机载激光雷达在森林资源调查中的应用与展望

韦镇根

广西壮族自治区国土测绘院 广西南宁市 530023

摘要：森林资源是陆地生态系统的支撑，及时、高效、准确地调查与监测森林资源，对生态环境的保护与可持续发展具有重要意义。机载激光雷达（LiDAR）技术可以直接获取地表地物的三维信息，在森林参数估测方面具有独特的优势，因此，在森林资源调查中有着广泛应用。

关键词：机载激光雷达；森林资源调查；应用；展望

1激光雷达技术特点

相比传统的雷达技术，激光雷达技术在应用中具备了以下技术特征：第一，激光雷达的激光光束相对较窄，可以根据实际情况展开多次勘测，从而获取到更多的基础数据，便于后续工作的顺利展开。而且激光波长比较短，探测频率高，从而使激光雷达的测量精度达到极高的水平，综上，激光雷达技术具有数据密度大、测量精度高的特点。第二，激光雷达在应用中属于主动测量式雷达，不会受到光源影响，并且其不会受到时间、太阳高度、地物阴影等内容干扰，借此来获取到全地形数据，并且能够确保数据精度的可靠性。第三，激光雷达产生的激光波束较窄，并且其传播方向良好，同时其口径较小，只能定向接收区域的回波，因此其采集的数据也具备了很强的隐蔽性和安全性。第四，在使用中激光雷达的发射器总重量较小，并且所需安装空间较小，提高了作业过程的便捷性。

2机载LiDAR在森林资源调查中的应用

2.1机载LiDAR进行森林资源调查的步骤

机载LiDAR进行森林调查，大都需要进行森林样地划分、外业人工调查、外业航飞采集、内业点云数据处理等几个步骤。森林进行样地划分便于对样地进行人工调查以及统计森林信息。外业人工调查，通过每木检尺等手段，可以获取样地具体的树高、冠幅、胸径、叶面积指数、郁闭度、生物量等信息。外业航飞采集可以获得森林大尺度范围的单木与林分信息。内业点云处理可以对采集的森林点云数据进行滤波、单木分割，提取树高、冠幅、穿透率等数据，进而获得相关单木因子和林分因子。人工调查的数据可以与机载LiDAR采集的点云数据进行相关反演模型的建立，或者对模型进行精确度检验。

2.2机载LiDAR单木因子调查

单木因子主要包括单木冠幅、树高、胸径等。单木冠幅、树高、胸径可以作为回归方程的参数估计林分尺度的生物量等参数。通过单木的识别，可以估算林分密度当中的株数密度等参数。机载LiDAR可以对单木的冠幅、树高进行调查。

2.2.1机载LiDAR调查单木冠幅

树冠是树木进行光合作用与蒸腾作用的部位，冠幅是单木的重要因子。单木冠幅的提取目前主要有两种方法：一种是基于冠层高度模型的提取方法，另外一种是针对原始点云进行聚类分割的提取方法。机载LiDAR穿过树叶提取森林地形，后期生成数字表面模型、数字高程模型，进而由DSM减去DEM得到冠层高度模型。基于CHM进行分割获取单木冠幅，主要有区域增长法、分水岭分割法等方法。针对原始点云的单木冠幅提取基于聚类的方法，主要有K-means聚类方法、高斯聚类等方法。

2.2.2机载LiDAR调查单木树高

单木树高反映了单木的生长情况，是单木调查的重要因子。单木树高的提取基于高密度的点云数据，目前单木树高的提取方法主要有两种：一种是基于CHM提取的方法，单木树高提取的关键在于如何准确提取单木的树顶点；另一种是基于原始点云提取的方法。基于CHM提取单木的树高，又分为在CHM中寻找局部极值的方法，以及在CHM中首先提取单木树冠，然后寻找单木树冠内高程最大值的方法。基于原始点云提取单木树高，一般使用地面以上的点云减去DEM得到归一化的点云，使用聚类等方法识别单木的树顶点。

