应用无人机高密度点云对高郁闭度人工林单木分割

为探索机载激光雷达对高郁闭度人工林单木分割的应用潜力,选取黑龙江省森林植物园内红松(Pinus koraiensis)、云杉(Picea asperata)、樟子松(Pinus sylvestris)3块具有代表性的样地作为研究对象,应用多旋翼无人机搭载ZENMUSE L1激光雷达获取密度较高的点云数据,经过去噪、滤波、地面点分类预处理。分别采用标记控制分水岭算法和点云间距聚类算法,并调整相应的参数对试验区内的3块样地进行单木分割。结果表明:采用标记控制分水岭算法的单木分割,冠层高度栅格分辨率为0.1 m时分割效果最好(总体调和值为84.2%),红松、云杉和樟子松样地的调和值分别为87.8%、81.8%、82.4%,调和值随着分辨率的降低而降低;采用点云间距聚类算法的单木分割,距离阈值为平均冠幅半径时分割效果最好(总体调和值为85.9%),红松、云杉和樟子松样地的调和值分别为87.1%、83.5%、87.0%,距离阈值过大过小都导致调和值降低。因此,结合机载激光雷达高密度的点云数据,标记控制分水岭算法和点云间距聚类算法都适用于高郁闭度人工林较精准的单木分割,通过调整参数、高分辨率的冠层高度图像和合适的距离阈值提高了分割的精度,高密度点云数据对高郁闭度人工林单木分割具有较好的应用潜力。

无人机载激光雷达人工林单木分割算法研究

为充分发挥单木分割算法的应用潜力,实现单木位置的精准定位和树冠的精确划分,利用无人机载激光雷达点云数据,根据优势树种和林分密度差异选取四块人工林样地,使用单木探测率P、探测准确率R和总体精度F评价分水岭分割算法、特征点决策树算法和邻域增长算法以及点云聚类分割算法的分割精度,通过改变栅格分辨率及点云密度,进行单木分割效果的敏感性分析。结果表明:1)四种算法分割结果较好,总体F值达到0.89,R值总体为0.85,P值总体为0.94。林分稀疏的样地比林分密集样地分割精度更高,分水岭算法分割单木精确性和适应性最好;2)选择合适的CHM分辨率有助于提高单木分割精度,栅格分辨率为0.3 m×0.3 m时基于CHM分割算法分割结果均为最好;3)随着点云密度的降低,点云聚类分割算法分割精度降低。当点云密度为100%(65 pts·m^(-2)),F值为0.77,点云密度为10%(6.5 pts·m^(-2)),F值为0.58,F值降低0.19。