姚相坤 蒼甜甜 張一帆 許延麗

摘 要：為探索地基激光雷達(dá)技術(shù)提取人工林單木因子、構(gòu)建樹高模型的可靠性，本文采用地基激光雷達(dá)技術(shù)對(duì)水曲柳（Fraxinus mandshurica）和興安落葉松（Larix gmelinii）2種人工林樣地進(jìn)行多站全方位掃描，對(duì)獲取的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理、點(diǎn)云歸一化和單木分割，再批量提取單木因子樹高和胸徑，最后基于點(diǎn)云數(shù)據(jù)提取的單木因子，分別對(duì)備選的8個(gè)樹高模型進(jìn)行擬合，并用實(shí)測(cè)數(shù)據(jù)進(jìn)行檢驗(yàn)，得出模型精度評(píng)價(jià)結(jié)果。結(jié)果顯示：①針對(duì)本文所選的2塊人工林樣地，地基激光雷達(dá)點(diǎn)云數(shù)據(jù)對(duì)單木的識(shí)別率達(dá)到了100%;②水曲柳和興安落葉松胸徑提取結(jié)果決定系數(shù)（R2）均在0.92以上，樹高的R2均在0.90以上;③基于點(diǎn)云提取的樹高和胸徑構(gòu)建的水曲柳的最優(yōu)樹高模型為Schumacher模型，擬合結(jié)果調(diào)整絕對(duì)系數(shù)（R2a）為0.826 1，興安落葉松的最優(yōu)樹高模型為L(zhǎng)ogistic模型，擬合結(jié)果R2a為0.801 1，2個(gè)樹種最優(yōu)樹高模型擬合與檢驗(yàn)結(jié)果基本一致。從而得出，地基激光雷達(dá)技術(shù)對(duì)人工林樣地單木識(shí)別率很高，單木因子提取精度較好，基于提取的單木因子所構(gòu)建樹高模型，在林業(yè)調(diào)查中有較高的科研價(jià)值和應(yīng)用前景。

關(guān)鍵詞：地基激光雷達(dá);人工林;單木因子;樹高模型;水曲柳;興安落葉松

中圖分類號(hào)：S758.5??? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1006-8023（2022）01-0093-08

Study on Tree Height Model Construction of? Plantation Based on

Data Derived from Terrestrial Laser Scanning

YAO Xiangkun1， CANG Tiantian1， ZHANG Yifan2， XU Yanli1*

（1.College of Mining Engineering， Heilongjiang University of Science and Technology， Harbin 150022， China;

2.CSSC （Zhejiang） Ocean Technology Co.， Ltd， Zhoushan 316021， China）

Abstract：In order to explore the reliability of terrestrial laser scanning technology to extract individual tree factors and build tree height models， terrestrial laser scanning was used to conduct multi-station all-dimensional scaning for Fraxinus mandshurica and Larix gmelinii plantations. After preprocessing the acquired point cloud data with methods of data normalization and individual tree segmentation， the tree height and DBH （Diameter at Breast Height） of individual tree factors were extracted in batches. Finally， based on the individual tree factor extracted from the point cloud data， eight alternative tree height modes were fitted respectively and tested with measured data to obtain the model accuracy evaluation results. The results showed that： ① For the two plantation plots selected in this paper， the point cloud data obtained by terrestrial laser scanning had a recognition rate of 100% for individual tree. ② The determination coefficients （R2） of the DBH extracted results of Fraxinus mandshurica and Larix gmelinii were more than 0.92， and the R2 of tree height extracted results were more than 0.90. ③ The optimal tree height fitting model of Fraxinus mandshurica based on tree height and DBH extracted from point cloud was the Schumacher model， and the adjusted determination coefficient R2a of the fitting model was 0.826 1. The optimal tree height model of Larix gmelinii was the Logistic model， and the R2a of the fitting model was 0.801 1. The optimal tree height model fitting results of the two tree species were basically consistent with the test results. It was concluded that terrestrial laser scanning technology had a high recognition rate for individual trees in plantation， and the accuracy of individual tree factor extraction was high. The tree height model constructed based on the extracted individual tree factor had high scientific research value and application prospects in forestry investigation.

