基于背包激光雷达构建天然林蒙古栎胸径-树高模型.pdf

第 39 卷 第 5 期2023 年 9 月森 林 工 程FOREST ENGINEERINGVol.39 No.5Sep.,2023doi:10.3969/j.issn.1006-8023.2023.05.007基于背包激光雷达构建天然林蒙古栎胸径-树高模型杨军1,王帆2,宋仲禹1(1.黑龙江省林业和草原调查规划设计院,哈尔滨 150040;2.东北林业大学 林学院,哈尔滨 150040)摘 要:为探究基于背包激光雷达(Backpack Laser Scanning,BLS)点云数据提取天然林蒙古栎单木因子的精度,确定基于BLS 点云数据构建胸径-树高模型的可行性,以 3 块天然林蒙古栎样地(30 m 30 m)的 BLS 点云数据为数据源,对点云数据进行预处理、归一化和单木分割等操作,并从分割后的单木中提取胸径和树高因子。通过对比提取数据与实测数据的相关性来分析单木因子的提取精度。最后利用提取出的单木因子构建天然林蒙古栎胸径-树高模型。结果表明,蒙古栎胸径提取结果的决定系数(R2)为 0.9300.957,均方根误差(RMSE)为 0.6970.897 cm;树高提取结果的 R2为 0.9250.951,RMSE 为1.4791.683 m。基于提取数据构建的天然林蒙古栎最优胸径-树高模型为模型 1(抛物线模型),模型检验指标 R2为 0.627,RMSE 为 2.044 m。由此得出,BLS 有一定能力在天然林中进行数据采集,提取的蒙古栎胸径和树高与实测数据具有很高的相关性,结果可靠。基于 BLS 建立的蒙古栎胸径-树高模型精度较高,为 BLS 应用于天然林中的单木生长建模提供了进一步的理论基础。关键词:背包激光雷达;天然林;蒙古栎;单木因子;胸径-树高模型中图分类号:S758 文献标识码:A 文章编号:1006-8023(2023)05-0057-08Development of Natural Forest Quercus mongolica Diameter-Height Curve Model Based on BLSYANG Jun1,WANG Fan2,SONG Zhongyu1(1.Heilongjiang Forestry and Grassland Investigation and Planning Institute,Harbin 150040,China;2.School of Forest,Northeast Forestry University,Harbin 150040,China)Abstract:To explore the accuracy of extracting individual tree factors of Quercus mongolica in natural forests based on Backpack Laser Scanning(BLS)point cloud data,and to determine the feasibility of constructing a diameter-height curve model based on BLS point cloud data,in this study,BLS point cloud data from three natural forest Quercus mongolica sample plots(30 m 30 m)were used as the data source.Then,the point cloud data were preprocessed,normalized and individual tree segmented,and the DBH and tree height factors were extracted from the segmented individual trees.The extraction accuracy of individual tree factors was analyzed by comparing the correlation between the extracted data and the measured data.Finally,natural forest Quercus mongolica diameter-height curve model was constructed by the extracted individual tree factors.The results showed that the coefficient of determination(R2)of Quercus mongolica DBH extraction results ranged 0.930-0.957,and the root mean square error(RMSE)ranged 0.697-0.897 cm,and R2 of tree