TLS技术在森林资源调查中的应用现状与展望

夏明鹏，官凤英，范少辉，卢玉生，晏颖杰，张美曼，詹美春

(1.国际竹藤中心 竹藤科学与技术重点实验室，北京 100102；2.航天科工智慧产业发展有限公司，北京 100854)

森林在人类生存、社会发展中不仅能够提供物质资源，而且在维持生态文明建设中具有重要作用[1]。现存森林资源容量是进行森林资源管理时的重要依据。由于森林资源的分布与海拔、温度、气候、光照等条件有关，其空间分布的复杂性特点使得传统林业调查方法无法获取令人满意的结果。随着遥感技术的发展，遥感作为一门新兴的应用科学，已经广泛应用于林地覆盖变化、森林防火、病虫害监测等林业研究中，为森林资源调查提供了新的获取技术手段。传统遥感技术通过卫星影像数据获取大区域内森林资源信息[2]，提供不同空间尺度的监测数据，但是其穿透性差无法反演垂直结构参数，并且在获取森林生物量信息时，敏感性差、易饱和。地基激光雷达(Terrestrial Laser Scanning，TLS)是一种主动遥感技术，可以有效地穿透森林，提供了一种非破坏性的高分辨率冠层测量技术。相对于传统光学遥感提供影像信息，TLS可以扫描获取研究区域内点云数据，通过点云数据能够构建研究区森林资源真实场景图，丰富了森林资源监测手段和林业科学研究的数据信息[3]。

第一个TLS商业系统是由Cyra Technologies在1998年建立，在森林调查中最早有关利用TLS进行单木属性参数提取研究的文献报道始于2000年之后。传统的森林样地调查是采用人工测量方法，不仅工作量大、费时费力费财，而且难以获得森林样地内详细的冠层结构信息，测量结果存在人为误差。近10余a来，国内外研究学者为了解决这些问题在森林样地调查中引用了TLS技术，提高了工作效率与数据精度。TLS技术在森林调查中主要的优势在于能够准确、快速、自动获取毫米级别的详细森林参数信息。研究者最早利用TLS技术提取森林样地内树木基本属性信息，如：胸径和单木位置[4-10]。之后，随着TLS技术的日趋成熟、提取算法的完善以及应用软件的丰富，TLS技术应用研究也更加深入，如叶面积指数的估算[11-17]，冠层空隙度[18-21]，冠层辐射[21-22]，冠层结构[23-24]，叶面积分布[25]，树干曲线[26-27]，竞争指数[28-30]等研究。同时，TLS针对森林生态系统研究与森林资源调查之间存在着一定的关系，例如，在同一个研究样地内获取单木的基本属性(树种、树高、胸径、生物量等)，然而，其中许多单木属性是应用于森林生态系统研究而不是森林经营研究，反之亦然，如叶面积指数和树干曲线[31]等。本研究首先简单介绍地基激光雷达的应用领域，然后论述该技术在林业研究上的应用现状，最后展望地基激光雷达用于森林资源调查的应用前景。

1 地基激光雷达的应用领域

TLS能够主动、精确、快速的获取目标物三维地理空间坐标和立体影像数据，可以提供详细的垂直结构信息，对目标的定量分析提供数据支撑。目前，TLS广泛应用于工业设计与施工测绘、采石采矿、古建筑维护与修复、变形监测、事故调查、逆向工程应用、地质研究及农作物生长监测等领域。近年来，随着激光雷达设备与应用软件的革新，使其可以更加快捷的获取高精度的森林结构参数信息。因此，许多学者将TLS技术应用于林业资源调查研究中。与传统的林业资源调查相比，TLS不仅能够从点云数据中提取位置、数量、树高、胸径、冠幅、郁闭度、叶面积指数、树木材积和树木地上生物量等森林参数，而且还节省人力物力财力，提高了工作效率。

2 国内外研究现状

地基激光雷达技术是近几年兴起的一门应用于林业研究的新技术，最初利用TLS进行森林样地调查是因为能够从TLS数据中自动获取详细的树木属性信息，相比传统人工调查方法省时、省力，具有明显的优势。同时，由于激光雷达具有较高的分辨能力和抗干扰能力等特点，使其迅速成为一个替代传统光学传感器调查监测森林动态变化的新手段。

