结构参数和生物量是衡量森林碳储量与碳循环的核心指标,而激光雷达(Light Detection and Ranging,LiDAR)是精确测量单木参数的关键技术。以上海市崇明岛某水杉林为研究对象,基于手持(HLS)、地基(TLS)和机载(ALS)3种平台获取的LiDAR点云...结构参数和生物量是衡量森林碳储量与碳循环的核心指标,而激光雷达(Light Detection and Ranging,LiDAR)是精确测量单木参数的关键技术。以上海市崇明岛某水杉林为研究对象,基于手持(HLS)、地基(TLS)和机载(ALS)3种平台获取的LiDAR点云数据,提出了一种整合点云强度和密度以及三维连通性聚类的单木茎叶分离技术,并结合树木定量结构模型(TreeQSM)和随机森林算法,系统比较了各平台及其联合数据在单木参数提取与生物量估算中的性能差异。结果表明:①整合单木粗分割和精分割、单木茎叶分离、TreeQSM以及随机森林机器学习,本研究方法可以精确地实现不同平台LiDAR单木结构参数提取和生物量反演;②不同平台在数据采集效率和点云质量上各有侧重,适用场景不同。TLS点云密度最高,枝干结构刻画最精细,但成本最高;ALS覆盖范围广,能高效完整获取树高与冠层信息(树高相对完整度均为100%);HLS则在树木胸径的快速测量上表现突出(胸径闭合度全部处于75%~100%等级);③多源数据融合可以实现优势互补,显著提升关键参数的提取精度,如融合地面平台数据可将ALS的胸径精度R^(2)从0.19提升至0.82以上;④在生物量预测方面,基于TreeQSM多维参数构建的随机森林模型表现出良好性能(所有模型R^(2)>0.7),联合数据集的精度普遍优于单源数据集,其中,HLS+TLS数据集的模型精度最高(R^(2)=0.94)。整体来看,基于TreeQSM的地面端高精度枝干参数是生物量估算的关键,在已有高精度地面数据时,ALS提供的冠层补充信息对生物量精度的边际增益有限,研究结果可为多平台LiDAR数据在林业调查中的优化组合与应用提供理论指导和技术参考。展开更多
文摘结构参数和生物量是衡量森林碳储量与碳循环的核心指标,而激光雷达(Light Detection and Ranging,LiDAR)是精确测量单木参数的关键技术。以上海市崇明岛某水杉林为研究对象,基于手持(HLS)、地基(TLS)和机载(ALS)3种平台获取的LiDAR点云数据,提出了一种整合点云强度和密度以及三维连通性聚类的单木茎叶分离技术,并结合树木定量结构模型(TreeQSM)和随机森林算法,系统比较了各平台及其联合数据在单木参数提取与生物量估算中的性能差异。结果表明:①整合单木粗分割和精分割、单木茎叶分离、TreeQSM以及随机森林机器学习,本研究方法可以精确地实现不同平台LiDAR单木结构参数提取和生物量反演;②不同平台在数据采集效率和点云质量上各有侧重,适用场景不同。TLS点云密度最高,枝干结构刻画最精细,但成本最高;ALS覆盖范围广,能高效完整获取树高与冠层信息(树高相对完整度均为100%);HLS则在树木胸径的快速测量上表现突出(胸径闭合度全部处于75%~100%等级);③多源数据融合可以实现优势互补,显著提升关键参数的提取精度,如融合地面平台数据可将ALS的胸径精度R^(2)从0.19提升至0.82以上;④在生物量预测方面,基于TreeQSM多维参数构建的随机森林模型表现出良好性能(所有模型R^(2)>0.7),联合数据集的精度普遍优于单源数据集,其中,HLS+TLS数据集的模型精度最高(R^(2)=0.94)。整体来看,基于TreeQSM的地面端高精度枝干参数是生物量估算的关键,在已有高精度地面数据时,ALS提供的冠层补充信息对生物量精度的边际增益有限,研究结果可为多平台LiDAR数据在林业调查中的优化组合与应用提供理论指导和技术参考。
