本發(fā)明涉及一種基于激光雷達(dá)技術(shù)獲取甚高郁閉度森林蓄積量的方法，屬于激光雷達(dá)點(diǎn)云數(shù)據(jù)處理技術(shù)領(lǐng)域。

背景技術(shù)：

森林資源清查的主要目的是通過調(diào)查各類森林資源的分布和質(zhì)量變化情況來進(jìn)行森林管理和決策分析(包括森林砍伐和種植等應(yīng)用)。傳統(tǒng)的方法是通過人工對(duì)標(biāo)準(zhǔn)樣地進(jìn)行大量的實(shí)地勘測(cè)，并利用樣本數(shù)據(jù)中單棵樹木的胸徑、冠層直徑和樹高等參數(shù)來估算整個(gè)森林的林分信息，耗費(fèi)大量的人力資源和時(shí)間成本，而且實(shí)地測(cè)量時(shí)樹高一般是通過目視經(jīng)驗(yàn)來確定的，其取值也存在一定的誤差，因此，傳統(tǒng)的作業(yè)模式已無法滿足森林資源信息高效率、高精度地獲取。

近年來，激光雷達(dá)技術(shù)在獲取高精度的三維森林結(jié)構(gòu)信息方面優(yōu)勢(shì)突出，相較地面激光雷達(dá)的小范圍高精度測(cè)量以及星載激光雷達(dá)的精度局限，機(jī)載激光雷達(dá)在森林勘察應(yīng)用中的作用愈發(fā)明顯。在北歐一些國(guó)家，機(jī)載激光雷達(dá)技術(shù)已經(jīng)成熟應(yīng)用于森林資源清查中，其作用的對(duì)象主要是北方針葉林，利用低密度點(diǎn)云數(shù)據(jù)進(jìn)行單棵樹的檢測(cè)較為容易；而在國(guó)內(nèi)，大多是面積廣、郁閉度高，森林分布密集的南方闊葉林，致使單棵樹的檢測(cè)較為困難，因此機(jī)載激光雷達(dá)技術(shù)尚沒有真正應(yīng)用于森林調(diào)查中。

利用機(jī)載激光雷達(dá)技術(shù)獲取森林蓄積量，其要解決的關(guān)鍵問題有兩個(gè)，即單棵樹的檢測(cè)和樹高、胸徑的獲取。目前，在單棵樹的檢測(cè)方面主要利用冠層高度模型CHM(一般通過DSM與DTM的差值或者利用點(diǎn)云數(shù)據(jù)與DTM的差值歸一化后再經(jīng)插值柵格化來獲取)，采用平滑濾波和插值算法填補(bǔ)凹坑，并通過搜索窗口檢測(cè)局部最大值來獲得樹高，利用雙正切角和分水嶺分割算法檢測(cè)單棵樹的所在范圍。平滑濾波和插值算法的主要目的是確保柵格圖像的連續(xù)光滑，減小分割算法的邊界效應(yīng)，提高樹檢測(cè)的準(zhǔn)確性，但是經(jīng)過平滑濾波后通常會(huì)使樹冠之間的邊界變得的模糊，并且通過上述分割方法也不可避免地會(huì)出現(xiàn)過度分割現(xiàn)象。在樹高和胸徑的獲取方面，主要是利用人工對(duì)樣地的樹高和胸徑進(jìn)行直接量測(cè)，耗時(shí)較長(zhǎng)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提出了一種基于激光雷達(dá)技術(shù)獲取甚高郁閉度森林蓄積量的方法，其提供了從森林?jǐn)?shù)據(jù)采集到森林參數(shù)獲取的技術(shù)流程，為森林清查提供了技術(shù)支持。

本發(fā)明解決其技術(shù)問題采取的技術(shù)方案是：對(duì)獲取的甚高郁閉度森林區(qū)域的地面信息通過樹木分割來提取單棵樹，并進(jìn)行推算森林蓄積量，從而獲得該區(qū)域的甚高郁閉度森林森林蓄積量。

優(yōu)選地，獲取甚高郁閉度森林蓄積量的過程包括以下步驟：

1)根據(jù)不同區(qū)域，設(shè)置滿足要求的飛行高度、飛行速度和飛行航線，以達(dá)到300點(diǎn)/m2以上的點(diǎn)密度為條件進(jìn)行數(shù)據(jù)采集，并將經(jīng)緯度坐標(biāo)轉(zhuǎn)換成后續(xù)數(shù)據(jù)處理所需的地理坐標(biāo)生成以米為單位的點(diǎn)云數(shù)據(jù)；

2)通過代表樹木冠層頂部信息的數(shù)字表面模型DSM與表示地形信息的數(shù)字地面模型DTM之間的差值獲得歸一化的數(shù)字高程模型nDSM；

3)將數(shù)字高程模型nDSM數(shù)據(jù)投影到二維平面，通過設(shè)定采樣間隔和最大值柵格化處理，取落入每一格網(wǎng)內(nèi)的最大值作為當(dāng)前點(diǎn)的高程值；

4)進(jìn)行垂直方向最大值稀疏處理，保留冠層頂部，并以實(shí)際樹木冠徑的經(jīng)驗(yàn)寬度為搜索半徑，檢測(cè)局部最大值點(diǎn)，然后將檢測(cè)的種子點(diǎn)柵格化為標(biāo)記圖像，作為分水嶺分割算法的輸入?yún)?shù)來提取單棵樹；

