手持激光雷達(dá)不同數(shù)據(jù)采集路徑對(duì)林木參數(shù)獲取精度的影響

中圖分類號(hào)：S757.2 文獻(xiàn)標(biāo)識(shí)碼：A doi：10.13601/j.issn.1005—5215.2025.04.007

TheInfluence of Different Data Acquisition Paths of Handheld Lidar on the Acquisition Accuracy of Forest Parameters

Zhang Hanxiao，Jiang Lixiu （Shanghai Forestry Station;Shanghai Urban Ecosystem Research Station，National ForestryandGrassland Administration，Shanghai 2ooo72，China）

AbstractAs anew typeof ground mobile laser scanning tool，handheld mobile laser scanning（HMLS）is one of the most effcient and convenient methods for collecting forest resource survey data.Four diferent laser radar data acquisition paths were selected to colect the data of Cinmamomum longepaniculatum stands with high，medium and low canopy density （0，70-1.00 ， 0.40-0.69 ！ 0.20-0.39 ），and the method of manual measurement and investigation was used as a control. The HMLS data collected by diferent paths were preprocessed and segmented to verifythe influence of diffrent acquisition paths on the extraction accuracy of forest parameters of Cinnamomum longepaniculatum plots with different stand densitiesand diferent diameter classs.The results showed as the following three aspects.1） Under diferent stand densities，the point cloud data collected by four paths were used. Through the same extraction method，the point cloud scanned by HMLS through path 1（measured by column），the accuracy ofextracting DBH was basicaly higher than thatof otheracquisition paths.2）Using HMLS to scandiferent diameter classes of Cinnamomum longepaniculatum forest stands，the extracted DBH values were quite different. The larger the diameter class was，the higher the extraction accuracy was.The smaller the diameter class was， the lower the acuracy of the extracted DBH was. 3）In the simple forest environment and low density stand environment，the extraction accuracyof branch height，crown width and tree height was higher，and the determination coefficient （R² ）of regresson analysis was above O.7. However，for the extraction of tree canopy information by HMLS，with the increaseof stand density，the misclassification and omission of stand crown width increased，and the extraction accuracy decreased continuously. The selection of path1 of HMLS technologycan better complete the extraction and estimation of forest parameters in sample plots，and can realize the automatic processng of point cloud data with high efficiency.

Key wordshandheld mobilelaser scanning;diferent stand density;diferent acquisition paths;parameter extraction; precision

激光雷達(dá)是近年來國際上發(fā)展十分迅速的主動(dòng)遙感技術(shù)，在森林參數(shù)的定量測(cè)量和反演上取得了成功的應(yīng)用。激光雷達(dá)具有與被動(dòng)光學(xué)遙感不同的成像機(jī)理，對(duì)植被空間結(jié)構(gòu)和地形的探測(cè)能力更強(qiáng)，特別是對(duì)森林高度的探測(cè)能力，具有其他遙感數(shù)據(jù)無法比擬的優(yōu)勢(shì)[1-2]。手持式激光雷達(dá)掃描（HMLS）系統(tǒng)易操作，查看簡潔方便，效率高[3]，但目前還沒有廣泛應(yīng)用到林業(yè)調(diào)查中。本研究通過利用HMLS掃描樣地單木胸徑、枝下高、冠幅、樹高，為森林調(diào)查工作提供參考[4]。采用手持式激光雷達(dá)對(duì)上海市嘉定區(qū)的6個(gè)樟木（Cinnamomumlongepaniculatum）林分樣地樹木胸徑、枝下高、冠幅、樹高進(jìn)行不同路徑的數(shù)據(jù)采集，通過數(shù)據(jù)處理軟件LiDAR360提取測(cè)樹因子。結(jié)果顯示，使用按列掃描方式的胸徑、枝下高、冠幅、樹高實(shí)測(cè)值與提取值間的相關(guān)性較高。在密度較小、雜灌較少、通視條件較好、干形規(guī)則的樣地中，可采用手持激光雷達(dá)進(jìn)行森林資源輔助調(diào)查。

1研究區(qū)概況

嘉定區(qū)位于上海西北部，其中心位置在 121^°26^′ ，東與寶山、普陀2區(qū)接壤；西與江蘇省昆山市毗連；南襟吳淞江，與閔行、長寧、青浦3區(qū)相望；北依瀏河，與江蘇省太倉市為鄰。國土總面積463.16km² 。截至2023年，全區(qū)森林總面積8 282hm² ，全區(qū)森林覆蓋率 17.88% 。優(yōu)勢(shì)樹種為樟木的林分小班面積 2 529hm² ，占嘉定森林面積的 30.54% 。

