全 文 ：第 52 卷 第 2 期
2 0 1 6 年 2 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 52，No. 2
Feb．，2 0 1 6
doi:10．11707 / j．1001-7488．20160204
收稿日期: 2015 － 03 － 19; 修回日期: 2015 － 10 － 29。
基金项目: 国家高技术研究发展计划(863 计划)项目(2012AA12A306) ; 国家重点基础研究发展计划(973 计划)项目(2013CB733404，
2013CB733406)。
* 庞勇为通讯作者。
基于地基激光雷达的亚热带森林单木胸径与树高提取*
刘鲁霞 庞 勇 李增元
(中国林业科学研究院资源信息研究所 北京 100091)
摘 要: 【目的】以云南省普洱市天然林与杉木人工林为研究对象，针对云南省山区森林树种繁多、林下灌木
草本茂密的林分环境，根据森林中树木的形态特征，利用地基激光雷达 ( TLS)扫描数据提取样地尺度单木胸径
与树高，为森林调查工作提供参考。【方法】将获取的多站地基激光雷达扫描数据分为多站拼接及单站 2 种分
析方式，采用 Hough 变换算法及树干的形态特征对样地内单木进行识别与胸径提取，根据树干生长方向及单木
在垂直方向上的分布提取树高。【结果】1) 对于多站拼接数据，即使在林分条件最为复杂的原始林，单木识别
率仍可达到 81% ;对于单站数据，随着扫描距离增加，单木识别率降低，实际操作时单站布设比多站拼接简单;
2) 多站拼接胸径及胸高断面积估测结果更接近于样地真实值，多个单站平均结果比只使用一站扫描数据提取
的结果更加适合估测样地胸径及胸高断面积，半径 10 m 比半径 5 m 及 15 m 范围内数据更加适合估测样地胸径
及胸高断面积; 3) 天然林单木树高估测结果为 Ｒ2 = 0. 77，ＲMSE = 1. 46 m; 人工林单木树高估测结果为 Ｒ2 =
0. 94，ＲMSE = 0. 96 m。【结论】本研究根据树干垂直向特征，设置的一系列参数可以剔除 Hough 变换算法在非
树干处的识别圆，可提高单木识别及胸径、树高的估测精度。受扫描站布设及林分条件影响，人工林的估测结果
好于天然林。多站拼接相比单站扫描更加接近于样地实测结果，多个单站平均更能代表样地实际情况，只用一
站数据具有一定的偶然性。
关键词: 地基激光雷达; 亚热带森林; 胸径; 树高; 胸高断面积
中图分类号: S757 文献标识码: A 文章编号: 1001 － 7488(2016)02 － 0026 － 12
Individual Tree DBH and Height Estimation Using Terrestrial Laser
Scanning (TLS) in A Subtropical Forest
Liu Luxia Pang Yong Li Zengyuan
(Ｒesearch Institute of Forest Ｒesource Information Techniques，CAF Beijing 100091)
Abstract: 【Objective】Based on the trunk’s shape and terrestrial laser scanning ( TLS) data，the DBH，height and
location of individual tree were estimated in the mountainous forests including natural forest stands and Cunninghamia
plantation stands of Yunnan Province． 【Method】DBH and height of individual tree were extracted by merged and single
station TLS data． Location and DBH of individual tree were detected and extracted by applying a Hough transform
algorithm coupled with trunk’s shape． Then，tree height was estimated via trunk’s direction and vertical distribution of
canopy． 【Ｒesult】1) Based on multiple stations TLS data，the accuracy of tree identification was about 81% in the natural
forest stands，with complicated stand structures and compositions． For the single station TLS data，the accuracy of tree
identification decreased with the increasing TLS data area． The acquisition of single station TLS data was much easier than