5)根據(jù)數(shù)據(jù)采集區(qū)域樣地單棵樹的實(shí)測(cè)數(shù)據(jù)擬合生成胸徑-樹高-冠徑模型，推算森林蓄積量并通過構(gòu)建LOD2樹模型對(duì)森林區(qū)域中樹的分布情況進(jìn)行三維模型顯示。

優(yōu)選地，在步驟2)中，通過分類方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行區(qū)分地面和非地面信息，利用數(shù)字表面模型DSM與數(shù)字地面模型DTM的差值進(jìn)行高程歸一化處理獲得歸一化的數(shù)字高程模型nDSM。

優(yōu)選地，在步驟3)中，根據(jù)設(shè)置固定采樣間隔，取所有落入單個(gè)格網(wǎng)中的最大值點(diǎn)為當(dāng)前灰度值，沒有點(diǎn)落入時(shí)賦值為0，以此來形成二維柵格數(shù)據(jù)。

優(yōu)選地，在步驟4)中，首先是對(duì)柵格圖像中的每個(gè)像素的灰度級(jí)進(jìn)行由低到高的排序過程，然后通過注水，由每一個(gè)局部極小值慢慢向外擴(kuò)展，進(jìn)行從低到高的淹沒處理，各個(gè)種子點(diǎn)相互間的匯集處構(gòu)成分水嶺，定義為邊界。

優(yōu)選地，所述種子點(diǎn)為通過對(duì)nDSM進(jìn)行稀疏處理時(shí)，只保留垂直方向上的最大值，并通過給定的搜索半徑，檢測(cè)水平位置上的最大值點(diǎn)來獲取到的且其個(gè)數(shù)表示檢測(cè)出單棵樹個(gè)數(shù)的柵格圖像。

優(yōu)選地，局部最大值點(diǎn)為通過一定大小的搜索窗口，逐像素的比較搜索窗口范圍內(nèi)的所有點(diǎn)與當(dāng)前點(diǎn)的灰度值大小，當(dāng)前點(diǎn)大于周邊點(diǎn)時(shí)，取該局部最大值點(diǎn)為種子點(diǎn)。

優(yōu)選地，所述胸徑-樹高-冠徑模型為：

D＝aC+bH+c

D＝aC^b+cH^d+e

其中，H為樹高、D為胸徑、C為冠徑，a，b，c，d，e表示根據(jù)樣地實(shí)測(cè)數(shù)據(jù)進(jìn)行方程擬合的系數(shù)，冠徑是根據(jù)單棵樹的檢測(cè)范圍采用最小二乘法對(duì)該范圍內(nèi)的所有點(diǎn)進(jìn)行圓的擬合操作最后確定圓的直徑。

優(yōu)選地，根據(jù)單棵樹的檢測(cè)區(qū)域確定每棵樹的高度值H，并且利用最小二乘法擬合圓來擬合單棵樹的所有點(diǎn)以此來確定冠徑C，然后通過樹高-胸徑-冠徑擬合模型計(jì)算胸徑D；

所述樹高-胸徑-冠徑擬合模型為：

其中，胸徑、樹高、冠徑的單位分別為mm、dm、dm。

優(yōu)選地，森林蓄積量V(m³)是根據(jù)胸徑、樹高和冠徑來確定的，其計(jì)算公式如下：

V＝G_1.3(H+3)f_ε

其中，a、b表示胸高處相互垂直的直徑大小，當(dāng)a和b相等時(shí)，用D表示，單位是厘米，則整個(gè)區(qū)域中總的森林蓄積量用下式表示：

其中，i表示第i棵樹，G_1.3為樹干胸高斷面積，其單位為m²，f_ε為平均實(shí)驗(yàn)系數(shù)，f_εi為第i棵樹的平均實(shí)驗(yàn)系數(shù)。

優(yōu)選地，獲取甚高郁閉度森林蓄積量的過程還可以包括以下步驟：

1)根據(jù)不同區(qū)域，設(shè)置滿足要求的飛行高度、飛行速度和飛行航線，以達(dá)到300點(diǎn)/m2以上的點(diǎn)密度為條件進(jìn)行數(shù)據(jù)采集，并將經(jīng)緯度坐標(biāo)轉(zhuǎn)換成后續(xù)數(shù)據(jù)處理所需的地理坐標(biāo)生成以米為單位的點(diǎn)云數(shù)據(jù)；

2)通過代表樹木冠層頂部信息的數(shù)字表面模型DSM與表示地形信息的數(shù)字地面模型DTM之間的差值獲得歸一化的數(shù)字高程模型nDSM；

3)將數(shù)字高程模型nDSM數(shù)據(jù)投影到二維平面，通過設(shè)定采樣間隔和最大值柵格化處理，取落入每一格網(wǎng)內(nèi)的最大值作為當(dāng)前點(diǎn)的高程值；

4)進(jìn)行垂直方向最大值稀疏處理，保留冠層頂部，并以實(shí)際樹木冠徑的經(jīng)驗(yàn)寬度為搜索半徑，檢測(cè)局部最大值點(diǎn)，然后將檢測(cè)的種子點(diǎn)柵格化為標(biāo)記圖像，作為分水嶺分割算法的輸入?yún)?shù)來提取單棵樹；