2研究方法

2.1 試驗(yàn)地設(shè)置

按《GB/T26424—2010森林資源規(guī)劃設(shè)計(jì)調(diào)查技術(shù)規(guī)程》，林分郁閉度分為高等級(jí) （0.70～ 1.00）、中等級(jí) （0.40～0.69） 、低等級(jí) （0，20～0.39）3 個(gè)等級(jí)。根據(jù)上海市2023年森林資源監(jiān)測(cè)成果，在嘉定選取3個(gè)林分郁閉度等級(jí)的樟木純林樣地6塊。在林分中設(shè)置 30m×30m 方形樣地，為確保后期與激光雷達(dá)掃描結(jié)果進(jìn)行數(shù)據(jù)匹配，設(shè)置完樣地后，須繪制樣地和樣木位置分布圖。樣地基本情況見表1，各樣地照片見圖1。

表1樣地基本林分信息

圖1 樣地現(xiàn)場(chǎng)照片

2.2 數(shù)據(jù)采集

2.2.1人工實(shí)測(cè)調(diào)查調(diào)查人員依次對(duì)樣地中所有樟木的胸徑、枝下高、冠幅（東西和南北）和樹高等主要測(cè)樹因子進(jìn)行實(shí)測(cè)。為保證數(shù)據(jù)客觀可靠，本次調(diào)查實(shí)測(cè)采取3位調(diào)查人員分別進(jìn)行實(shí)測(cè)，最后獲取平均值作為最終實(shí)測(cè)結(jié)果。

2.2.2激光雷達(dá)掃描本次采用的是手持激光雷達(dá)掃描儀（SLAM100）進(jìn)行樣地?cái)?shù)據(jù)采集，該系統(tǒng)具有 360^° 旋轉(zhuǎn)云臺(tái)，可形成 270^°×360^° 點(diǎn)云覆蓋，結(jié)合行業(yè)級(jí)同步定位與地圖構(gòu)建（SLAM）算法，可在無光照、無GPS情況下獲取周圍環(huán)境三維點(diǎn)云數(shù)據(jù)，點(diǎn)云密度大約2.7萬點(diǎn)·m–2[5] 。

2.2.3采集路徑規(guī)劃路徑規(guī)劃的目的是便于后期對(duì)不同林分密度、不同規(guī)劃路線的數(shù)據(jù)采集效率和提取結(jié)果精度差異分析。本次試驗(yàn)初步規(guī)劃4個(gè)數(shù)據(jù)采集路徑，路徑1為按列繞測(cè)，路徑2為按株繞測(cè)，路徑3為外圈繞測(cè)后每半?yún)^(qū)Z字掃描，路徑4為每兩列繞測(cè)，見圖2。由于外業(yè)數(shù)據(jù)采集時(shí)，不同林分其環(huán)境條件可能存在差異，數(shù)據(jù)采集人員可根據(jù)實(shí)際情況進(jìn)行適當(dāng)微調(diào)，保證樣地樣木信息完整。

圖2 規(guī)劃路徑

2.2.4點(diǎn)云數(shù)據(jù)處理本次試驗(yàn)擬用飛馬無人機(jī)管家的SLAMGOPOST模塊和智激光模塊對(duì)外業(yè)采集的手持激光雷達(dá)數(shù)據(jù)進(jìn)行初步解算、降噪和點(diǎn)云賦色等操作獲得激光點(diǎn)云數(shù)據(jù)，并進(jìn)行重采樣、去噪、地面點(diǎn)分類及歸一化處理[。單木分割參考了Tao等7提出的比較最短路徑算法（Comparativeshortest一pathalgorithm，CSP），包括點(diǎn)云歸一化、樹干檢測(cè)及胸徑估計(jì)和樹冠分割。對(duì)高度郁閉的樣地中存在的點(diǎn)云分割效果不佳的部分，須人工輔助編輯[8]

2.2.5 立木參數(shù)提取

1）胸徑提取技術(shù)路徑。胸徑是指樹木從地面根部到干部 1.3m 垂直距離處的直徑，是評(píng)價(jià)林木生長狀況的重要參數(shù)之一。在森林資源調(diào)查中，主要通過圍尺或胸徑尺進(jìn)行人工測(cè)量。試驗(yàn)樣地分別采用胸徑尺實(shí)測(cè)、激光雷達(dá)采集點(diǎn)云利用Lidar360對(duì)胸徑值進(jìn)行提取，樣木及胸徑點(diǎn)云截取的示意圖見圖3[9] 。