that of multiple stations． 2) Mosaicked multiple stations data provided higher accuracies of DBH and basal area of breast-
height estimation，as compared to single station data． It was better to use the averages of multiple stations data to derive
DBH and basal area of breast-height than single station data． It was more suitable to use data collected within a radius of
10 m to estimate DBH and basal area of breast-height than those collected within 5 m and 15 m radii． 3) The tree height
estimation (Ｒ2 = 0. 94，ＲMSE = 0. 96 m) of the plantations was more accurate than that (Ｒ2 = 0. 77，ＲMSE = 1. 46 m) of
the natural forests．【Conclusion】According to the feature along trunk，the most detected circle out of trunk could be
deleted． This improved the estimating accuracies of tree detection，DBH and tree height． Locating single trunks and
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
estimating DBH and height of individual trees were greatly dependent upon stand structural conditions and distributions of
scanning stations． The merged multi scan TLS data extracted the most accurate result compared with averaged multi scan
and single scan TLS data． The single scan TLS data showed occasional result．
Key words: terrestrial laser scanning; subtropical forest; DBH; tree height; basal area of breast-height
森林垂直结构是陆地生态系统中重要的参数，
提高遥感森林垂直结构的反演精度，对于提高森林
生物量、叶面积指数估测精度和开展森林演替、碳循
环、初级生产力研究具有重要意义。激光雷达技术
是近年来国际上发展十分迅速的主动遥感技术，具
有与被动光学遥感不同的工作机制，对植被空间结
构和地形具有很强的探测能力，在森林参数的定量
测量和反演上取得了成功的应用，特别是对森林高
度和垂直结构的探测能力，具有传统光学遥感数据
难以比拟的优势。机载激光雷达具有获取大区域森
林垂直结构的能力，但是对林冠下层垂直结构描述
不详细;地基激光雷达 ( terrestrial laster scanning，
TLS)可以获取精细的森林垂直结构，尤其是林冠下
层垂直结构，应用地基激光雷达可以提供一种快速、
无破坏、自动的方式来获取如树干位置、胸径、树高、
树冠尺寸等森林调查因子。
近年来，许多学者致力于 TLS 提取单木胸径与
树高提取方法的研究。TLS 数据获取近似于自下而
上扫描，由于树干及枝叶的遮挡作用，与自上而下扫
描的机载激光雷达相比，TLS 对树高的估测精度有
限。提取树高的一般方法是从 DSM 影像或者点云
数据中单木所在位置一定半径范围内寻找最高点的
高度，减去地面点高度，Maas 等(2008)、Moskal 等
(2011 )、Király 等 ( 2007 )、Hopkinson 等 ( 2004 )、
Wezyk 等(2007)对树高的提取误差分别为 4. 55，
0. 75，1. 6，1. 5 和 0. 45 m。由于树高提取方法简单，
因此其提取精度更多地与试验区林分状况及扫描设
置有关。对于胸径的提取方法，主要有 Hough 变换
算法(Chmielewski et al．，2010)、聚类及圆拟合算法
(Bienert et al．，2007; Maas et al．，2008 )、月牙法
(Király et al．，2007)及圆柱体拟合算法 ( Pfeifer et
al．，2004)，其中以栅格图像为输入数据的 Hough 变
换算法较为常用。Hough 变换算法识别单木位置并
拟合胸径的步骤一般是: 首先分离地面点，生成
DTM; 然后根据 DTM 将点云高程数据归一化到
DTM 上，去除地形对树高的影响; 最后将树干处某
段数据分层后栅格化，用 Hough 变换检测每层树干