5)根據(jù)數(shù)據(jù)采集區(qū)域已有的經(jīng)驗(yàn)?zāi)Ｐ凸浪忝靠脴淠镜男貜?，采用該?shù)據(jù)采集區(qū)域樹種的材積公式來推算森林蓄積量；并通過構(gòu)建LOD2樹模型對(duì)森林區(qū)域中樹的分布情況進(jìn)行三維模型顯示。在推算森林蓄積量的過程中，根據(jù)數(shù)據(jù)采集區(qū)域已有的經(jīng)驗(yàn)?zāi)Ｐ凸浪忝靠脴淠镜男貜剑⒏鶕?jù)該數(shù)據(jù)采集區(qū)域樹種的材積公式來推算森林蓄積量，從而替代根據(jù)胸徑-樹高-冠徑模型來推算森林蓄積量。

優(yōu)選地，材積公式包括馬尾松(人工林)的二元材積公式：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸徑D和樹高H的單位分別為cm和m。

本發(fā)明的有益效果如下：

本發(fā)明首先獲取甚高郁閉度森林區(qū)域的地面信息，然后在nDSM基礎(chǔ)上通過垂直方向最大值點(diǎn)云稀疏和局部最大值方法檢測(cè)種子點(diǎn)，并將nDSM柵格數(shù)據(jù)取反進(jìn)行樹木分割來提取單棵樹，利用數(shù)據(jù)采集區(qū)域的胸徑-樹高-冠徑模型或材積公式來獲得甚高郁閉度森林區(qū)域的森林蓄積量，本發(fā)明利用機(jī)載激光雷達(dá)技術(shù)提出了從數(shù)據(jù)采集到森林蓄積量獲取的方法流程，為機(jī)載激光雷達(dá)在甚高郁閉度的林業(yè)勘察應(yīng)用中提供技術(shù)解決方案，為森林資源清查提供高效率、低成本的技術(shù)支持。

本發(fā)明為機(jī)載激光雷達(dá)在甚高郁閉度的林業(yè)勘察應(yīng)用中提供完整的技術(shù)解決方案，利用機(jī)載激光雷達(dá)獲取森林點(diǎn)云數(shù)據(jù)，通過垂直方向最大值稀疏處理和以樹木真實(shí)冠幅為搜索半徑搜索種子點(diǎn)來抑制分水嶺分割算法的過度分割，從而快速的獲取森林區(qū)域內(nèi)樹的棵數(shù)以及對(duì)應(yīng)的樹高和冠徑，利用樣地實(shí)測(cè)數(shù)據(jù)擬合或者根據(jù)已有的經(jīng)驗(yàn)方程獲取胸徑和森林蓄積量，可以大大減少了人力和財(cái)力的耗費(fèi)，加快森林清查工作的更新速度，推進(jìn)森林資源的智能化管理。

附圖說明

圖1是本發(fā)明獲取甚高郁閉度森林蓄積量的一種方法流程圖；

圖2是本發(fā)明獲取甚高郁閉度森林蓄積量的另一種方法流程圖；

圖3-a是第一組實(shí)驗(yàn)數(shù)據(jù)中截取四塊區(qū)域的位置分布圖；

圖3-b是第二組實(shí)驗(yàn)數(shù)據(jù)中截取四塊區(qū)域的位置分布圖；

圖3-c是第三組實(shí)驗(yàn)數(shù)據(jù)中截取四塊區(qū)域的位置分布圖；

圖3-d是第四組實(shí)驗(yàn)數(shù)據(jù)中截取四塊區(qū)域的位置分布圖；

圖3-e是第五組實(shí)驗(yàn)數(shù)據(jù)中截取四塊區(qū)域的位置分布圖；

圖4-a是經(jīng)過地形分類后的顯示圖；

圖4-b是在檢測(cè)出的種子點(diǎn)分布圖；

圖4-c是在根據(jù)種子點(diǎn)進(jìn)行分水嶺分割后檢測(cè)出樹的范圍示意圖；

圖5-a是LOD2樹模型示意圖；

圖5-b是LOD2樹模型中胸徑、樹高和冠徑的細(xì)節(jié)展示示意圖；

圖6-a是第一組數(shù)據(jù)中四塊區(qū)域分別對(duì)應(yīng)的平均樹高、平均冠徑、平均胸徑和兩種森林蓄積量的統(tǒng)計(jì)結(jié)果示意圖；

圖6-b是第二組數(shù)據(jù)中四塊區(qū)域分別對(duì)應(yīng)的平均樹高、平均冠徑、平均胸徑和兩種森林蓄積量的統(tǒng)計(jì)結(jié)果示意圖；

圖6-c是第三組數(shù)據(jù)中四塊區(qū)域分別對(duì)應(yīng)的平均樹高、平均冠徑、平均胸徑和兩種森林蓄積量的統(tǒng)計(jì)結(jié)果示意圖；

圖6-d是第四組數(shù)據(jù)中四塊區(qū)域分別對(duì)應(yīng)的平均樹高、平均冠徑、平均胸徑和兩種森林蓄積量的統(tǒng)計(jì)結(jié)果示意圖；

