2021-08-01好文阅读-地面激光扫描在森林调查中的应用

Application of terrestrial laser scanning in forest inventory

论文：DOI-10.2478/frp-2020-0021

地面激光扫描在森林调查中的应用—选定问题概述

准确确定森林资源是进行可持续森林管理的最重要任务之一。有关森林资源的准确信息有助于更好地规划当前和未来的管理以及保护活动。个人森林管理者和制定国家森林政策都需要这种准确的信息。近年来，利用遥感进行森林清查的兴趣显著增加。遥感允许进行非侵入性测量和数据处理的自动化。在样地层面上，最准确的遥感数据来源是地面激光扫描（TLS）。它在森林调查中的应用已经研究了大约二十年。

本文旨在介绍最新TLS技术的研究状况，并概述在温带林分内进行的研究。本文进一步讨论了TLS数据采集、数据处理等问题，并给出了树木生物特征估计的结果。

1 引言

准确确定森林资源是可持续森林管理的最重要任务之一。准确的资源信息有助于规划当前和未来的经济和保护活动。执行可持续森林管理政策也需要这种知识。根据目的、财政资源的可用性和所需的准确性，许多森林清查方法是不同的。由于野外作业成本高、时间长，林业工作者通常使用基于圆形样地测量的统计和数学方法。现场工作人员通常测量特征，如胸径（DBH）和树高，并确定相对于样地中心的每棵树的种类和位置。使用常规工具进行现场工作的耗时性（例如树卡尺、指南针、高度计）正在推动寻找新的替代解决方案，以降低库存成本和劳动强度，提高其客观性。

近年来，发表了一些关于利用遥感技术进行森林清查的科学论文，特别是光探测和测距技术。这项技术的产品是一个真实的三维图像，由数百万个点组成“点云”。这允许精确测量扫描对象的尺寸和结构。激光扫描仪与不同类型的平台集成，例如空中平台-机载激光扫描（ALS）或固定测量三脚架-地面激光扫描（TLS）。在森林管理中，由于森林面积巨大，ALS技术的数据收集最常被考虑，因为它能在短时间内提供整个森林面积的数据。许多关于“强化森林资源清查”的论文都使用了ALS数据和实地测量数据的高精度估计单个森林分区的林分特征的方法。在一些国家，ALS森林调查方法被用于林业实践，例如：挪威、芬兰、丹麦和瑞典使用ALS数据最常用的森林资源清查方法是“基于区域的方法”（ABA），该方法使用统计方法利用点云特征和地面测量之间的关系。该方法允许为根据现场测量确定的每个调查林分特征开发预测模型。一旦建立了数学模型，最后一步是将其应用于整个扫描区域。

ALS使快速获取大面积数据成为可能，而且相对来说不费什么力气。此外，与传统的统计和数学方法相比，使用ALS和现场数据需要较少的样本图，同时保持估计的假定精度。然而，应该强调的是，该方法需要一些现场测量来校准统计模型，因为植被的木质部分，包括茎，无法使用ALS技术直接观察到。

机载测量的补充数据源是TLS数据。TLS数据表示从树冠下地面看到的林分图像。使用TLS的结果是非常密集的点云，测量精度以毫米为单位。因此，该技术被认为是样地遥感数据的最准确来源。使用TLS的另一个优点是自动且非常快速地获取数据。

TLS在林业中的应用历史相对较短。Liang等人于1998年首次推出地面激光扫描仪。20世纪和21世纪之交，在林业中使用TLS方面进行了开创性的科学工作。在林业中使用TLS的主要动力最初是通过替代一些手动测量来改进样地的实地工作。早期工作涉及基于TLS数据的自动或半自动解决方案，旨在测量树木的基本生物特征，如胸径、高度和位置。随着计算机计算能力的提高和数据处理算法的发展，TLS数据的使用出现了新的机会。它们已成为一个宝贵的信息来源，可以自动测量生物特征，而以前无法使用传统的森林调查方法直接测量生物特征。许多关于基于TLS数据自动确定树木体积和生物量的方法的论文已经发表，很多文章报告了与最佳国家异速生长方程相当的精度。这项技术的潜力也已在森林生态学研究中得到承认。TLS在确定LAI（叶面积指数）和研究林分间隙和树冠结构变化动态方面的适用性已得到证明。

