duì)4種不同的點(diǎn)云簡化算法來說，采用點(diǎn)間距簡化后估測單木胸徑效果較好，八叉樹簡化次之，相對(duì)來說簡化后估測單木胸徑精度結(jié)果較差的為隨機(jī)采樣法。在兼顧掃描精度和效率的情況下，象限角點(diǎn)云簡化方法在林木胸徑參數(shù)方面表現(xiàn)最佳。采用點(diǎn)間距簡化后估測單木胸徑的精度均值最小，且小于未簡化的精度（其中RMSE低0.121 cm，rRMSE低5.226%）；采用八叉樹簡化后估測單木胸徑精度均值略大于點(diǎn)間距法和未簡化的精度；采用隨機(jī)采樣簡化后估測單木胸徑精度均值結(jié)果最大，且大于未簡化的精度（RMSE高了0.293 9 cm，rRMSE高了1.547 6%）。

4）對(duì)簡化后的不同的點(diǎn)云密度水平來說，簡化后3%的點(diǎn)云密度水平估測單木胸徑的結(jié)果最差，簡化后25%和50%的點(diǎn)云密度水平估測的單木胸徑的R2、RMSE和rRMSE均優(yōu)于未簡化時(shí)估測的單木胸徑精度，估測單木胸徑結(jié)果相對(duì)較好。

4 討 論

此次研究的結(jié)果對(duì)于具有相同或相似地理?xiàng)l件和樹種的樣地或林分具有一定參考價(jià)值，可以提高內(nèi)業(yè)的工作效率。近年來，TLS在提取森林結(jié)構(gòu)參數(shù)方面以其獨(dú)特的優(yōu)勢被引用，也銜接了單木尺度人工測量與大區(qū)域機(jī)載激光雷達(dá)的森林調(diào)查。但是，同時(shí)因?yàn)門LS所獲取的點(diǎn)云數(shù)據(jù)密度較高、數(shù)據(jù)量龐大且有較多冗余數(shù)據(jù)，造成了存儲(chǔ)、顯示和后續(xù)的數(shù)據(jù)處理（如地面點(diǎn)分類、濾波、歸一化等）的不便。研究的局限性在于研究區(qū)域跨度小和研究樹種單一，只針對(duì)杉木人工林，在天然林或者混交林的復(fù)雜環(huán)境中結(jié)論的正確性還有待進(jìn)一步研究，在其他的樹種和立地條件下，這幾種掃描參數(shù)對(duì)林木胸徑和樹高參數(shù)提取是否會(huì)有新的影響，會(huì)有怎樣的影響，以及使用何種掃描參數(shù)可以普遍滿足南方森林地面激光雷達(dá)掃描調(diào)查的要求，可以成為未來的研究方向。

參考文獻(xiàn)：

[1] 劉雪惠.基于地基激光數(shù)據(jù)的林木參數(shù)提取及建模分析[D].南京：南京林業(yè)大學(xué)，2018. LIU X H. The extraction of tree parameter and modeling analysis based on terrestrial laser scan[D]. Nanjing： Nanjing Forestry University，2018.

[2] NEWNHAM G J， ARMSTON J D， CALDERS K， et al. Terrestrial laser scanning for plot-scale forest measurement[J]. Current Forestry Reports，2015，1（4）：239-251.

[3] RECKZIEGEL R B， MBONGO W， KUNNEKE A， et al. Exploring the branch wood supply potential of an agroforestry system with strategically designed harvesting interventions based on terrestrial LiDAR data[J]. Forests，2022，13（5）：650.

[4] 李文娟，趙傳燕，別強(qiáng)，等.基于機(jī)載激光雷達(dá)數(shù)據(jù)的森林結(jié)構(gòu)參數(shù)反演[J].遙感技術(shù)與應(yīng)用，2015，30（5）：917-924. LI W J， ZHAO C Y， BIE Q， et al. Retrieval of the forest structural parameters using airborne LiDAR data[J]. Remote Sensing Technology and Application，2015，30（5）：917-924.

[5] 莊崯國.基于地面激光雷達(dá)的單樹枝干幾何建模研究[J].測繪與空間地理信息，2018，41（1）：62-67，73. ZHUANG Y G. Research on geometric modeling of single tree trunk based on ground LiDAR[J]. Surveying， Mapping and Spatial Geographic Information，2018，41（1）：62-67，73.

[6] 張冬，嚴(yán)銳，云挺，等.基于地面激光雷達(dá)的單木枝干建模方法[J].林業(yè)工程學(xué)報(bào)，2016，1（5）：107-114. ZHANG D， YAN R， YUN T， et al. Modeling method of single tree trunk based on ground laser radar[J]. Journal of Forest Engineering，2016，1（5）：107-114.

[7] 張?zhí)彀?，云挺，薛?lián)鳳，等.基于地面激光雷達(dá)的活立木枝干三維建模[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，39（4）： 163-167. ZHANG T A， YUN T， XUE L F， et al. Three-dimensional modeling of live tree branches based on ground laser radar[J]. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2015，39（4）：163-167.

[8] KUMAZAKI R， KUNII Y. Application of 3D tree modeling using point cloud data by terrestrial laser scanner[J]. ISPRSInternational Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences，2020，XLIII-B3-2020995-1000.

[9] BOURNEZ E， LANDES T， SAUDREAU M， et al. From TLS point clouds to 3D models of trees： a comparison of existing algorithms for 3D tree reconstruction[J]. ISPRS-International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences，2017，XLII-2/W3113-120.