圖6-e是第五組數(shù)據(jù)中四塊區(qū)域分別對(duì)應(yīng)的平均樹高、平均冠徑、平均胸徑和兩種森林蓄積量的統(tǒng)計(jì)結(jié)果示意圖；

圖7-a是密度大并且冠層結(jié)構(gòu)非常明顯的點(diǎn)云數(shù)據(jù)經(jīng)本發(fā)明方法的檢測(cè)結(jié)果示意圖；

圖7-b是密度小的點(diǎn)云數(shù)據(jù)經(jīng)本發(fā)明方法的檢測(cè)結(jié)果示意圖；

圖7-c是冠層結(jié)構(gòu)區(qū)分不明顯的點(diǎn)云數(shù)據(jù)經(jīng)本發(fā)明方法的檢測(cè)結(jié)果示意圖。

具體實(shí)施方式

為能清楚說明本方案的技術(shù)特點(diǎn)，下面通過具體實(shí)施方式，并結(jié)合其附圖，對(duì)本發(fā)明進(jìn)行詳細(xì)闡述。下文的公開提供了許多不同的實(shí)施例或例子用來實(shí)現(xiàn)本發(fā)明的不同結(jié)構(gòu)。為了簡(jiǎn)化本發(fā)明的公開，下文中對(duì)特定例子的部件和設(shè)置進(jìn)行描述。此外，本發(fā)明可以在不同例子中重復(fù)參考數(shù)字和/或字母。這種重復(fù)是為了簡(jiǎn)化和清楚的目的，其本身不指示所討論各種實(shí)施例和/或設(shè)置之間的關(guān)系。應(yīng)當(dāng)注意，在附圖中所圖示的部件不一定按比例繪制。本發(fā)明省略了對(duì)公知組件和處理技術(shù)及工藝的描述以避免不必要地限制本發(fā)明。

如圖1所示，本發(fā)明的一種基于激光雷達(dá)技術(shù)獲取甚高郁閉度森林蓄積量的方法，它對(duì)獲取的甚高郁閉度森林區(qū)域的地面信息首先進(jìn)行檢測(cè)種子點(diǎn)，然后通過樹木分割來提取單棵樹，最后利用胸徑-樹高-冠徑模型獲得甚高郁閉度森林區(qū)域的森林蓄積量。其獲取甚高郁閉度森林蓄積量的具體過程包括以下步驟：

1)根據(jù)不同區(qū)域，設(shè)置滿足要求的飛行高度、飛行速度和飛行航線，以達(dá)到300點(diǎn)/m2以上的點(diǎn)密度為條件進(jìn)行數(shù)據(jù)采集，并將經(jīng)緯度坐標(biāo)轉(zhuǎn)換成后續(xù)數(shù)據(jù)處理所需的地理坐標(biāo)生成以米為單位的點(diǎn)云數(shù)據(jù)；

2)通過代表樹木冠層頂部信息的數(shù)字表面模型DSM與表示地形信息的數(shù)字地面模型DTM之間的差值獲得歸一化的數(shù)字高程模型nDSM；

3)將數(shù)字高程模型nDSM數(shù)據(jù)投影到二維平面，通過設(shè)定采樣間隔和最大值柵格化處理，取落入每一格網(wǎng)內(nèi)的最大值作為當(dāng)前點(diǎn)的高程值；

4)進(jìn)行垂直方向最大值稀疏處理，保留冠層頂部，并以實(shí)際樹木冠徑的經(jīng)驗(yàn)寬度為搜索半徑，檢測(cè)局部最大值點(diǎn)，然后將檢測(cè)的種子點(diǎn)柵格化為標(biāo)記圖像，作為分水嶺分割算法的輸入?yún)?shù)來提取單棵樹；

5)根據(jù)數(shù)據(jù)采集區(qū)域樣地單棵樹的實(shí)測(cè)數(shù)據(jù)擬合生成胸徑-樹高-冠徑模型，推算森林蓄積量并通過構(gòu)建LOD2樹模型(如圖5-a和圖5-b所示)對(duì)森林區(qū)域中樹的分布情況進(jìn)行三維模型顯示。

優(yōu)選地，在步驟2)中，通過分類方法對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行區(qū)分地面和非地面信息，利用數(shù)字表面模型DSM與數(shù)字地面模型DTM的差值進(jìn)行高程歸一化處理獲得歸一化的數(shù)字高程模型nDSM。

優(yōu)選地，在步驟3)中，根據(jù)設(shè)置固定采樣間隔，取所有落入單個(gè)格網(wǎng)中的最大值點(diǎn)為當(dāng)前灰度值，沒有點(diǎn)落入時(shí)賦值為0，以此來形成二維柵格數(shù)據(jù)。

優(yōu)選地，在步驟4)中，首先是對(duì)柵格圖像中的每個(gè)像素的灰度級(jí)進(jìn)行由低到高的排序過程，然后通過注水，由每一個(gè)局部極小值慢慢向外擴(kuò)展，進(jìn)行從低到高的淹沒處理，各個(gè)種子點(diǎn)相互間的匯集處構(gòu)成分水嶺，定義為邊界。

