刘新平，姜 帅，程进明

(南京国图信息产业有限公司，江苏 南京 210036)

0 引 言

随着经济发展对自然环境造成的负面影响的加大，森林资源的管护成为我国环境保护与恢复的重要手段。郁闭度、株数、冠层参数等林分因子的精确评估对森林资源的管理至关重要，但其庞大的资源储量对精细化的测量与管控会造成很大的难度[1-2]。传统森林资源林分因子调查的方式多采用外业样方测量，评估区域内森林资源的整体情况，但样方评估的缺点显著，其在人力、物力及时间成本消耗上都是极大的。遥感技术的出现为人类的生产生活带来了诸多便利，被广泛应用于农业、水利、土地以及植被等地表资源的变化监测[3]。机载激光雷达遥感系统集成了遥感技术与激光雷达测距技术，可以实现对地表地物三维信息的远距离测量，返回具有x、y、z三轴方向坐标信息的点云数据，具有更多的维度信息，有效地实现水平、垂直方向上森林资源信息的获取[4]。

激光雷达遥感的发展为森林资源的调查管理提供了契机，利用点云数据可有效地实现广域林区内林木冠层的提取以及单株木的定位分割[5-6]。刘鲁霞等利用地基激光雷达(TLS)扫描系统获取的数据提取了小面积区域内立木的胸径与树高信息[7]。骆钰波等同样利用了TLS数据实现了林木胸径的提取并对单株木进行了三维重建[8]。云挺等人利用了移动激光雷达(MLS)数据对海南儋州采样区域内的橡胶林受灾情况做出了精准评估[9]。通过以上相关研究涉及的方法可以总结出胸径的提取多利用Hough变换以及圆检测算法，单株的分割提取多利用基于点或像素的聚类以及分水岭分割算法，均能实现较好的测量结果[10]。

森林资源具有分布广、形态结构复杂、物种多样及种群密度高等特点，李增元等人总结了激光雷达反演森林资源林分因子的相关研究，有学者在此类研究的基础上开发出了新的局部轮廓树法同样取得了较好的效果[2,4]。鉴于以上所述的森林资源林分因子的调查方法与激光雷达技术的发展现状，本文尝试利用森林覆盖区的机载激光雷达数据结合基于形态学运算的控制标记分水岭分割算法，提取单株树木并计算林区的林木因子。林木因子测算与评估主要包括4个阶段(图1)：第一部分，构建冠层高度模型CHM，过程中借助了FUSION软件的命令行计算工具;第二部分，单株木算法分割与信息统计提取，分割涉及控制标记的提取、距离转换以及分水线微调，而在统计过程中需要均等划分样本，在设定的规则下提取各样本内相关的林木因子；第三部分，分割结果的对比分析，直观的比较算法分割效果与参照组间的差别；第四部分，回归统计验证分析，利用各对照组间统计结果进行验证分析。

图1 林木参数提取流程

1 方法与理论

1.1 雷达数据与冠层

本文用于方法研究的机载激光雷达数据是长度、宽度均为500 m，地理位置处于两点对角坐标(322500,4102000)与(323000,4102500)之间的方形区域，高程范围从2 489 m到2 677 m，如图2所示。区域内点云总数为3 611 088个，覆盖面积与密度均较为适中，且冠层信息丰富，既有明显的单个树株也有成片的茂密林区，此特性有利于验证方法的普适性。

图2 研究区雷达点云数据

森林的冠层属性能够有效地反应林木的生长健康状态，冠层高度模型CHM的构建是进行单株木分割的基础，计算DSM与DTM的差值即可获取。数字表面模型是包括地面所有地物高程信息的表面，由原始的点云通过线性插值形成的连续表面。在计算冠层的过程中借助了FUSION软件。首先利用地面滤波获取地面点云，继而转换为.DTM格式的数字地形模型文件；最后计算DSM及其与DTM的差值来获取去除地面点的植被冠层。并将冠层高度模型转换为灰度格式的影像，实现对三维点云的降维。

1.2 形态学运算与分水岭分割

图像分割算法种类繁多，诸如基于像素的阈值法、区域增长法、聚类算法等以及面向对象的智能语义分割[11,13]。考虑本研究的目的是实现单株木的提取分割，故而选取分水岭分割算法形成闭合的分割曲线，利于最终的单株树提取处理。由雷达点云数据转换后的灰度图像除了明显的单个树木、成片林木以外，还存在很多明显的细碎斑点噪声，为了避免噪声斑块导致过分割的现象，在研究中选择了图像形态学重构生成标记的方式来辅助信息的提取。在平滑背景噪声的同时突出图像中的信息，保留了图像内容的结构，使图像能够通过简单的提取操作即可获取标记前景。

分水岭算法是依据流域概念形成的自适应目标分割手段。图像具有不连续的特征，可简单地视为由目标像元和背景像元两部分构成的，其梯度在目标边缘处较之内部高[13]。本研究中基于MATLAB实现的控制标记分水岭分割，通过应用目标前景标记与强制最小距离变换得到的背景标记，结合Canny算子梯度图像进行分水岭变换即可实现图像中单株木分割线的提取。图3给出了标记分水岭算法过程中的距离转换模型以及示例分割。图3中从左到右，第一列为地物粘连方式的模型化表达，第二列是模型的距离转换结果，第三列是具有相同粘连方式的真实地物灰度图像，第四列则为控制标记的分水岭分割结果。