波兰科学中心多年来也一直在研究TLS在林业中的应用。这些研究主要涉及森林资源清查问题但也包括胸径分布的测定、城市绿化调查和自然纪念碑树木的监测。

本文对近20年来TLS技术在温带林分上的应用研究进行了综合评述。在本文中，作者特别关注使用TLS技术进行森林调查的实际方面，并总结了树木主要生物特征的测量精度。在讨论部分，作者评估了将该技术引入林业实践的可能性。

2 TLS数据采集规范

2.1 样地采集规范

使用TLS技术扫描样本图通常采用单扫描（SS）或多扫描（MS）数据采集模式。在SS模式下，扫描仪位于采样点的中心。在此模式下获取的数据表示从一个角度（即从样地的中心看，在MS模式下，数据从多个位置收集-通常从绘图的中心和外部收集，或仅从外部位置扫描。当决定在这种模式下收集数据时，通常需要在实地工作期间设置人工参考标记（球体或目标），以便以后对数据进行校准。与SS模式相比，这种数据收集方法确保了更大的数据完整性。校准后，在MS模式下采集的数据代表了样本地块的全面、全三维图像。

在比较两种数据采集方法时，应注意SS模式的速度要快得多。目前，在样地上进行此类测量大约需要20分钟。测量时间主要取决于使用的激光扫描仪类别和操作期间使用的设置。数据采集过程本身需要2到10分钟，在此时间之外还必须加上设置、启动和配置扫描仪的时间，约为5到10分钟。SS模式下数据采集的主要缺点是所谓“遮挡效应”的高概率。这种影响会导致正在映射的样本图的点云中遗漏一些树，因为相对于图中心处于相同方位的树相互遮挡。这种效果随着与扫描仪距离的增加而增加，即样地半径越大，发生这种影响的可能性越大。有文献指出，使用SS模式的样地中未检测到的树木的百分比可以在0到46%之间，据报道，林分结构和样地大小是对这种现象影响最大的因素。相比之下，四个或五个扫描位置通常用于在MS模式下绘制样本图。扫描位置的排列方式使其尽可能从四面八方映射所有树。在这种模式下获得的数据被认为是最准确的，并且还提供了林分的完整三维图像（绘制了每棵树的整个形状和茎面积）。这种模式的缺点包括：野外工作的劳动强度更高，处理和对齐点云的时间更长，以及收集的数据量更大。目前，估计在MS模式下测量样本图大约需要1小时。在MS模式数据采集中，在初始处理过程中会执行一个对齐扫描的附加步骤。这是通过使用专用软件以自动或半自动的方式完成的。

2.2 单木采集规范

TLS数据也可以在单个树上获得（图2）。这些数据有助于改进或发展树木整体体积或生物量等特征的异速生长方程。TLS技术用于这些目的的主要优点是非侵入性、速度和精度，可以获得形态茎曲线的信息。通常在MS模式下扫描单个树以获取数据得到最高层次的细节。在实地调查期间，扫描仪位置位于树的周围。raumonen等人（2013年）建议从至少三个位置进行测量。然而，应注意的是，应根据待扫描对象的大小和数据的计划详细程度选择扫描仪位置的数量（。例如，Wężyk等人（2015年）在对巴特克橡树自然遗迹进行实地调查期间，使用了4到23个扫描仪位置。2020年，森林研究所（IBL）的员工从10个位置扫描了另一座自然纪念碑——米斯科橡树，这足以准确记录整棵树的外观。

