基于背包式激光雷达的天山云杉林单木因子估测

doi:10.13466/j.cnki.lyzygl.2021.02.014

林业资源管理 ›› 2021›› Issue (2): 99-109.doi: 10.13466/j.cnki.lyzygl.2021.02.014

基于背包式激光雷达的天山云杉林单木因子估测

邱琴¹(), 张文革², 王蕾³, 曹姗姗⁴, 孙伟¹^,⁴()

1.新疆农业大学计算机与信息工程学院,乌鲁木齐 830052
2.新疆天山西部国有林管理局,新疆伊宁 835000
3.新疆林业科学院现代林业研究所,乌鲁木齐 830052
4.中国农业科学院农业信息研究所,北京 100081

收稿日期:2021-02-09 修回日期:2021-03-25 出版日期:2021-04-28 发布日期:2021-06-03
通讯作者: 孙伟
作者简介:邱琴(1996-),女,四川达州人,在读硕士,研究方向:农林信息智能分析。Email: 1207788620@qq.com
基金资助:
新疆维吾尔自治区自然科学基金面上项目(2018D01A20)

Estimation of Single Wood Factor of Picea schrenkiana var.tianshanica Forest Based on Backpack LiDAR

QIU Qin¹(), ZHANG Wenge², WANG Lei³, CAO Shanshan⁴, SUN Wei¹^,⁴()

1. Computer and Information Engineering College,Xinjiang Agricultural University,Urumqi,Xinjiang 830052,China
2. State owned Forest Administration Bureau of Western Tianshan,Yining,Xinjiang 835000,China
3. Institute of Mordern Forestry,Xinjiang Academy of Forestry Science,Urumqi 830052,China
4. Agricultural Information Institute,the Chinese Academy of Agricultural Sciences,Beijing 100081,China

Received:2021-02-09 Revised:2021-03-25 Online:2021-04-28 Published:2021-06-03
Contact: SUN Wei

摘要/Abstract

摘要：

单木因子高精度无损快速估测对森林资源监测和评估至关重要,背包式激光雷达在获取森林三维结构参数方面具有良好的应用潜力。以天山云杉林为研究对象,利用背包式激光雷达扫描样地获取点云数据进行单木分割识别和单木胸径、树高及冠幅面积等因子估测,以地面实测结合目视解译数据作为参照,进行精度评价及相关性检验。结果表明:利用背包式激光雷达数据进行单木分割的单木分割精度F值均大于0.9,精确率和召回率均值分别为0.96和0.90,识别率平均值为86.61%;单木胸径和树高估测结果决定系数R²均大于0.90,胸径均方根误差RMSE均值为1.11,树高的为1.05;单木冠幅面积估测结果决定系数R²均大于0.80,均方根误差RMSE均值为3.21。可见,使用背包式激光雷达能够实现对单木胸径、树高参数的高精度提取。

关键词: 背包雷达, 天山云杉, 单木参数, 胸径, 树冠

Abstract:

High precision lossless rapid estimation of single wood factor is very important for forest resource monitoring and evaluation.Backpack lidar has good application potential in obtaining 3D forest structure parameters.The study takes Picea schrenkiana var.tianshanica forest as the research object,trying to obtain the point cloud data by backpack LiDAR scanning sample for single wood segmentation and estimation of single wood DBH,tree height and crown area.The accuracy evaluation and correlation test are carried out with the reference of ground measurement and visual interpretation data.The results show that:the precision F values of single wood segmentation using backpack LiDAR data are greater than 0.90,the average accuracy and recall are 0.96 and 0.90,respectively.The average recognition rate is 86.61%.R² coefficient of determination of DBH and tree height is greater than 0.90,the average value of the DBH root mean square error is 1.11 and the height of the tree is 1.05;R² coefficient of determination for area estimation of single crown is greater than 0.80,the average value of the root mean square error is 3.21.Therefore,using backpack LiDAR can achieve high precision extraction of single wood DBH and tree height parameters.

Key words: backpack radar, Picea schrenkiana var.tianschanica, single wood parameter, DBH, crown

中图分类号:

邱琴, 张文革, 王蕾, 曹姗姗, 孙伟. 基于背包式激光雷达的天山云杉林单木因子估测[J]. 林业资源管理, 2021,(2): 99-109.

QIU Qin, ZHANG Wenge, WANG Lei, CAO Shanshan, SUN Wei. Estimation of Single Wood Factor of Picea schrenkiana var.tianshanica Forest Based on Backpack LiDAR[J]. FOREST RESOURCES WANAGEMENT, 2021,(2): 99-109.