并用圆拟合或椭圆拟合求树干直径(Aschoff et al．，
2004)。国内外学者对使用 TLS 估测胸径进行了很
多研究，估测精度较高，但是其研究对象大部分为林
下条件简单的北方森林或者人工林(Maas et al．，
2008; Litkey et al．，2008; Wezyk et al．，2007)。Maas
等(2008)使用 TLS 估测森林样地中每木胸径，单木
识别 结 果 为 97%，胸 径 估 测 结 果 的 ＲMSE 为
1. 8 cm，研究选取的样地大部分为成过熟林，与我国
南方中幼龄林相比，林下灌草较少且株数密度小。
由于树木的遮挡作用，TLS 对林分环境复杂的天然
林单木识别及胸径的估测结果较差。李丹等
(2012)利用 TLS 从位于黑龙江省凉水自然保护区
的红松(Pinus koraiensis)和白桦(Betula platyphylla)
天然林中识别单木并估测胸径和树高，其中对红松
和白桦的单木识别率分别为 69. 38%和 77. 39%，对
胸径的估测结果较好(Ｒ2 分别为 0. 91 和 0. 87)，对
树高的估测结果较差 ( Ｒ2 分别为 0. 48 和 0. 32 )。
TLS 数据获取主要有单站获取及多站拼接 2 种方
式。在样地中心架设扫描站可获取周围一定区域的
树木信息，但是因为树木的遮挡，单站数据获取方式
对树木的识别率较低;多站拼接数据获取依靠人为布
设反射靶标将样地内外布设的多站扫描数据校正在
一起，可更加精确获取样地树木信息。Liang 等
(2013)发展了一种利用多个单站扫描数据对森林自
动干制图，与多站拼接扫描工作相比，减少了人为布
设反射靶标及数据拼接处理工作，与单站扫描数据相
比，提高了单木探测率，更能代表林分的真实情况。
本文以林分条件复杂的云南山区森林为研究对
象，利用国内外较多使用的 Hough 变换算法识别单
木并估测胸径，根据树干形态特征及林分实际情况，
发展一系列方法剔除 Hough 变换算法在非树干区
域拟合出的圆，提高单木识别与胸径估测精度，最终
利用获取的树干多层圆心位置，拟合树干生长方向，
结合树冠组分垂直分布信息获取单木树高。针对国
际上较多用到的多站拼接、多个单站及单站 TLS 扫
描 3 种数据获取方式，本文分别分析了这 3 种方式
在林分条件复杂的云南山区森林的单木识别率、胸
径估测结果及胸高断面积估测精度，为森林调查工
作提供参考。
1 研究区概况与数据获取
1. 1 研究区概况
研究区地处云贵高原西南缘、横断山脉的无量
72
林 业 科 学 52 卷
山南部，山地面积占总面积多达 98%，海拔在
1 000 ～ 1 500 m 之间，地形起伏较大，为典型的高山
地貌。气候类型复杂多样，主要受亚热带高原季风
气候影响，降水量丰沛但季节分配极不均匀，表现为
5—10 月降水量占全年降水量的 86. 9%，年降水量
在 1 200 mm 以上。年平均气温为 20. 3 ～ 22. 6 ℃，
≥10 ℃ 年活动积温 7 326 ～ 8 176 ℃，稳定通过
18 ℃ 的 日 数大 于 270 天，年平均 日照时 数 为
1 875. 2 ～ 2 228. 9 h。全年无霜、长夏无冬，夏半年
高温多雨、冬半年温暖多雾，温湿有效性高，为植被
创造了优越的生长条件。研究区内人工林树种主要
是思茅松(Pinus kesiya var． langbianensis)，天然林树
种繁多。按中国植被区划，研究区属于西部亚热带
常绿阔叶林和西部热带季雨林、雨林区，其中太阳河
自然保护区保存着大量典型完整的原始季风常绿阔
叶林。研究区内主要树种有短刺栲 ( Castanopsis
echidnocarpa)、木荷(Schima superba)、西南桦(Betula
alnoides )、青 冈 ( Cyclobalanopsis glauca )、石 栎
(Lithocarpus glaber)、水青树 ( Tetracentron sinense)、
乌饭(Vaccinium bracteatum)、思茅松。
1. 2 TLS 数据获取
本研究所用 TLS 设备为 Trimble TX8，是一款较
为轻便的地基激光扫描测量仪器，采用窄的红外激
光束快速扫描机制，提供快速、非接触的数据获取，
其主要性能指标见表 1。
表 1 Trimble TX8 的性能指标
Tab． 1 Performance index of the Trimble TX8
性能指标 Performance index 指标值 Index value
一站扫描时间 Scan duration /min 2 3 10 14
最大扫描距离 Max． range /m 120 120 120 340
30 m 处点间隔 Point spacing at 30 m /mm 22. 6 11. 3 5. 7
扫描镜旋转速度 Mirror rotating speed /( r·min － 1 ) 60 60 30 16
激光点数 Number of points /million 34 138 555 312
扫描角度范围 Field of view V: 317° H: 360°
激光脉冲重复频率 Measurement rate /MHz 1
最小距离 Min． range /m 0. 6
激光波长 Laser wavelength / nm 1 500