2.3机载LiDAR进行林分因子调查

2.3.1机载LiDAR调查林分平均高

林分平均高是反映森林生长状况的数量指标，同时也反映了林分立地质量高低。机载LiDAR可以直接提取林分树高，目前主要有两种方法：一种是基于提取单木树高的方法，另一种是基于点云进行统计处理的方法。当点云密度较高的时候，可以进行基于CHM或者原始点云的单木分割，提取单木树高，最后计算林分平均高。当点云密度较低的时候，单个树冠的激光点较少，无法准确刻画单个树冠的表面形态，单木分割较为困难，此时需要对林分的点云进行统计处理。

2.3.2机载LiDAR调查林分叶面积指数

叶面积指数是树木冠层的一个关键机构参数，是反映森林群体生长状况的重要指标。根据机载LiDAR的点云数据，叶面积指数的估算方法主要有两种方法：孔隙度模型法和统计模型法。孔隙度模型法需要利用机载LiDAR数据计算森林的激光穿透指数，通过比尔-朗伯定律可以转化为有效叶面积指数。统计模型法需要在森林划分样方实测叶面积指数，根据实测LAI与机载LiDAR数据提取特征变量进行回归分析建模，建模之后反演叶面积指数。针对很多学者利用LPI来计算有效叶面积指数，没有对回波强度进行校正。对原始回波强度根据距离和角度进行校正，并建立校正前后的回波强度计算得出LPI，再根据Beer-Lambert定律建立有效LAI估算模型，可以提高有效LAI的估测精度。陈卓等使用不同回波数和校正之前和校正之后的回波强度为变量计算LPI，利用Beer-Lambert定律建立了有效LAI估算模型，可以估算不同种类森林的LAI。点云密度是机载LiDAR点云数据的一个重要参数。尤号田等使用Leica公司的ALS70机载LiDAR采集了长春市净月潭森林公园的森林数据，针对点云数据做了随机稀疏化处理，分别用原始密度的点云数据、1/2密度的点云数据、1/4密度的点云数据、1/8密度的点云数据进行了LAI反演模型的实验，证实了低密度点云数据也能进行LAI的反演。机载LiDAR的森林LAI的调查依赖于LAI反演模型的准确程度。多特征变量的LAI反演模型，效果更好，例如考虑光谱特征，以及对回波信息等进行细分等。

2.3.3机载LiDAR调查林分郁闭度

郁闭度是森林树冠在地面的投影面积与地面面积之比，是反映森林结构和森林环境的一个重要因子。机载LiDAR的森林郁闭度的调查数据处理方法一般基于回归分析法。首先通过人工实测等方式获取被调查森林的一块样方的郁闭度，然后通过机载LiDAR获取要调查森林的点云数据并确定模型参数，最后对样方郁闭度和模型参数进行回归分析，建立郁闭度反演模型。

2.3.4机载LiDAR调查林分生物量

森林生物量指的是森林树木树干、树枝、树叶等器官生物量的总和，对生态环境的可持续发展具有重要意义。回归分析方法是机载LiDAR在生物量调查方面的数据处理的主流方法，操作流程一般是对森林进行样地划分、样地单木数据的人工测量、机载LiDAR进行森林数据采集、根据机载LiDAR数据提取的特征变量和人工采集数据进行回归分析，建立生物量反演模型。

3结语

在森林资源调查数据采集方面，机载LiDAR与其他遥感方式进行组合是未来数据采集的发展方向。例如，机载LiDAR与卫星、航空光学遥感、背负式激光雷达、地面激光雷达相结合，可以发挥多种传感器的优势，采集信息更全面。光学影像遥感可以获取森林冠幅的纹理信息，地面激光雷达、背负式激光雷达可以精确获取胸径、树干等信息，将三者结合，可以发挥各种传感器的优势，提高单木和林分相关调查因子的精确性。

参考文献

[1]边瑞，年雁云，勾晓华，等．基于无人机激光雷达的森林冠层高度分析[J]．遥感技术与应用，2021，36（3）：511-520.

[2]陈卓，范文义，于颖，等．运用机载激光雷达数据估算不同森林类型叶面积指数[J]．东北林业大学学报，2020，48（11）：39-45.