Keywords：Terrestrial laser scanning; plantation; individual tree factor; tree height model; Fraxinus mandshurica; Larix gmelinii

0 引言

我國(guó)森林資源調(diào)查工作多采用人工的方式，比如，森林資源清查與樹干解析等工作需要人工采集大量的外業(yè)實(shí)測(cè)數(shù)據(jù)，這些數(shù)據(jù)的可靠性對(duì)于提高森林生物量、森林蓄積量、葉面積指數(shù)估測(cè)精度和開(kāi)展森林演替、碳循環(huán)、初級(jí)生產(chǎn)力研究具有重要意義[1-3]。外業(yè)數(shù)據(jù)的采集，需要消耗大量的人力和物力，尤其對(duì)于交通不便的邊遠(yuǎn)山區(qū)林地，實(shí)地調(diào)查更為困難。因此，如何運(yùn)用更加科學(xué)的手段獲取數(shù)據(jù)，減少人工工作量、提高效率和數(shù)據(jù)質(zhì)量，將是林業(yè)科研工作者共同努力的方向。

對(duì)于數(shù)據(jù)的采集方式，傳統(tǒng)光學(xué)遙感技術(shù)在林業(yè)中的應(yīng)用已經(jīng)非常普及，在區(qū)域尺度和全球尺度的指標(biāo)反演中發(fā)揮了重要的作用[4-5]，但光學(xué)遙感技術(shù)主要側(cè)重于提取大尺度的宏觀的森林參數(shù)，很難描述林分的垂直結(jié)構(gòu)及森林的三維信息[6]，而激光雷達(dá)具有與光學(xué)遙感不同的成像機(jī)制，對(duì)植被空間結(jié)構(gòu)和地形的探測(cè)能力很強(qiáng)，可以很好地表達(dá)森林垂直結(jié)構(gòu)，屬于非接觸、非破壞性的數(shù)據(jù)采集方式，在林業(yè)資源調(diào)查中相比純?nèi)斯ぷ鳂I(yè)方式和光學(xué)遙感技術(shù)顯然有著無(wú)法比擬的優(yōu)勢(shì)，此外激光雷達(dá)還具備不受天氣等環(huán)境因素的影響、掃描范圍廣、操作簡(jiǎn)便等特點(diǎn)，不僅能提高工作效率，還能提高測(cè)量精度。所以，從20世紀(jì)80年代中期開(kāi)始，激光雷達(dá)技術(shù)在國(guó)內(nèi)外被廣泛應(yīng)用于森林參數(shù)反演及森林生態(tài)學(xué)的研究，Li等[7]結(jié)合機(jī)載激光雷達(dá)反演了森林表層的土壤屬性;陳健[8]、Kumar等[9]、Pitknen等[10]和駱鈺波等[11結(jié)合地基激光雷達(dá)數(shù)據(jù)提取了胸徑和樹高等單木因子，驗(yàn)證了TLS用于人工林和天然林的單木因子提取的可行性;范偉偉等[12]以哈爾濱市城市林業(yè)示范基地黑皮油松林為研究對(duì)象，綜合對(duì)比了地基激光雷達(dá)和手持式移動(dòng)激光雷達(dá)2種掃描方式;邱琴等[13]和黃旭等[14]基于背包式激光雷達(dá)提取了單木因子，并與實(shí)測(cè)數(shù)據(jù)比對(duì)，驗(yàn)證了背包激光雷達(dá)用于樹高、胸徑及冠幅面積等參數(shù)提取的可行性。激光雷達(dá)技術(shù)將遙感在林業(yè)領(lǐng)域中的應(yīng)用推上了更高的臺(tái)階，并且在森林資源管理和可持續(xù)發(fā)展中起到了重要的作用。

近些年，激光雷達(dá)技術(shù)在各行各業(yè)已經(jīng)展現(xiàn)了非凡的發(fā)展前景，但要在林業(yè)調(diào)查中普及尚需各方面的權(quán)衡，比如：精度、效率和資金等，導(dǎo)致目前林業(yè)調(diào)查仍以傳統(tǒng)方法為主。本文基于地基激光雷達(dá)掃描了2塊東北林業(yè)大學(xué)校內(nèi)林場(chǎng)人工林樣地，分別為水曲柳和興安落葉松，主要探索地基激光雷達(dá)技術(shù)提取人工林單木因子、構(gòu)建樹高模型的可靠性以及在2種樹種中的差異性。