图/表 9

图1

表1

图2

图3

图4

表2

图5

图6

图7

参考文献 34

[1]	何兴元, 任春颖, 陈琳, 等. 森林生态系统遥感监测技术研究进展[J]. 地理科学, 2018,38(7):997-1011. doi: 10.13249/j.cnki.sgs.2018.07.001
[2]	Malhi Y, Baldocchi D D, Jarvis P G. The carbon balance of tropical,temperate and boreal forests[J]. Plant,Cell & Environment, 1999,22(6):715-740.
[3]	董新宇, 李家国, 陈瀚阅, 等. 无人机遥感影像林地单株立木信息提取[J]. 遥感学报, 2019,23(6):1269-1280.
[4]	李桂林, 王红, 宋音, 等. 黄河三角洲孤岛刺槐林地上生物量的估算—基于无人机机载激光雷达[J]. 中国农学通报, 2018,34(26):52-57.
[5]	张珊珊, 孟园, 林文树. 基于三维激光扫描技术的单木参数提取精度研究[J]. 西北林学院学报, 2017,32(5):189-196.
[6]	Pflugmacher D, Cohen W B, Kennedy R E, et al. Using Landsatderived disturbance and recovery history and LiDAR to map forest biomass dynamics[J]. Remote Sensing of Environment, 2014,151(8):124-137. doi: 10.1016/j.rse.2013.05.033
[7]	GünlüA, Ercanlii, BassKent E Z, et al. Estimating aboveground biomass using Landsat TM imagery:a case study of Anatolian Crimean pine forests in Turkey[J]. Annals of Forest Research, 2014,57(2):289-298.
[8]	解宇阳, 王彬, 姚扬, 等. 基于无人机激光雷达遥感的亚热带常绿阔叶林群落垂直结构分析[J]. 生态学报, 2020,40(3):940-951.
[9]	Brolly G, Kiraly G. Algorithms for stem mapping by means of terrestrial laser scanning[J]. Acta Silvatica et Lignaria Hungarica, 2009,5(2):119-130.
[10]	Wallace L, Lucieer A, Watson C, et al. Development of a UAV-LiDAR system with application to forest inventory[J]. Remote Sensing, 2012,4:1519-1543. doi: 10.3390/rs4061519
[11]	韦雪花, 王永国, 郑君, 等, 基于三维激光扫描点云的树冠体积计算方法[J]. 农业机学报, 2013,44(7):236-238.
[12]	Goodbody, T R H, Coops N C, Tompalski P, et al. Updating residual stem volume estimates using ALS-and UAV-acquired stereo-photogrammetric point clouds[J]. International Journal of Remote Sensing, 2017,38(8/9/10):2938-2953. doi: 10.1080/01431161.2016.1219425
[13]	刘峰, 谭畅, 雷丕锋. 中亚热带森林单木地上生物量的机载激光雷达估测[J]. 应用生态学报, 2014,25(11):3229-3236
[14]	包艳丽, 牛树奎, 张国林. 天山云杉林碳储量研究[J]. 干旱区资源与环境, 2009,23(9):113-117.
[15]	新疆森林编辑委员会. 新疆森林[M]. 北京: 中国林业出版社, 1989: 60-100.
[16]	刘贵峰, 刘玉平, 郭仲军, 等. 天山云杉林生物量及其变化规律的研究[J]. 西北林学院学报, 2013,28(5):13-17.
[17]	刘玉锋, 潘英, 李虎. 基于高空间分辨率遥感数据的天山云杉树冠信息提取研究[J]. 国土资源遥感, 2019,31(4):112-119.
[18]	李擎, 王振锡, 王雅佩, 等. 基于GF-2号遥感影像的天山云杉林郁闭度估测研究[J]. 中南林业科技大学学报, 2019,39(8):48-54.
[19]	金忠明, 曹姗姗, 王蕾, 等. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020(1):125-135.
[20]	朱思名, 王振锡, 裴媛, 等. 基于无人机影像的天山云杉林冠幅提取及蓄积量反演[J]. 干旱区资源与环境, 2020,34(10):160-165.
[21]	杨勇强, 王振锡, 师玉霞, 等. 基于无人机遥感的天山云杉林密度估测研究[J]. 新疆农业大学学报, 2019,42(3):194-201.
[22]	刘早阳. 西天山生态站的建设[J]. 新疆林业, 2016(3):6-8.
[23]	Lee H, Slatton K C, Roth B E, et al. Adaptive clustering of airborne LiDAR data to segment individual tree crowns in managed pine forests[J]. International Journal of Remote Sensing, 2010,31(1):117-139. doi: 10.1080/01431160902882561
[24]	贾鹏刚, 夏凯, 董晨, 等. 基于无人机影像的银杏单木胸径预估方法[J]. 浙江农林大学学报, 2019,36(4):757-763.
[25]	陈世林. 激光雷达单木参数提取与生物量估算研究[D]. 北京: 北京林业大学, 2020.
[26]	白少博. 基于点云数据的单木分割及胸径参数提取算法研究[D]. 北京: 北京建筑大学, 2020.
[27]	黄旭, 贾炜玮, 王强, 等. 背包式激光雷达的落叶松单木因子提取[J]. 森林工程, 2019,35(4):14-21.
[28]	金忠明, 曹姗姗, 王蕾, 等. 基于U-Net和分水岭算法的无人机单木树冠提取方法[J]. 西北林学院学报, 2020,35(6):194-204.
[29]	陈日强, 李长春, 杨贵军, 等. 无人机机载激光雷达提取果树单木树冠信息[J]. 农业工程学报, 2020,36(22):50-59.
[30]	孙忠秋, 吴发云, 高显连, 等. 基于机载大光斑激光雷达的森林冠层高度估测[J]. 林业资源管理, 2020(3):111-117.
[31]	范伟伟, 刘浩然, 徐永胜, 等. 基于地基激光雷达和手持式移动激光雷达的单木结构参数提取精度对比[J]. 中南林业科技大学学报, 2020,40(8):63-74.
[32]	李华玉, 张超, 陈巧, 等. 基于无人机可见光和LiDAR数据的单木树种识别[J/OL]. 西南林业大学学报:自然科学, 2021,41(5):1-9[2021-03-24]. http://kns.cnki.net/kcms/detail/53.1218.S.20210205.1610.004.html.
[33]	陶江玥, 刘丽娟, 庞勇, 等. 基于机载激光雷达和高光谱数据的树种识别方法[J]. 浙江农林大学学报, 2018,35(2):314-323.
[34]	宫铭钱, 冀杰, 种一帆, 等. 基于激光雷达和视觉信息融合的车辆识别与跟踪[J]. 汽车技术, 2020(11):8-15.

