面向海岸松林分的开源手持移动激光扫描全流程管道:基于破坏性参考的树木检测、茎干重建与材积估算

《Algorithms》:An Open-Source Handheld Mobile LiDAR Pipeline for Tree Detection, Stem Reconstruction and Volume Estimation in Pinus pinaster Stands

【字体: 大 中 小 】 时间:2026年09月19日 来源:Algorithms 2.6

编辑推荐:

  森林在生物多样性和生态系统保护中发挥着关键作用。因此,可靠且高效的森林清查对于可持续森林管理至关重要。手持移动激光扫描(Handheld Mobile Laser Scanning, HMLS)在森林清查中具有操作上的吸引力,但在地中海海岸松(Pinus pi

  
森林在生物多样性和生态系统保护中发挥着关键作用。因此,可靠且高效的森林清查对于可持续森林管理至关重要。手持移动激光扫描(Handheld Mobile Laser Scanning, HMLS)在森林清查中具有操作上的吸引力,但在地中海海岸松(Pinus pinaster)林分中很少经过破坏性参考的验证。研究人员提出了一种开源五阶段HMLS管道,包括:基于PDAL(Point Data Abstraction Library,点云数据处理库)的预处理与布料模拟滤波(Cloth Simulation Filter, CSF)地面分类、TLS2trees分割、CSF锚定的单株树木设置、采用序贯随机采样一致性(Random Sample Consensus, RANSAC)先验的逐层茎干重建、单参数物种特异性形状模型,以及带有形状系数合理性约束的解析材积积分。该管道在葡萄牙中部四个样地的45株海岸松破坏性参考数据上进行了校准。留一样地交叉验证(Leave-One-Plot-Out, LOPO)得到的材积平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为9.9%,树高MAPE为4.4%,胸径(Diameter at Breast Height, DBH)MAPE为3.9%。在FJD Trion S1制造商软件和手动CloudCompare工作流程也有输出的匹配子样本上,所提出的管道在材积方面与手动工作流程具有竞争力,并且在三种方法中提供了最低的DBH中位误差,同时保持完全开源,并在每次估算中报告每株树木的质量和不确定性诊断信息。
**研究背景与问题**

森林资源的定量描述——包括树木位置、胸径(Diameter at Breast Height, DBH)、树高和茎干材积——是可持续森林管理决策的基础。传统森林清查采用直径卷尺或卡尺结合测高仪进行手工测量,并通过异速生长方程(allometric equations)推算单株材积。然而,在欧洲生物量模型中,异速生长方程在单株水平上通常引入百分之几十量级的不确定性,且该不确定性因树种和地区而异。近十年来,地面激光扫描(Terrestrial LiDAR)作为一种替代测量手段逐渐兴起:静态地面激光扫描(Terrestrial Laser Scanning, TLS)和手持移动激光扫描(Handheld Mobile Laser Scanning, HMLS)能够以毫米至厘米级精度从野外直接获取茎干几何信息,从而减少对异速生长方程的依赖,并生成可存档、可审计和可跨年度比较的单株记录。

HMLS通过同步定位与建图(Simultaneous Localization and Mapping, SLAM)技术,使传感器沿行走轨迹移动并实时恢复姿态,以操作速度和单次访问即可覆盖完整样地的优势,换取了相对于TLS的单点精度。尽管HMLS在人工针叶林、阔叶林和混交林中的应用已有多项研究报道,但在地中海海岸松(Pinus pinaster)林分中,针对破坏性参考的验证极为有限。该树种是伊比利亚半岛最重要的生产性树种之一,而现有HMLS研究多基于异速生长或机载激光扫描(Airborne Laser Scanning, ALS)派生参考值进行基准测试,仅有一项针对阔叶树的HMLS-破坏性比较研究(Vandendaele et al.,n=30),缺乏在海岸松中以有意义的样本量进行的端到端HMLS管道破坏性验证。此外,现有方法在茎干重建中通常依赖多自由度的单株削度模型(如Kozak变指数削度模型),鲜有将物种特异性形状作为逐层重建的主要几何参数化手段;同时,已有管道普遍缺少将DBH集成估计、地面参考锚定和形状系数约束与单株质量及不确定性诊断相结合的完整方案。