1 研究區(qū)概況

研究區(qū)域位于東北林業(yè)大學(xué)校內(nèi)林場(chǎng)，其地理坐標(biāo)為126°37′58″ E， 45°43′01″ N，平均海拔141 m，地形較為平緩，氣候類型屬溫帶濕潤(rùn)大陸性季風(fēng)氣候，具有夏季短暫且高溫多雨，冬季漫長(zhǎng)且寒冷干燥的特點(diǎn)。年氣溫變化幅度較大，夏季7月平均氣溫23°，冬季1月平均氣溫-19°，年平均降水量約為500 mm，且全年降水多數(shù)集中在6—9月。樣地內(nèi)土壤類型為暗棕壤，主要樹種有紅松、興安落葉松和水曲柳等。

2 數(shù)據(jù)采集

2.1 地基激光雷達(dá)數(shù)據(jù)采集

地基激光雷達(dá)數(shù)據(jù)采集時(shí)間為2019年初冬。在東北林業(yè)大學(xué)校內(nèi)林場(chǎng)設(shè)置水曲柳人工林樣地1塊、興安落葉松人工林樣地1塊，樣地為20 m×30 m的長(zhǎng)方形標(biāo)準(zhǔn)樣地。本研究使用多測(cè)站布設(shè)法對(duì)2塊不同林分的樣地進(jìn)行掃描，掃描儀器型號(hào)為FARO FOCUS S350，該三維激光掃描儀系統(tǒng)參數(shù)見(jiàn)表1。掃描儀配置文件參數(shù)為室外20 m掃描，開(kāi)啟彩色掃描模式，每站掃描時(shí)間平均10 min。

2塊樣地地理位置相鄰，共布設(shè)10個(gè)測(cè)站進(jìn)行掃描，測(cè)站分布在樣地外圍4個(gè)角點(diǎn)、4個(gè)角點(diǎn)形成的4條邊的中點(diǎn)和2條對(duì)角線上。在四周通視條件良好的位置布設(shè)標(biāo)靶，作為任意測(cè)站的共同后視點(diǎn)。每相鄰2個(gè)測(cè)站間，同時(shí)看到至少4個(gè)標(biāo)靶，充分保證樣地內(nèi)每棵樹木的掃描精度和全方位掃描信息的完整性，測(cè)站具體布設(shè)如圖1所示。

2.2 實(shí)測(cè)數(shù)據(jù)采集

人工實(shí)測(cè)數(shù)據(jù)時(shí)間與地基激光雷達(dá)掃描時(shí)間基本同步，選擇樣地內(nèi)胸徑大于5 cm的單木，使用胸徑尺與測(cè)高桿，人工實(shí)測(cè)2塊樣地內(nèi)樹種的胸徑與樹高，3次測(cè)量取平均值作為實(shí)測(cè)值。實(shí)測(cè)水曲柳49棵，興安落葉松45棵，其胸徑與樹高測(cè)量基本統(tǒng)計(jì)量見(jiàn)表2。

3 研究方法

3.1 點(diǎn)云數(shù)據(jù)處理

將掃描所得10站點(diǎn)云數(shù)據(jù)導(dǎo)入掃描儀配套軟件FARO SENCE中，進(jìn)行配準(zhǔn)和裁剪等預(yù)處理。將預(yù)處理后的點(diǎn)云數(shù)據(jù)導(dǎo)入LiDAR360軟件，進(jìn)行去噪和地面點(diǎn)濾波等預(yù)處理，對(duì)濾波后的地面點(diǎn)進(jìn)行插值，生成數(shù)字高程模型（DEM），然后依據(jù)DEM對(duì)點(diǎn)云進(jìn)行歸一化，目的是去除地形起伏對(duì)點(diǎn)云數(shù)據(jù)高度的影響，從而便于計(jì)算樹高。

3.2 單木因子提取

對(duì)歸一化后的點(diǎn)云數(shù)據(jù)進(jìn)行單木分割，單木點(diǎn)云示意圖如圖2所示，再進(jìn)行批量提取胸徑和樹高，但是對(duì)批量提取的結(jié)果需要補(bǔ)充和修正。個(gè)別情況因胸徑部位點(diǎn)云不完整或數(shù)據(jù)量太小造成擬合錯(cuò)誤甚至未能擬合，如圖3（a）所示，需用手動(dòng)方式選取樹干1.3 m左右胸徑位置切片點(diǎn)云進(jìn)行重新擬合，如圖3（b）所示，手動(dòng)提取方式根據(jù)點(diǎn)云的實(shí)際情況可選擇圓擬合、橢圓擬合或圓柱擬合。對(duì)于樹干折斷、被破壞或遮擋造成的樹木頂部掃描信息缺失的個(gè)別情況，作為異常值剔除，以免影響后續(xù)建模精度。