2.1 国外研究现状

2.1.1 单木参数提取及其算法研究 地基激光雷达是近年来在国际上发展十分迅速的主动式遥感技术，在森林样地调查中TLS不仅能够自动获取样地尺度属性信息，例如：地形、单木位置、胸径、树高、数量等，而且也能直接获得树干曲线、树干材积及树冠层的结构参数。但是，目前TLS并不能够直接获取非结构参数，例如：年龄、树种、树皮厚度、纹理、树木材质等(表1)。

表1 参数提取Table 1 Parameter extraction

M.Simonse[32]等利用原始点云中Z轴的最低点来创建数字地形模型，然后过滤删除噪点，最后通过Hough变换和圆拟合法来提取点云数据中单木位置、胸径和不同高度处树干的直径。将结果与常规测量的基础数据进行对比发现：单木位置和胸径的拟合精度非常高，误差在预期范围内。T.Aschoff等[33]首先将获取的点云数据进行过滤，滤除掉因人为或其他原因造成的孤立点，再对数据进行取样抽稀，减轻后续数据处理工作量，然后分离出地面点云和地上植被点云，利用不规则三角网构建数字地面模型，基于此，对不同高度处的点云进行切片，采用Hough方法提取单木位置和树干直径。

G.Király[34]采用点聚类法和月牙法结合拟合圆来识别单木，提取单木位置、胸径、树高。A.Bienert[4]等通过利用点聚类搜寻法和点密度矢量法对单木进行识别，发现采用点密度矢量分析法识别单木的精度为97.4%，远高于点聚类搜寻法25%的精度。I.Oveland[35]等将激光测量分成由激光扫描旋转决定的时间间隔，从每个激光扫描旋角自动提取单木位置和胸径，然后利用迭代最近点算法估算单木中心点，结果表明样地胸径的平均差值为0.9 cm，RMSE为1.5 cm，TLS能够在30 s内扫描250 m2的样地点。P.Wezyk[36]等基于像素法和管道法对点云数据进行参数提取发现：像素法数据处理效果最好，估测胸径与实测胸径之间的相关系数R2大于0.946，树高相差0.35 m。M.Vastaranta[6]等分别利用TLS、激光相机(Laser camera)、激光速测镜(Laser relascope)对样地内122棵树进行测量，发现胸径的标准测量误差分别为8.3 mm(4.5%)，8.5 mm(4.9%)，14.3 mm(8.3%)。

TLS不仅可以提取单木属性参数，而且能够在样地尺度下进行森林资源清查，能够在一定范围内精确的识别单木。X.Liang[27]等利用TLS数据自动构建树干曲线，与实测数据进行对比发现85%的树木能够在60 m的范围内自动识别。P.Litkey[37]等利用单站测量来识别单木位置和树干曲线，在研究区域内85%的树木能够从单站TLS数据中自动获取。X.Liang[10]等利用自动算法从单站扫描数据提取单木位置，9块半径为10 m的圆形样地总的检测精度为71%。

在森林资源清查中，获取林木属性参数是一方面，其结果的提取精度是另一关键因子。TLS在进行林分调查时，其对样地属性数据的提取精度高。D.Seidel[38]等利用多个单站扫描获取5个不同林分条件、林分密度的样地点云数据，结果表明多个单站扫描获取的样地信息更加全面，数据处理更加高效，可以区分不同森林条件下的不同森林结构参数。M.Thies[39]对样地大小为30 m×30 m的山毛榉和橡树生长的混交林样地进行单站和多站的两种TLS扫描方法，比较胸径、树高、冠层高度的提取精度，结果显示，多站扫描的单木的检测精度(52%)高于单站扫描的检测精度(22%)、基于多站扫描的胸径误差(1.3%)比单站(4.1%)更好，然而，对单木位置的检测而言，两者的精度是一样的，与是否是单站还是多站无关。C.Hopkinson[40]等为了评价应用TLS在森林样地调查中森林单木参数提取的潜力，在纯红松林和落叶混交林两块样地中同时进行TLS测量和传统人工调查，研究发现，树位置、树高、胸径、林分密度、树木材积等所有的数据都能够从TLS数据中提取出来，可能由于树冠之间的遮蔽和非最优扫描站点的影响，树高存在轻微的低估现象。

树木形态的研究也是进行森林资源调查中较重要的一部分，然而从点云数据中，不仅可以通过反演提取单木位置、树高、胸径等参数，而且可以构建单木的分形结构、形态特征、生长过程等。B.Gorte[41]等将点云区域划分为大小一致的三维体元空间，然后将二维的栅格图像处理算法应用于三维体元空间，来确定树干和树干分枝结构，这个算法包括过滤、数学形态学、骨架化、最优路线法。N.Pfeifer[42]从扫描获取的点云数据中提取枝干的半径、轴方向以及轴线位置等参数，同时扫描树干表面不规则结构，基于自动拟合圆柱体算法构建单木树干及主要枝干模型，模型的拟合精度高，误差在1 cm左右。