**研究目的与意义**

研究人员的目标是提出、校准并表征一个开源HMLS处理管道,用于自然再生海岸松林分中的树木检测、茎干重建和材积估算。该管道使用消费级手持SLAM扫描仪(FJD Trion S1)采集数据,并以葡萄牙中部Lous?地区Alge区域五个样地中59株海岸松的破坏性测量值作为参考。主要贡献包括:(1)在45株树木(四个样地)的样本上进行了破坏性验证,这是目前该树种和森林类型中规模最大的HMLS破坏性参考评估;(2)提出了一个基于366次卡尺观测校准的单参数物种特异性形状模型(四阶多项式,R2=0.97),将Kozak模型的七个自由参数缩减为单一尺度参数;(3)采用CSF锚定的样地一致性基高,消除了逐树偏移对下游所有切片的传播;(4)建立了三估计器中位数DBH集成方案,将DBH估计与材积模型解耦;(5)在单一开源链中集成了序贯RANSAC先验、削度驱动的解析合成填充和形状系数合理性约束,并随每个估计值报告单株质量与不确定性诊断。

**关键技术方法**

管道以五阶段Python工作流程实现。Phase 1使用PDAL进行确定性预处理:5 mm体素去重以抑制SLAM回环闭合产生的重复点,统计异常值去除(k=8,σ=1.2),以及CSF地面分类(分辨率0.3 m,刚性度2,500次迭代),并计算地上高度。Phase 2通过几何预标记(基于DBH切片的DBSCAN聚类和骨架追踪)结合TLS2trees图割实例分割完成单株分割。Phase 2.5以CSF地面点经KD树中值采样计算逐树基高,替代传统逐树点云最小值方法。Phase 3进行逐层(0.10 m步长)RANSAC圆拟合,引入序贯先验(基于前一切片中心和半径约束搜索环带、半径边界和中心漂移),并通过Gauss-Newton几何精修替代标准RANSAC的三点圆估计;随后通过连续性滤波、种群级削度拟合(采用物种特异性四阶多项式形状模型,以中位数比率稳健估计单一尺度参数)、三估计器DBH中位数集成、管状滤波和削度驱动合成填充完成茎干重建。Phase 4通过梯形法则解析积分(步长0.01 m)计算材积,并施加形状系数合理性约束。样本来源为葡萄牙中部Serra da Lous?山脉Alge区域(海拔620–795 m)五个样地中破坏性采伐的59株海岸松,其中Alge2样地(n=14)因采伐过程中抓斗损伤茎干导致破坏性测量不可靠而被排除在校准样本之外,保留Alge1、Alge4、Alge5和Alge6共45株用于校准和验证。四个经验常数(树高校正系数、材积全局校正系数、DBH报告校正系数和形状系数边界)通过LOPO协议在校准样本上估计,均为接近1的全局标量。

**研究结果**

**树木检测。** 在四个保留样地中,管道通过TLS2trees分割产生了243个单株实例。全部45株破坏性测量参考树木均被成功检测并匹配(坐标邻近阈值2 m),召回率为100%。其余198个实例对应未采伐的田间树木,其中大多数可能为真实的海岸松茎干。

**DBH与树高精度。** 在45株保留树木上,DBH的MAPE为3.77%,中位绝对百分比误差(MedAPE)为2.46%,偏差接近零(+0.13%)。树高的MAPE为4.04%,偏差+0.13%,主要受少数树冠顶点缺失的影响。

**材积精度。** 在样本内校准下,材积MAPE为9.00%(MedAPE 7.65%),偏差+0.77%,相对均方根误差(RMSE)12.22%,Lin一致性相关系数(CCC)为0.965。在LOPO交叉验证下(即本文的核心统计指标),材积MAPE为9.9%,DBH MAPE为3.9%,树高MAPE为4.4%。76%的树木材积误差在±10%以内,91%在±20%以内。逐样地分析显示,Alge5(n=4)MAPE最低(5.94%),Alge6(6.39%)次之,Alge1因小径级树木和外推比例较高而MAPE最高(13.44%)。四株树木的绝对材积偏差超过25%(Alge1 T56、Alge1 T81、Alge1 T89和Alge4 T3_a),均为小径级或结构非典型茎干,被单株质量诊断标记为"中等"质量。