優(yōu)選地，所述種子點(diǎn)為通過對(duì)nDSM進(jìn)行稀疏處理時(shí)，只保留垂直方向上的最大值，并通過給定的搜索半徑，檢測(cè)水平位置上的最大值點(diǎn)來獲取到的且其個(gè)數(shù)表示檢測(cè)出單棵樹個(gè)數(shù)的柵格圖像。

優(yōu)選地，局部最大值點(diǎn)為通過一定大小的搜索窗口，逐像素的比較搜索窗口范圍內(nèi)的所有點(diǎn)與當(dāng)前點(diǎn)的灰度值大小，當(dāng)前點(diǎn)大于周邊點(diǎn)時(shí)，取該局部最大值點(diǎn)為種子點(diǎn)。

優(yōu)選地，所述胸徑-樹高-冠徑模型為：

D＝aC+bH+c

D＝aC^b+cH^d+e

其中，H為樹高、D為胸徑、C為冠徑，a，b，c，d，e表示根據(jù)樣地實(shí)測(cè)數(shù)據(jù)進(jìn)行方程擬合的系數(shù)，冠徑是根據(jù)單棵樹的檢測(cè)范圍采用最小二乘法對(duì)該范圍內(nèi)的所有點(diǎn)進(jìn)行圓的擬合操作最后確定圓的直徑。

優(yōu)選地，根據(jù)單棵樹的檢測(cè)區(qū)域確定每棵樹的高度值H，并且利用最小二乘法擬合圓來擬合單棵樹的所有點(diǎn)以此來確定冠徑C，然后通過樹高-胸徑-冠徑擬合模型計(jì)算胸徑D；

所述樹高-胸徑-冠徑擬合模型為：

其中，胸徑、樹高、冠徑的單位分別為mm、dm、dm。

優(yōu)選地，森林蓄積量V(m³)是根據(jù)胸徑、樹高和冠徑來確定的，其計(jì)算公式如下：

V＝G_1.3(H+3)f_ε

其中，a、b表示胸高處相互垂直的直徑大小，當(dāng)a和b相等時(shí)，用D表示，單位是厘米，則整個(gè)區(qū)域中總的森林蓄積量用下式表示：

其中，i表示第i棵樹，G_1.3為樹干胸高斷面積，其單位為m²，f_ε為平均實(shí)驗(yàn)系數(shù)，f_εi為第i棵樹的平均實(shí)驗(yàn)系數(shù)。

如圖2所示，本發(fā)明的另一種基于激光雷達(dá)技術(shù)獲取甚高郁閉度森林蓄積量的方法，它對(duì)獲取的甚高郁閉度森林區(qū)域的地面信息首先進(jìn)行檢測(cè)種子點(diǎn)，然后通過樹木分割來提取單棵樹，最后利用胸徑-樹高-冠徑模型獲得甚高郁閉度森林區(qū)域的森林蓄積量。其獲取甚高郁閉度森林蓄積量的具體過程包括以下步驟：

1)根據(jù)不同區(qū)域，設(shè)置滿足要求的飛行高度、飛行速度和飛行航線，以達(dá)到300點(diǎn)/m2以上的點(diǎn)密度為條件進(jìn)行數(shù)據(jù)采集，并將經(jīng)緯度坐標(biāo)轉(zhuǎn)換成后續(xù)數(shù)據(jù)處理所需的地理坐標(biāo)生成以米為單位的點(diǎn)云數(shù)據(jù)；

2)通過代表樹木冠層頂部信息的數(shù)字表面模型DSM與表示地形信息的數(shù)字地面模型DTM之間的差值獲得歸一化的數(shù)字高程模型nDSM；

3)將數(shù)字高程模型nDSM數(shù)據(jù)投影到二維平面，通過設(shè)定采樣間隔和最大值柵格化處理，取落入每一格網(wǎng)內(nèi)的最大值作為當(dāng)前點(diǎn)的高程值；

4)進(jìn)行垂直方向最大值稀疏處理，保留冠層頂部，并以實(shí)際樹木冠徑的經(jīng)驗(yàn)寬度為搜索半徑，檢測(cè)局部最大值點(diǎn)，然后將檢測(cè)的種子點(diǎn)柵格化為標(biāo)記圖像，作為分水嶺分割算法的輸入?yún)?shù)來提取單棵樹；

5)根據(jù)數(shù)據(jù)采集區(qū)域已有的經(jīng)驗(yàn)?zāi)Ｐ凸浪忝靠脴淠镜男貜剑捎迷摂?shù)據(jù)采集區(qū)域樹種的材積公式來推算森林蓄積量；并通過構(gòu)建LOD2樹模型對(duì)森林區(qū)域中樹的分布情況進(jìn)行三維模型顯示。在推算森林蓄積量的過程中，根據(jù)數(shù)據(jù)采集區(qū)域已有的經(jīng)驗(yàn)?zāi)Ｐ凸浪忝靠脴淠镜男貜?，并根?jù)該數(shù)據(jù)采集區(qū)域樹種的材積公式來推算森林蓄積量，從而替代根據(jù)胸徑-樹高-冠徑模型來推算森林蓄積量。

優(yōu)選地，材積公式包括馬尾松(人工林)的二元材積公式：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸徑D和樹高H的單位分別為cm和m。

