DB42T2073-2023机载激光雷达森林蓄积量建模技术规程-(高清版）.pdf

ICS 65.020 CCS B 07 DB42 湖北省地方标准 DB42/T 20732023 机载激光雷达森林蓄积量建模技术规程 Code of practice for modeling forest growing stock volume based on airborne lidar 2023-07-27 发布 2023-09-27 实施 湖北省市场监督管理局 发 布 目次 前言.III 引言.V 1 范围.1 2 规范性引用文件.1 3 术语和定义.1 4 总体技术要求.2 点云数据要求.2 点云密度要求.2 采集时间要求.2 工作流程图.3 5 准备工作.4 资料收集.4 仪器设备.4 6 样地数据获取.4 样地布设与定位.4 6.1.1 样地预选原则.4 6.1.2 样地预选方法.4 6.1.3 样地定位.4 样地设置.5 6.2.1 样地大小与形状.5 6.2.2 样地数量.5 样地调查.5 7 数据处理.5 样地数据处理.5 点云数据预处理.5 8 森林蓄积量建模.6 点云特征提取.6 点云特征筛选.6 最优模型与超参数确定.6 9 模型精度评价.6 模型评价方法.6 9.1.1 决定系数 R2.6 9.1.2 平均绝对误差 MAE.6 9.1.3 均方根误差 RMSE.7 9.1.4 相对均方根误差 rRMSE.7 精度要求.7 10 森林蓄积量空间分布统计.7 点云特征格网化.7 森林蓄积量计算.7 森林蓄积量空间分布统计.7 森林蓄积量空间分布图.8 11 成果资料.8 附录 A（资料性）树高及郁闭度等级划分标准.9 附录 B（资料性）预设样地属性结构表.10 附录 C（资料性）树种组分类表.11 附录 D（资料性）常用的 LiDAR 点云数据特征变量.12 附录 E（资料性）特征筛选方法.14 E.1 特征变异度量法.14 E.2 相关系数法.14 E.3 相关系数法.14 E.4 随机森林特征筛选.14 附录 F（资料性）模型精度评价指标等级.15 附录 G（资料性）森林蓄积量建模技术报告模板.16 参考文献.17 前言 本文件按照GB/T 1.12020标准化工作导则 第1部分：标准化文件的结构和起草规则的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由华中农业大学提出。本文件由湖北省林业标准化技术委员会归口。本文件起草单位：华中农业大学、湖北省林业调查规划院、湖北省林业科学研究院、湖北省林业勘察设计院。本文件主要起草人：佃袁勇、周靖靖、林成军、黄光体、谈宜院、胡文杰、陈礼波、陈强、文红波、路宽、王怡、沈毓芬、周志翔、王鹏程、彭寿连、贾秀红。本文件为首次发布。本文件实施应用中的疑问，可咨询湖北省林业标准化技术委员会，联系电话：[phone]，邮箱：；对本文件的有关修改意见，请反馈至华中农业大学，电话：[phone]，邮箱：。引言 森林蓄积量是当前森林监测的主要任务，但对地形复杂、难到达区域地面调查方法存在一定的局限性。随着激光雷达技术的发展，机载激光雷达可以方便获取森林区域激光雷达点云，为大范围森林蓄积量监测提供了技术支撑。为规范机载激光雷达技术在森林蓄积量监测中的应用，在广泛征求相关行业及林业主管和业务部门意见基础上，结合湖北森林资源分布特点，依据机载激光雷达技术水平，编制了本文件。机载激光雷达森林蓄积量建模技术规程 1 范围 本文件规定了湖北省开展机载激光雷达森林蓄积量建模的基本要求、准备工作、样地数据获取、数据处理、森林蓄积量建模、模型精度评价、森林蓄积量空间分布统计和成果提交等内容。本文件适用于湖北省域范围内应用机载激光雷达技术开展森林蓄积量模型构建、模型精度验证和森林蓄积量空间分布统计等工作，星载激光雷达及无人机激光雷达数据用于森林蓄积量建模可参照执行。