3.3 備選樹高模型

參考國(guó)內(nèi)外相關(guān)學(xué)者的研究結(jié)果[15-18]，共選取8種常用的樹高模型分別對(duì)2個(gè)樹種進(jìn)行模型擬合，模型具體形式見(jiàn)表3。

3.4 模型評(píng)價(jià)與檢驗(yàn)

本研究采用SAS軟件對(duì)樹高模型進(jìn)行擬合，模型的擬合評(píng)價(jià)指標(biāo)采用決定系數(shù)（R2）、調(diào)整決定系數(shù)（R2a）與均方根誤差（RMSE，公式中用ERMS表示）;模型的獨(dú)立檢驗(yàn)采用均方根誤差（RMSE）、平均誤差（ME，公式中用EM表示）和總體相對(duì)誤差（TRE，公式中ETR表示）。指標(biāo)具體計(jì)算公式如下：

R2=1-∑ni=1Yi-Y^i2∑ni=1Yi-Y-i2。（1）

R2a=1-n-1n-p-1（1-R2）。 （2）

ERMS= ∑ni=1（Yi-Y^i）2n 。 （3）

EM=1n∑ni=1Yi-Y^i） 。 （4）

ETR=100×∑ni=1Yi-Y^i）2n∑ni=1Y^i 。 （5）

式中：n為用于建模的單木株數(shù);p為參數(shù)個(gè)數(shù);Yi為測(cè)量值;Y^i為模型預(yù)測(cè)值;Y-i為測(cè)量值的平均值。

4 結(jié)果與分析

4.1 單木因子提取結(jié)果分析

單木分割結(jié)果如圖4所示，將單木分割后的單木數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)進(jìn)行配對(duì)匹配，發(fā)現(xiàn)點(diǎn)云單木分割識(shí)別率達(dá)到100%，見(jiàn)表4。其中單木分割識(shí)別出的樹干折斷、被破壞或由于遮擋造成樹干頂部掃描信息不完整等異常數(shù)據(jù)4株，作為異常值剔除。共提取45棵水曲柳及45棵興安落葉松，全部用于樹高模型的構(gòu)建。

表5列出了水曲柳與興安落葉松點(diǎn)云提取的胸徑、樹高與實(shí)測(cè)數(shù)據(jù)之間的回歸關(guān)系。其中水曲柳胸徑、樹高與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)（R2）分別為0.920 7和0.903 9;興安落葉松的胸徑、樹高與實(shí)測(cè)數(shù)據(jù)的相關(guān)系數(shù)（R2）分別為0.967 6和0.949 6， 結(jié)果表明，提取數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)線性關(guān)系良好。說(shuō)明利用地基激光雷達(dá)對(duì)單木胸徑和樹高進(jìn)行提取可以獲得與人工實(shí)測(cè)數(shù)據(jù)相關(guān)性較好且精度較高的數(shù)據(jù)，可以用于后續(xù)建模使用。

4.2 模型擬合

基于以上提取的單木因子，應(yīng)用SAS軟件分別對(duì)水曲柳和興安落葉松的8個(gè)備選樹高模型進(jìn)行擬合回歸。2個(gè)樹種的樹高模型擬合結(jié)果見(jiàn)表6。由表6可知，擬合水曲柳的樹高模型，除了模型1和模型3的R2a偏低，其他6個(gè)模型的R2a均高于0.8，其中，模型6～8的差異相對(duì)較小，但綜合R2a和RMSE指標(biāo)來(lái)看，最優(yōu)樹高模型為模型8，即：Schumacher模型，其R2a最高，為0.826 1，同時(shí)RMSE最小，為0.979 0m。擬合興安落葉松的樹高模型，模型3的R2a和RMSE指標(biāo)表現(xiàn)最差，而模型2、4、7的R2a都在0.79以上，但只有模型4，即：Logistic模型，其R2a高于0.8，為0.801 1，同時(shí)RMSE最小，為1.097 3，該模型為最優(yōu)樹高模型。水曲柳和興安落葉松的最優(yōu)樹高模型參數(shù)值估計(jì)見(jiàn)表7。