不同类型的参考地物(第一列)；参考地物的距离转换(第二列)；相应类型的林木地物实例(第三列)；分割结果(第四列)图3 距离转换模型以及示例分割

实验所示(图3)的经欧式距离转换后的参考目标得到了细化，骨架信息更加明显，可有效地分离粘连的物体。其原理是计算各像素与周边非零像素间的距离，若转换的结果中(第二列)亮的像元表示高程较大，那么暗的像元则代表高程较低的水域联通方向。依此构建分水岭，即可实现目标的单体分割。

1.3 林分因子统计

研究中涉及的林分因子参数包括株数、平均冠幅、平均树高(Average Tree Height,ATH)及郁闭度。冠幅是指单株木的南北及东西方向上直径的平均值，那么平均冠幅则代表区域内所有树木的冠幅平均值。郁闭度的计算参照了张瑞英等[2]提出的“树冠投影法”进行计算，是指树木的垂直投影覆盖区域占调查林区总面积的比值。研究区所有样地的林分因子统计结果如表1所示。

表1 林分因子统计表

单位森林覆盖区域内的树木总数、树高以及冠幅可以用来衡量该区域林木的长势与反演森林生物量，而郁闭度则是林区类型划分的重要依据，是评价森林公益效能的重要参数，同时郁闭度还与森林火灾风险评估有关。

2 结果分析与验证

2.1 统计对比分析

林木的形态复杂多样，特别是茂密的林区，树木高大且树木冠层相互之间存在交叉重叠，提高了单体分割的难度。文中的控制标记分割利用对边缘敏感的Canny算子，结合区域最大与形态学方法得到了包含待分割目标的区域斑块，为获取单株木还需要进行后续的提取操作，即通过分水岭分割的区域斑块掩膜二维的冠层图像获取每一个分割区域内的单株林木。为了直观的分析实验所用分割方法的效果，文中通过人工解译的方式对试验区内部的所有单株树木进行了勾绘，将结果作为地面真实情况的参考(地面参照)。同样的参照对比实验在技术研究类科研成果中经常存在，利用多种不同的算法分别提取结果形成组间对照，通过直观的对比来初步的了解结果的可信程度[12]。需要强调的是，本文在人工解译的过程中，不仅仅是主观地进行勾绘，同时结合了树的基本形态以及计算得到的边缘坡度信息来确定树株。特别是林木密度较大的粘连区域，坡度的加入可避免视觉上的误差，提高准确度。图4中A、B分别展示了冠层图像及其分水岭分割图；C、D分别展示了单株林木提取结果及解译获取的地面参照。结果可以看出，算法分割的效果整体上与真实的地面参照相似，不仅能够提取相对孤立的树木，对大面积粘连的树木同样具有良好分离分割的效果。但同时也存在极少数的过分割或欠分割问题。

(A)雷达数据转换而来的二维冠层；(B)控制标记分水岭分割图；(C)依据分割结果提取的单株木；(D)地面参照结果图4 冠层及分割成果图

针对单株木分割不当的问题我们进行了分析，过分割的主要成因是雷达数据在采样降维的过程中出现了空洞，在形态学平滑后的单株树木内部会出现条状的隔离空白区域，从而导致分割过程中出现多余的分水线，形成过度分割。相反的欠分割问题主要是降维后的冠层区域像素值相似，难以分割。特别是林木茂密的林区，树间距离太近而冠层较大，相互间交叉生长，对于目视解译也有很大的难度，故而无法计算出边缘形成分割。也有极少数的明显单株木同样无法得到有效分割，分析其原因是因为冠层明显而树木较为低矮，处理标记图层的过程中被误认为是噪声背景而被剔除。对于此类情况可通过适当的分水线微调去除相应的影响。

2.2 回归验证

为了进一步验证林分因子的提取精度，研究中尝试了通过构建线性回归分析模型来实现。即分别统计出实验分割组与地面参照组的各项林木参数做回归分析。验证方式采用了全样本检测的方式，首先将试验区的数据均等划分为5×5的25个面积大小均为1 hm2的小样本，而后计算各个样本中的林木参数。在统计的过程中统一了规则，仅针对样本内的树木进行统计，与样本边界相交的树木忽略不计。这样的规则下，试验区的整体林木数量、郁闭度会减小，但并不影响单个对照组样本间的对比。

组间的线性回归分析结果(图5)表明两者之间存在明显的线性关系，对照组A、B、C、D中的纵横坐标分别表示了地面参照组与试验分割组的株数、冠幅、树高以及郁闭度。株树、树高、郁闭度的回归决定系数均大于0.90，冠幅的回归系数也达到了表征强相关关系的81.99%。通过该回归分析模型，有力地证明了雷达点云数据在森林资源的林分因子提取应用中的优势。

(A)株数；(B)冠幅；(C)树高；(D)郁闭度图5 分割结果与地面参考的线性回归

3 结 语

本文通过构建冠层高度模型CHM，结合控制标记分水岭分割算法对试验区机载激光雷达数据进行单株木的提取分割，并在此基础上计算了试验区林木的相关参数，通过统计分析与线性回归分析均证明了所提取重要森林林分因子的准确性。其中，株树、冠幅、树高以及郁闭度等林木参数的相关系数分别为95.37%、81.99%、94.92%、90.39%，均显示强相关关系。较之传统的林木参数采集方法，基于雷达数据的流程化算法分割提取方式更加快捷、高效，一次采集完成多参数的获取，可以有效提高森林资源普查类型相关项目的调查效率。与此同时，降维的方式会损失原始雷达数据的部分信息，更加有效便捷且易于实现的林木三维点云立体分割、统计算法值得被研究与开发。