2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB/T 26424 国家森林资源规划设计调查技术规程 GB/T 36100-2018 机载激光雷达点云数据质量评价指标及计算方法 GB/T 38590 森林资源连续清查技术规程 CH/T 3023 机载激光雷达数据获取成果质量检验技术规程 CH/T 8023 机载激光雷达数据处理技术规范 CH/T 8024-2011 机载激光雷达数据获取技术规范 LY/T 1821 林业地图图式 3 术语和定义 下列术语和定义适用于本文件。激光雷达 lidar 发射激光束并接收回波获取目标三维信息的系统。来源：CH/T 8024-2011,定义3.1 机载激光雷达 airborne lidar 在航空平台上，集成激光雷达、定位定姿系统（POS）、数码相机和控制系统所构成的综合系统。来源：CH/T 8024-2011,定义3.4 点云 point cloud 以离散、不规则方式分布在三维空间中的点的集合。来源：CH/T 8024-2011,定义3.5 点云密度 point cloud density 以高程方向为法方向，单位面积上点云中激光点的平均数量。来源：GB/T 36100-2018，定义3.4 树干材积 volume 根径以上树干的体积，以立方米(m)为单位。森林蓄积量 forest growing stock volume 森林中所有活立木树干材积的总和，以立方米为单位。特征提取 feature extraction 对激光雷达点云中某一模式的一组测量值进行变换，以突出该模式具有代表性特征的一种方法。特征筛选 feature selection 从原始激光雷达点云中,经过特征提取后，筛选确定对森林蓄积量估算更有效的特征变量的工作。超参数 hyperparameters 在机器学习模型中，不是通过训练获得而是通过初始设定的且与模型调优训练有关的参数称为超参数。网格搜索法 grid search 网格搜索法是一种超参数确定方法。在指定超参数范围及超参数变动步长的基础上，按照步长从超参数最小值依次调整到最大值，通过遍历超参数组合来寻找模型最优的超参数组合的方法。4 总体技术要求 点云数据要求 机载激光雷达点云数据获取、处理技术及精度评价与要求应符合GB/T 36100、CH/T 3023、CH/T 8023、CH/T 8024的规定。点云密度要求 根据地貌形态及森林群落分布，点云密度应符合表1中要求。表1 不同地貌形态下点云密度要求 地貌形态 划分标准 最低点云密度/(pts/m2)平地 地表开阔，且相对高差小于50 m 4 丘陵 海拔小于500 m，相对高差不大于100 m 8 山地 海拔低于2000 m，起伏度大于150 m 16 高山地 海拔大于2000 m 25 采集时间要求 样地调查、卫星影像获取与机载激光雷达采集时间上应保持同步，最长时间间隔不超过180天。工作流程图 机载激光雷达森林蓄积量建模技术工作流程见图1。图1 工作流程图 5 准备工作 资料收集 调查区域内需要收集的资料如下：a)机载激光雷达点云数据，格式为 LAS 标准格式，点云密度符合 4.2 中点云密度要求；b)机载激光雷达飞行相关数据及报告；c)坐标转换参数或坐标转换控制点资料；d)高分辨率卫星影像图；e)最新森林资源连续清查数据集或森林资源规划设计调查数据集；f)近期森林资源清查或林草湿监测固定样地数据；g)其它相关资料。仪器设备 准备样地调查及实地验证等工作所需仪器、工具等。6 样地数据获取 样地布设与定位 6.1.1 样地预选原则 样地预选应遵循以下原则。a)代表性原则：每个优势树种或优势树种组的样地，应在单位面积森林蓄积量等方面能全面代表调查区域的情况。b)典型性原则：每个优势树种或优势树种组中不同树高等级和郁闭度等级的样地数量尽可能均匀。