波束发散角 Laser beam divergence /μrad 80
TLS 数据采集时间为 2013 年 12 月，共扫描 5
块样地共 25 站数据。每块样地一般扫描 5 站，其中
样地中心 1 站，扫描模式为 10 min; 样地边缘 4 站，
扫描模式为 3 min。扫描站分布情况如图 1 所示，底
图为样地 CHM，红色五角星为扫描站，样地为半径
为 15 m 的圆形样地。
图 1 一个样地的扫描站分布
Fig． 1 The distribution of scan stations in one plot
1. 3 样地基本情况
在 TLS 数据获取的同时，对每块样地中胸径大
于 5 cm 的乔木进行每木检尺，并用全站仪确定其位
置，5 块样地共调查 571 株树，样地基本情况如表 2
所示。从表 2 可知，除 S5 样地为人工林外，其余 4
块样地均为天然林，样地内树种较多。其中 S1 样地
位于云南省太阳河自然保护区，样地内树种多达 20
种，图 2 为 S1 样地预览。
2 研究方法
2. 1 基于 Hough 变换算法的样地单木识别与胸径
提取
2. 1. 1 研究技术路线 采集的 TLS 原始数据经拼
接、坐标转换后输出 las 文件，然后进行样地内单木
位置与胸径提取，具体技术路线见图 3。
2. 1. 2 Hough 变换算法 Hough 变换是图像处理
中从图像中识别几何形状的基本方法之一，其所实
现的是一种从图像空间到参数空间的映射关系，实
质是将图像空间内具有一定关系的像元进行聚类，
寻找能将这些像元用某一解析形式联系起来的参数
空间累积对应点。Hough 变换的基本原理在于利用
82
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
点与线的对偶性，将原始图像空间给定的曲线通过
曲线表达形式变为参数空间的一个点，这样就将原
始图像中给定曲线的检测问题转化为寻找参数空间
中的峰值问题，也即将检测整体特性转化为检测局
部特性，如直线、椭圆、圆、弧线等。
表 2 样地基本情况
Tab． 2 The general parameters of sample plots
样地号
ID
样地类型
Type
林下条件
Understory
Conditions
优势树种
Dominant species
株数
Number of trees
面积
Area / m2
坡度
Slope /( )
S1
天然林，阔叶林
Natural ＆ broad-
leaved forest
灌木较多，通视较差
Poor intervisibility
with many shrub
木荷
Schima superba
135 606 13. 4
S2
天然林，针阔混交林
Natural ＆
mixed forest
灌木较多，通视较差
Poor intervisibility
with many shrub
思茅松
Pinus kesiya
var． langbianensis
145 886 18. 5
S3
天然林，针阔混交林
Natural ＆
mixed forest
灌木较多，通视较差
Poor intervisibility
with many shrub
思茅松
Pinus kesiya
var． langbianensis
142 770 19
S4
天然林，针阔混交林
Natural ＆
mixed forest
灌木较多，通视很差
Particularly poor intervisibility
with dense shrub
思茅松
Pinus kesiya var．
langbianensis
57 586 35
S5
人工林，针叶林
Natural ＆
coniferous forest
灌木较少，通视较好
Good intervisibility
with less shrub
杉木
Cunninghamia
lanceolata
92 755 31
图 2 S1 样地预览
Fig． 2 The preview of S1 plot
使用 Hough 变换时，通过一种“投票”的方式探
测形状，将激光回波点转换为所探测形状的参数，这
些参数通常显示为参数空间中的曲线。激光点群对
应的个体形状被认作曲线在参数空间中的最大交集
(Van Leeuwen et al．，2010)。
Hough 变换是模式识别中的经典算法，很多研
究将其应用到地基激光雷达提取胸径中，但容易碰
到不是树干处也能识别圆的情况，尤其在林层结构
较复杂的林区，这种情况更是多见。因此，本文以
Hough 变换算法提取的圆作为初步结果，根据林下
条件及树干形态特征，发展了一系列方法剔除不是
树干处拟合圆，旨在提高使用 Hough 算法识别单木
的精度。
2. 1. 3 算法设计 圆识别是单木胸径和位置提取
的基础，考虑到试验区林下灌木、草本分布高度及树
干开始分叉高度，选取地面上 0. 75 ～ 2. 15 m 范围内
点云，结合 Hough 变换算法进行分层识别圆。根据
森林中树木的形态特征设置一系列阈值剔除 Hough
变换对非树干处识别圆，并判断不同高度处识别圆
是否来自于同一株树，最终获取每木位置、胸径、树
干在不同高度处的圆心位置。具体算法如下:
1) 点云高度归一化 研究区位于山区，样地内
92
林 业 科 学 52 卷