圖5為2種最優(yōu)樹高模型的殘差圖，其中圖5（a）為水曲柳的最優(yōu)模型8的殘差圖，圖5（b）為興安落葉松的最優(yōu)模型4的殘差圖。由圖5可知，最優(yōu)樹高曲線模型的殘差值以0為界，上下均勻分布，呈隨機(jī)分布，沒(méi)有明顯趨勢(shì)。

圖6為2個(gè)樹種最優(yōu)樹高模型擬合曲線，其中圖6（a）為水曲柳最優(yōu)模型Schumacher模型的擬合曲線，圖6（b）為興安落葉松最優(yōu)模型Logistic模型的擬合曲線。

4.3 模型檢驗(yàn)

結(jié)合模型的參數(shù)估計(jì)結(jié)果，應(yīng)用SAS軟件計(jì)算各模型的ME、RMSE和TRE等統(tǒng)計(jì)量。對(duì)研究區(qū)域?qū)崪y(cè)的2個(gè)樹種按徑階分別抽取27株單木數(shù)據(jù)進(jìn)行模型獨(dú)立檢驗(yàn)，檢驗(yàn)結(jié)果見(jiàn)表8。從表8的統(tǒng)計(jì)量ME可以看出，各模型對(duì)水曲柳和興安落葉松樹高的預(yù)測(cè)值均偏低，分別約為0.43 m和0.63 m左右。水曲柳各模型的RMSE范圍為1.241 8～1.427 4 m;興安落葉松各模型的RMSE范圍為1.564 1～1.778 2 m。水曲柳的樹高模型8的ME、RMSE、TRE指標(biāo)均小于其他7個(gè)模型，而興安落葉松模型4的ME、RMSE、TRE指標(biāo)均小于其他7個(gè)模型，該結(jié)果與模型擬合結(jié)果一致。結(jié)果表明，擬合水曲柳的最優(yōu)樹高模型為模型8：Schumacher模型，擬合興安落葉松的最優(yōu)樹高模型為模型4：Logistic模型。

5 討論與結(jié)論

5.1 討論

地基激光雷達(dá)作為新興的主動(dòng)遙感技術(shù)，可以深入到地形復(fù)雜的環(huán)境或空間進(jìn)行掃描測(cè)量，在林業(yè)調(diào)查中更能發(fā)揮獨(dú)特的優(yōu)勢(shì)，能夠描述林分的垂直結(jié)構(gòu)和森林的三維信息[19-21]，但在林冠下架設(shè)激光雷達(dá)掃描儀進(jìn)行掃描樹干頂部的過(guò)程中，可能受到不同程度的遮擋，導(dǎo)致樹冠信息不完整，從而影響樹高因子的提取精度，尤其是在夏季枝繁葉茂的季節(jié)[14]。為降低這種影響，本次研究數(shù)據(jù)采集時(shí)間選在了初冬，樹葉凋落且無(wú)積雪覆蓋的情況下進(jìn)行外業(yè)工作，研究結(jié)果表明，本次獲取的樹干頂部的信息完整性較好，樹高因子與實(shí)測(cè)數(shù)據(jù)相比也具有較好的精度。

不同樹種的形態(tài)有差異，水曲柳和興安落葉松均屬于干形挺拔的闊葉和針葉樹種，且有很高的經(jīng)濟(jì)價(jià)值。本文基于地基激光雷達(dá)掃描的點(diǎn)云數(shù)據(jù)，能高效、便捷、準(zhǔn)確地提取其樹高和胸徑等單木因子，從而有助于蓄積量與生物量的估計(jì)和研究，以及經(jīng)濟(jì)價(jià)值的估算。

本研究區(qū)域選擇在林場(chǎng)中地勢(shì)平坦的區(qū)域，數(shù)據(jù)量偏少。但隨著野外作業(yè)復(fù)雜性的提高，地基激光雷達(dá)的優(yōu)勢(shì)會(huì)愈加明顯。傳統(tǒng)的野外數(shù)據(jù)采集方式在人力、物力方面消耗很大，且效率低;地基激光雷達(dá)數(shù)據(jù)采集方式，只需一到兩人即可輕松完成外業(yè)過(guò)程，外業(yè)空余時(shí)間也可用于采集其他所需數(shù)據(jù)。內(nèi)業(yè)數(shù)據(jù)處理過(guò)程有成熟的技術(shù)借鑒，高效便捷，采集回來(lái)的數(shù)據(jù)信息量很豐富，可以提取各種需要的單木因子和DEM等信息。具有采集一次，可支撐研究多項(xiàng)的優(yōu)勢(shì)。