树高及郁闭度等级划分标准可参考附录 A。c)合理性原则：样地在调查总体内尽可能均匀分布，以使样地包含不同的地貌类型、立地质量和经营类型；样地在局部上相对集中，以减少样地调查往返路程，提高调查效率。6.1.2 样地预选方法 按以下步骤进行样地预选工作：a)根据历史蓄积量分布数据或遥感影像数据对目标区域内森林进行分层，确定不同分层的样地类型和数量；b)根据最近一期森林资源小班图层，按优势树种或树种组分布状况，结合合理性原则，按照高于样地数量 1.2 倍确定初始的样地点位，形成初始样点点群集合；c)根据小班图层中单位面积蓄积量、平均高、郁闭度、立地类型等分布情况，在初始样点所在区域，依据典型性、代表性和合理性原则，将初始样地点群落实到小班。每个点群内，每个优势树种或树种组布设 3 个5 个样地，得到预设样地分布图。样地最小间距大于 500m，样地离小班边界不小于 20 m；d)输出预设样地分布点数据，可采用 shapefile 或 KML 文件格式，其属性表可参考附录 B。6.1.3 样地定位 根据预设样地中心坐标，导航至样地中心。观察周围林分情况，若该中心半径20 m范围内林分均属同一类型，则该中心即为样地中心，否则，移动该中心至合适的位置。若无论如何移动，样地都无法只包含一个林分类型，则选择的样地可包含两个及以上类型，但不能包含无立木林地。样地设置 6.2.1 样地大小与形状 样地可设置正方形或圆形样地。方形样地边长为30 m，圆形样地半径为15 m。一个调查区域尽量采用相同形状样地。6.2.2 样地数量 将调查区域内的森林及疏林地，根据乔木林优势树种或树种组进行划分，划分标准可参考附录C。a)针叶树种组：冷杉类、松类、杉木类、柏木类；其中松类可进一步分为马尾松、落叶松类和其他松类。b)阔叶树种组：硬阔类、软阔类、杨树类；c)混交树种组：针叶混、阔叶混、针阔混；d)乔木经济树种组：果树类、食用原料树种类、工业原料树种类、药用树种类、其他经济树种类。样地数量根据调查区域总面积和蓄积量情况，按公式（1）计算。=()2 1.2 (1)式中：样地数量；可靠性指标，在95%的可靠性水平下，t一般取1.96；调查区域前期统计的区域蓄积量变异系数；期望取得的森林蓄积量相对误差，一般不高于15%。样地调查 样地调查工作参考GB/T 26424、GB/T 38590及相关地方标准，由专业技术人员完成。为保证后续样地与激光雷达点云在空间上精确配准，需采用联合差分定位技术对样地中心、角点和样木进行精确定位，并记录坐标。调查内容包括胸径、树高、枝下高、冠幅、郁闭度、起源、树种组成、林分年龄和林分密度等信息。按照GB/T 26424、GB/T 38590要求填写样地调查记录表和每木检尺记录表等。7 数据处理 样地数据处理 将每个样地定位位置及测量数据进行整理及数字化归档，分析得出样地的林分特征，生成样地位置矢量图。按照GB/T 26424内规定和要求使用当地或国家材积表计算树干材积、样地单位面积蓄积量。点云数据预处理 点云数据的预处理按以下步骤进行：a)对调查区域内的机载激光雷达点数据进行噪声去除；b)对激光点云分类，将激光点分为地面点、非地面点，可使用改进的渐进加密三角网滤波、渐进形态滤波和布料模拟滤波等算法；c)对激光点云中的地面点可采用反距离加权、克里金或不规则三角网等插值法生成数字高程模型；d)利用数字高程模型对点云进行高程归一化处理。8 森林蓄积量建模 点云特征提取 使用高程归一化后的点云数据，基于样地大小划分格网单元，提取点云特征变量，包括点云高度特征变量、点云密度特征变量和点云结构特征变量，常见点云特征变量及计算方法参考附录D。点云特征筛选 采用特征筛选算法选出对森林蓄积量敏感的点云特征变量，特征变量筛选算法可参考附录E。