J.G.Henning[43]对北卡罗来纳州西部森林一块20 m×40 m落叶林样地在有叶和无叶两种情况下进行不同季节扫描获取TLS数据，发现能够直接从扫描获取的数据中判断是否有叶或无叶，在有叶的情况下位置误差为0.39 m，胸径误差为4.7 cm，由于树叶的遮挡问题，在有叶的情况下TLS有效的测量范围为25.2 m，小于无叶的测量范围32.6 m。同时，他们又提出一种在森林环境中对TLS数据配准的方法，采用最近迭代点算法(ICP)进行多视图影像配准，产生了16 mm的平均配准误差。研究认为，TLS能够客观一致的描述森林结构指标，未来不仅仅局限于森林的资源调查研究，而且可以用来监测森林动态变化研究。

TLS在获取树干材积、树干生物量等方面具有得天独厚的优势，可以不通过破坏性测量，直接从点云数据中提取树干材积以及结合模型估测树干生物量，估测精度高。D.Seidel[44]等基于TLS数据根据异速生长回归模型来估算树木干重，研究发现6.9 kg的树木干重的平均绝对误差为11.1%。I.OVELAND[35]等结合体元法和冠层维度特征对单木的树枝生物量进行估算研究，发现当体元大小为0.4 m时，精度最好，体元大小为0.1 m时，精度最差。P.Pueschel[45]等估算了6棵树高为10 m的山毛榉树干材积，结果表明，多站测量偏差范围在2%～6%，单站偏差为34%～44%，多站测量效果比单站测量具有明显的优势。

2.1.2 林分结构研究 由于传统的测量手段无法准确地进行林分冠层的测量与分析，对于林分冠层结构研究往往具有局限性。地基激光雷达提供了一种非破坏性的高分辨率冠层三维测量手段，能够获取树冠表面高分辨率3D点云数据，进而促进林分冠层结构研究。TLS可以较准确的用来描述林分冠层的空间格局，如冠层间隙率、叶面积指数、叶面积密度及叶倾角等。F.Hosoi和K.Omasa[11]使用高精度的便携式TLS采用VCP(Voxel-Based Canopy Profiling)方法对山茶花的叶面积密度(LAD)和叶面积指数(LAI)进行反演估算，结果显示，LAD在最小的水平厚度上的估算误差为17%，在最大水平厚度上的估算误差为0.7%，LAI的估算误差为0.7%。A.H.Strahler[12]等基于简单的线性参数冠层模型获取叶面积指数(LAI)，分析了叶面积指数随着高度的分布情况。D.L Jupp[13]等使用EVI提取了样地内LAI，与数字半球影像对比结果一致。G.Zheng[46]等利用TLS数据进行了有效叶面积指数、叶倾角、叶面积指数的空间变异性等研究。

L.Korhonen[47]等基于树冠点云回波、DTM等参数，采用机载激光雷达、TLS和实际值相结合的方法对林分冠层郁闭度进行研究。M.A.Balduzzi[48]等利用TLS对黄花梨树叶的几何形状进行测量研究，发现当入射角度小于60°时，树叶表面的测量精度为±5°；当入射角大于60°时，精度变化比较大。A.M.GARC[49]等利用TLS提取森林冠层属性信息，提取结果显示，冠层高度的相关系数R2为0.81，RMSE为2.47 m，垂直方向上冠层基本高度的相关系数R2为0.86，RMSE为3.09 m。S.Bittner[50]等将TLS获取的三维数据用体元表示，根据输入体元的边缘长度和光衰减系数两个参数，利用快速光线追踪算法来计算吸收的光合有效辐射值，结果显示，冠层的NSE(model efficiency Nash-Sutcliffe efficiency)为0.88，RMSE为124 μmol·m-2·s-1，土壤表面NSE为0.65，RMSE为22 μmol·m-2·s-1。

