王瑞瑞，李怡燃，石 伟，李文静

(1.北京林业大学 精准林业北京市重点实验室，北京 100083；2.中国科学院 地理科学与资源研究所，北京 100083)

森林被称为“地球之肺”，具有防风固沙、涵养水源以及调节气候等作用[1,2]，有效了解森林生长变化信息对森林资源的保护以及生态环境的研究具有重要意义[3,4]。近年来，激光雷达(light detection and ranging，LiDAR)技术因精度高，分辨力、抗干扰能力和冠层穿透力强等优点[5]被广泛应用于单木树高、冠幅、胸径等森林信息的调查。激光点云的单木探测在处理中不需要对数据进行栅格化或内插等操作，减少了数据操作时间，避免了原始点云信息的缺失[6]，提高了森林中下层冠木探测的精确率，但树干的探测精度易受点云密度与冠层间隙率影响。因此，国内外很多学者对如何提高分割精度以及减少点云密度的影响等方面做出了研究。J.Reitbergeretal[7]基于机载全波形激光雷达数据用标准化切割(normalized cut)方法进行单木分割，有效地改善了传统的分水岭算法，将森林中的低矮树木探测率大大提升。Y.Wangetal[8]根据对归一化点云高度分布概率的统计分析来检测主树冠层和各层的高度范围，以此提取单个树木，但该方法易受激光点密度的影响从而使精度降低。刘峰等[9]利用标记分水岭算法确实单木初步位置，然后利用马尔可夫模型(markov random field，MRF)进行单木分割。W.Lietal[10]将研究区域图像的全局最大值视为该区最高木的树冠顶点，以树冠形状特征为依据进行单木识别，该方法虽然单木识别率高达90%，但无法准确分割树冠边界，并且识别精度在阔叶林地区有待验证。……