綜上所述，基于地基激光雷達(dá)技術(shù)在一定程度上能夠替代或輔助傳統(tǒng)林業(yè)調(diào)查工作，且具有良好的精度和效率。

5.2 結(jié)論

本文基于地基激光雷達(dá)掃描2塊東北林業(yè)大學(xué)校內(nèi)林場(chǎng)人工林樣地，分別為水曲柳和興安落葉松，并提取胸徑和樹高，構(gòu)建適宜的最優(yōu)樹高模型，結(jié)論如下。

（1）地基激光雷達(dá)獲取的點(diǎn)云數(shù)據(jù)可以應(yīng)用于人工林單木的識(shí)別。

（2）利用地基激光雷達(dá)對(duì)單木胸徑和樹高進(jìn)行提取，可以獲得與人工實(shí)測(cè)數(shù)據(jù)相關(guān)性較好且精度較高的結(jié)果，驗(yàn)證了點(diǎn)云數(shù)據(jù)提取單木因子的可靠性。

（3）基于點(diǎn)云數(shù)據(jù)提取的單木因子構(gòu)建樹高模型，精度良好，但對(duì)于不同樹種，由于點(diǎn)云之間的遮擋特點(diǎn)不同，所提取的單木因子的精度和模型擬合精度有所差異。

【參 考 文 獻(xiàn)】

[1]閆飛.森林資源調(diào)查技術(shù)與方法研究[D].北京：北京林業(yè)大學(xué)，2014.

YAN F. Research of technology and methord of forest resource inventory[D]. Beijing： Beijing Forestry University， 2014.

[2]劉迎春，高顯連，付超，等.基于森林資源清查數(shù)據(jù)估算中國(guó)森林生物量固碳潛力[J].生態(tài)學(xué)報(bào)，2019，39（11）：4002-4010.

LIU Y C， GAO X L， FU C， et al. Estimation of carbon sequestration potential of forest biomass in China based on National Forest Resources Inventory[J]. Acta Ecologica Sinica， 2019， 39（11）： 4002-4010.

[3]吳初平，袁位高，盛衛(wèi)星，等.浙江省典型天然次生林主要樹種空間分布格局及其關(guān)聯(lián)性[J].生態(tài)學(xué)報(bào)，2018，38（2）：537-549.

WU C P， YUAN W G， SHENG W X， et al. Spatial distribution patterns and associations of tree species in typical natural secondary forest communities in Zhejiang Province[J]. Acta Ecologica Sinica， 2018， 38（2）： 537-549.

[4]NIE S， WANG C， ZENG H C， et al. A revised terrain correction method for forest canopy height estimation using ICESat/GLAS data[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2015， 108： 183-190.

[5]王蕊，邢艷秋，尤號(hào)田，等.基于星載LiDAR波形數(shù)據(jù)的森林胸高斷面積估測(cè)研究[J].西北林學(xué)院學(xué)報(bào)，2014，29（5）：156-162.

WANG R， XING Y Q， YOU H T， et al. Forest basal area estimation based on spaceborne LiDAR waveform data[J]. Journal of Northwest Forestry University， 2014， 29（5）： 156-162.

[6]CHEN Q， BALDOCCHI D， GONG P， et al. Isolating individual trees in a savanna woodland using small footprint lidar data[J]. Photogrammetric Engineering & Remote Sensing， 2006， 72（8）： 923-932.

[7]LI C， XU Y L， LIU Z G， et al. Estimation of forest topsoil properties using airborne LiDAR-derived intensity and topographic factors[J]. Remote Sensing， 2016， 8（7）： 561.

[8]陳健.基于地基激光雷達(dá)的不同森林類型單木胸徑與樹高提取[D].合肥：安徽農(nóng)業(yè)大學(xué)，2016.

CHEN J. Individual tree DBH and height estimation using terrestrial laser scanning（TLS）in different forest type[D]. Hefei： Anhui Agricultural University， 2016.

[9]KUMAR S， SARA R， SINGH J， et al. Spaceborne PolInSAR and ground-based TLS data modeling for characterization of forest structural and biophysical parameters[J]. Remote Sensing Applications： Society and Environment， 2018， 11： 241-253.

[10]PITKNEN T P， RAUMONEN P， KANGAS A. Measuring stem diameters with TLS in boreal forests by complementary fitting procedure[J]. ISPRS Journal of Photogrammetry and Remote Sensing， 2019， 147： 294-306.