D.Bayer[24]等利用TLS对混交和纯的欧洲山毛榉和挪威云杉进行研究，对树木的形态特征进行分析，发现种间竞争对树木冠形结构影响最大。F.Longuetaud[51]等利用TLS开展了阔叶混交林中种间竞争对目标树冠型的可塑性研究。J.Metz[28]等基于TLS分析了3个样地内目标树周围相邻树木冠型对山毛榉生长的影响，结果表明，目标树冠型的竞争压力表现为种间竞争比种内竞争的影响更大。D.Seidel[29]等利用TLS研究相邻树种结构对目标树木直径增长量的影响，通过比较不同的竞争指标发现，树高的60%处与胸径增长量的相关性最高。

2.2 国内研究现状

与国外研究相比，我国TLS技术应用于林业研究尚属起步阶段，目前仅局限于基本测树参数的提取、单木三维模型重建、森林参数反演及地上生物量估测等方面，在林业其他领域还未深入开展研究。国内仅有少部分学者就TLS在林业应用的可行性进行了研究，相继开展了林分参数提取研究，主要包括树高、位置、胸径、郁闭度、胸高断面积、生物量和蓄积量等参数的反演以及单木三维模型的构建。

关于TLS在我国的知识理论体系、现阶段运用状况相关学者做相应的研究。马立广[36]首先从初识者的角度介绍了地基激光雷达扫描仪的分类及其在应用中需要注意的事项。庞勇[52]主要从激光雷达遥感的基本原理、大小光斑激光雷达系统的特点，以及他们在林业上的应用现状进行了评述。

利用TLS直接对树木材积进行计算的研究方面，国内出现最早的有关TLS应用于森林资源调查的文献资料为北京林业大学冯仲科[33]团队，基于TLS将102棵不同树种、径阶的标准木的点云数据与伐倒木实测数据进行比较发现，扫描得到的体积与区分求积得到的结果相关性很高，R2为0.99。由此可见，利用TLS可以替代传统的区分求积方法进行立木材积表的编制。

为了获取更为精确的数据，研究学者开展了单站和多站的方法对实验样地进行数据的采集、处理与分析，发现单站与多站扫描所提取的精度存在差异，多站提取精度优于单站提取精度。刘鲁霞[53]基于TLS对天然林和杉木人工林进行多站和单站扫描开展单木树高和胸径的提取研究，对于多站拼接数据，即使在林分条件复杂的原始林，单木识别精度仍可达81%，对于单站数据，随着扫描距离增加，单木识别率降低。天然林单木树高的估测结果R2为0.77，RMSE为1.46；人工林单木树高估测结果R2为0.94，RMSE为0.96 m。

宁亮亮[54]等对采集的点云数据进行去噪处理、点云数据的匹配等处理，建立树木三维模型并进行三维绿量的估算，取得了较理想的结果，能够满足三维绿量的计算精度。梁子瑜[55]利用点云数据构建点云数据与树干削度之间的反演关系，拟合树干削度方程。黄华兵[9]和倪文俭[8]通过点云数据提取DEM，通过树干点云的垂直连续特征来识别树干，结合圆拟合提取位置和胸径，与林业实测数据进行对比，结果具有较好的一致性。

邓洋波[56]等采用地基激光雷达获取黑松、马尾松、荔枝、相思树点云数据，基于点云体素化理论，分割叶片点云，建立“叶片-体素”的投影关系，研究体素化理论中尺度因子与点云密度对叶面积指数(LAI)反演精度的影响，实现了单木LAI的高精度获取。汪艳[16]提出利用光线跟踪结合植被真实结构模拟地面单木三维点云数据，并结合间隙率模型来反演单木叶面积指数。王向玉[7]利用TLS三维点云数据，在已有的枝干结构重建方法基础上，提出了一种利用点云密度结合间隙率模型反演单木总叶面积，并在冠层内分体元添加树叶的方法，重建完整的单木三维结构。嵇俊[58]等对原始点云数据进行去噪处理、三角剖分生成网格、网格优化、孔洞修补等处理，快速重建出复杂植物叶片的高精度模型。李丹[59]利用TLS对凉水自然保护区内5块白桦天然次生林样地进行多站扫描，利用圆拟合和Hough变换方法从点云中提取单木位置、胸径和树高，与外业实际测量数据对比，结果一致性较高，单木识别的平均精度为72%。王祺[60]等利用树木点云数据为基础，运用扇形面积逼近和不规则体切片分割累加算法，实现了树冠体积的自动计算，节省了人力，在计算精度方面提高了6.17%，具有一定的实践和应用价值，可为树冠结构的研究提供参考。