本發(fā)明利用機(jī)載激光雷達(dá)(ALS)獲取甚高郁閉度的森林點(diǎn)云數(shù)據(jù)，通過點(diǎn)云分類、地形歸一化、局部最大值、分水嶺分割等算法提取單棵樹的樹高，利用最小二乘法擬合圓獲取冠徑，利用樹高、冠徑和胸徑的函數(shù)模型估算胸徑，根據(jù)經(jīng)驗(yàn)方程獲取森林蓄積量，并對(duì)機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)在甚高郁閉度情況下的森林勘察進(jìn)行可行性研究和分析。本發(fā)明為具有甚高郁閉度的林業(yè)勘察提供了利用機(jī)載激光雷達(dá)數(shù)據(jù)估算森林蓄積量的方法,并在理論論證及多次實(shí)驗(yàn)驗(yàn)證后，確定了在具有甚高郁閉度的森林區(qū)域，激光點(diǎn)云數(shù)據(jù)需達(dá)到300點(diǎn)/m2以上的密度才能有效獲取地面信息，獲得樹木高度的準(zhǔn)確值。根據(jù)該方法可以快速、高精度地獲取單棵樹的高度，冠徑，進(jìn)行各類森林參數(shù)的估算，不僅給林木的勘測(cè)帶來極大便利，同時(shí)也減少了人力和財(cái)力的巨大浪費(fèi)。

下面以南方某省的林業(yè)數(shù)據(jù)為實(shí)施案例，結(jié)合附圖和技術(shù)方案進(jìn)一步說明本發(fā)明的具體實(shí)施方式。

(1)參考該省當(dāng)?shù)氐牡孛娓叱虜?shù)據(jù)，根據(jù)實(shí)驗(yàn)區(qū)域的真實(shí)特征，確定飛機(jī)的安全飛行高度(130～200m)，為了使激光打到地面，飛行速度設(shè)為4m/s，點(diǎn)云密度達(dá)到400點(diǎn)/m2，將獲取的點(diǎn)云數(shù)據(jù)進(jìn)行拼接，并將經(jīng)緯度轉(zhuǎn)成米。

(2)根據(jù)點(diǎn)云數(shù)據(jù)具有地面和非地面信息這一特征，如圖4-a，首先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類，將樹和地面區(qū)分開來；然后通過高程歸一化獲取nDSM數(shù)據(jù)，并在此基礎(chǔ)上設(shè)置采樣間隔為0.2，保留落入格網(wǎng)內(nèi)的最大值，轉(zhuǎn)成二維柵格圖像。

(3)根據(jù)nDSM數(shù)據(jù)，采用垂直方向最大值稀疏處理，保留冠層頂部，此時(shí)當(dāng)前點(diǎn)在垂直方向上只有一個(gè)最大值點(diǎn)，表征了不同樹冠之間的分布特征；由于單棵樹的冠層直徑一般為2～10m，檢測(cè)樹木頂部，一般在當(dāng)前點(diǎn)周圍1～3m范圍內(nèi)即可確定，因此設(shè)置搜索半徑為2m，通過局部最大值方法提取單棵樹的樹頂(種子點(diǎn))，如圖4-b所示，并以0.2為采樣間隔對(duì)其進(jìn)行柵格化，賦值為1，其他點(diǎn)賦值為0，定義為標(biāo)記圖像，然后對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行取反操作；將標(biāo)記圖像和取反圖像作為輸入?yún)?shù)帶入分水嶺分割算法中，確定單棵樹的所在范圍，并以不同的類別表示，如圖4-c。由于采集數(shù)據(jù)時(shí)周邊區(qū)域的點(diǎn)很少，單個(gè)點(diǎn)也可能被誤認(rèn)為是樹，因此，這里設(shè)置有效點(diǎn)數(shù)為20，即認(rèn)為單棵樹檢測(cè)范圍內(nèi)的點(diǎn)數(shù)低于20個(gè)時(shí)，視為無效點(diǎn)。

(4)根據(jù)單棵樹的檢測(cè)區(qū)域，確定每棵樹的高度值H(dm)，并且利用最小二乘法擬合圓來擬合單棵樹的所有點(diǎn)，以此來確定冠徑C(dm)；然后采用地處經(jīng)度25.11°，緯度61.19°區(qū)域內(nèi)某樹種的經(jīng)驗(yàn)方程計(jì)算每棵樹的胸徑D(mm)：

森林蓄積量的求法主要包括標(biāo)準(zhǔn)木法(根據(jù)標(biāo)準(zhǔn)地內(nèi)具有特定林分平均材積來推算林分蓄積量)、材積表法(根據(jù)胸徑、樹高、干形等與材積的回歸關(guān)系建立查找表，常用的有一元材積表、二元材積表和三元材積表)、標(biāo)準(zhǔn)表法(林分蓄積量由林分中(或單位面積上)所有樹木胸高總斷面積、林分條件平均高和林分形數(shù)三要素的乘積構(gòu)成)、平均實(shí)驗(yàn)形數(shù)法(在標(biāo)準(zhǔn)表法的基礎(chǔ)上，根據(jù)相應(yīng)樹種的實(shí)驗(yàn)形數(shù)求林分蓄積量)以及一種根據(jù)調(diào)查員目估經(jīng)驗(yàn)的目測(cè)法。