height extraction results ranging 0.925-0.951 and RMSE ranging 1.479-1.683m.The optimal diameter-height curve model for Quercus mongolica in natural forests constructed based on extracted data was model I(parabolic model)with a model test index R2 of 0.627 and RMSE of 2.044 m.It was concluded that BLS had the capability to conduct data collection in natural forests,and the ex-tracted Quercus mongolica DBH and tree height had a high correlation with the measured data,and the results were reliable.BLS-based Quercus mongolica diameter-height curve models were developed with high accuracy,which provided a further theoretical basis for the application of BLS to individual tree growth modeling in natural forests.Keywords:BLS;natural forests;Quercus mongolica;individual tree factor;diameter-height model收稿日期:2023-03-29基金项目:国家重点研发计划项目(2022YFD2201003-02);黑龙江省嘉荫县生态系统各碳库碳储量本底调查及动态分析项目(HFW220100057)。第一作者简介:杨军,高级工程师。研究方向为森林经理学。E-mail:396285554 通信作者:宋仲禹,高级工程师。研究方向为森林经理学。E-mail:81830991 引文格式:杨军,王帆,宋仲禹.基于背包激光雷达构建天然林蒙古栎胸径-树高模型J.森林工程,2023,39(5):57-64.YANG J,WANG F,SONG Z Y.Development of natural forest Quercus mongolica diameter-height curve model based on BLSJ.Forest Engineering,2023,39(5):57-64.森 林 工 程第 39 卷0 引言森林资源是人类赖以生存的重要自然资源之一,惯有“地球之肺”的美称,是全球气候变化的晴雨表,且和全球生物多样化存在着密切的关系,也是生物多样性的基础1。森林空间结构信息在森林生态研究、资源监测等方面具有重要作用,是陆地生态系统研究的重要参数,尤其在提高叶面积指数、森林生物量及进行森林生态系统碳循环、森林生长演替等动态过程的研究方面有重要意义2-3。而且,森林资源是全球资源的重要组成部分,具有缓解全球气候变化及促进社会经济发展的重要作用,对于构建良好生态环境有着独特意义4。为了有效地进行森林资源的管理,调查掌握森林资源信息是非常必要的。传统的森林资源调查通过人工每木检尺来实现,劳动强度大、效率低,很难获得准确并且具有实际应用意义的森林结构参数5,有明显的局限性。在过去 20 年中,激光扫描技术作为一种林地信息收集、提取参数6与模型构建7的重要手段,在森林资源调查中得到了广泛的应用8,激光雷达扫描可以高效地获取大量的森林资源信息,这样节约很多的资源和成本,且对应的工作效率也明显地提高,有利于提高研究和应用水平。激光扫描技术可以在一定程度上取代人工作业,对森林进行高精度、快速和无损数据收集的特点,极大地提高了森林信息采集的效率和精度9。并且激光扫描技术作为一种高科技应用科学,对植被的空间结构与地形具有较强的检测能力,已成功应用于森林参数的测量和反演,成为森林调查的重要手段10。激光雷达遥感作为主动遥感技术可以有效穿透森林,在获取森林高度和森林垂直结构参数方面有着其他光学遥感无法比拟的优势11-12,很多研究基于机载激光雷达(Airborne laser scanning,ALS)与地基激光雷达(Terrestrial laser scanning,TLS)成功提取了森林垂直结构及水平分布参数和单木结构参数13-17。例如,骆钰波等26基于 TLS数据提取了亚热带山区森林的胸径和树高,结果显示提取胸径的决定系数(R2)为 0.996,均方根误差(RMSE)为0.66 cm;提取树高的 R2为0.972,RMSE为 0.92 m。黄旭等18基于 BLS 提取了人工落叶松的胸径和树高,研究显示胸径提取结果明显大于树高的提取结果,胸径平均提取精度为 94.51%,树高平均提取精度为 80.27%。