综上所述，TLS技术是一种主动遥感三维空间测量手段，能够实现单木空间参数的自动获取，构建森林三维空间场景。随着研究的深入和技术的成熟，研究内容从单木参数(位置、胸径、树高)提取研究，逐渐发展到树干曲线、树干生物量、立木材积与林分结构参数(冠幅、郁闭度、叶面积指数、叶倾角等)等方面的研究。此外，通过对样地点云数据的分割来分析目标树与相邻树木之间的竞争压力以及对冠型可塑性的影响已经成为新的研究方向。

3 结论与讨论

TLS能够获取目标样地内高精度3D点云，具有自动化处理数据的能力。与其他传感器相比，虽然TLS的理论视距可达数百米，但由于样地林分密度和地形条件的不同，以及树木之间的遮挡等因素，使得其实际有效工作范围十分有限，仅局限于样地尺度，无法获取大面积区域尺度森林空间结构信息。在样地尺度内，多站拼接比单站扫描具有更高的提取精度，更加接近样地实测结果。但其需要对数据进行拼接处理，而且数据量巨大，后续处理运算量大，所以，并不是架设的站点越多越好。目前缺乏一个针对不同林分密度条件下布设站点数量及规则的标准。目前，绝大部分研究都是基于激光回波点云来进行单木结构参数提取研究，对于回波点云强度信息研究较少，缺乏对原始数据的数据信息挖掘工作。地基激光雷达属于高精密设备，仪器成本高昂，数据的获取、处理与分析等技术要求相对较高，需要具备一定专业知识背景的技术人员。而且其技术体系不够完善，缺乏相应的数据处理算法及针对林业应用分析处理软件。这些因素都限制了TLS技术的推广与普及。

地基激光雷达可以获取高精度三维空间结构信息，但提供的光谱信息有限。因此，将地基激光雷达与其他光学遥感技术相结合，充分发挥与其他遥感数据的优势互补作用，监测森林资源变化以及生态环境变化，研究森林碳汇等功能[34]。目前已有研究学者将激光雷达与高光谱[61]、Landsat8[62]、机载雷达[53]等技术结合起来对森林资源进行调查和监测。对原始数据中点云强度信息开展深入研究，分析回波强度与树种类别或树皮表面之间的关系，结合其他多光谱和高光谱影像技术进行树种的自动分类研究。开发基于地基激光雷达数据处理的林业应用专业软件以及提取算法[53]，完善TLS技术在林业应用的理论体系，培训TLS数据处理分析专业技术人员，推进研究成果在林业生产实践中的应用。

国内外基于地基激光雷达在林业上的应用大都是以研究稀疏平坦、林分结构简单的纯林或者人工林开始[63]。随着研究的深入和技术的成熟，越来越多的研究开始倾向于林分结构复杂的天然林和混交林。研究内容从单木参数(位置、胸径、树高)提取研究，逐渐发展到林分结构参数(冠幅、郁闭度、叶面积指数、叶倾角等)、树干生物量与立木材积的方面的研究。最新文献资料显示，基于TLS也可以研究目标树与邻木之间的竞争压力以及对冠型可塑性的影响。随着技术的发展和仪器设备的更新，以及越来越多的研究人员参与进来，研究的内容也越来越深入研究。

参考文献：

[1] 张煜星.遥感技术在森林资源清查中的应用研究[M].北京：中国林业出版社,2007.

[2] 刘鲁霞,庞勇.机载激光雷达和地基激光雷达林业应用现状[J].世界林业研究,2014,27(1):49-56.

[3] 黄华国.激光雷达技术在林业科学研究中的进展分析[J].北京林业大学学报,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(3):134-143.(in Chinese)

[4] BIENERT A,SCHELLER S,KEANE E,etal.Application of terrestrial laser scanners for the determination of forest inventory parameters[J].International Archives of Photogrammetry,Remote Sensing and Spatial Information Sciences,2006,36(5):1-5.

[5] SCHELLER S.Automatic forest inventory parameter determination from terrestrial laser scanner data[J].International Journal of Remote Sensing,2008,29(5):1579-1593.

[6] VASTARANTA M,MELKAS T,HOLOPAINEN M,etal.Laser-based field measurements in tree-level forest data acquisition[J].Photogrammetric Journal of Finland,2009,21:51-61.

[7] MURPHY G E,ACUNA M A,DUMBRELL I.Tree value and log product yield determination in radiata pine (Pinusradiata) plantations in Australia:comparisons of terrestrial laser scanning with a forest inventory system and manual measurements[J].Canadian Journal of Forest Research,2010,40(11):2223-2233.