图 3 TLS 样地单木位置与胸径提取流程
Fig． 3 The workflow for extracting individual tree locations and DBH
树木所处高程不一，为了以一个统一的高度对点云
数据进行切片处理，需要将配准和坐标转换后的点
云数据进行高程归一化处理。为了减少 TLS 数据
提取地面点的运算时间，首先对整个样地 5 站点云
数据进行抽稀处理，每 0. 05 m × 0. 05 m × 0. 05 m 立
方体内保留 1 个回波点;然后利用 TIN 差值算法对
抽稀后的点云数据提取地面点;最后利用生成的地
面点对原始密度的点云数据进行高程归一化处理，
即回波点的高度减去对应区域的地面点高度。
2) 分层栅格化 为了提高单木的识别率，避免
因遮挡错失树干，本文对单木树干进行多层 Hough
变换检测。首先取出高程归一化点云数据中高度在
0. 75 ～ 2. 15 m 之间的点云数据，然后以 5 cm 为间
隔、层厚度为 2 cm 进行切片处理，共得 28 层点云数
据。对这些层点云数据进行栅格化，像素大小为
5 mm × 5 mm，像素值为 5 mm × 5 mm × 20 mm 体元
内激光点云数量，如果体元内点的个数 n ＜ 3，则像
素值为 0。
3) 单木位置检测 以栅格图像为输入文件，并
对栅格图像进行形态学开运算，去除噪声点，利用
Hough 变换算法识别每层栅格影像中的圆。Hough
变换算法对树干处的圆识别精度很高，然而也能识
别出栅格影像中其他位置(如枝叶处)的类似圆的
像素，如图 4 中棕色栅格为原始输入分层栅格图像，
绿色三角则为 Hough 变换检测识别圆心位置。因
图 4 Hough 变换算法识别圆
Fig． 4 The circle detection using Hough algorithm
a. 枝叶处 Branch; b. 树干处 Trunk．
此，需要设置一些控制参数去除非树干处识别圆并
得到树干位置，各参数均根据实际扫描数据的基本
情况及林分树木的分布情况得到:
(1) 1 /2 半径内无像素点。由于树干的绝对遮
挡，如果 Hough 变换识别圆心附近有回波点存在，
则为非树干区域识别圆。
(2) 圆周外扩和内缩 0. 05r 范围内像素点组成
的连续圆弧弧度较大。根据实际扫描数据情况，本
文设置的连续圆弧阈值为 100°，连续圆弧弧度少于
100°的圆则剔除。
(3) 多层连续性检测及不同树干位置的确定。
枝叶等其他组分形成的圆往往在垂直方向上不连
续，或者同一位置形成的圆直径及圆心坐标之间具
有较大偏差，而根据该条件能较好地去除非树干处
识别圆。经过以上筛选后，根据圆心坐标位置来确
定其属于哪株树。首先以中间层如第 12 ～ 16 层为
中心按 x，y 坐标进行分类，根据样地的实际情况，确
定 2 株树(或 2 个类别)间的最小距离。然后依次
往上和往下寻找同一株树的圆，距离中间层越近，寻
找距离越近，最大寻找距离不超过 0. 5 m。所有识
别圆被分类后，首先剔除检测层数小于 5 的树位置。
同一株树不同高度检测出来的圆心 x，y 坐标的离散
程度和直径之间的离散程度往往小于非树干处的
圆，最后设定阈值剔除非树干处的识别圆。本文分
别以直径间标准偏差和圆心坐标间两两之间的距离
来描述直径之间离散程度和圆心 x，y 坐标之间的离
散程度，计算公式如下:
Std(D) = ∑ (di － d
－) 2
N －槡 1 ; (1)
Dis( x，y) = ∑ xi － yi槡 2。 (2)
式中: Std(D)为来自于同一株树直径的离散程度;
di为第 i 个直径; d
－
为平均直径;N 为该株树识别圆
个数;Dis( x，y)为来自于一株树所有圆心坐标 ( x，
03
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
y)的离散程度; xi与 yi分别为第 i 个圆的圆心坐标。
本研究设置的直径阈值为小于 3 cm，圆心坐标
距离的阈值为小于 10 cm。经过以上筛选，能剔除
绝大部分非树干处拟合圆。
2. 1. 4 胸径估测 在单木位置的基础上取出 1 ～
1. 6 m 之间的检测圆直径，并计算平均值，作为该株
树的胸径。
2. 2 基于树干生长方向垂直检测方法提取单木
树高
大部分树木沿一定的方向生长，树干较笔直。
根据 2. 1 中得到的多层树干直径与圆心位置，利用
多层圆心位置在空间中拟合一条直线，即树干的生
长方向。沿拟合出的直线自下而上裁剪出直线周围
一定范围内的点云，这些点云被认为来自于同一株
树。如图 5 所示，这株树的树高被认为是这些点云
中的最高点的高度，红色箭头为树干生长方向。
但是，对于下层木，不能直接利用沿树干生长方
向点云的最高点作为树高，因为沿树干生长方向也
会存在其他树木的点云，如图 6a 所示。为了避免这
种情况，需要对沿树干生长方向的点云进行垂直
检测。
首先沿树干生长方向裁剪出一定范围内的点
云，然后对这些点云数据在整个三维空间中进行体
图 5 沿树干生长方向裁剪单木点云示意
Fig． 5 The point clouds subset of a single tree along trunk direction
元化，体元大小为 0. 05 m × 0. 05 m × 0. 1 m。如果
某一体元内回波点数量小于 3，则认为该体元没有
