【目的】针对传统机载激光雷达(Light Detection And Ranging,LiDAR)所生成的冠层高度模型分辨率较低,不利于高郁闭度人工针叶林中冠幅较小的树种单木分割的问题,基于大疆禅思L1激光雷达高密度点云,提出了一种基于层次化泛洪的单木分割...【目的】针对传统机载激光雷达(Light Detection And Ranging,LiDAR)所生成的冠层高度模型分辨率较低,不利于高郁闭度人工针叶林中冠幅较小的树种单木分割的问题,基于大疆禅思L1激光雷达高密度点云,提出了一种基于层次化泛洪的单木分割算法。【方法】采用大疆禅思L1激光雷达设备,选择东北地区樟子松与兴安落叶松人工林作为实验样地。首先对原始的高密度激光雷达点云依次进行拼接、去噪、高程归一化处理,针对两块样地生成分辨率分别为0.1、0.2、0.4 m的高、中、低3种分辨率的冠层高度模型。对3种冠层高度模型分别进行先开后闭的形态学滤波处理,以降低冠层高度模型中单个树冠内部不同像素间高程差。然后采用反距离插值算法对3种冠层高度模型中的空洞像素进行平滑处理,并采用图像增强算法提高3种冠层高度模型中树冠内部像素与树冠间像素的对比度,以降低形态学滤波对林隙的模糊处理影响。最后利用局部最大值法分别在3种冠层高度模型中搜索树顶,基于搜索到的树顶位置,结合分层处理思想通过模拟泛洪算法实现单木分割,并基于一般树冠形态,对分割后树冠投影形状、面积进行约束,以优化分割后树冠形状。【结果】针对人工针叶林林分,提出的单木分割算法结合高分辨率冠层高度模型在两种树种样地下最高分割精度达到90%以上。其中,在冠幅较小的兴安落叶松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别达到91.6%、85.9%、80.2%。而冠幅较大的樟子松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别为86.2%、84.1%、75.9%。【结论】基于冠层高度模型的单木分割场景中,冠幅较大的树种对于一定范围内分辨率变化不敏感,高分辨率冠层高度模型可以提高人工针叶林单木分割精度,尤其是对于冠幅较小的树展开更多
文摘【目的】针对传统机载激光雷达(Light Detection And Ranging,LiDAR)所生成的冠层高度模型分辨率较低,不利于高郁闭度人工针叶林中冠幅较小的树种单木分割的问题,基于大疆禅思L1激光雷达高密度点云,提出了一种基于层次化泛洪的单木分割算法。【方法】采用大疆禅思L1激光雷达设备,选择东北地区樟子松与兴安落叶松人工林作为实验样地。首先对原始的高密度激光雷达点云依次进行拼接、去噪、高程归一化处理,针对两块样地生成分辨率分别为0.1、0.2、0.4 m的高、中、低3种分辨率的冠层高度模型。对3种冠层高度模型分别进行先开后闭的形态学滤波处理,以降低冠层高度模型中单个树冠内部不同像素间高程差。然后采用反距离插值算法对3种冠层高度模型中的空洞像素进行平滑处理,并采用图像增强算法提高3种冠层高度模型中树冠内部像素与树冠间像素的对比度,以降低形态学滤波对林隙的模糊处理影响。最后利用局部最大值法分别在3种冠层高度模型中搜索树顶,基于搜索到的树顶位置,结合分层处理思想通过模拟泛洪算法实现单木分割,并基于一般树冠形态,对分割后树冠投影形状、面积进行约束,以优化分割后树冠形状。【结果】针对人工针叶林林分,提出的单木分割算法结合高分辨率冠层高度模型在两种树种样地下最高分割精度达到90%以上。其中,在冠幅较小的兴安落叶松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别达到91.6%、85.9%、80.2%。而冠幅较大的樟子松样地中,基于高、中、低分辨率冠层高度模型的单木分割精度F值分别为86.2%、84.1%、75.9%。【结论】基于冠层高度模型的单木分割场景中,冠幅较大的树种对于一定范围内分辨率变化不敏感,高分辨率冠层高度模型可以提高人工针叶林单木分割精度,尤其是对于冠幅较小的树