[8] 倪文俭,过志峰,孙国清,等.基于地基激光雷达数据的单木结构参数提取研究[J].高技术通讯,2010,20(2):191-198.

[9] 黄华兵.激光雷达森林结构参数提取—山东徂徕山林场低密度航空激光雷达及地面激光雷达数据应用[D],北京：中国科学院遥感应用研究所,2008.

[10] LIANG X,LITKEY P,HYYPP J,etal.Automatic stem location mapping using TLS for plot-wise forest inventory[J].Proceedings of the SilviLaser,2009:1-9.

[11] HOSOI F,OMASA K.Voxel-based 3-D modeling of individual trees for estimating leaf area density using high-resolution portable scanning lidar[J].IEEE transactions on geoscience and remote sensing,2006,44(12):3610-3618.

[12] STRAHLER A H,JUPP D L,WOODCOCK C E,etal.Retrieval of forest structural parameters using a ground-based lidar instrument (Echidna®)[J].Canadian Journal of Remote Sensing,2008,34(Supp.2):S426-S440.

[13] JUPP D L,CULVENOR D,LOVELL J,etal.Estimating forest LAI profiles and structural parameters using a ground-based laser called ‘Echidna®’[J].Tree physiology,2009,29(2):171-181.

[14] 朱振.基于地面激光雷达系统获取单株树木LAI研究[D],北京：北京师范大学,2011.

[15] ARN J,VALL S J M,LLORENS J,etal.Leaf area index estimation in vineyards using a ground-based LiDAR scanner[J].Precision agriculture,2013,14(3):290-306.

[16] 汪艳,谢东辉,王向玉,等.地面LiDAR数据模拟及单木LAI反演[J].遥感学报,2015,19(3):391-399.

WANG Y,XIE D H,WANG X Yetal.Simulation and analysis of point clouds from a terrestrial laser scanner[J].Journal of Remote Sensing,2015 19(3):391-399.(in Chinese)

[17] ZHENG G,MOSKAL L M,KIM S-H.Retrieval of effective leaf area index in heterogeneous forests with terrestrial laser scanning[J].IEEE Transactions on Geoscience and Remote Sensing,2013,51(2):777-786.

[18] DANSON F M,HETHERINGTON D,MORSDORF F,etal.Forest canopy gap fraction from terrestrial laser scanning[J].IEEE Geoscience and Remote Sensing Letters,2007,4(1):157-160.

[19] SEIDEL D,FLECK S,LEUSCHNER C.Analyzing forest canopies with ground-based laser scanning:a comparison with hemispherical photography[J].Agricultural and Forest Meteorology,2012,154:1-8.

[20] ZHAO F,STRAHLER A H,SCHAAF C L,etal.Measuring gap fraction,element clumping index and LAI in Sierra forest stands using a full-waveform ground-based lidar[J].Remote Sensing of Environment,2012,125:73-79.

[21] CIFUENTES R,VAN DER ZANDE D,FARIFTEH J,etal.Effects of voxel size and sampling setup on the estimation of forest canopy gap fraction from terrestrial laser scanning data[J].Agricultural and Forest Meteorology,2014,194:230-240.

[22] VAN DER ZANDE D,STUCKENS J,VERSTRAETEN W W,etal.3D modeling of light interception in heterogeneous forest canopies using ground-based LiDAR data[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(5):792-800.

[23] MOORTHY I,MILLER J R,BERNI J A J,etal.Field characterization of olive (OleaeuropaeaL.) tree crown architecture using terrestrial laser scanning data[J].Agricultural and Forest Meteorology,2011,151(2):204-214.

[24] BAYER D,SEIFERT S,PRETZSCH H.Structural crown properties of Norway spruce (Piceaabies[L.] Karst.) and European beech (FagussylvaticaL.) in mixed versus pure stands revealed by terrestrial laser scanning[J].Trees,2013,27(4):1035-1047.

[25] BLAND M,WIDLOWSKI J-L,FOURNIER R A,etal.Estimating leaf area distribution in savanna trees from terrestrial LiDAR measurements[J].Agricultural and Forest Meteorology,2011,151(9):1252-1266.

[26] LIANG X,HYYPP J,KANKARE V,etal.Stem curve measurement using terrestrial laser scanning[C].Proceedings of 11thInternational Conference on LiDAR Applications for Assessing Forest Ecosystems.2011:1-6.

[27] LIANG X,LITKEY P,HYYPP J,etal.Automatic plot-wise tree location mapping using single-scan terrestrial laser scanning[J].The Photogrammetric Journal of Finland,2011,22(2):37-48.