[10] 朱凌，石若明.地面三維激光掃描點(diǎn)云分辨率研究[J].遙感學(xué)報(bào)，2008，12（3）：405-410. ZHU L， SHI R M. Research on point cloud resolution of ground 3D laser scanning[J]. Journal of Remote Sensing，2008，12（3）： 405-410.

[11] MICHAEL K， STEEN M， MARCO M. Sampling methods， remote sensing and GIS multiresource forest inventory[M]. Berlin： Springer，2006：197-238.

[12] DIMITRIOS P， AZADEH A， MARTIN S. Assessment of stem volume on plots using terrestrial laser scanner： a precision forestry application[J]. Sensors，2021，21（1）：301.

[13] 徐景中，萬幼川，張圣望.LiDAR地面點(diǎn)云的簡化方法研究[J].測繪信息與工程，2008，33（1）：32-34. XU J Z， WAN Y C， ZHANG S W. Research on simplified method of LiDAR ground point cloud[J]. Geomatics Information and Engineering，2008，33（1）：32-34.

[14] 王建強(qiáng)，樊彥國，李國勝，等.基于多參數(shù)k-means聚類的自適應(yīng)點(diǎn)云精簡[J].激光與光電子學(xué)進(jìn)展，2021，58（6）：175-183. WANG J Q， FAN Y G， LI G S， et al. Adaptive point cloud reduction based on multi- parameter k-means clustering[J]. Laser and Optoelectronics Progress，2021，58（6）：175-183.

[15] 羅德安，廖麗瓊.基于四叉樹劃分的地面激光雷達(dá)數(shù)據(jù)簡化[J].計(jì)算機(jī)應(yīng)用，2005，25（2）：420-421，425. LUO D A， LIAO L Q. Data simplification of ground LiDAR based on quadtree partition[J]. Journal of Computer Applications， 2005，25（2）：420-421，425.

[16] 萬軍，鞠魯粵.逆向工程中點(diǎn)云精簡方法研究[J].上海大學(xué)學(xué)報(bào)（自然科學(xué)版），2004，10（1）：26-29. WAN J， JU L Y. Research on point cloud simplification in reverse engineering[J]. Journal of Shanghai University （Natural Science Edition），2004，10（1）：26-29.

[17] 劉濤，徐錚，沙成梅，等.基于包圍盒法的散亂點(diǎn)云數(shù)據(jù)的曲率精簡[J].科學(xué)技術(shù)與工程，2009，9（12）：3333-3336. LIU T， XU Z， SHA C M， et al. Curvature reduction of scattered point cloud data based on bounding box method[J]. Science Technology and Engineering，2009，9（12）：3333-3336.

[18] 謝波，鄭德華. 基于特征約束的點(diǎn)云簡化算法研究[J].測繪與空間地理信息，2013，36（12）：163-165. XIE B， ZHENG D H. Research on point cloud simplification algorithm based on feature constraints[J]. Surveying and Mapping Spatial Geographic Information，2013，36（12）：163-165.

[19] 趙福生，胡靜波.基于距離-梯度的LiDAR點(diǎn)云簡化算法研究[C]//中國測繪學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集.南京：測繪出版社，2010：687-691. ZHAO F S， HU J B. Research on simplified LiDAR point cloud algorithm based on range-gradient[C]//Proceedings of the 2010 annual conference of the Chinese Society of Surveying and Mapping. Nanjing： Surveying and Mapping Press，2010：687-691.

[20] 蘇中花.基于地面激光雷達(dá)點(diǎn)云數(shù)據(jù)的單木三維建模[D].成都：成都理工大學(xué)，2019. SU Z H. Three-dimensional modeling of single wood based on ground LiDAR point cloud data[D]. Chengdu： Chengdu University of Technology，2019.

[21] 鄒茂勝，孫毓蔓，李丹丹，等.基于地基激光雷達(dá)數(shù)據(jù)的落葉松人工林削度方程構(gòu)建[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2022， 42（8）：90-100. ZOU M S， SUN Y M， LI D D， et al. Construction of cutting equation of larch plantation based on ground-based LiDAR data[J]. Journal of Central South University of Forestry Technology， 2022，42（8）：90-100.

[22] 劉錢威，王金亮，麻衛(wèi)峰，等.一種復(fù)雜背景下林木點(diǎn)云精細(xì)提取方法[J].測繪科學(xué)，2021，46（8）：105-111. LIU Q W， WANG J L， MA W F， et al. A fine extraction method for tree point cloud under complex background[J]. Science of Surveying and Mapping，2021，46（8）：105-111.

[23] GáBOR B， GéZA K， MATTI L， et al. Voxel-Based automatic tree detection and parameter retrieval from terrestrial laser scans for Plot-Wise forest inventory[J]. Remote Sensing，2021， 13（4）：542.

[24] 徐華東，陳文靜，劉華.基于三維激光掃描的單木胸徑和樹高提取[J].森林與環(huán)境學(xué)報(bào)，2019，39（5）：524-529. XU H D， CHEN W J， LIU H. Extraction of DBH and height of single wood based on 3D laser scanning[J]. Journal of Forest and Environment，2019，39（5）：524-529.

[25] TROCHTA J， KR？？EK M， VR？KA T， et al. 3D Forest： An application for descriptions of three-dimensional forest structures using terrestrial LiDAR[J]. PLoS ONE，2017，12（5）：e0176871.

[本文編校：謝榮秀]