最优模型与超参数确定 最优模型及超参数的确定过程按如下步骤进行：a)将地面实测样地单位面积蓄积量作为因变量，筛选后的点云特征变量作为自变量，使用多元线性回归、支持向量机和随机森林等不同方法分别建立回归模型，模型可在分层样本数据或所有样本数据上进行建模；b)采用留一交叉验证法比较不同建模方法的精度，精度评价指标应符合 9.1 中的规定，按照 9.2中的方法选出最优的建模模型；c)在确定模型的基础上，采用网格搜索法确定模型的超参数。9 模型精度评价 模型评价方法 9.1.1 决定系数 R2 采用决定系数评价模型估测精度，按公式（2）计算：2=1=1()2=1()2 (2)式中：为模型预测蓄积量；为样本蓄积量值；为样本蓄积量均值；为样地数量。9.1.2 平均绝对误差 MAE 采用平均绝对误差评价模型精度，按公式（3）计算：=1|=1 (3)式中：实际调查值；模型预估蓄积量值；样本蓄积量平均值；样本数量。9.1.3 均方根误差 RMSE 采用均方根误差评价模型估测精度，按公式（4）计算：=1=1()2 (4)式中：模型预测蓄积量值；样本蓄积量值；样本蓄积量均值；训练和验证样地数量。9.1.4 相对均方根误差 rRMSE 采用相对均方根误差评价模型估测精度，按公式（5）计算：=*100%(5)式中：均方根误差；样本蓄积量均值。精度要求 按照模型评价方法中计算的4个指标精度要求及等级划分标准可参考附录F。当有2个指标的等级达到中及以上，模型等级为中；当有3个指标的等级达到中及以上，模型等级为优。最终选择的模型精度等级应达到中级及以上。10 森林蓄积量空间分布统计 点云特征格网化 将整个调查区域的机载激光雷达点云数据按照规定的格网单元大小，提取点云特征变量。森林蓄积量计算 采用最优模型和筛选确定的点云特征变量，计算每个格网单元的森林蓄积量。森林蓄积量空间分布统计 在调查区域范围内，以小班为单位对森林蓄积量进行统计，计算总和、平均值、中值、最大值、最小值及标准差，生成小班森林蓄积量统计表。蓄积量以立方米（m3）为单位，精确到0.01。森林蓄积量空间分布图 以计算出的森林蓄积量格网为底图，加载行政界限、林班或小班边界、文字标注信息，叠加公里格网、指北针、比例尺和图例等整饰信息，制作调查区域内森林蓄积量空间分布图和小班森林蓄积量分布图。图廓整饰内容参考LY/T 1821执行。11 成果资料 提交的主要成果资料如下：a)调查区域森林蓄积量建模技术报告，技术报告模板可参考附录 G；b)调查区域森林蓄积量空间分布图；c)调查区域森林小班蓄积量分布图及统计表；d)调查区域森林样地调查表。附录A （资料性）树高及郁闭度等级划分标准 该附录列出了针对优势树种或树种组按照树高和郁闭度进行分层时的划分标准，其中树高分层划分标准见表A.1,郁闭度分层划分标准见表A.2。表A.1 树高分层划分标准 等级 树高 矮 10 m 中 10 m20 m 高 20 m 表A.2 郁闭度分层划分标准 等级 郁闭度 疏 0.4 中 0.40.7 密 0.7 附录B （资料性）预设样地属性结构表 该附录列出了预设样地的属性表，具体表结构如表B.1所示。表B.1 预设样地属性结构表 序号 字段名称 字段代码 字段类型 字段长度 小数位数 约束条件 1 样地编号 ydbh 长整型 30 必填 2 省 sheng 字符型 10 必填 3 市 shi 字符型 20 必填 4 县（区）xian 字符型 20 必填 5 乡 xiang 字符型 20 必填 6 村 cun 字符型 20 必填 7 林业局 linyeju 字符型 20 必填 8 林班 linban 长整型 30 必填 9 小班 xiaoban 长整型 30 必填 10 横坐标 hzb 实数型 12 6 必填 11 纵坐标 zzb 实数型 12 6 必填 12 立地类型 ldlx 字符型 20 必填 13 优势树种 yssz 字符型 20 必填 14 平均树高 pjsg 实数型 4 1 必填 15 郁闭度 ybd 实数型 4 1 必填 16 平均年龄 pjnl 整数型 4 0 必填 17 小班单位蓄积 xbdwxj 实数型 10 2 必填 18 预选人 yxr 字符型 10 必填 19 预选时间 yxsj 时间型 16 必填 附录C （资料性）树种组分类表 按乔木林分为优势树种组，并根据当地主要乡土树种的种类，划分树种组如表C.1所示。