空地协同多源点云数据的林木信息提取精度分析

陈燕奎 吴俏仪 马小洪 谢作轮

关键词：PIE-UAV无人机处理；地面激光雷达；林木信息提取；精度评价；相关性

树高、树冠及胸径等是森林定量遥感观测重要的参数，是开展森林资源定量遥感调查和林木树种生长环境评估的必要数据基础。目前，森林资源调查方法以传统的调查手段为主，调查方式往往调查时间跨度大，所需人力物力成本高，不适合大范围、对个别树种进行长时间动态变化观测。因此，林木调查需要新兴测量技术的革新，随着遥感技术、激光雷达观测技术及计算机技术的快速发展，使得林木基础信息获取和分析能力不断得到提升。天空地协同下的多源遥感点云集成技术已成为森林领域的主要数据采集渠道之一，服务于资源调查、森林碳汇估算、生态廊道和生态环境多样性分析等工作。

从文献研究看，林木信息提取与分析的研究成果丰硕，集中体现在林木调查方法比较研究[1-2]、林木种质研究[3]、遥感技术的林木资源调查[4-5]、激光雷达技术的点云数据林木树高、胸径、树冠等提取分析[6-9]、点云数据林木信息模型构建[10-11]等。由于研究区域多为大面积机载雷达获取数据，运用地基激光雷达研究相对较少；在运用地基雷达数据进行研究中，以算法拟合或单软件数据处理为主，对不同点云软件处理结果进行对比的研究较少。本文在前人研究的基础上利用无人机技术、三维激光扫描技术等空地协同下，对多源点云数据融合下的林木树高、胸径及冠幅等信息进行提取与比较分析，在两款热门点云数据处理软件下林木信息相关性分析与精度评价，为林木调查提供技术基础。

1 数据源与技术路线

实验区域位于广东省梅州市嘉应学院江北校区（116°7 ′23.75″E，24°20′3″N） ，主要实验树种为白千层，为广东、福建、台湾、广西等城市景观常见树种。通过传统测量手段获取树高、胸径和冠幅数据，在此基础上验证无人机（大疆精灵4RTK） 与三维激光扫描仪（Trimble SX10） 点云测量数据的精度。对比分析Li?dar360 软件和AdQSM 软件获取林木信息的精度差异。

2 研究过程及结果分析

2.1 传统林木信息调查方法

树木胸径、树高、冠幅等是评价林木生长指标的因子，林木信息获取传统的调查用具一般包含皮尺、测胸径用围尺、测高器（全站仪）、三角板、坐标纸等。胸径测定是取距树根部1.3m处直径，运用文献[2]接触式围测，根据圆的周长和直径关系式换算直径；树高测定是通过全站仪的悬高测量，也可以用免棱镜的模式测量；冠幅测定是根据树冠的地面垂直投影，根据孙钊等[12]用测距仪测量每棵树的实测每木8向（东、东南、南、西南、西、西北、北、东北）最大冠长到树干的距离（图1） ，取平均值后得到每棵树的冠幅直径参数。每个林木信息测定务必需要多个测量人员进行独立测定，并取平均值，研究区获取样点测定值14个，数据测定结果如表1所示。

2.2 基于空地协同多源点云数据的林木信息提取方法

空地协同多源联合法，首先，是利用大疆精灵4RTK版低空无人机获取三维影像，考虑到城市景观林木高度与周边建筑物的遮挡影响，为了获取更为精准的点云数据，设置飞行高度不得过高（树高以上30m处为宜）及重叠度大于75%；将无人机数据导入到PIE-UAV软件中进行三维林木场景重建，在地理坐标系统控制下，将林木点云数据分类，清除杂点，并转换输出点云格式，提取点云数据；其次，利用地面三维激光扫描仪的架设站点，设置全景扫描模式对林木及周边场景进行扫描获取林木结构和数字地面模型数据；再次，将两种不同源获取的点云数据，导入到Trimblerealworks软件进行地理坐标空间配准，对点云数据进行归一化后的数字高程模型，进而实现地物高度的相对统一，由此获取研究区的空地协同多源的林木场景信息点云数据集合；最后，运用LiDAR360软件和AdQSM软件的点云信息操作工具，通过分析点云空间分布的林木几何特征来进行人工识别的点云分割方法提取林木的林木胸径、树高、冠幅直径等数据，需要将调查专人软件操作的结果进行加权平均，数据获取如表2所示。