蒙古栎(Quercus mongolica),主要分布于东北地区,是我国的主要用材树种和东北次生阔叶林中的主要组成树种,有着极高的经济价值与生态效益,但是长期以来一直未受到重视。人们对蒙古栎的生长特性尚未全面的研究,且大部分蒙古栎在现实林分中多生长不良,长期以来一直被作为改造的对象,导致蒙古栎未能充分发挥其多种效益。因此,为了准确了解蒙古栎的生长状况,促进蒙古栎林的合理经营,必须构建完善的蒙古栎生长模型。目前机载激光雷达和地基激光雷达在林业方面的应用和研究已经趋于成熟,但是这 2 种激光雷达在进行外业活动采集数据的过程中成本十分高昂,且数据处理较为繁琐,因此在小范围样地调查时并不是十分适用。背包激光雷达作为一种新型便携的激光扫描仪十分适用于样地尺度下的调查,但在林业方面的应用还比较少,因此,准确评估利用背包激光雷达提取单木因子的精度是亟待解决的问题。综上所述,本研究使用背包激光雷达点云数据提取蒙古栎的单木因子,在提取精度满足生产需求的情况下进一步利用提取的因子构建蒙古栎胸径-树高模型。以期为背包激光雷达在样地尺度下的应用提供进一步的实践基础,同时为蒙古栎生长模型系统的构建做出一定贡献。1 研究区概况研究区位于黑龙江省佳木斯市孟家岗林场(1303213052 E,46204630 N),地处于完达山西麓余脉,地貌主要为低山丘陵;坡度平缓,介于 1020,平均海拔约 250 m。孟家岗林场属于东亚大陆性季风气候,春季干旱少雨,秋季易霜冻,夏季短暂且温暖湿润,冬季持久且寒冷干燥。最高气温可达 35.6,最低气温为-34.7,年均气温约为 2.7。无霜期大约 120 d,年平均降水量550670 mm。土壤类型主要为典型暗棕壤,还有少量草甸暗棕壤、潜育暗棕壤和原始暗棕壤;除此之外,还存在草甸土、白浆土、泥炭土以及沼泽土。该林场以人工林为主,占整个施业区面积的 2/3,天然次生林约占 1/3,森林覆盖率为 81.7%。2 数据收集2.1 野外样地数据调查2021 年 4 月,在孟家岗林场的蒙古栎天然林中设置了 3 块固定标准样地,样地面积均为 0.09 hm285第 5 期杨军,等:基于背包激光雷达构建天然林蒙古栎胸径-树高模型(30 m 30 m)。在设置的标准样地的中心点用GPS 进行定位,定位精度为 3 m。每木检尺工作包括测量每株树木的树高、胸径、冠幅和第一活枝高,并且在样地中记录每棵树的相对位置。采用超声波测高器来测量树高,用胸径尺测量样地内所有胸径大于 5 cm 的树木,用测距仪来测量冠幅,用 50 m皮尺确定样地内树木的相对位置,共计测量 244 株活立木。样地信息见表 1。表 1 样地信息统计表Tab.1 Statistical table of sample plot information样地号Plot 树种Species株数Number of trees胸径/cmDiameter at breast height(DBH)最大值Maximum最小值Minimum平均值Mean标准差SD树高/mTree height最大值Maximum最小值Minimum平均值Mean标准差SD1蒙古栎8932.65.117.744.3921.06.015.212.612蒙古栎8528.36.418.614.9622.06.016.012.923蒙古栎7032.78.021.205.2222.48.217.423.192.2 背包激光雷达数据采集每木检尺工作结束后开始利用背包激光雷达(北京数字绿土有限公司)采集样地的点云数据。由于样地面积较大,为了保证能较为全面地获取样地内的点云数据,采用了黄旭等18的路线规划,如图 1 所示。最终采集到的点云数据,如图 2 所示。图 1 样地扫描路径规划图Fig.1 Map of scanning route planning图 2 样地点云示意图Fig.2 Schematic diagram of a sample plot point cloud3 研究方法3.1 点云数据预处理在 Lidar360 软件中加载扫描获得的.ply 格式的样地点云数据以及.xyz 格式的样地采集路线行走轨迹,根据行走轨迹获取样地在点云数据中的大致位置,从而对点云数据进行裁剪,精确获取样地内的点云数据。采用高度阈值法19对样地点云进行去噪处理,随后根据渐进加密三角网滤波算法20对地面点进行分类。利用分离出的地面点生成数字高程模型从而获得归一化的点云数据。3.2 提取单木因子利用归一化的点云数据在 Lidar360 软件中进行单木自动分割。但是这种自动分割方法得到的单木点云数据易受低矮灌木干扰,并且连株树木易被分割为同一单木,对后续数据处理造成困难。因此利用软件的单木点云编辑功能对分割后的点云数据进行二次处理。在 2D 视窗中提取一定范围的树木剖面,对样地数据逐片排查进行编辑。多株树木分割为一株的用创建单木功能进行再分割;一株树木被分为多株而过分割的,用合并单木功能重新划分为一株单木。