基于无人机-手持激光雷达点云的天然林单木和林分尺度乔木碳储量估测
Date:2026-06-10 clicks:
Affiliation of Author(s):东北林业大学
Journal:中南林业科技大学学报(中文核心期刊CSCD, A+)
Place of Publication:中国湖南省长沙市
Key Words:森林资源调查;激光雷达;K均值层次聚类;点云融合;单木参数
Abstract:【目的】解决现行森林资源调查中人工实测获取数据效率低下的问题。【方法】以大兴安岭地区天然林为研究对象，获取无人机激光雷达（Unmanned aerial vehicle laser scanning,ULS）与手持式激光雷达（Handheld laser scanning,HLS）点云数据，进行轨迹解算、滤波与噪声剔除后，使用3D Harris算法提取关键点实现粗配准，进一步利用迭代最近点（Iterative closest point,ICP）算法完成精配准。采用基于冠层高度模型（Canopy height model,CHM）的单木分割方法和基于种子点的K-means层次聚类方法对融合点云进行单木分割，基于最优的单木分割结果提取树高和胸径，再结合二元可加性生物量模型估测单木和样地尺度的生物量和碳储量，验证多平台U-HLS数据在森林精细化监测中的适用性。【结果】1)不同分割方法与数据源的单木分割精度差异显著。基于CHM的分割在无人机点云中虽识别出5790株个体，但虚假识别率较高，召回率仅0.61,F-score仅0.43；基于种子点的K均值层次聚类法分割在树干位置约束下，识别的完整性与精度明显提升，F-score达0.87，召回率、精确率和F-score分别高107.07%、70.46%、87.49%。2)基于融合点云和K均值层次聚类法得到的单木提取单木参数，胸径和树高的总体精度均较高，系统性偏差较小。决定系数均达到0.93,RMSE分别为1.6 cm和1.15 m，相对RMSE均控制在16%以下，偏差仅为0.37 cm和0.02 m。树干位置约束在一定程度上削弱了冠层遮挡造成的误差，使单木参数的提取更加可靠。3)基于U-HLS数据的单木和样地尺度碳储量的估测精度均较高，R2均为0.97，单木尺度的碳储量估测的RMSE为7.14 kg，偏差仅为-0.68 kg，但在大径组（26～36 cm）和小径组（<12 cm）仍在表现一定程度的低估和高估现象。样地尺度碳储量估测的R2为0.97,而RMSE和偏差仅为3.62 tC?hm-2和-1.27 tC·hm-2)，尤其是rRMSE（6.22%），远小于单木尺度rRMSE（23.32%）。说明在样地层面，单木个体的估测误差被进一步平衡，局部的高估与低估被部分抵消，使样地尺度的碳储量估测结果与实测值高度一致。【结论】多平台激光雷达融合能够有效提升单木参数提取及碳储量估测的精度，在复杂林分条件下保持稳定可靠，能够在单木及样地尺度部分替代传统每木检尺调查，为高效地开展精细化森林资源调查和监测提供参考。
Co-author:赵颖慧
First Author:关宏韬
Indexed by:Journal paper
Correspondence Author:甄贞*
Discipline:Agriculture
Document Type:J
ISSN No.:1673-923X
Translation or Not:no
CN No.:43-1470/S
Date of Publication:2026-01-01