圖3胸徑截取示意圖

2）枝下高提取技術(shù)路徑。枝下高是指樹干上第1個(gè)一級(jí)分枝以下的高度，即從地面到樹木第1個(gè)活枝（第1個(gè)分枝點(diǎn)）的垂直距離。根據(jù)樹木點(diǎn)云信息，直接目視獲取枝下高位置，通過測(cè)量獲取枝下高數(shù)值。樣木及樹木點(diǎn)云截取示意圖見圖4。

圖4枝下高獲取示意圖

3）冠幅提取技術(shù)路徑。冠幅是衡量苗木長勢(shì)的重要參考標(biāo)準(zhǔn)，一般指樹木的南北和東西方向?qū)挾鹊钠骄担Ｓ糜诿枋鰳淠镜囊?guī)格大小。項(xiàng)目通過將分割后的樣木樹冠點(diǎn)云投影到二維平面上（圖5），提取其東西和南北的平均長度，獲取各樣木的東西和南北冠幅信息。

圖5 冠幅獲取示意圖

4）樹高提取技術(shù)路徑。樹高是樹木從根部到樹梢部位的垂直距離。試驗(yàn)采用了花桿參考結(jié)合人工目測(cè)獲取樹高實(shí)測(cè)值。激光雷達(dá)是通過發(fā)射和接收激光脈沖來獲取樹木頂端高程值和地面高程值的差異來提取樹木的高度信息。首先，通過軟件對(duì)樣木及樹根地面的點(diǎn)云進(jìn)行裁剪，僅保留該部分點(diǎn)云，然后進(jìn)行地面點(diǎn)分類，將樹木點(diǎn)云根據(jù)樹根處的地面點(diǎn)進(jìn)行歸一化處理，此操作可最大限度減小地形起伏的影響，繼而完成樣木分割，提取該樹木點(diǎn)云的最大值作為樹高（Z）。如林地內(nèi)存在影響樹高的灌木和草本層時(shí)，可人工檢測(cè)其樣地縱剖面，排除其干擾再進(jìn)行樹高信息獲取。樹高獲取示意圖見圖6。

圖6樹高獲取示意圖

2.2.6 評(píng)價(jià)指標(biāo)選取 本研究選用決定系數(shù)、均方誤差及平均絕對(duì)值誤差3個(gè)評(píng)價(jià)指標(biāo)，對(duì)通過激光雷達(dá)掃描點(diǎn)云提取結(jié)果與傳統(tǒng)人工實(shí)測(cè)值之間進(jìn)行對(duì)比分析。

1）決定系數(shù) （R²） 。 R² 是度量擬合曲線對(duì)于原始數(shù)據(jù)擬合效果的好壞，一般來說， R² 越接近1，說明回歸曲線對(duì)觀測(cè)值的擬合程度越好； R² 越小，說明回歸曲線對(duì)觀測(cè)值的擬合程度越差。一般情況下，擬合優(yōu)度達(dá)0.8以上就可以說明擬合效果不錯(cuò)。

式中： 分別為實(shí)測(cè)值、預(yù)測(cè)值和平均值； n

為樣本總數(shù)。

2）均方誤差（MSE）。MSE是最常用的誤差評(píng)估指標(biāo)之一（式中表示為 E_MS ），表示預(yù)測(cè)值和實(shí)際值之間差異的平方的平均值。均方誤差越小，表示預(yù)測(cè)值與實(shí)測(cè)值之間的偏差越小，數(shù)據(jù)的可靠性越高；反之，預(yù)測(cè)值與實(shí)測(cè)值之間的偏差越大，數(shù)據(jù)的可靠性越低。

3）平均絕對(duì)值誤差（MAE）。MAE表示預(yù)測(cè)值和實(shí)測(cè)值之間絕對(duì)誤差的平均值（式中表示為E_MA） 。其體現(xiàn)的是預(yù)測(cè)值的平均誤差幅度， E_MA 是一種線性分?jǐn)?shù)，相對(duì)于 E_MS，E_MA 有個(gè)優(yōu)點(diǎn)是對(duì)于離群（異常）值的處理更好。