对单木与周围灌木因为距离过近而分割为一株单木,影响胸径提取精度的,用创建单木功能将多余的灌木部分分割出来并使用删除单木功能将其删除;对低矮灌木成片生长被分割为多株单木的,用删除单木功能进行修正。处理后单木分割结果如图 3 所示。最后从修正后的单木点云数据中截取胸径处上下 5 cm 厚的点云进行胸径的提取。单木点云中 Z 轴上的最大值与最小值之95森 林 工 程第 39 卷差定义为树高。图 3 单木分割结果Fig.3 Segmentation results for individual trees3.3 构建胸径-树高模型3.3.1 基础模型根据马武等21对天然蒙古栎单木生长模型的研究结果,从中选取了 5 种胸径-树高模型作为备选模型。模型的具体形式如下。H1=a+bD+cD2。(1)H2=1.3+a(1-e-bD)c。(2)H3=1.3+a(1-e-bDc)。(3)H4=1.3+aDbDc。(4)H5=1.3+a1+1bDc。(5)式中:H 为树高,m;D 为胸径,cm;a、b、c 分别为模型的参数。3.3.2 模型评价与检验对本研究所用的数据进行随机抽样,抽出 75%的样本用作建模数据,剩余 25%样本用来进行模型检验。利用 R2和 RMSE 评价模型的拟合能力。R2越大,RMSE 越小,则证明模型的拟合效果越好。利用独立样本对模型进行检验,选择平均相对偏差绝对值(RMAE)、平均绝对偏差(MAE)、预估精度(forecast precision,FP,式中为 Fp)作为评价指标。Fp越大,MAE、RMAE 越小,模型的预测效果会越好22。模型的拟合与检验都是在 R 软件中实现的。预估精度(Fp)计算方式如下。Fp=1-t0.05y-(yi-yi)2n n-p()()100%。(6)式中:yi为观测值;yi为预测值;n 为样本个数;p 为模型的参数个数;y-i为所有观测值的平均值;t0.05为95%下显著性水平,本研究取值为 2.306。4 结果与分析4.1 单木因子提取精度表 2 展示了胸径与树高提取结果的统计信息。为方便后续进行建模,将提取结果按照 3 1的比例随机划分为建模数据和检验数据。图 4 展示的是3 块样地中蒙古栎点云数据提取出的胸径和树高与实测数据之间的回归关系。从总体上看,所有的散点都集中在 1 1 参考线的附近,证明提取出的胸径和树高与实测数据之间有着极强的相关性,R2最低为 0.925,最高为 0.957。胸径的提取精度整体上优于树高的提取精度,这是由于背包激光雷达获取冠下点云信息的能力大于获取冠上点云信息的能力造成的。样地 1 的胸径和树高的提取结果都最差,这可能是由于样地 1 的密度最大,导致收集到的点云数据质量较差,因此提取效果受到了一定影响。综上所述,结果显示提取胸径与实测数据之间的 R2为0.9300.957,RMSE 为0.6970.897 cm;提取树高与实测数据之间的 R2为 0.9250.951,RMSE为 1.4791.683 m。以上结果表明利用背包激光雷达点云数据提取蒙古栎的胸径和树高与实测数据之间相关性极高。证明可以利用背包激光雷达点云数据对蒙古栎的胸径和树高进行高精度的提取。这为后续建立蒙古栎胸径-树高模型提供了合理的数据。表 2 胸径树高提取结果Tab.2 Extraction results of DBH and tree height数据Data因子Factors样本数Sample number最大值Maximum最小值Minimum平均值Mean标准差Standard deviation建模数据Modeling data胸径/cm树高/m18332.65.118.815.3723.46.016.013.52检验数据Testing data胸径/cm树高/m6132.711.819.094.1622.19.616.052.6506第 5 期杨军,等:基于背包激光雷达构建天然林蒙古栎胸径-树高模型（e）3 号样地胸径提取结果（e）Extraction?results?of?DBH?of?plot?3实测胸径值/cmMeasured?DBH?values实测胸径值/cmMeasured?DBH?values（f）3 号样地树高提取结果（f）Extraction?results?of?tree?height?of?plot?3数据点Sample拟合回归线Fitted?regression?line11 线11?line（a）1 号样地胸径提取结果（a）Extraction?results?of?DBH?of?plot?1实测胸径值/cmMeasured?DBH?values实测树高值/cmMeasured?H values（b）1 号样地树高提取结果（b）Extraction?results?of?tree?height?of?plot?1（c）2 号样地胸径提取结果（c）Extraction?results?of?DBH?of?plot?2实测胸径值/cmMeasured?DBH?values实测树高值/mMeasured?H values（d）2 