《Forests》：TreePS: Tree-Based Positioning in Forests Using Map Matching and Co-Registration of Lidar-Derived Stem Locations
Michael P. Salerno,
Robert F. Keefe,
Andrew T. Hudak and
Ryer M. Becker
编辑推荐：
为解决森林冠层下GNSS信号衰减导致的定位精度低、难以支撑“林业4.0”中自动化设备导航的难题，研究人员开发了一种名为TreePS的激光雷达地图匹配定位新方法。该方法通过匹配局部（TLS）与已有全球（ALS）单木位置，实现了无GNSS的林下资源定位。研究显示，在树顶位置一致、且仅基于空间特征匹配时，其平均水平误差约1.04米。这项工作为森林作业中的人员、设备在GNSS受限环境下提供了一种有潜力的替代定位方案，有助于推动智能与数字林业的发展。
在科技浪潮席卷各行各业之际，林业也正经历着一场深刻的“数字转型”。人工智能、云计算、机器人技术和遥感技术等，正合力推动着“林业4.0”（Forestry 4.0）的到来。在这一宏大蓝图中，一个看似微小却至关重要的“卡脖子”问题浮出水面：如何在茂密的森林冠层下，实现对人员、车辆或自动化设备的精准、实时定位？
当前，森林作业主要依赖全球导航卫星系统（GNSS， 如GPS、北斗等）进行定位。然而，森林环境对GNSS来说是个不折不扣的“信号杀手”。茂密的枝叶会拦截、反射卫星信号，造成信号丢失、路径传播错误等问题，最终导致定位精度大打折扣。在成熟的森林冠层下，GNSS的水平定位误差常常大到难以接受，这严重阻碍了自动导航、精准采伐、安全围栏等智能林业应用的发展。想象一下，一台无人操作的采伐机如果无法“看清”自己身处林中的何处，后果将是灾难性的。
与此同时，遥感技术，特别是激光雷达（LiDAR）技术的发展，为我们描绘森林的“数字肖像”提供了前所未有的精细画笔。如今，通过机载激光雷达（ALS）大范围扫描获取包含每棵树位置、高度甚至胸径（DBH， Diameter at Breast Height）等信息的“单木森林清单”正变得越来越普遍。这启发了一个大胆的想法：既然森林本身就是由无数独一无二的“地标”——树木构成的，我们是否可以把树木本身当作“卫星”？通过测量林下几棵树的当前位置，然后与已有的、覆盖广阔区域的全球“单木地图”进行匹配，不就等于找到了自己在这片数字森林中的精确坐标了吗？这听起来像是林业版的“人脸识别”或“指纹匹配”。
这正是由Michael P. Salerno, Robert F. Keefe, Andrew T. Hudak 和 Ryer M. Becker所组成的团队，在发表于国际期刊《Forests》上的研究中探索的核心问题。他们将这种创新的定位方法命名为“TreePS”（树定位系统）。TreePS本质上是一种地图匹配方法，其核心思想是将局部（地面）测量的树木与先前远程感测任务建立的全球参考地图进行匹配，从而确定资源位置。这项研究的目的是评估这种激光雷达（LiDAR）替代定位方案的实际水平精度，并探究不同的数据处理流程如何影响定位效果。
为了回答这个问题，研究人员在美国爱达荷大学实验林（UIEF）开展了严谨的实验。他们在154个永久性单木调查（STI）样地中，利用地面激光雷达（TLS）从样地中心扫描获取局部树木点云。同时，他们获取了覆盖整个实验林的、于2022年飞行的机载激光雷达（ALS）点云数据。研究的关键在于设计了两套不同的数据处理流程，以对比不同树木位置基准和匹配策略对定位精度的影响。
关键技术方法：研究使用了两个常用的R语言软件包（lidR v. 4.3.0, FORTLS v. 1.6.2）构建了两种数据处理工作流。方法一仅使用lidR包，对TLS和ALS点云都采用树顶分割算法来提取树木的位置。方法二则结合了FORTLS和lidR包，其中FORTLS用于从TLS点云中根据DBH（胸径）位置提取树木坐标，而lidR依然用于从ALS点云中根据树顶位置提取树木坐标。研究团队开发了自定义匹配算法，将TLS提取的局部树木位置与ALS建立的全球树木地图进行匹配。匹配标准分为两种：一是仅基于树木间的空间位置（坐标）；二是在空间位置的基础上，额外加入了树木DBH的预测值。匹配成功后，利用至少三对匹配成功的树木，通过三点定位（trilateration）算法计算出样地中心的位置，并将其与RTK-GNSS测量的真实样地中心进行比较，从而得出TreePS系统的水平定位误差。
研究结果