2.3 样地整体

MS模式也用于扫描整个支架（图3）。然而，扫描大区域的过程通常更复杂，因为当扫描位置的位置改变时，参考标记通常需要重新定位。关于这方面的更多信息，作者请读者参考Wilkes等人（2017）的一篇论文，其中描述了他们从27次实地调查中获得了经验，在这些调查中，他们收集了大林区的TLS数据。他们建议使用预先规划的10×10 m网格扫描树木，其中网格的每个节点是扫描仪的位置，还建议为1公顷的林分设置约120个扫描站。他们的经验表明，对具有此类区域的展台进行TLS扫描需要3到8天的时间，现场有三名工作人员。然而，应该指出的是，这项工作大部分是在热带雨林中进行的，热带雨林是垂直结构最复杂的林分之一。此外，工作强度取决于与支架结构和所用扫描仪类型相关的许多因素。IBL工作人员参与两个1公顷森林地块TLS数据收集现场研究的经验表明，在波兰林分条件下，一组三人可能需要2至4天的时间对一个地块进行此类测量，假设一个地块有100多个扫描站，并使用Riegl VZ-400或Riegl VZ-400i ToF扫描仪，该扫描仪与软件一起允许在野外工作期间无需使用参考标记即可对齐扫描。

3 TLS数据处理方法

3.1 树的检测

近年来，人们对点云中树木自动检测算法进行了大量研究。在这种情况下，可以将树木检测理解为树木位置及其厚度的指示（例如胸径）或试图重建树木的整体形状和结构。第一种算法基于从生成的二维图像中搜索几何图案，该二维图像表示通过林分的水平横截面。这些方法的第一阶段包括在水平面上放置一个三维点云的水平薄片。在下一阶段，通过聚类点组和搜索几何模式。这些方法假设代表树干的点云的形状从一个水平的切片类似于一个圆或半圆。这些方法的优点包括相对简单和计算速度快。然而，这些算法在具有高树木密度或灌木丛的复杂林分中遇到了一些困难，因为树干非木质部分的映射点可能被误分类为树干。为了解决这一问题，一些研究人员专注于直接在点云中准确识别树干或木质树木部分。在他们区分点云中茎的木质或多叶部分的工作中，作者使用了不同的方法。côté等人（2009年）假设树木的木质部分比树叶具有更高的反射强度，并试图在分类中利用这一事实。然而，应注意，激光束的反射强度不仅取决于扫描对象的光谱特性，还取决于激光束的角度、与扫描对象的距离或其粗糙度。反射强度值的归一化也是一个复杂且耗时的过程。还测试了双波长激光扫描仪的使用。这些论文的作者假设，由于树叶和树木木质部分的波长特性存在明显差异，因此可以在两个波长波段区分它们。这些论文没有详细讨论分类的准确性。然而，开发此类扫描仪的工作仍处于测试阶段，目前此类设备的可用性有限。

另一种方法是使用点云的局部几何特征。在这些方法中，点云在第一步中被划分为小的子集。迭代地，对于每个点，选择与其最近的点组，由球体的半径或中心点周围最近邻居的数量定义。对于选定的子集，使用主成分分析（PCA）算法计算几何特征。对于躯干检测，使用点云的几何特征，如线性度、平面度和垂直度。假设点云中的树干通常是垂直物体，是线性的，在小范围内形成相对平坦的表面。根据距离参数的半径或最近邻数n确定的相邻点集，计算云中每个点的几何特征。选定子集的大小会影响对象的区分。因此，在一些研究中，使用多尺度几何特征将点云分为木质部分和软质部分，即。E树叶。分类算法应用于研究中，使用机器学习方法等。与以前的方法相比，这些方法的一个主要优点是使用了来自点云的几何信息，无论所用扫描仪的具体情况如何，这些信息都应该相对类似。然而，应该注意的是，这些方法需要更多的计算能力。

3.2 树的三维模型

在分析样地或整个林分中的单株树木和树木组时，分析的基本单位是单株树木的数量结构模型（QSM）。假设该模型尽可能准确地表示树木的形态，并且完全可测量。这些特性允许精确测定地上树木组件的厚度和体积。