[28] METZ J,SEIDEL D,SCHALL P,etal.Crown modeling by terrestrial laser scanning as an approach to assess the effect of aboveground intra-and interspecific competition on tree growth[J].Forest Ecology and Management,2013,310:275-288.

[29] SEIDEL D,HOFFMANN N,EHBRECHT M,etal.How neighborhood affects tree diameter increment-new insights from terrestrial laser scanning and some methodical considerations[J].Forest Ecology and Management,2015,336:119-128.

[30] SEIDEL D,LEUSCHNER C,M LLER A,etal.Crown plasticity in mixed forests-quantifying asymmetry as a measure of competition using terrestrial laser scanning[J].Forest Ecology and Management,2011,261(11):2123-2132.

[31] LIANG X,KANKARE V,HYYPP J,etal.Terrestrial laser scanning in forest inventories[J].ISPRS Journal of Photogrammetry and Remote Sensing,2016,115:63-77.

[32] SIMONSE M,ASCHOFF T,SPIECKER H,etal.Automatic determination of forest inventory parameters using terrestrial laser scanning[C].Proceedings of the scandlaser scientific workshop on airborne laser scanning of forests.2003:252-258.

[33] ASCHOFF T,THIES M,SPIECKER H.Describing forest stands using terrestrial laser-scanning[J].International Archives of Photogrammetry[J].Remote Sensing and Spatial Information Sciences,2004,35(5):237-241.

[35] OVELAND I,HAUGLIN M,GOBAKKEN T,etal.Automatic estimation of tree position and stem diameter using a moving terrestrial laser scanner[J].Remote Sensing,2017,350(9):1-15.

[36] WEZYK P,KOZIOL K,GLISTA M,etal.Terrestrial laser scanning versus traditional forest inventory:first results from the Polish forests[C].Proceedings of the Proceedings of the ISPRS Workshop Laser Scanning.2007:12-14..

[37] LITKEY P,LIANG X,KAARTINEN H,etal.Single-scan TLS methods for forest parameter retrieval[C].Proceedings of SilviLaser,2008

[38] SEIDEL D,EHBRECHT M,PUETTMANN K.Assessing different components of three-dimensional forest structure with single-scan terrestrial laser scanning:a case study[J].Forest Ecology & Management,2016,381:196-208.

[39] THIES M,SPIECKER H.Evaluation and future prospects of terrestrial laser scanning for standardized forest inventories[J].Forest,2004,2(2.2):192-197.

[40] HOPKINSON C,CHASMER L,YOUNGPOW C,etal.Assessing forest metrics with a ground-based scanning lidar[J].Canadian Journal of Forest Research,2004,34(3):573-583.

[41] GORTE B,PFEIFER N.Structuring laser-scanned trees using 3D mathematical morphology[J].International Archives of Photogrammetry and Remote Sensing,2004,35(B5):929-933.

[42] PFEIFER N,WINTERHALDER D.Modelling of tree cross sections from terrestrial laser scanning data with free-form curves[J].Int.Arch.Photogramm Remote Sens.Spat.Inf.Sci.,2004,36(8/W2):76-81.

[43] HENNING J G,RADTKE P J.Ground-based laser imaging for assessing three-dimensional forest canopy structure[J].Photogrammetric Engineering & Remote Sensing,2006,72(12):1349-1358.

[44] SEIDEL D,ALBERT K,FEHRMANN L,etal.The potential of terrestrial laser scanning for the estimation of understory biomass in coppice-with-standard systems[J].Biomass and Bioenergy,2012,47(5):20-25.

[45] PUESCHEL P,NEWNHAM G,ROCK G,etal.The influence of scan mode and circle fitting on tree stem detection,stem diameter and volume extraction from terrestrial laser scans[J].Isprs Journal of Photogrammetry & Remote Sensing,2013,77(3):44-56.

[46] ZHENG G,MOSKAL L M.Computational-geometry-based retrieval of effective leaf area index using terrestrial laser scanning[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(10):3958-3969.

[47] KORHONEN L,KAARTINEN H,KUKKO A,etal.Estimating vertical canopy cover with terrestrial and airborne laser scanning[C].Proceedings of the 10thinternational conference on LiDAR applications for assessing forest ecosystems (Silvilaser 2010),2010.