号样地树高提取结果（d）Extraction?results?of?tree?height?of?plot?2提取的胸径值/cmExtracted?DBH?values35302520151055?10?15?20?25?30?350R2=0.930RMSE=0.897?cm数据点Sample拟合回归线Fitted?regression?line11 线11?lineR2=0.925RMSE=1.683?m数据点Sample拟合回归线Fitted?regression?line11 线11?lineR2=0.950RMSE=1.482?m数据点Sample拟合回归线Fitted?regression?line11 线11?lineR2=0.957RMSE=0.782?cmR2=0.957RMSE=0.697?cm数据点Sample拟合回归线Fitted?regression?line11 线11?line数据点Sample拟合回归线Fitted?regression?line11 线11?lineR2=0.951RMSE=1.479?m实测胸径值/cmMeasured?DBH?values实测树高值/mMeasured?H values5?10?15?20?25252015105035302520151055?10?15?20?25?30?350提取的胸径值/cmExtracted?DBH?values提取的树高值/mExtracted?H values提取的树高值/mExtracted?H values提取的树高值/mExtracted?H values35302520151055?10?15?20?25?30?350提取的胸径值/cmExtracted?DBH?values5?10?15?20?2525201510505?10?15?20?252520151050图 4 胸径与树高提取结果Fig.4 Extraction results of DBH and tree height 4.2 蒙古栎胸径-树高模型拟合利用 R 软件对蒙古栎的 5 个胸径-树高备选模型进行拟合。表 3 为各模型的拟合结果,从总体上可以看出各模型参数估计值的标准误差都很小,表明 5 个模型的稳定性很好,各参数的 P 均小于0.01,证明参数均具有显著意义。从模型的拟合优度方面来看,模型的 R2均高于 0.70。其中模型 116森 林 工 程第 39 卷的 R2最高,为 0.727,RMSE 最低,为 2.044;模型 4的 R2最低,为 0.719,同时 RMSE 最高,为 2.067。因此各模型拟合效果由优到差排序为:模型 1、模型3、模型 2、模型 5、模型 4。表 3 模型拟合结果Tab.3 Model fitting results模型编号Model number参数Parameters估计值Estimations标准误差Standard errorPR2RMSE/m1a0.4560.1620.001b1.1890.1320.001c-0.0180.0030.0010.7272.0442a21.7941.8280.001b0.0770.0220.001c1.3950.3410.0010.7232.0573a20.7311.6290.001b0.0310.0120.001c1.2810.1640.0010.7242.0554a0.1380.1230.004b2.9861.0460.001c-0.2130.0330.0010.7192.0675a26.2514.0370.001b0.0200.0090.003c1.4280.2750.0010.7212.0634.3 蒙古栎胸径-树高模型检验根据模型的参数计算结果,利用 R 软件在独立的检验数据上进行模型检验,分别计算各模型的MAE、RMAE 和 Fp模型的检验结果,见表 4。从表 4可以看出,各模型的预估精度均高于 98.37%,表明模型的预测效果良好。从模型的检验指标来看,模型 1 的结果最好,MAE 和 RMAE 最低,分别为1.524 和 0.101,模型 4 的结果最差,3 项检验指标均小于其他 4 个模型,MAE 和 RMAE 最高,分别为1.540 和 0.104。因此各模型的检验结果由优到差排序为:模型 1、模型 3、模型 2、模型 5、模型 4。表 4 模型检验结果Tab.4 Model testing results模型编号Model number样本数Sample numberMAERMAEFp(%)1611.5240.10198.3892611.5330.10298.3783611.5300.10298.3804611.5400.10498.3715611.5370.10298.3745 讨论与结论5.1 讨论以黑龙江省佳木斯市孟家岗林场为研究区域,基于背包激光雷达点云数据提取了蒙古栎的胸径和树高。结果显示所提取的胸径和树高与实测数据具有很高的相关性,R2均高于 0.925。其中胸径的提取精度整体上要高于树高的提取精度,R2为0.9300.957,RMSE 平均为 0.792 cm;这与赵琦等23对桉树胸径提取的研究结果相一致。