2.2 结果分析与评价

2.2.1 实测数据的相关性与一阶偏相关分析

运用一阶偏相关系数计算公式对实测数据的胸径、树高与冠幅直径进行相关性分析，两个林木长势评价因子之间的关联性，分析公式[13]如下：

计算所得一阶偏相关系数结果如表3，从计算的结果可知，在多变量参数相关性分析中，在不设置控制变量时分析胸径、树高、冠幅直径双变量相关性计算结果均为具有显著相关，最低相关性系数0.682，最高系数为0.986，而且双尾显著性P值均不大于0.05。虽然双变量相关性强，但当对多个变量进行相关分析时，不能简单地运用双变量相关分析对其进行分析，还需要考虑是否存在其他变量对这两个变量间的关系有影响。本文通过一阶偏相关性分析，控制变量为胸径时，树高与冠幅直径相关性为0.974，具有很好的显著度，而控制变量为树高或冠幅直径时，由于双尾显著度P值为0.398和0.743，两个P值均大于0.05，表明胸径与冠幅直径、胸径与树高两个相关性则不显著。从实测数据的相关性与一阶偏相关分析可知，在城市园林的林木生长长势及健康管理当中，树高与冠幅直径指标关联评价更有价值。

2.2.2 实测数据与点云数据的精度分析

从上表1和表2的14个样点数据值对比可知，样地的胸径、树高及冠幅直径的测量值均存在一定的误差，从一元线性回归、绝对差及相对差频率等三个方面剖析。

（1） 一元线性回归

利用实测值与点云数据提取值组成样点数据组，求解一元线性回归模型，分析两者之间的关系强度，并分析一元线性方程的显著性检验，结果如表4所示。传统方法的实测值与空地协同点云数据辅助下的测量值有较好的回归直线，一元线性方程中的斜率β 均趋于1，α 截距较小，复相关系数R2均大于0.96，随机性扰动不大；树高是三个林木因子中一元线性方程模型较优，也表示实地测量与软件点云数据提取的树高值更为准确；另外从两款软件的模型模拟来看，Li?DAR360比AdQSM软件效果要好些。

（2） 绝对差

通过LiDAR360和AdQSM两款软件利用点云数据提取的林木信息与传统测量的数据做绝对差分析（图2） ，两款软件在點云数据中提取的林木信息均与实际测量值存在一定误差，但误差绝对值较小；胸径、树高及冠幅直径绝对误差总体可控制在-0.9～0.67cm、-0.25～0.12m 及-0.15～0.2m 之间；胸径绝对误差最大为1.74cm，最小为0cm，树高绝对值误差；三个林木信息绝对误差比较中，绝对误差总体振幅大小为冠幅直径<树高<胸径。另外从软件平台提取工具精度对比来看，软件本身在点云数据中提取的林木信息操作均较为简单、数据精度总体可控，本次实验区14个样点林木信息提取中，LiDAR360提取的精度比AdQSM的振幅较小。

（3） 相对误差频率

为了进一步验证精度的可靠性，利用相对误差，即测量的绝对误差与被测量的真值之比，统计的相对误差频率分析如图3所示。LiDAR360平均相对误差胸径2.04%，树高2.05%，冠幅直径2.4%，AdQSM平均相对误差胸径1.7%，树高2.71%，冠幅直径2.28%，两款软件提取的数据相对误差总体相差不大；其中，胸径数据LiDAR360 相对误差频率较AdQSM 分散，AdQSM相对误差更集中在0～2.5%与2.5%～5%之间；胸径与树高数据相对误差频率相对集中，而冠幅直径相对分散。