**敏感性分析。** 当纳入Alge2的14株树木(全样本n=59)时,材积MAPE从9.00%升至12.55%,偏差从+0.77%升至+6.22%;而树高MAPE基本不变(4.13% vs. 4.04%)。Alge2单独分析显示材积MAPE为23.94%、偏差+23.72%,DBH MAPE为9.25%、偏差+5.85%,但树高MAPE仅为4.42%、偏差+0.34%——退化仅限于与直径相关的两个通道,符合参考侧(茎干被机械损伤导致实测值偏小)而非管道失效的特征。

**与基线方法的比较。** 在40株共同树木上,FJD Trion Model在聚合MAPE上总体领先,高度通道优势最大(2.21% vs. 4.25%)。所提出的管道在材积MAPE上与手动CloudCompare工作流程基本持平(9.26% vs. 9.12%),在DBH MAPE上与制造商软件的差距在0.2个百分点以内,并在三种方法中实现了最低的DBH MedAPE(2.74% vs. 3.59%和4.92%)。配对Wilcoxon符号秩检验表明,管道与两个基线在材积绝对误差上的差异均不具统计显著性(p=0.44和p=0.56),三种方法在材积方面应视为统计上不可区分。

**管道输出分层。** 所有45株保留树木均使用物种特异性形状模型。材积绝对误差随外推比例(树高中位于最高可靠RANSAC切片之上的比例)呈单调递增趋势——外推比例低于0.2的6株树木MAPE为4.9%,而高于0.6的2株树木MAPE为21.4%(Spearman ρ=+0.33),表明外推比例是风险指标而非误差预测因子。小径级(DBH<16 cm)残差的离散度明显大于大径级残差,反映了动态范围效应。

**讨论与结论**

管道在45株破坏性参考海岸松上取得了9.00%的材积MAPE(LOPO下9.9%),优于已发表的HMLS破坏性验证基准(阔叶树材积RMSE 19%),落入TLS在密林中的典型误差范围(10%–20%)。主要方法论贡献包括:CSF锚定的样地一致性基高(消融实验表明其将LOPO下材积MAPE从10.7%降至9.9%,DBH MAPE从5.3%降至4.0%)、物种特异性单参数形状模型(消除了模型选择引入的逐树方差)、三估计器中位数DBH集成(使DBH估计对单一估计器失效具有鲁棒性)、序贯RANSAC框架与削度驱动合成填充、以及形状系数合理性约束。失败模式分析表明,残差集中在少数小径级树木中,三株树木的树高低估源于SLAM采集时树冠顶点未被扫描到(数据侧限制),而非算法缺陷——排除这三株后树高MAPE降至3.68%。管道的主要局限性包括:研究局限于单一树种和单一区域;物种形状多项式和四个经验常数依赖破坏性校准数据,LOPO协议可缓解但未消除此依赖关系;Alge2样地因机械采伐损伤导致参考值不可靠而被排除;缺少同步TLS参考层;采集条件为有利天气和较低林下密度的场景。未来工作将扩展至其他树种(如Quercus suber、Pinus sylvestris和Pinus nigra),整合无人机LiDAR以弥补树冠信息缺失,并将单株不确定性指标校准为具有统计意义的置信区间。

研究结论如下:本文提出了一个面向海岸松林分的开源手持移动激光扫描(HMLS)管道,用于树木检测、茎干重建和材积估算,并在目前该树种报道的最大破坏性测量数据集上进行了验证。在留一样地交叉验证下,管道取得了9.9%的材积MAPE、4.4%的树高MAPE和3.9%的DBH MAPE,其性能与手动CloudCompare工作流程具有竞争力,并接近制造商专用FJD Trion软件的精度,同时在三种方法中提供了最佳的DBH中位精度。管道的主要方法论贡献包括基于CSF的地面参考、物种特异性削度模型、多估计器DBH集成、基于序贯RANSAC的茎干重建以及集成的质量和不确定性诊断。未来的改进预计将主要来自数据采集的增强而非算法变更。处理代码以开源许可发布,管道生成具有单株不确定性估计的可操作清查输出。本文报告的结果适用于葡萄牙中部单一林块中自然再生的海岸松:处理链本身具有物种独立性,但物种形状多项式和四个校准常数不具备该性质,将管道迁移至其他树种或地区需要新的破坏性校准方可声称具有可比的精度。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号