Liang等人（2016年）区分了数字树模型的五个细节层次（LoD），允许对模型树进行不同的表征（表1）。根据详细程度的不同，树模型用于不同的任务。为了进行森林调查，主要考虑使用LoD为1到3的模型。

 

在传统森林调查中使用传统工具可以在LoD1级别收集信息，其中每棵树或选定的一组树由两个基本特征高度和胸径描述。LoD2水平模型更为详细，因为可以在收集TLS数据的每个高度测量主茎的厚度。这种模型允许直接准确地测量茎体积。LoD3模型还考虑了树枝，从而可以确定树木的总生物量和建筑特征。基于TLS数据构建此类模型需要从多个位置进行扫描，这大大增加了数据采集的成本。LoD3和LoD4模型用于单株树木建模，而LoD5模型用于计算机图形学，但当前的TLS技术不允许获得详细数据，例如所有树叶的特征。 

在文献中可以找到许多从点云生成三维树模型的方法。用两种方法得到了最佳结果。第一种方法是基于对象外表面的直接重建（网格化），生成一个三维、均匀、连续的表面来表示对象树的外观。该模型表示树皮的外部形状及其所有不规则之处，从而可以非常准确地确定树木体积。根据Dassot et al.（2012），得出的模型可作为体积测量的绝对参考。然而，直接曲面重建方法的应用需要非常高质量和高密度的点云，因为它对缺乏数据连续性非常敏感。由于森林环境的复杂性以及树干和树枝相互遮挡的事实，该方法只能用于MS模式数据。然而，应注意的是，即使以这种方式收集数据，某些树片段也不会被忠实地复制，这可能导致开发的模型存在一些缺点或不足。这种方法的另一个缺点是需要预先选择代表树木木质部分的点。

第二种方法（最常用）是将简单的几何图元拟合到表示树木木质部分的点云段中。使用此方法创建三维模型的过程通常分阶段完成，从树干底部到树顶部。简单的三维几何图形，如圆柱体、圆、椭圆或球体，迭代拟合到点云段中，表示主干或分支的小片段。建模的最终结果是一组可以组合成一个整体的形状。在这些方法中，处理的第一阶段通常涉及构建树的骨架，这允许将模型分解为组件，即。E个别分支。与前一种方法相比，该方法生成了树的一般图像（图5C，E）。但是它对数据缺口不太敏感。使用此方法时，使用MS模式的数据可获得最佳结果。基于SS数据建立主干模型也是可能的，因为合并简单几何图形的算法能够处理部分不完整的数据并插值主干缺失的部分。 

3.3 处理软件

 4 使用TLS评估森林参数

4.1 在样地中检测树

2018年，一个国际学术联盟对处理样本地块TLS数据的18种算法进行了比较。在这项研究中，获得了24个边长为32m的正方形地块的参考树木测量和TLS数据。根据林分结构的复杂性，选定的地块代表了三类：简单林分，具有良好的树干可视性，缺乏林下植被，树木密度约为600棵/公顷；中等-结构中等复杂的林分，其中有单个林下丛，树木密度约为1000棵/公顷；困难的是，这里有大量的下层林或第二层林分，树木密度约为2000棵/公顷。本文的作者比较了树木的许多生物特征和两种数据采集类型（SS和MS）的算法。

提出了三个指标来评估树检测算法：检测完整性-表示检测到样本地块中树的哪一部分；检测正确性-表示检测到的树的哪一部分被正确分类为树（算法可以将非树的对象分类），和平均检测精度–这是前两个测量的结果。

该项目的参考数据和TLS已经发布，因此可以比较新开发的树木检测算法。然而，应该注意的是，提供了一个不完整的数据集，即6个样地，每个林分结构复杂性类别两个样地。

以下是项目（Liang et al.2018b）和其他工作（Zhang et al.2019；Wang等人，2020）使用SS（表3）和MS（表4）模式。上述结果表明，树木检测的准确性取决于用于分析的TLS数据采集模式（SS或MS）、林分结构及其垂直结构的复杂性。