3 空地协同多源点云数据提取精度影响

传统的林木调查测量方法与基于空地协同多源点云数据的提取法，在测量精度上均会有些误差，此误差只要在可控范围内均可接受，误差的影响来源于机器，也有来自人工判别。

（1） 林木生长地表面环境复杂度

城市景观林木胸径、树高信息的测量，往往受到地表面环境的复杂度而影响测量精度，譬如地表微地形起伏，城市景观林木一般设定了种植坑位，周边是硬化的水泥板，在林木生长到一定程度，根系发达，将根部及周边的地面隆起造成根部周边地形复杂化，使得在胸径、树高测量在地表参考面比较难找，从而对测量数据的精度造成影响。

（2） 林木密度及枝叶相互交叉

城市景观林木密度过高，在生长到一定程度，临近的林木枝叶会有交叉，通过林木地面投影的方式，是比较难区别临近林木，如果单一使用此方法，在估算林木冠幅实际大小或直径会有一定的误差产生。

（3） 人的知识面及技术熟练程度

对城市景观林木调查，调查人的知识面和技术熟练度，往往也是数据精度的影响因素之一。在仪器观测人工目视是否水平、仪器数值的读取、小数点取舍、数据运算、软件的熟悉度、量算起点终点位置评估正确性、临近点云数据判断等都是会影响数据的提取精度。

（4） 软件成熟度

本文利用的LiDAR360、AdQSM软件、Trimblereal?works软件点云数据操作软件，在对点云数据的显示方式、数据运算冗余度、数据层集存储与提取、操作工具优越性等都会由数据值上的误差产生。

4 结论

（1） 本文利用城市景观林木胸径、树高、冠幅直径等长势的参数以传统人工测量法与无人机及三维激光扫描仪的空地协同多源点云数据提取法进行相关及一阶偏相关分析，结果显示在不设置控制变量时分析胸径、树高、冠幅直径双变量相关性计算结果均为具有显著相关，最低相关性系数0.682，最高系数为0.986；而通过一阶偏相关分析控制变量为胸径时，树高与冠幅直径相关性系数为0.974；控制变量为树高或冠幅直径时，相关系数均比较低，而且两个P值均大于0.05，表明胸径与冠幅直径、胸径与树高两个相关性则不显著。

（2） 对LiDAR360与AdQSM软件基于点云数据基础的景观林木信息提取，与传统人工测量法数据进行一元线性回归模型、绝对误差和相对误差频率等精度分析，综合两款软件的提取数据做了综合评估，结果显示两款软件对林木胸径、树高和冠幅直径的数据精度一元线性方程中复相关系数R2均大于0.96，绝对误差总体振幅大小为冠幅直径<树高<胸径，而且三个林木因子的相对误差频率振幅均比较小，因此利用无人机和地面三维激光扫描仪空地协同下对点云数据进行林木数据提取具有较高可信度，而且LiDAR360与AdQSM两款软件总体的提取林木数据精度差异不大。

（3） 无论传统人工测量法还是无人机及地面三维激光扫描仪空地协同点云数据提取法，提取的数据均会受到主观或客观因素影响，譬如：林木生长地表面环境复杂度、林木密度及枝叶相互交叉、人的知识面及技术熟练程度及软件成熟度等，针对这些影响，测量数据时，首先，认真分析客观环境，特别是调查区的环境状况，制定复杂区调查技术规程；其次，对调查人员技术层面的全面培训，减少人工误判的影响；再次，深度对接林业领域需求，对仪器层面的技术改进和点云数据处理软件的二次开发及升级优化，特别是点云提取自动化及运算迭代优化等，从而让软件更好地服务于林木长势的各类参数提取。