通常林下的灌木杂草较多的情况下,胸径的提取结果会受很大影响。本研究数据采集时间为 4 月份,此时样地内杂草都处于枯萎状态,并且林下的灌木较少,因此提取的胸径精度较为稳定。树高的 R2为0.925 0.951,RMSE 平均为 1.548 m;这与黄旭等18研究利用背包激光雷达提取落叶松单木因子所得出的结论基本一致。但是本研究中树高的提取结果要优于黄旭等18的研究结果。为了避免由于树冠互相遮挡导致的上部树冠点云不完整,特意选择在 4 月份采集数据,此时蒙古栎还未展叶,因此树冠上部通视良好,能够收集到较为全面的单木点云,这在一定程度上提高了蒙古栎树高的提取精度。在未来的研究中,若能结合背包激光雷达和无人机激光雷达各自的优势,认为树高的提取精度将能大幅提高。本研究选取的样地位于山坡顶部的天然林中,林内无林道,若采用地基激光雷达采集数据,那么26第 5 期杨军,等:基于背包激光雷达构建天然林蒙古栎胸径-树高模型搬运仪器将会是一项十分繁重的工作,此时背包激光雷达的优势便愈加明显24。传统的外业数据调查方式在财力、物力和人力方面消耗巨大,且效率不尽如人意。而背包激光雷达特别适合于在样地尺度进行数据收集,只需一个人便可以轻松完成外业数据采集,节省出的时间与人力可以进行其他数据的采集,大大提高了外业数据采集效率。5.2 结论本研究利用背包激光雷达扫描了蒙古栎天然林 3 块样地,基于采集到的点云数据提取了蒙古栎的胸径和树高,最后根据提取出的胸径和树高构建了蒙古栎胸径-树高最优模型。得出了如下的具体结论。1)利用背包激光雷达数据提取的蒙古栎的胸径和树高与实测数据具有很高的相关性,其中提取胸径与实测胸径的平均 R2为 0.948,RMSE 为0.792 m;提取树高与实测树高的平均 R2为 0.942,RMSE 为 1.548 m。结果可靠,能够满足实际生产中每木检尺的要求。2)利用所提取的胸径和树高建立的蒙古栎胸径-树高模型都具有很好的拟合效果,抛物线模型为基于 BLS 点云数据蒙古栎天然林胸径-树高最优模型,检验结果显示模型的 MAE 为 1.524 m,RMAE为 0.101。为背包激光雷达在林业建模方面应用提供了进一步的理论基础。总的来说,背包激光雷达有一定能力在天然林中进行数据采集,这为后续天然林的研究提供了新的技术方法。【参 考 文 献】1 刘见礼.基于无人机立体影像数据的森林结构参数调查研究D.北京:中国科学院大学(中国科学院遥感与数字地球研究所),2017.LIU J L.Research on the inventory of forest structure pa-rameters using UAV stereo imageryD.Beijing:Univer-sity of Chinese Academy of Sciences(Institute of Remote Sensing and Digital Earth Chinese Academy of Sciences),2017.2 李增元,刘清旺,庞勇.激光雷达森林参数反演研究进展J.遥感学报,2016,20(5):1138-1150.LI Z Y,LIU Q W,PANG Y.Review on forest parameters inversion using LiDARJ.Journal of Remote Sensing,2016,20(5):1138-1150.3 刘鲁霞,庞勇,李增元.基于地基激光雷达的亚热带森林单木胸径与树高提取J.林业科学,2016,52(2):26-37.LIU L X,PANG Y,LI Z Y.Individual tree DBH and height estimation using terrestrial laser scanning(TLS)in A subtropical forestJ.Scientia Silvae Sinicae,2016,52(2):26-37.4 王志楼,邢涛.林木参数监测多传感器的时空配准J.森林工程,2019,35(5):39-42,49.WANG Z L,XING T.Spatial-temporal registration of multi-sensor for forest parameter monitoringJ.Forest Engineering,2019,35(5):39-42,49.5 倪文俭,过志峰,孙国清,等.基于地基激光雷达数据的单木结构参数提取研究J.高技术通讯,2010,20(2):191-198.NI W J,GUO Z F,SUN G Q,et al.Research on extrac-tion of tree structure parameters from terrestrial laser scan-ner dataJ.Chinese High Technology Letters,2010,20(2):191-198.6 董新宇,李家国,陈瀚阅,等.无人机遥感影像林地单株立木信息提取J.