参数	数值与描述
尺寸/mm	985×300×150
重量/kg	8.0
功率/W	80
电压/V	22
电流/A	3.6
电池/mAh	5700
工作时间/h	大约2h(1块电池)
端口	HDMI,USB,网口
存储	512G SSD
LiDAR传感器	VLP16
LiDAR精度/cm	±3
垂直视场角/(°)	-90°~90°
水平视场角/(°)	0°~360°
测量范围/m	100
相对精度/cm	≤3
适用环境	室内和室外
控制及显示	无线模式(网络连接,数据同步显示)
控制及显示	有线模式(通过数据线连接设备)

样地号	单木分割结果			单木分割精度评价结果			单木识别率/ %
样地号	TP(正确分割的棵数)	FN(错误分割的棵数)	FP(漏分的棵数)	R	P	F	单木识别率/ %
1号样地	126	10	4	0.93	0.97	0.95	90.00
2号样地	72	7	3	0.91	0.96	0.94	87.80
3号样地	78	8	3	0.91	0.96	0.93	87.64
4号样地	16	2	1	0.89	0.94	0.91	84.21
5号样地	13	2	0	0.87	1.00	0.93	86.67
6号样地	15	2	1	0.88	0.94	0.91	83.33

基于背包式激光雷达的天山云杉林单木因子估测

Estimation of Single Wood Factor of Picea schrenkiana var.tianshanica Forest Based on Backpack LiDAR

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 34

相关文章 15

编辑推荐

Metrics

本文评价

[1]	唐佳俊, 柴宗政. 基于机载激光雷达和机器学习的林分平均胸径遥感估测[J]. 林草资源研究, 2024, 0(1): 56-64.
[2]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[3]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[4]	杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.
[5]	邢元军, 温坤剑, 郭晓妮, 宋亚斌, 胡中岳, 江腾宇, 贺紫荆. 基于Mask R-CNN的平原造林地区单木树冠分割[J]. 林业资源管理, 2023, 0(3): 115-120.
[6]	张信杰, 郑焰锋, 温坤剑, 王鹏杰, 吴发云. 融合机载和背包激光雷达的桉树单木因子估测[J]. 林业资源管理, 2022, 0(6): 131-137.
[7]	和晓菲, 陈鑫, 王梦瑶, 苗雪, 樊昌猛, 彭建松. 基于eCognition影像解译的云南会泽县建成区林木树冠覆盖分析[J]. 林业资源管理, 2022, 0(4): 100-108.
[8]	周志峰, 郭祁, 张信杰. 内蒙古榆树根径与胸径回归关系研究[J]. 林业资源管理, 2022, 0(3): 129-134.
[9]	谢贤胜, 苏宏新, 杨元征, 李春海, 卢峰, 罗蔚生, 徐占勇. 基于地基激光雷达估测广西桉树人工林的林分参数[J]. 林业资源管理, 2022, 0(2): 100-108.
[10]	陈周娟, 程光, 卜元坤, 黄维, 陈佳卉, 李卫忠. 基于无人机倾斜影像的阔叶林单木参数提取[J]. 林业资源管理, 2022, 0(1): 132-141.
[11]	叶鹏, 汤孟平. 基于GIS的常绿阔叶林郁闭度与树冠重叠度分析[J]. 林业资源管理, 2021, 0(5): 70-79.
[12]	张玉薇, 张超, 王娟, 李华玉, 白明雄, 杨安蓉. 基于UAV遥感的单木冠幅提取及胸径估算模型研究[J]. 林业资源管理, 2021, 0(3): 67-75.
[13]	黄彦晓, 方陆明, 黄思琪, 高海力, 杨来邦, 楼雄伟. 基于改进的Faster R-CNN模型的树冠提取研究[J]. 林业资源管理, 2021, 0(1): 173-179.
[14]	曾伟生, 曹迎春, 陈新云, 赵连清. 河北省主要树种单木和林分生长率模型研建[J]. 林业资源管理, 2020, 0(1): 30-37.
[15]	金忠明, 曹姗姗, 王蕾, 孙伟. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020, 0(1): 125-135.