混合效应模型：方差分析结果显示，用于分割和识别树木位置的方法（FORTLS 或 lidR）以及匹配类型（仅空间、或空间+DBH）均对TreePS的水平定位误差有显著影响。因此，研究拒绝了“两种方法在水平定位误差上没有差异”的零假设。使用树顶法（lidR）与使用DBH法（FORTLS）在定位误差上存在显著差异（p = 0.03）。管理单元（不同流域）之间的随机效应方差很小，表明定位误差的变异主要来源于样地内部而非流域之间。
匹配特性：在成功匹配的样地中，仅使用lidR进行树顶分割的工作流（方法一）成功率更高。该方法在仅使用空间匹配时，成功匹配了100个样地，平均水平误差为1.04米；在加入DBH匹配后，成功匹配了98个样地，但平均误差升至2.04米。而结合FORTLS和lidR的工作流（方法二）成功率较低，两种匹配类型下分别仅成功匹配62个和58个样地，平均误差分别为1.09米和2.67米。
数据显示，仅使用空间匹配时，水平误差的分布呈右偏态，误差值普遍较低。而加入DBH匹配后，误差值整体有所升高。然而，一个关键发现是：虽然加入DBH匹配增大了整体的水平定位误差，但它显著提高了树木配对本身的正确性。在仅使用空间匹配时，匹配成功的树木对之间，其DBH的差异分布范围很广，这意味着可能匹配到了位置相近但大小不正确的“错误”树木。而当DBH也作为匹配条件时，配对树木间的DBH差异被控制在一个更小、更合理的范围内。这表明，空间+DBH的匹配虽然因增加了约束条件而可能略微牺牲了位置计算的最优性，但却能更可靠地找到“正确的那棵树”。
不同算法的表现：比较三种分割结果（FORTLS-TLS, lidR-ALS, lidR-TLS）与野外实测的2054棵树，发现所有算法都存在高估或低估树木数量的问题，其中lidR处理TLS数据时高估最多。所有算法预测的树木直径分布都集中在20-30厘米区间。研究还指出，树木的倾斜是影响定位精度的一个重要因素。树顶位置、DBH高度位置和树桩位置在水平方向上可能因倾斜而存在显著偏移。这导致当TLS和ALS使用不同的垂直基准点（如一个用DBH，一个用树顶）时，匹配难度和误差会增加。
研究结论与讨论
研究表明，TreePS作为一种新型的林下定位方法是可行的。在最佳条件下（使用一致的lidR树顶分割算法，并仅基于空间特征匹配），其平均定位精度可达约1米。这为在GNSS信号严重衰减的茂密成熟林下，为设备、人员或其他资源提供了一种潜在的定位替代方案。
研究的核心结论之一是：定位精度最高的情况，出现在对局部（TLS）和全球（ALS）数据使用相同的算法（特别是树顶分割的lidR）进行分割，并且仅基于空间模式进行匹配时。然而，研究者也敏锐地指出，虽然这种策略得到了“最准”的位置数字，但“空间+DBH”的匹配策略却能带来“最对”的树木配对。这揭示了匹配算法优化中的一个权衡：是追求绝对坐标的最优拟合，还是追求特征对应关系的最高置信度？对于导航等应用，前者可能更重要；而对于需要与特定树木（如目标采伐木）绑定的操作，后者则至关重要。
讨论部分深入剖析了误差来源和改进方向。树木倾斜是一个关键挑战，它使得基于树顶或DBH的“点”位置存在天然的不确定性。研究者提出，未来将树木建模为能够表征树干倾斜的三维向量，并统一使用树桩位置作为匹配基准，可能是更稳定、可重复的选择。树桩不仅在采伐后依然留存，而且受倾斜影响最小。此外，在混交林中，引入树种信息或利用具有独特大小、空间组合特征的“标志木”作为匹配的“指纹”，有望进一步提升匹配的准确性和可靠性。
尽管当前的TreePS精度（约1米）仍低于高端RTK-GNSS在理想条件下的亚米级精度，但它解决了GNSS在密林下失效的根本问题。更重要的是，TreePS的计算开销远低于实时处理整个三维点云的SLAM（即时定位与地图构建）方法，因为它只需要处理已提取的、数据量小得多的“单木地图”层。这种方法巧妙地“借用”了日益普及的数字森林清单成果，将局部感知与全局林业信息资产高效地连接起来，这正是实现“智能林业”和“数字供应链”所需的关键桥梁。
总之，这项研究展示了TreePS这一创新概念的潜力。它不仅仅是一个定位工具，更是一种将数字森林清单“激活”为实时导航基础设施的思路。随着匹配算法的不断优化（例如结合更多特征、提高计算速度），TreePS有望与GNSS形成互补，在开阔地使用GNSS，在密林下切换至TreePS，共同为林业4.0时代的自动化、智能化作业提供无缝、可靠的空间位置服务。虽然该方法在树木稀疏或高度均质的人工林中效果可能受限，但在具有复杂空间结构和多样树种的自然林或混交林中，其独特的“模式识别”优势将得到最大发挥。TreePS为在GNSS“看不见”的森林深处实现精准作业，点亮了一盏新的导航灯。