遥感学报,2019,23(6):1269-1280.DONG X Y,LI J G,CHEN H Y,et al.Extraction of in-dividual tree information based on remote sensing images from an Unmanned Aerial VehicleJ.Journal of Remote Sensing,2019,23(6):1269-1280.7 张珊珊,孟园,林文树.基于三维激光扫描技术的单木参数提取精度研究J.西北林学院学报,2017,32(5):189-196.ZHANG S S,MENG Y,LIN W S.Extraction precision of forest parameters at single-tree level based on 3D laser scanning technologyJ.Journal of Northwest Forestry U-niversity,2017,32(5):189-196.8 GUNLU A,ERCANLI I,BASKENT E,et al.Estimating aboveground biomass using Landsat TM imagery:a case study of Anatolian Crimean pine forests in TurkeyJ.An-nals of Forest Research,2014,57:289-298.9 解宇阳,王彬,姚扬,等.基于无人机激光雷达遥感的亚热带常绿阔叶林群落垂直结构分析J.生态学报,2020,40(3):940-951.XIE Y Y,WANG B,YAO Y,et al.Quantification of ver-tical community structure of subtropical evergreen broad-leaved forest community using UAV-Lidar dataJ.Acta Ecologica Sinica,2020,40(3):940-951.10 姚相坤,苍甜甜,张一帆,等.基于地基激光雷达构建人工林树高模型的研究J.森林工程,2022,38(1):93-100.YAO X K,CANG T T,ZHANG Y F,et al.Study on tree height model construction of plantation based on data derived from terrestrial laser scanningJ.Forest Engi-neering,2022,38(1):93-100.11 姜兴山,陈建新.激光雷达及其应用J.佳木斯大学36森 林 工 程第 39 卷学报(自然科学版),2000,18(1):93-96.JIANG X S,CHEN J X.Laser radar and its applicationsJ.Journal of Jiamusi University(Natural Science Edi-tion),2000,18(1):93-96.12 陈健.基于地基激光雷达的不同森林类型单木胸径与树高提取D.合肥:安徽农业大学,2016.CHEN J.Individual tree DBH and height estimation using terrestrial laser scanning(TLS)in different forest typeD.Hefei:Anhui Agricultural University,2016.13 刘鲁霞,庞勇.机载激光雷达和地基激光雷达林业应用现状J.世界林业研究,2014,27(1):49-56.LLIU L X,PANG Y.Applications of airborne laser scan-ning and terrestrial laser scanning to forestryJ.World Forestry Research,2014,27(1):49-56.14 王帆,贾炜玮,唐依人,等.基于 TLS 的红松树冠半径提取及其外轮廓模型构建J.南京林业大学学报(自然科学版),2023,47(1):13-22.WANG F,JIA W W,TANG Y R,et al.Extraction of crown radius and development of crown profile model of Pinus koraiensis based on TLSJ.Journal of Nanjing Forestry University(Natural Sciences Edition),2023,47(1):13-22.15 张颖,贾炜玮.基于地基激光雷达的落叶松人工林枝条因子提取和建模J.应用生态学报,2021,32(7):2505-2513.ZHANG Y,JIA W W.Extraction of branch factors and model construction for L