被枝叶、树干等覆盖。然后在垂直方向上自下而上
计算每层被覆盖的体元个数，进而画出该株树的垂
直剖面，如图 6b 所示。
在小树树顶位置，小树与优势木之间具有明显
分层，如图 6a，在 5. 7 m 及以上若干层冠层组分的
覆盖度为 0，这个高度以上的冠层组分则来自其他
优势木树冠，因此，该株树的树高为 5. 7 m。
图 6 下层木裁剪点云( a)及沿树干方向冠层垂直分布(b)
Fig． 6 The point clouds of an understory tree ( a) and the vertical profile of canopy ( b)
2. 3 检验方法
2. 3. 1 单木识别 由于实测单木位置为全站仪测
量，激光点打到树干上高度不一且具有一定误差，因
此以估测单木位置为中心，在 0. 2 m 范围内寻找是
否存在实测单木;若存在则为识别，不存在则为未
识别。
2. 3. 2 漏检及过检 本研究中，单木识别结果包括
2 类误差: 一类是实测为单木但没有检测出来的漏
检误差;另一类为实测不是单木而被检测成单木的
过检误差。通过对每个样地单木识别进行统计，计
算各个样地漏检率与过检率。
2. 3. 3 胸径、树高 采用最常用的决定系数和均方
13
林 业 科 学 52 卷
根误差对 TLS 森林参数的估测进行评价。
1) 决定系数(Ｒ2 ) Ｒ2 越大，则因变量与自变
量之间的相关性越强，这是对回归直线拟合优度的
检验。计算公式为:
Ｒ2 =
∑
n
i = 1
(Wi － Wi)(W
^
i － W
^
i)
∑
n
i = 1
(Wi － Wi)槡
2 ∑
n
i = 1
(W^ i － W
^
i)槡
2
。(3)
式中: Wi为地面实测胸径、树高; Wi 为 Wi 的平均
值; W
^
i 为 TLS 估测的胸径、树高; W
^
i 为 W
^
i 的均值;n
为样地数。
2) 实 际 值 与 预 测 值 之 间 的 均 方 根 误 差
(ＲMSE) ＲMSE 越小，则表明预测值的效果越好。
计算公式为:
ＲMSE = 1
n∑
n
i = 1
(Wi － W
^
i)槡
2。 (4)
3) 胸高断面积 胸高断面积反演精度计算公
式为:
精度 = 1 － 实测胸高断面积 －估测胸高断面积( )实测胸高断面积 × 100%。
(5)
3 结果与分析
3. 1 多站拼接 TLS 数据估测结果
3. 1. 1 单木识别结果 各个样地单木识别结果如
表 3 所示，表中统计了 5 块样地内的实测单木总数、
TLS 数据检测到的单木总数、漏检单木总数以及过
检单木总数和检测率。
从表 3 中可以看出，识别率最高的为杉木人工
林样地，人工林林下灌木较少，通视条件较好。识别
率较低的 S1 样地为天然林，林下灌木较多，小树较
多。除了林下通视条件差导致有些树无法检测外，
小树成丛状生长、2 株树之间的距离较近都能引起
错检，把 2 株树的检测圆合并为 1 个。识别率较低
的 S4 样地林下灌木多且密，造成树木无法识别。S4
样地中漏检树木胸径较大，原因是林下灌木的遮挡。
其余样地漏检树木的直径绝大多数小于 10 cm，其
中以 5 ～ 6 cm 居多。通过分析这些漏检树木的位置
发现，除了少数树木因距离其他树木太近而被合并
外，大部分漏检树木分布在样地边缘，而且这些树木
的胸径偏小，被扫描仪扫到的机会较少，因此造成这
些地方容易存在漏检树木。
表 3 各样地单木识别结果
Tab． 3 The detection result of individual trees
样地号 Plot ID S1 S2 S3 S4 S5
实测 Measured tree 135 145 142 57 98
估测 Estimated tree 109 129 135 47 98
漏检 Missed tree 26 17 7 10 0
过检 Over-estimated tree 0 1 0 0 0
检测率 Estimated proportion(% ) 81 89 95 82 100
3. 1. 2 胸径估测结果 利用 Hough 变换算法对 28
层栅格图像进行圆识别后，根据设置的各种筛选阈
值剔除非树干处识别圆，然后在识别单木位置处得
到不同高度处树干直径，最终得到识别单木的胸径。
图 7 给出了 5 块样地和所有样地单木胸径的回归结
果，其中 S2 样地中存在 1 株过检树，因此在图 7b 中
用 128 个估测胸径与实测胸径进行比较。
从图 7 可以看出，S5 样地估测结果最好，S4 样
地估测结果最差。通过对估测误差较大的树木进行
分析发现，S4 样地中的树木大多不规则，Hough 变
换圆检测到的圆的直径与实测胸径值相差很多，如
图 8 所示。
S1，S2 与 S3 样地中误差较大的几株树均属于
这种情况，尤其是 S3 样地中的 1 株树实测胸径为
41. 8 cm，检测胸径为 25. 2 cm。剔除这个结果后，
整个 S3 样地估测胸径与实测胸径线性回归的 Ｒ2 提
高到 0. 954，ＲMSE 减小到 1. 74 cm。
3. 1. 3 树高估测结果 利用沿树干方向垂直检测
方法估测 TLS 树高，并与实测结果相比较 (图 9)。
结果表明，树干干形规则的人工林树高估测结果远
远好于天然林。天然林中较大的估测误差主要来源
于以下几方面: 1) 树干生长方向不规律，无法按照
下层树干拟合出的方向去寻找树顶; 2) 对于较大
