低成本无人机激光雷达助力桉树林单木属性精准提取

为解决精准林业中获取桉树林单木属性信息效率低的问题，研究人员开展利用低成本无人机激光雷达（UAV-LiDAR）自动提取单木属性的研究。结果显示该方法检测精度达 91.1%，DBH 和树高测量误差分别为 14.60% 和 2.69%。此研究为林业监测提供新途径。

　　在林业研究领域，准确获取森林树木的详细信息对森林资源管理至关重要。随着科技发展，激光雷达（LiDAR）技术成为森林调查的有力工具。区域机载 LiDAR 森林清查常用基于面积的方法（ABA），能获取森林平均属性，但难以提供单木详细信息。无人机激光雷达（UAV-LiDAR）因部署便捷、分辨率高且成本低等优势，在局部森林管理清查和监测中得到广泛应用。然而，利用低成本 UAV-LiDAR 准确提取单木属性仍面临挑战，如单木检测和分割算法精度有待提高，传统测量胸径（DBH）的方法在低成本 UAV-LiDAR 数据下准确性欠佳，树高测量也存在与实地测量一致性的问题。为解决这些问题，广西大学和广西森林资源调查规划院的研究人员开展了相关研究，其成果发表在《Annals of Forest Science》上。

研究人员采用了以下主要关键技术方法：首先利用搭载 DJI Zenmuse L1 激光扫描仪的 DJI Matrice 300 RTK 无人机采集超高密度点云数据，通过 TerraSolid 软件进行预处理。然后，运用基于层次密度聚类（HDBSCAN）算法进行树干检测，确定树木数量和位置；基于 χ²分布的概率密度函数（PDF）对树干点云进行滤波，直接测量胸径；结合树干不同高度的中心坐标和树冠高度模型（CHM），利用伪波形法估计树高。

研究结果如下：

1. 单木树干检测精度：研究区域内有 413 棵参考树，算法共检测到 417 个树干，其中 380 个被准确识别，召回率达 92.0%，精度为 91.1%，F 分数为 0.916。检测误差主要受林下冠层、攀援植物、树干倾斜等因素影响。测量的树干中心坐标与实地测量相比，x 坐标平均差异为 -0.140 cm，y 坐标平均差异为 -0.052 cm，RMSE 分别为 15.3 cm 和 7.9 cm ，平均距离为 16.9 ± 3.2 cm。
2. 树干直径测量精度：树干横截面点云的距离 - 频率通常呈 χ²分布，自由度为 9 - 12。33 棵参考树中，30 棵在 1.3 m 标准高度成功测量 DBH，1 棵在 1.8 m，1 棵在 2.3 m，1 棵因在 0.8 - 2.3 m 无法测量而采用平均值。UAV-LiDAR 测量 DBH 的平均误差（偏差）为 2.04%（0.26 cm），RMSE 为 14.60%（2.18 cm）。与传统圆拟合方法相比，χ²滤波法测量误差更小，圆拟合方法测量偏差达 -50.30%（ -7.64 cm），RMSE 为 53.92%（8.19 cm）。
3. 树高估计精度：33 棵参考树的树高测量偏差范围为 -7.53% 至 6.94%（ -1.43 至 1.18 m），平均偏差为 -0.01%（ -0.01 m），RMSE 为 2.69%（0.31 m）。UAV-LiDAR 估计的树高与实地测量相关性良好（R²=0.79）。利用直接测量的 DBH 和树高计算树干体积（VOL），估计偏差在 -35.8% 至 55.3% 之间，平均偏差为 5.00%，RMSE 为 25.09%。

研究结论和讨论部分表明，该研究提出的利用低成本 UAV-LiDAR 自动直接提取单木属性的框架在桉树林中表现出色，证明了 χ²滤波法测量树径和伪波形法估计树高的有效性，同时也指出经典圆拟合方法不适用于低成本 UAV-LiDAR 数据测量树径。然而，该框架可能仅适用于结构简单稀疏的桉树林和人工林，点云密度、飞行高度等因素对测量精度的影响还需进一步研究。此外，树干直径测量方法的前提是树干横截面为圆形，对于非圆形树干需采用其他方法。总体而言，该研究为自动化森林清查和监测提供了新的技术思路，推动了精准林业的发展，但仍需在不同森林环境中进一步优化和验证。