4.2 树的胸径测量

胸径是林业中测量和使用最频繁的树木生物特征参数。表5给出了使用两种TLS数据采集模式获得的胸径测量结果。此表中提供了两种误差度量：偏差，表示平均测量值是否被过度或低估；均方根误差（RMSE），表示平均误差。

 

根据先前工作的结果，可以看出，使用MS模式不会显著改善胸径的估计。基于上述结果，可以假设在SS模式下确定胸径的平均误差为1–3 cm，而在MS模式下确定胸径的平均误差小于2 cm。

值得注意的是，根据20世纪90年代在芬兰进行的研究，使用测径仪测量胸径的精度约为0.7厘米。在上述实验中，许多测量员多次对一组固定树木的胸径进行独立测量，从而消除了潜在的系统误差。 

4.3 树高的测量

TLS树高测量存在系统误差，因为树冠上部不明显。树冠底部的树枝遮住了树梢，导致测量值通常低于实际高度。使用MS模式可以改善结果，但高度估计仍存在一些误差。

4.4 树木锥度曲线测量

TLS数据可以通过自动测量不同茎高的点云截面直径，以无创方式再现茎的锥形曲线。当TLS在运营林业中实施时，可以重建样地中每棵树的锥度曲线。

应该注意的是，通常不可能重建从树干底部到树顶部的整个树干。这是由于树干最高部分的可见性不足，或者由于扫描仪到树顶的距离很长（对于高大的树木，距离可能超过30米），导致其在点云中的表示太弱，这意味着点采样频率较低。

假设平均而言，在样地中使用TLS可以重建高达相对树高50–70%的树干（Liang et al.2018b）。请注意，这是树干的一部分，大部分树木的体积都是在这一部分累积的。

Maas等人（2008年）比较了采用TLS技术和收割机机头获得的茎秆锥度曲线。相对于收获机的参考测量值，获得了4.7 cm的RMSE。作者指出，0.7到7.7米之间的茎段误差只有1厘米。他们还指出，由于主干下部的形状不寻常（非圆柱形），而上部有大量分支，整个主干的误差更大。研究树木的特定结构对直径估计产生负面影响。

表7显示了确定树干纵向锥度曲线的结果汇总。它包含关于采样图中平均纵向锥度曲线的信息。此值表示可以映射的相对树高的百分比。

 4.5 树木材积的测量

使用TLS数据，可以直接确定单个树木的体积，误差不超过10%，这与使用最佳异速生长方程获得的结果相当（Dassot et al.2012；Liang等人，2014年）。

在TLS算法的国际比较中（Liang等人，2018b），SS模式下数据收集的最佳算法实现了单株材积的RMSE介于25%和50%之间，MS模式下的RMSE介于20%和40%之间。在本研究中，通过计算体积比，提出了一种总体评估样地树木体积的方法。这是由TLS确定的树木体积与参考体积的商计算得出的。作者给出了具有三种不同结构的圆形图的平均体积比：模式SS为easy–94%，模式MS为107%，中等-模式SS为87%，模式MS为107%，困难-模式SS为43%，模式MS为94%。这些结果表明，对于结构简单和中等的林分，可以在SS和MS模式下的样地水平上确定材积，误差为6–13%。在结构困难的绘图中使用SS模式时，总量被低估了50%以上。另一方面，MS模式给出的结果与参考数据非常相似（差异6%）。

表8显示了估算单株树木体积的结果。

 5 讨论

结果表明，TLS技术在森林资源清查中具有巨大的潜力。然而，在森林实践中引进这项技术是一个复杂和耗时的过程。从现有解决方案到新技术的转变必须带来可衡量的经济或质量效益。

就森林清查而言，影响采用新测量技术的最重要因素是：确定树木基本特征的准确性、技术成本（设备和软件）以及与技术操作使用有关的方面（技术限制，数据采集时间、设备尺寸和测量员所需资质，包括扫描仪和软件使用培训）。考虑到这些方面，在林业实践中使用TLS的主要限制是技术成本、缺乏软件以及与操作使用相关的方面。