的阔叶树，树干在较高处分出若干主枝，沿下层树干
生长方向已不能包括这些主枝; 3) 下层木与优势
木之间分层不明显，造成下层木树高被高估; 4) 实
测结果存在一定误差。由于天然林较茂盛，人工测
量树高尤其是优势木树高时存在一定的误差。
3. 2 单站 TLS 数据估测结果
本研究在统计多站拼接 TLS 数据估测精度的
同时，对单站 TLS 数据进行了分析。将每站 TLS 数
据按半径 5，10，15 m 分别识别并提取单木胸径，共
23
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
图 7 单木胸径估测结果
Fig． 7 The estimated DBHs of single trees
a. S1;b. S2;c. S3;d. S4;e. S5;f. 所有样地 All five plots．
图 8 不规则树干某层栅格图像及圆检测结果
Fig． 8 The raster image of an irregular trunk and the
circle detected by Hough transform algorithm
获取 5 块样地 75 组数据，计算了包括单木识别率、
与实测数据之间的决定系数 Ｒ2 和 ＲMSE、胸高断面
积。为了评价不同范围单站 TLS 数据对单木识别、
胸径估测精度的影响，本研究首先对来自同一样地、
同一半径的 TLS 估测结果进行平均，并与样地实测
结果、多站拼接结果相比较，然后评价位于样地中心
的扫描站在不同范围内的估测精度。
3. 2. 1 单木识别率 首先对同一样地、同一范围的
单木估测结果进行平均，与多站拼接单木识别结果
进行比较，然后评价单站的单木识别结果。这里比
较的是位于样地中心的中心站单木识别率与多站拼
接单木识别率。
33
林 业 科 学 52 卷
图 9 TLS 单木树高估测结果
Fig． 9 The estimated tree height of single tree using TLS data
a. 天然林 Natural forests;b. 人工林 Plantations．
图 10 多个单站平均( a)及中心站(b)单木识别率
Fig． 10 The detection rate of DBH estimation using averaged multi-scan ( a) and single-scan ( b) methods
除 S4 样地中半径为 5 m 的单木识别结果相差
较大外，其余的中心站单木识别结果均比多个单站
平均识别结果略低。各样地中多个单站扫描平均识
别结果与单站扫描识别结果一般均随着半径的增加
而降低。林下条件较简单的人工林 S5 识别结果最
好，林层结构复杂、小树较多的天然林 S1 与林下灌
木茂密的天然林 S4 识别结果较差。
3. 2. 2 与实测结果相比较的决定系数 Ｒ2 与 ＲMSE
从图 11b 和 12b 可以看出，S4 样地在多站拼接、多
个单站平均及中心站扫描方式下 ＲMSE 最差，S5 样
地结果最好，这说明样地林下条件对 TLS 估测胸径
影响很大。由于多个单站扫描比单站扫描更能代表
林分真实情况，因此多个单站平均结果整体好于只
扫一站的结果。多个单站平均情况下，各样地一般
随着半径的增加误差逐渐增加，除 S4 样地外，增加
的幅度不大。但是中心站的估测结果中，S3 与 S4
样地在半径为 5 m 时误差最大，其余 3 个样地在半
径为 5 m 时误差较小，半径为 10 m 与 15 m 结果相
差不多。5 m 半径圆包括范围较小，具有一定的偶
然性，不能代表样地平均水平。
3. 2. 3 胸高断面积 多个单站平均结果(图 13a)
中，除 S2 样地在 5 m 半径处的估测精度外，其余样
地一般随着半径的增加估测精度变低，尤其 S4 样地
的估测精度明显比其他样地的估测精度低，S5 样地
的估测精度整体最好。在 S2，S3，S5 样地的多个单
站扫描平均结果中，除了 S2 样地在半径为 5 m 范围
扫描数据估测的胸高断面积结果较差外，其余样地
的估测精度均能达到 85% 以上。中心站估测的结
果(图 13b)中，估测精度没有随着半径显示出增加
或减少的趋势，且波动剧烈，与多个单站平均结果相
比，精度变化不稳定。只扫一站不能很好地代表林
分真实情况，具有偶然性。
43
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
图 11 多个单站平均胸径估测结果的 Ｒ2 ( a)与 ＲMSE(b)
Fig． 11 The Ｒ2 ( a) and ＲMSE ( b) of DBH estimation using average multi-scan data
图 12 中心站胸径估测结果的 Ｒ2 ( a)与 ＲMSE(b)
Fig． 12 The Ｒ2 ( a) and ＲMSE ( b) of DBH estimation using central scan ( single-scan) data
图 13 多个单站平均( a)及中心站(b)胸高断面积估测精度
Fig． 13 The accuracy of basal area at breast-height estimation using averaged multi-scan ( a) and single-scan ( b) methods