這里，森林蓄積量采用平均實(shí)驗(yàn)形數(shù)法和二元材積公式兩種方法進(jìn)行估算，分別如下：

A.根據(jù)平均實(shí)驗(yàn)形數(shù)f_ε，第i棵樹的樹高H_i(m)，胸徑D_i(m)計(jì)算森林蓄積量V(m³)：

B.根據(jù)福建省馬尾松(人工林)的二元材積公式，通過冠層直徑D(cm)、樹高H(m)計(jì)算森林蓄積量V(m³)：

V＝0.0000942941D^1.832223553H^0.8197255549

其中，胸徑和樹高的單位分別為D(cm)、H(m)。

本實(shí)施例中共采集了五組數(shù)據(jù)，以一畝地面積為標(biāo)準(zhǔn)(寬和高均為25.82m)，如圖3-a到3-e所示，分別在每組數(shù)據(jù)中截取寬高相等的四塊數(shù)據(jù)，并計(jì)算截取區(qū)域內(nèi)的平均樹高、平均胸徑、平均冠徑和兩種方法估算的平均森林蓄積量。影響森林蓄積量準(zhǔn)確獲取地主要因素分別是點(diǎn)云數(shù)據(jù)密度、冠形結(jié)構(gòu)特征和樹檢測(cè)算法，如圖7-a至圖7-c所示，當(dāng)點(diǎn)云數(shù)據(jù)密度不夠、實(shí)驗(yàn)區(qū)樹種的干徑偏小，以及樹種的冠形結(jié)構(gòu)特征不明顯時(shí)，將會(huì)導(dǎo)致樹無法被檢測(cè)出來，因此，對(duì)于甚高郁閉度的森林?jǐn)?shù)據(jù)，點(diǎn)云密度必須要達(dá)到足夠的點(diǎn)數(shù)才能獲取準(zhǔn)確的樹木高度。

本次實(shí)施例所測(cè)五組數(shù)據(jù)，占地總面積約為400畝，就森林調(diào)查效率的比較情況而言，采集數(shù)據(jù)共用一天時(shí)間，而人工測(cè)量則要遠(yuǎn)大于五天的時(shí)間，因此，機(jī)載激光雷達(dá)的采集效率要遠(yuǎn)遠(yuǎn)大于人工調(diào)查的作業(yè)效率，而且檢測(cè)的樹木棵數(shù)和獲取的森林蓄積量與樣地?cái)?shù)據(jù)也較為吻合。由于研究區(qū)域森林郁閉度高達(dá)到0.9以上，森林分布更加密集，本發(fā)明經(jīng)理論和實(shí)驗(yàn)確定了至少滿足300點(diǎn)/m2以上的點(diǎn)云密度，才能獲取準(zhǔn)確的樹高信息；而且，該方法同樣適用于其他林區(qū)的森林蓄積量計(jì)算，具有很強(qiáng)的普適性。

本發(fā)明將歸一化的點(diǎn)云數(shù)據(jù)nDSM進(jìn)行最大值柵格化；通過對(duì)nDSM進(jìn)行垂直結(jié)構(gòu)最大值稀疏處理，并在此基礎(chǔ)上檢測(cè)種子點(diǎn)，然后柵格化為標(biāo)記圖像，作為抑制分水嶺分割算法過度分割的輸入?yún)?shù)。利用樹木實(shí)際冠徑的取值范圍約束最小二乘法擬合圓獲取樹木冠徑，并根據(jù)樹高-胸徑-冠徑之間的關(guān)系模型，通過樹高和冠徑獲取胸徑，最后利用經(jīng)驗(yàn)方程計(jì)算森林蓄積量。本發(fā)明利用機(jī)載激光雷達(dá)技術(shù)提出了從數(shù)據(jù)采集到森林蓄積量獲取的方法流程，為機(jī)載激光雷達(dá)在甚高郁閉度的林業(yè)勘察應(yīng)用中提供技術(shù)解決方案，為森林資源清查提供高效率、低成本的技術(shù)支持。

本發(fā)明對(duì)獲取的甚高郁閉度森林區(qū)域的地面信息通過樹木分割來提取單棵樹的過程，還可以采用以下步驟來實(shí)現(xiàn)：

1)從原始的甚高郁閉度森林區(qū)域激光雷達(dá)點(diǎn)云中將樹的點(diǎn)云分離出來；樹的點(diǎn)云的分離過程是通過濾波方法先將原始甚高郁閉度森林區(qū)域激光雷達(dá)點(diǎn)云分為地面點(diǎn)和非地面點(diǎn)，再利用分類方法將非地面點(diǎn)分為樹的點(diǎn)云和非樹點(diǎn)云。

2)將三維的原始甚高郁閉度森林區(qū)域激光雷達(dá)點(diǎn)云投影到二維平面，即將激光雷達(dá)點(diǎn)云劃分在規(guī)則三維網(wǎng)格中，并利用分水嶺分割算法以二維圖像作為輸入?yún)?shù)，通過區(qū)域增長(zhǎng)對(duì)樹的點(diǎn)云進(jìn)行初始分割；

3)將二維的初始分割結(jié)果轉(zhuǎn)到三維網(wǎng)格環(huán)境下，首先確定每個(gè)分割組塊的根網(wǎng)格和樹枝網(wǎng)格，然后利用3D網(wǎng)格融合算法將過分割的點(diǎn)云進(jìn)行融合；