表C.1 树种组分类标准表 树种组类型 类别 树种名称 针叶树种组 冷杉类 冷杉等 松类 马尾松、落叶松、华山松、巴山松、湿地松、黄山松等。杉类 杉木、柳杉、水杉、池杉等 柏木类 柏木、刺柏、圆柏、侧柏等 阔叶树种组 硬阔类 樟树、楠木、栓皮栎、麻栎、锥栎、高山栎、锐齿栎、茅栗、枹树、青冈栎、红桦、白桦、光皮桦、楮栲、珙桐、光叶珙桐、朴树、山毛榉、刺榆、兴山榆、山白树、神农栎、湖北栲、檀木等。软阔类 椴木、檫木、花楸类、悬铃木、合欢、栾树、拐枣树、梾木类、白辛树、楸树、柳类、泡桐、鹅掌楸、木兰、凹叶厚朴、含笑、白兰、巴东木莲、槭类、三角枫、冬青、楝树、香椿、小果香椿、皂荚、黄连木、构树、枫杨、青钱柳、黄杞、毛桤木、喜树、梧桐等。杨类 山杨、毛白杨、响叶杨、意杨等。混交树种组 针叶混 任何一个树种或树种组蓄积量或株数占总蓄积量或总株数比例小于65%。阔叶混 针阔混 乔木经济树种组 果树类 柑橘、梨、桃、李、柿、核桃、板栗、枇杷、宜昌橙、杨梅等。食用原料树种类 油茶、油橄榄、花椒、八角、肉桂、桂花、胡椒、其他食用原料类等。工业原料树种类 漆树、油桐、乌桕、棕榈、白蜡树、毛棶等。药用树种类 杜仲、厚朴、银杏、黄柏、盐肤木、吴茱萸等。其他经济树种组 桑树等。附录D （资料性）常用的 LiDAR 点云数据特征变量 利用点云高程值计算与高程相关的参数变量，以及与点云密度相关的参数变量。具体计算以样地范围或者规定的格网单元大小，计算相关点云特征参数，具体的参数及计算方法见表D.1。表D.1 常用的 LiDAR 点云数据特征变量 变量 名称 计算方法 含义 hmax 最高高度=某一格网内所有点的高度值的最大值 hrange 高度分布范围=某一格网内所有点的高度值范围 hmean 平均高度=(1+2+)/某一格网内所有点的高度值的平均值 hmed 中值高度=50 某一格网内所有点高度值的中位数 hvar 方差 =()21=0)/(1)某一格网内所有点高度值的方差 hstdv 标准差=某一格网内所有点高度值的标准差 hskew 偏态 =()3)/1=0 某一格网内所有点高度值分布的对称性 hkurt 峭度 =()4 3)/1=0 某一格网内所有点高度值分布的平坦度 hcv 变动系数=某一格网内所有点高度值的变异系数 hmad 平均绝对偏差 =(|1=0)/某一格网内所有点高度值的偏差的平均值 hp 分位数高度 h1、h5、h10、h20、h25、h30、h40、h50、h60、h70、h75、h80、h90、h95、h99 某一格网内将其内部所有归一化的激光雷达点云按高度进行排序，然后计算每一格网内X%的点所在的高度，即为该格网的高度百分位数 hiqp 四分位间距 hiqp=h75-h25 某一格网内75%的高度分位数与25%高度分位数之间的差值 hcrr 冠层突出比 =(_min)/某一格网内高度平均水平下方占高度范围的比例 htexture 高度结构，0 m1 m的标准差 ,=(1+2+)/,=(,)21=0)/(1)=,j为地面01m处的激光点 地面附近所有点的高程标准差，反映地面及附近植被的粗糙程度，一般取地面附近1m内的点进行计算 nPts Lidar回波数 发射的脉冲接触到物体时以一个或多个回波返回传感器的回波数量之和 vdensity 总植被密度 植被点 所有植被点占总点数的比例 stratum0 地表回波百分比 地表 地表面区间内的植被点再所有点中所占的比例 stratum1 0 m1 m植被回波百分比 01/0 m1 