[48] BALDUZZI M A,VAN DER ZANDE D,STUCKENS J,etal.The properties of terrestrial laser system intensity for measuring leaf geometries:a case study with conference pear trees (Pyrus Communis)[J].Sensors,2011,11(2):1657-1681.

[49] GARC A M,DANSON F M,RIANO D,etal.Terrestrial laser scanning to estimate plot-level forest canopy fuel properties[J].International Journal of Applied Earth Observation and Geoinformation,2011,13(4):636-645.

[50] BITTNER S,GAYLER S,BIERNATH C,etal.Evaluation of a ray-tracing canopy light model based on terrestrial laser scans[J].Canadian Journal of Remote Sensing,2012,38(5):619-628.

[51] LONGUETAUD F,PIBOULE A,WERNSD RFER H,etal.Crown plasticity reduces inter-tree competition in a mixed broadleaved forest[J].European Journal of Forest Research,2013,132(4):621-634.

[52] 庞勇,李增元,陈尔学,等.激光雷达技术及其在林业上的应用[J].林业科学,2005,41(3):129-136.

PANG Y,LI Z Y,CHEN E X,etal.Lidar remote sensing technology and its application in forestry[J].Scientia Silvae Sinicae,2005,41(3):129-136.(in Chinese)

[53] 刘鲁霞,庞勇,李增元.基于地基激光雷达的亚热带森林单木胸径与树高提取[J].林业科学,2016,52(2):26-37.

LIU L X,PANG Y,LI Z Y.Individual tree DBH and height estimation using terrestial laser scanning in a subtropical fotest[J].Scientia Silvae Sinicae,2016,52(2):26-37.(in Chinese)

[54] 宁亮亮,张晓丽.点云数据三维树木模型建立及三维绿量的估算[J].西北林学院学报,2014,29(6):145-148.

NING L L,ZHANG X L.Establishment of three-dimensional tree models by using point clouds and the estimation of living vegetation volume[J].Journal of Northwest Forestry University,2014,29(6):145-148.(in Chinese)

[55] 梁子瑜,孙圆,梁欣廉,等.基于地面激光扫描仪的树干削度方程提取[J].南京林业大学学报:自然科学版,2014,38(5):6-10.

LIANG Z Y,SUN Y,LIANG X L,etal.The extraction of stem taper equation based on terrestrial laser scanning[J].Journal of Nanjing Forestry University:Natural Sciences Edition,2014,38(5):6-10.(in Chinese)

[56] 邓洋波,余坤勇,俞欣妍,等.基于点云体素化的单木叶面积指数地基遥感反演[J].西北林学院学报,2017,32 (3):191-197.

DENG Y B,YU K Y,YU X Y,etal.Estimation of individual tree leaf area index of terrestrial remote sensing inversion based on point cloud voxelization[J].Journal of Northwest Forestry University,2017,32(3):191-197.(in Chinese)

[57] 王向玉,谢东辉,汪艳,等.基于地面激光雷达点云数据的单木三维重建[J].遥感技术与应用,2015 (3):455-460.

[58] 嵇俊,云挺,薛联凤,等.基于激光点云数据的复杂植物叶片重建方法[J].西北林学院学报,2014,29(5):64-69.

JI J,YUN T,XUE L F,etal.Based on laser point clouds data of complex plant leaves reconstruction method[J].Journal of Northwest Forestry University,2014,29(5):64-69.(in Chinese)

[59] 李丹,庞勇,岳彩荣,等.基于 TLS 数据的单木胸径和树高提取研究[J].北京林业大学学报,2012,34(4):79-86.

LI D,PANG Y,XUE C R,etal.Extraction of individual tree DBH and height based on terrestrial laser scanner data[J].Journal of Beijing Forestry University,2012,34(4):79-86.(in Chinese)

[60] 王祺,胡洪,吴艳兰,等.基于点云数据的树冠体积自动求算方法[J].西北林学院学报,2017,32(2):242-246.

WANG Q,HU H,WU Y L,etal.Automatic tree crown volume calculation method based on point cloud data[J].Journal of Northwest Forestry University,2017,32(2):242-246.(in Chinese)

[61] 赵旦.基于激光雷达和高光谱遥感的森林单木关键参数提取[D].北京:中国林业科学研究院,2012.

[62] 张明政,苏伟,王瑞燕.基于地基激光雷达与Landsat8影像的玉米LAI反演[J].中国激光,2015,42(11):248-254.

[63] 李丹,庞勇,岳彩荣.地基激光雷达在森林参数反演中的应用[J].世界林业研究,2012,25(6):34-39.