4)利用LOD2數(shù)據(jù)建立單棵樹的三維模型，并利用單棵樹的三維模型提取出單棵樹。提取出單棵樹之后，根據(jù)數(shù)據(jù)采集區(qū)域樣地單棵樹的實(shí)測(cè)數(shù)據(jù)擬合生成胸徑-樹高-冠徑模型來推算森林蓄積量，或者根據(jù)數(shù)據(jù)采集區(qū)域已有的經(jīng)驗(yàn)?zāi)Ｐ凸浪忝靠脴淠镜男貜?，并采用材積公式來推算森林蓄積量，并利用單棵樹的三維模型對(duì)森林區(qū)域中樹的分布情況進(jìn)行三維模型顯示。

進(jìn)一步地，所述將原始甚高郁閉度森林區(qū)域激光雷達(dá)點(diǎn)云分為地面點(diǎn)和非地面點(diǎn)的過程包括以下步驟：

1)選取初始種子點(diǎn)構(gòu)建初始TIN：確定點(diǎn)云的邊界，并以最大建筑物尺寸為網(wǎng)格大小，構(gòu)建網(wǎng)格，選取每個(gè)網(wǎng)格中的最低點(diǎn)作為種子點(diǎn)，四個(gè)角點(diǎn)的高程等于距離該角點(diǎn)最近的種子點(diǎn)高程，剩下的點(diǎn)則定義為待定點(diǎn)；

2)TIN迭代加密：對(duì)待定點(diǎn)進(jìn)行判定是否為地面點(diǎn)并且刷新三角網(wǎng)，根據(jù)待定點(diǎn)的坐標(biāo)位置，確定待定點(diǎn)所在的三角面片，計(jì)算其與所在三角面片的角度和距離，如果角度和距離均小于給定閾值則定義為地面點(diǎn)；否則計(jì)算三角面片的坡度，如果坡度小于閾值則判定該點(diǎn)為非地面點(diǎn)；否則，對(duì)該點(diǎn)的鏡像點(diǎn)判斷是否為地面點(diǎn)，如果是則該點(diǎn)為地面點(diǎn)，否則為非地面點(diǎn)；

3)將新增的地面點(diǎn)加入TIN，并重復(fù)TIN迭代加密過程，直到將所有地面點(diǎn)加入TIN為止。

進(jìn)一步地，所述將非地面點(diǎn)分為樹的點(diǎn)云和非樹點(diǎn)云的過程就是通過獲取點(diǎn)云數(shù)據(jù)的DSM和DEM進(jìn)行構(gòu)建nDSM來確定樹的點(diǎn)云和非樹點(diǎn)云。

進(jìn)一步地，所述根網(wǎng)格和樹枝網(wǎng)格的確定是通過以下兩個(gè)標(biāo)準(zhǔn)來實(shí)現(xiàn)的，對(duì)于每一個(gè)分割組塊及其鄰接分割組塊：

1)每個(gè)分割組塊中，具有最小高程的格網(wǎng)為根網(wǎng)格；

2)按照每個(gè)分割組塊為單位，直接或間接連接到根網(wǎng)格的網(wǎng)格均為樹枝網(wǎng)格。

進(jìn)一步地，利用3D網(wǎng)格融合算法將過分割的點(diǎn)云進(jìn)行融合的過程包括以下步驟：

1)如果一個(gè)分割組塊的根網(wǎng)格與其鄰接分割組塊的根網(wǎng)格之間的二維距離超過規(guī)定的閾值時(shí)則不進(jìn)行融合，否則進(jìn)入下一步；

2)如果該分割組塊的根網(wǎng)格與其鄰近分割組塊的樹枝網(wǎng)格之間的二維或者三維距離超過規(guī)定的閾值時(shí)則不進(jìn)行融合，否則進(jìn)入下一步；

3)如果該分割組塊的每個(gè)樹枝網(wǎng)格與其鄰近分割組塊的樹枝網(wǎng)格之間的二維或者三維距離超過規(guī)定閾值時(shí)則不進(jìn)行融合，否則將該分割組塊與其鄰接分割組塊進(jìn)行融合；

4)重復(fù)上述步驟繼續(xù)對(duì)兩個(gè)相鄰分割組塊進(jìn)行融合。

該對(duì)獲取的甚高郁閉度森林區(qū)域的地面信息通過樹木分割來提取單棵樹的方法，利用圖像分割算法獲取初始分割結(jié)果，然后通過3D網(wǎng)格融合算法對(duì)過度分割進(jìn)行融合，并利用單棵樹的三維模型提取出單棵樹，可以修正傳統(tǒng)圖像分割算法中出現(xiàn)的過度分割問題，提供準(zhǔn)確的單木提取結(jié)果，而且不受點(diǎn)云密度的限制，極大地減少了人工干預(yù)，根據(jù)分割結(jié)果建立的三維樹模型，可以獲取相應(yīng)的森林參數(shù)，為森林應(yīng)用提供較為準(zhǔn)確的樹木生長(zhǎng)參考數(shù)據(jù)。

以上所述只是本發(fā)明的優(yōu)選實(shí)施方式，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也被視為本發(fā)明的保護(hù)范圍。