m区间内的植被点在所有点中所占的比例 stratum2 1 m2.5 m植被回波百分比 12.5 1 m2.5 m区间内的植被点在所有点中所占的比例 表D.1 常用的LiDAR点云数据特征参数（续）变量 名称 计算方法 含义 stratum3 2.5 m10 m植被回波百分比 2.510 2.5 m10 m区间内的植被点在所有点中所占的比例 stratum4 10 m20 m植被回波百分比 1020 10 m20 m区间内的植被点在所有点中所占的比例 stratum5 20 m30 m植被回波百分比 2030 20 m30 m区间内的植被点在所有点中所占的比例 stratum6 30 m以上植被回波百分比 30 30 m以上区间内的植被点在所有点中所占的比例 pct1 一次回波百分比 一次回波 一次回波百分比占回波总数的比例 pct2 二次回波百分比 二次回波 二次回波百分比占回波总数的比例 pct3 三次回波百分比 三次回波 三次回波百分比占回波总数的比例 PCTnotfirst 非一次回波百分比 非一次回波 非一次回波百分比占回波总数的比例 注：N为点云数量；j为第j个激光点 附录E （资料性）特征筛选方法 E.1 特征变异度量法 该方法一般用在特征选择前的预处理，主要目的是去掉变异程度小的特征。a)对于离散型特征变量，直接统计特征的值占总样本数量的比例，如果大于某个给定阈值则认为该特征变量变化程度小，可去掉。一般阈值可取 95%。b)对于连续型特征变量，统计变异系数，如果变异系数小于给定阈值，则去掉该特征。一般阈值可取 1%。E.2 相关系数法 采用相关系数法，计算特征变量与响应变量之间的相关性，筛选相关系数高的特征变量。E.3 相关系数法 采用互信息法度量特征变量与响应变量之间的相互依赖性。互信息熵的计算公式如下：(;)=(,)log(,)()()(E.1)式中：特征变量；响应变量；(,)两个变量的联合分布；()变量的边际分布；()变量的边际分布。互信息(;)是联合分布(,)与边缘分布()()的相对熵。互信息的取值范围在0,1，为0时表示两个变量相互独立，为1时表示两个变量完全相关。筛选与蓄积量互信息值大变量作为特征变量。E.4 随机森林特征筛选 采用随机森林算法中提供的平均不纯度减少方法，对所有特征变量重要性排序，筛选重要性排序较高的特征变量。附录F （资料性）模型精度评价指标等级 该附录列出了决定系数、平均绝对误差、均方根误差以及相对均方根误差对模型精度进行评价时的划分标准。其中表F.1列出了决定系数的等级划分标准，表F.2列出了平均绝对误差的等级划分标准，表F.3列出了均方根误差的等级划分标准，表F.4列出相对均方根误差的等级划分标准。表F.1 决定系数 R2等级划分 决定系数R2 等级 0.4 差 0.40.7 中 0.71 优 表F.2 平均绝对误差 MAE 等级划分 平均绝对误差MAE(m/hm2)等级 20 差 1020 中 10 优 表F.3 均方根误差 RMSE(m/hm2)等级划分 均方根误差RMSE(m/hm2)等级 35 差 2035 中 20 优 表F.4 相对均方根误差 rRMSE 等级划分 相对均方根误差rRMSE 等级 25%差 15%25%中 15%优 附录G （资料性）森林蓄积量建模技术报告模板 森林蓄积量建模技术报告的内容可参考图 G.1。图G.1 森林蓄积量建模技术报告内容 参考文献 1 GBT 39624 机载激光雷达水下地形测量技术规范 2 GBT 26423 森林资源术语 3 CH/T 3014 数字表面模型-机载激光雷达测量技术规程 4 CH/T 9008.2 基础地理信息数字成果1:500 1:1000 1:2000数字高程模型 5 LY/T 1957 国家森林资源连续清查数据处理统计规范 6 DB42/T 1547 机载激光雷达数据制作1:5000 1:10000数字高程模型技术规程