3結(jié)果與分析

3.1不同采集路徑的胸徑提取精度分析

表2是6個(gè)樣地在不同采集路徑下采集點(diǎn)云提取的胸徑值與實(shí)測(cè)胸徑值的對(duì)比分析結(jié)果。可以看出，在6個(gè)樣地中，有4個(gè)樣地（小班號(hào)為0118、0182、0252、0264）利用采集路徑1采集的點(diǎn)云提取的 R² 最高，均方誤差和平均絕對(duì)值誤差也較?。黄渲杏?個(gè)樣地于這4個(gè)樣地中的均方誤差和平均絕對(duì)值誤差顯示其在4個(gè)采集路徑中較小。但在林分平均胸徑最小的0404樣地中胸徑提取結(jié)果顯示路徑2表現(xiàn)較好，決定系數(shù)處于較高水平（ gt;0.87 ，且均方誤差（MSE）和平均絕對(duì)值誤差（MAE）均低于1。綜合6個(gè)樣地分析，采用路徑1采集點(diǎn)云提取的胸徑精度較高，且穩(wěn)定性較好。

表2不同采集路徑胸徑提取精度分析結(jié)果

3.2 不同采集路徑的枝下高提取精度分析

根據(jù)試驗(yàn)結(jié)果看，手持激光雷達(dá)在小徑階樣地其枝下高的參數(shù)提取表現(xiàn)不佳（0252、0264、0404樣地的采樣精度較低，文中僅保留0252樣地作為參考）。由表3可知，路徑1采集點(diǎn)云提取的枝下高決定系數(shù)均最好，均大于0.7，且均方誤差和平均絕對(duì)值誤差也較低。經(jīng)分析，路徑1采集的點(diǎn)云提取枝下高效果較好。但對(duì)于徑階較小的林分，基于手持激光雷達(dá)提取精度還有待進(jìn)一步探索新路徑和技術(shù)，以提高枝下高提取精度。

表3不同采集路徑的枝下高提取精度分析結(jié)果

3.3 不同采集路徑的冠幅提取精度分析

由于大部分樣地樹木較高，林分郁閉度較大等原因，很難通過目測(cè)的手段獲取較為精準(zhǔn)的冠幅。本項(xiàng)目僅對(duì)小徑階（0118、0264、0404小班號(hào)所在樣地）的林分分東西和南北進(jìn)行了冠幅實(shí)測(cè)。以實(shí)測(cè)獲取的冠幅作為客觀值，見表4。東西和南北向冠幅提取結(jié)果均顯示路徑1采集的冠幅提取結(jié)果最佳，決定系數(shù)大于0.8，且均方誤差最小，平均絕對(duì)值誤差也較小。

表4不同采集路徑冠幅提取精度分析結(jié)果

3.4不同采集路徑的樹高提取精度分析

由表5可以看出，手持激光雷達(dá)采用路徑2采集的點(diǎn)云提取的樹高決定系數(shù)最高，為0.779，均方誤差和平均絕對(duì)值誤差最小，分別為0.068和0.232；路徑1采集點(diǎn)云提取的樹高精度次之，決定系數(shù)為0.738，均方誤差和平均絕對(duì)值誤差分別為0.079和0.246。但總體上精度差異較為接近。

表5不同采集路徑的樹高提取精度分析結(jié)果

4討論

1）不同采集路徑對(duì)胸徑提取精度影響因素。由表2可以看出，路徑1采集點(diǎn)云提取的胸徑精度在多個(gè)樣地中表現(xiàn)出較好的效果，但在樣木徑階普遍偏小的樣地采集結(jié)果（如0264和0404）中表現(xiàn)欠佳；從0404小班樣地采集看，利用路徑2采集點(diǎn)云提取的胸徑均方誤差和平均絕對(duì)值誤差較小，體現(xiàn)較好效果，且在0404樣地上表現(xiàn)出最接近于1的決定系數(shù)，表明其預(yù)測(cè)的準(zhǔn)確性和穩(wěn)定性相對(duì)較好，對(duì)于徑階過小的樣木也能表現(xiàn)出相對(duì)穩(wěn)定的結(jié)果。整體上看，一定程度上體現(xiàn)出手持激光雷達(dá)采集小徑階樣木胸徑提取精度效果不佳。

2）不同采集路徑對(duì)枝下高提取精度影響因素。手持激光雷達(dá)在采集較大徑階的樣地采集點(diǎn)云時(shí)，使用路徑1采集點(diǎn)云提取的枝下高結(jié)果具有較好的擬合度，尤其是較大徑階中表現(xiàn)最好，其決定系數(shù)均不低于0.76。但在0252這類小徑階林分樣地中，枝下高的提取結(jié)果不佳，主要原因可能是手持激光雷達(dá)對(duì)于小分支、細(xì)小枝條的點(diǎn)云采集不全，導(dǎo)致確定最下活枝的部位存在差異，致使枝下高提取精度不佳。