尽管TLS设备的价格正在逐渐下降，但每台设备100000–150000兹罗提的成本仍然过高。鉴于目前缺乏用于林业目的的多功能商用TLS数据处理软件，可以假设第一批上市的软件也会很昂贵。这方面可能是未来几年在林业实践中不实施该技术的主要原因。

考虑到TLS技术在林业中的实际应用，最困难的一个是确保对样地中的所有树木进行检测。根据目前在圆形地块中进行测量的方法，MS数据采集模式可在结构简单的林分中使用。结果表明，通过这种配置，可以自动检测样本地块中的所有或绝大多数树木。但是，从多个位置进行扫描会显著延长测量员的工作时间，目前认为这一时间过长。新一代扫描仪可能需要更少的时间来获取数据，但这类设备的成本一开始肯定会相对较高。此外，在使用MS模式时，通常必须设置人工标记以对齐扫描。在不使用目标的情况下，自动对齐扫描的算法的可能发展和普遍可用性无疑将是影响林业实践中TLS潜在实施的一个因素。到目前为止，已经有几篇关于这个问题的论文，这些算法只在少数商业软件程序中可用。

与MS模式相比，SS模式下获得的数据的使用具有竞争力，但仅适用于在点云中清晰可见的树木。根据已发表作品的结果，可以假设使用SS模式检测到圆形地块中约70%的树木。如果开发出一种仅基于可见树木的清查方法或一种不可见树木的校正方法，由于数据采集时间更短，SS模式将对林业实践具有吸引力。到目前为止，这方面的工作还很少，还需要进一步的研究。如果开发此类方法，则有可能在更复杂的林分中使用TLS。值得注意的是，经常性的研究结果表明，确定一些聚集林分特征，即。G丰度，使用这两种数据采集模式可提供与简单和中等结构林分的参考数据非常相似的结果，并使用MS模式-即使对于复杂结构的林分也是如此。

另一种可能的情况是使用TLS SS数据校准使用ALS和单株树检测（ITD）方法估计调查特征的方法。这种方法只使用来自清晰可见的树木的信息。本主题还需要研究和开发精确的方法，以使TLS和ALS数据具有“树到树”的精确度。当然，这个解决方案目前也非常昂贵。

移动激光扫描（MLS）可以解决树木被遮挡的问题。通过使用这种不断发展的技术，可以设计样本区域调查的轨迹，从而可以绘制所有树木的地图。使用地面遥感技术，如MS TLS或MLS，也有可能增加待考虑样地的面积，这可能是森林清查的另一个优势。

鉴于激光雷达技术的不断发展，人们可以期待在未来十年左右看到能够对树干进行大规模空中测绘的激光扫描仪的发展。假设该技术朝着这个方向发展，那么就可以直接测量单个树木的基本特征，而无需进行地面测量和统计建模。可以假设，为TLS数据处理开发的算法可以直接应用于这种新型数据。

结论

1.在过去20年中，用于森林清查目的的TLS数据处理算法有了显著发展。

2.目前，在大多数林业测量中，可以使用TLS和非侵入性测量技术来估算树木的准确度。

3.为森林清查目的获取TLS数据的最佳时间是早春或晚秋（尤其是在落叶林中或在林下有落叶物种参与的情况下）。扫描最好在无风天气和低空气湿度下进行。

4.使用MS数据采集模式可以获得更好的树木生物特征估计结果。然而，与SS模式相比，使用该模式的测量更耗时。

5.TLS数据采集模式和林分结构对树木检测和描述其生物特征的准确性有很大影响。

6.使用TLS技术可以无创地测量相对树高约60–70%的立木锥度曲线。

7.树高的测量承受着由“遮挡效应”引起的相对较大的系统误差，即树冠下部遮挡了树顶。

8.需要进一步研究在森林清查中使用TLS技术，并制定一套关于如何获取和处理TLS数据的“良好做法”和说明，同时考虑到获取数据的不同变体。