[11]駱鈺波，黃洪宇，唐麗玉，等.基于地面激光雷達(dá)點(diǎn)云數(shù)據(jù)的森林樹高、胸徑自動(dòng)提取與三維重建[J].遙感技術(shù)與應(yīng)用，2019，34（2）：243-252.

LUO Y B， HUANG H Y， TANG L Y， et al. Tree height and diameter extraction with 3D reconstruction in a forest based on TLS[J]. Remote Sensing Technology and Application， 2019， 34（2）： 243-252.

[12]范偉偉，劉浩然，徐永勝，等.基于地基激光雷達(dá)和手持式移動(dòng)激光雷達(dá)的單木結(jié)構(gòu)參數(shù)提取精度對(duì)比[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2020，40（8）：63-74.

FAN W W， LIU H R， XU Y S， et al. Comparison of extraction precision of individual tree structure parameters based on terrestrial laser scanning and hand-held mobile laser scanning[J]. Journal of Central South University of Forestry & Technology， 2020， 40（8）： 63-74.

[13]邱琴，張文革，王蕾，等.基于背包式激光雷達(dá)的天山云杉林單木因子估測(cè)[J].林業(yè)資源管理，2021（2）：99-109.

QIU Q， ZHANG W G， WANG L， et al. Estimation of single wood factor of Picea schrenkiana var.tianshanica forest based on backpack LiDAR[J]. Forest Resources Management， 2021（2）： 99-109.

[14]黃旭，賈煒瑋，王強(qiáng)，等.背包式激光雷達(dá)的落葉松單木因子提取[J].森林工程，2019，35（4）：14-21.

HUANG X， JIA W W， WANG Q， et al. Study on individual tree factor extraction of Larix olgensis in backpack lidar[J]. Forest Engineering， 2019， 35（4）： 14-21.

[15]馮國(guó)紅，朱玉杰，王景峰.小興安嶺天然林不同樹種的樹高曲線模型[J].東北林業(yè)大學(xué)學(xué)報(bào)，2016，44（12）：6-9.

FENG G H， ZHU Y J， WANG J F. Tree height curve models of different tree species in the of Xiaoxing’an mountain[J]. Journal of Northeast Forestry University， 2016， 44（12）： 6-9.

[16]張敏，顧鳳歧，董希斌.帽兒山林區(qū)主要樹種樹高與胸徑之間的關(guān)系分析[J].森林工程，2014，30（6）：1-4.

ZHANG M， GU F Q， DONG X B. Analysis of height-diameter relationship of main tree species in Maoershan forest region[J]. Forest Engineering， 2014， 30（6）： 1-4.

[17]HUANG S， MENG S X， YANG Y Q. Using nonlinear mixed model technique to determine the optimal tree height prediction model for black spruce[J]. Modern Applied Science， 2009， 3（4）： 3-18.

[18]張樹森，董利虎.張廣才嶺三大硬闊樹高曲線的研究[J].森林工程，2017，33（4）：15-20，26.

ZHANG S S， DONG L H. Tree height-diameter model for three hardwood tree species in the Zhangguangcai mountains[J]. Forest Engineering， 2017， 33（4）： 15-20， 26.

[19]劉魯霞，龐勇，李增元.基于地基激光雷達(dá)的亞熱帶森林單木胸徑與樹高提取[J].林業(yè)科學(xué)，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 forest[J]. Scientia Silvae Sinicae， 2016， 52（2）：26-37.

[20]田方.基于機(jī)載激光雷達(dá)的密林山區(qū)測(cè)繪研究[J].自動(dòng)化技術(shù)與應(yīng)用，2021，40（11）：86-88，108.

TIAN F. Research on surveying and mapping of dense forest mountain area based on airborne lidar[J]. Techniques of Automation and Applications， 2021， 40（11）： 86-88， 108.

[21]羅洪斌，岳彩榮，張國(guó)飛，等.機(jī)載激光雷達(dá)在不同區(qū)域尺度森林葉面積指數(shù)反演中的應(yīng)用[J].西部林業(yè)科學(xué)，2021，50（4）：33-40.

LUO H B， YUE C R， ZHANG G F， et al. Application of airborne LiDAR in inversion forest leaf area index at different regional scales[J]. Journal of West China Forestry Science， 2021， 50（4）：33-40.