3）不同采集路徑對(duì)冠幅提取精度影響因素。利用路徑1采集點(diǎn)云提取的東西和南北向冠幅效果較好，利用路徑2提取的效果則較為一般，這可能與此路徑每株樣木繞測(cè)使得點(diǎn)云重復(fù)采集有一定的影響。此外，冠幅的傳統(tǒng)人工調(diào)查實(shí)測(cè)方法一般采用目視樹冠投影邊緣，以皮尺估測(cè)東西、南北的冠幅寬度，測(cè)量中存在一定誤差，且大部分林地林分郁閉度較大，相鄰樣木的冠幅本身存在相互交叉重疊的情況，使得人工測(cè)量冠幅精度和激光雷達(dá)掃描的點(diǎn)云作冠幅分割精度均受到一定影響。

4）不同采集路徑對(duì)樹高提取精度影響因素。針對(duì)手持激光雷達(dá)采集樹高結(jié)果看，利用路徑2采集的點(diǎn)云提取的樹高精度較好。這與激光雷達(dá)提取樹高的原理有關(guān)，由于激光雷達(dá)是通過發(fā)射和接收激光脈沖來獲取樹木頂端高程值和地面高程值的差異來提取樹木的高度信息，上海為平原地區(qū)，主要以林分結(jié)構(gòu)相對(duì)簡單的人工林為主，使用激光雷達(dá)在路徑2下詳細(xì)掃描可增加獲取點(diǎn)云數(shù)據(jù)的完整性，很大程度上彌補(bǔ)人工測(cè)量不同角度視覺差異引起的樹高誤差。

5結(jié)論

綜合考慮4項(xiàng)林木因子的提取結(jié)果，本研究得出采用路徑1進(jìn)行立木因子采集提取的效果較好，且表現(xiàn)較為穩(wěn)定，且在實(shí)際操作和后期點(diǎn)云數(shù)據(jù)分析時(shí)效率也較高，適合作為普適性的手持激光雷達(dá)采集路徑。但針對(duì)小徑階樣木的數(shù)據(jù)采集精度仍不夠穩(wěn)定。后期還需在激光雷達(dá)儀器選取、點(diǎn)云分割方法和提取技術(shù)手段等方面進(jìn)一步研究和改進(jìn)，以提高對(duì)立木因子參數(shù)的預(yù)測(cè)精度。

參考文獻(xiàn)：

[1]龐勇，李增元，陳爾學(xué)，等.激光雷達(dá)技術(shù)及其在林業(yè)上的應(yīng)用[J].林業(yè)科學(xué)，2005，41（3）：129—136.

[2]郭慶華，劉瑾，陶勝利，等.激光雷達(dá)在森林生態(tài)系統(tǒng)監(jiān)測(cè)模擬中的應(yīng)用現(xiàn)狀與展望[J].科學(xué)通報(bào)，2014，59（6）：459-478.

［3］范偉偉．手持式激光雷達(dá)單木參數(shù)提取與樹干生物量估測(cè)研究[D].哈爾濱：東北林業(yè)大學(xué)，2021.

[4」王子斐：基于手持式移動(dòng)激光雷達(dá)的近自然經(jīng)營林分結(jié)構(gòu)特征及變化研究[D].上海：華東師范大學(xué)，2021.

[5]楊學(xué)林．手持激光雷達(dá)掃描儀飛馬在地形測(cè)繪中的運(yùn)用[J].科技創(chuàng)新與應(yīng)用，2024，14（10）：26—29.

[6]ZHAOX，GUO Q，SUY，etal. Improved progressive TINdensi-fication filteringalgorithm forairborneLiDARdatainforestedareas[J].ISPRSJournal of Photogrammetryand Remote Sens-ing，2016，117：79-91.

[7]TAO S，WUF，GUOQ，etal.Segmentingtree crownsfrom ter-restrialand mobileLiDARdata byexploringecological theories[J].ISPRS Journal of Photogrammetry and Remote Sensing，2015，110：66—76.

[8]雷雪，吳建勛，董崇天，等.三維激光雷達(dá)空地一體化城市森林林分因子遙感提取[J].生態(tài)學(xué)雜志，2025，44（3）：1029-1037.

[9]趙琦，李震，陳麗華，等.基于背包式激光雷達(dá)的林木胸徑和樹高提取[J].林業(yè)調(diào)查規(guī)劃，2022，47（4）：18-22.