基于多元遥感数据及树木竞争机制的三维单木树冠提取

Based on low-density airborne laser scanner (ALS) data, orthoimages and high spatial resolution satellite image (WorldView-2), this project incorporates tree competition into individual tree crown delineation for original spruce-fir-Korean pine forests in Xiaoxing'an Mountain of northeastern China, and implements automation of algorithms and accuracy assessment. The study mainly includes: (1) integrating multiple remotely sensed data into three dimensional data source that represents horizontal and vertical structures of trees; (2) applying local maximum algorithm to detect individual tree location based on variable three dimensional window; (3) proposing agent-based region growing algorithm for crown boundary delineation; (4) establishing a set of accuracy assessment system. This study would solve the problems of applying low-density ALS data and high spatial resolution passive remotely sensed data to delineate individual trees, and that of handling adjacent crowns using agent-based region growing algorithm, which incorporates one- and two-way competition mechanisms into delineation algorithm for delineation accuracy improvement. This project would firstly apply a novel individual tree crown delineation method that incorporates tree growth rules into remote sensing technologies in original northeastern forests of China. It would supply basis for modern forest inventory, and also provide academic significances and application values for both remote sensing and forestry fields.

森林调查是森林经理学的重要组成部分，传统的人工野外观测已逐渐无法满足现代化的森林调查的需要。因此，借助主、被动多元遥感数据准确提取森林中的单木树冠并进行森林参数估测，可以很好地用来估测林分生物量和碳储量、监测树木的长势、预防树木病虫害情况、模拟能量传输等，对于现代化精准森林调查具有重要意义。本项目以凉水自然保护区为研究对象，低密度机载激光雷达点云、航空相片及高空间分辨率卫星图像WorldView-2为数据源，对郁闭度较高的原始针叶混交林进行单木树冠提取，并将提取结果应用到精准森林调查中。本项目将解决利用低密度激光点云与高空间分辨率被动遥感结合提取单木树冠问题，并提出基于Agent的区域生长法，将单边及双边竞争机制加入到单木树冠提取算法中，结合单木生长规律和遥感信息技术合理处理重叠树冠，并将提取结果应用到森林调查因子的估测中，在遥感和林学领域均有重要学术意义及应用价值。

本项目以黑龙江省凉水国家自然保护区和帽儿山林场为研究区域，基于机载激光雷达和多光谱数据，对郁闭度较高的中国北方森林进行了单木树冠提取研究，从两种不同的角度研发了两种单木提取算法：基于Agent的区域生长法（Agent-based Region Growing, ABRG）和基于区域的层次截面分析法（Region-Based Hierarchical Cross-Section Analysis，RHCSA）。ABRG将树木竞争机制引入单木树冠提取方法，包含单边竞争和双边竞争两种方式。与传统的标记控制区域生长法相比，包含竞争机制的ABRG算法可以提高针叶林和阔叶林中的单木树冠提取精度：双边竞争的ABRG算法适用于竞争较为激烈的茂密针叶林地区；在阔叶林样地中，单边竞争的ABRG算法获取的单木树冠勾绘精度与竞争水平有强负相关性。ABRG的改善程度与样地中树木的特征有关（即树冠高度和密度）。由于ABRG方法是一种先进行单木位置探测再进行树冠边缘勾绘的分步式方法，单木位置探测精度极大地影响了单木树冠提取精度，因此本研究研发了仅基于激光雷达数据的一步式RHCSA法。这种方法通过较少的用户自定义参数实现“一步走”的单木树冠提取，并可以不受树顶探测精度的影响。结果表明，RHCSA方法能够在不同林分条件（包括针叶林，阔叶林和针阔混交林）获得较高且稳定的精度：在针阔混交林样地的精度最高，其次是针叶林和阔叶林样地；探测精度和勾绘精度均小于1m。相比于传统的标记控制分水岭算法，RHCSA方法能够有效的提升总体精度（约为10%），尤其是对于阔叶林（超过20%）和针阔混交林（约为20%）。本研究提出了一个全面、稳定的单木树冠提取精度评估体系，包括了单木树冠提取的定性和定量检验。本研究不仅从理论上总结了国际学术界25年来单木树冠提取相关研究，而且从提取方法上进行深层研发，并开发一套操作简单、算法稳定、验证全面的单木树冠提取软件。该软件的应用可以大幅度提高单木树冠提取效率，为我国精准林业的进一步发展提供有力的技术支撑。

内容获取失败，请点击重试