53
林 业 科 学 52 卷
4 结论与讨论
本研究利用在云南山区扫描的 TLS 数据提取 5
块样地的每木胸径与树高，5 块样地基本情况差异
较大，既有林下灌木杂多的天然林，也有林下灌木稀
少的人工林。通过这些工作，得出以下结论:
1) 本研究根据树干垂直向的特征，设置一系列
参数来剔除非树干处识别圆，结果表明，设置这些参
数能剔除几乎所有的非树干处识别圆，5 块样地只
有一个过检结果。Hough 变换算法对树干处圆识别
能力较强，但是也能在不属于树干(如灌木和枝叶)
的地方识别出圆。Hough 变换算法的识别率直接与
TLS 激光点云对树干的探测率有关，样地中绝大部
分未识别的树木均存在样地边缘地区，并且这些树
木胸径偏小，这些地区由于扫描站布设情况和林下
灌木的遮挡情况，存在未被扫描到的盲区。其中，这
些未被识别出的树木中存在一些树生长在其他树的
附近，算法中对识别结果进行筛选时，把 2 株树的识
别结果合并为 1 个。因此，为了提高样地中树木的
探测率，需要根据样地实际情况进行布设扫描站，并
适当增加扫描站数量。
2) 确定单木位置后，取出 1 ～ 1. 6 m 之间检测
圆的平均直径作为胸径，与实测结果相比，除 S4 样
地外，其余样地胸径估测结果均较好。由于 TLS 架
设高度一般在 1. 5 m 左右，天然林中林下茂密灌木
丛对 TLS 森林调查工作影响较大。从原始点云数
据可以看出，估测误差较大的树木均为树干形状不
规则的树木，如图 8。比如 S4 样地中胸径较大的思
茅松大多被当地农民割胶，导致实测结果与估测结
果相差较大。
3) 本研究利用树干生长方向垂直检测方法提
取单木树高，结果表明 TLS 数据对树干干形规则的
人工林单木树高估测结果较好(Ｒ2 = 0. 93，ＲMSE =
0. 96 m)，对树干干形不规则的天然林单木树高估
测结果较差 (Ｒ2 = 0. 77，ＲMSE = 1. 46 m)。估测结
果较差的树木多存在于 S1 样地，S1 样地位于太阳
河自然保护区内核心区域，一些树木生成方向不规
则，无法根据多层 Hough 变换检测出的下层树干生
长方向去寻找树顶;另外天然林较郁闭，一些受压木
与优势木之间没有明显界限，也造成了天然林受压
木树高被高估。
4) 多站拼接相比单站扫描更加接近于样地实
测结果，多个单站平均更能代表样地实际情况，只用
一站数据具有偶然性。由于本研究试验区林下条件
复杂，单站扫描由于灌草、树干的遮挡作用，估测结
果与实测结果相差较大。非拼接情况下，随着半径
增加，单木识别率降低。5 m 半径代表范围较小，
15 m半径单木识别结果较差，10 m 半径、多站扫描
更适合估测样地胸径及胸高断面积。
5) 考虑到单站布设要比拼接更加容易，不需要
对反射球或者反射片进行布设及对数据进行拼接处
理。若把 TLS 应用于森林调查中，则需要考虑林分
实际情况进行扫描站的布设。在林下通视条件较好
的林分，应用多个单站平均既能保证调查精度、又能
降低工作量。在林下通视条件较差的林分，为了保
证调查精度，需要布设反射标靶进行多站拼接，与此
同时，还要根据林分实际情况灵活布设扫描站。
本研究利用地基激光雷达数据进行了单木识别
与胸径、树高提取。从提取和反演的结果上看出还
存在许多需要解决的问题，这需要在下一步工作中
完成:
1) 需要发展一种更好的胸径识别算法，对规则
圆或椭圆及不规则形状树干均具有较好的识别结果
与精度，提高胸径估测精度，大大增加 TLS 替代一
部分人工样地调查的可能性。
2) 直接利用点云数据识别树干，并拟合树干生
长方向可以大大提高天然林树高估测精度; 但是由
于 TLS 数据量较大，直接针对点云数据的算法时间
成本都较大，需要发展一种针对点云数据的、低时间
成本的树干识别算法。
参 考 文 献
李 丹，庞 勇，岳彩荣，等 ． 2012． 基于 TLS 数据的单木胸径和树
高提取研究 ． 北京林业大学学报，34(4) :79 － 86．
(Li D，Pang Y，Yue C Ｒ，et al． 2012． Extraction of individual tree
DBH and height based on terrestrial laser scanner data． Journal of
Beijing Forestry University，34(4) :79 － 86． ［in Chinese］)
Aschoff T，Thies M，Spiecker H． 2004． Describing forest stands using
terrestrial laser-scanning． International Archives of Photogrammetry，
Ｒemote Sensing and Spatial Information Sciences，35 ( Part B ) :
237 － 241．
Bienert A， Scheller S，Keane E， et al． 2007． Tree detection and
diameter estimations by analysis of forest terrestrial laser scanner
point clouds． ISPＲS Workshop on Laser Scanning，50 － 55．
Chmielewski L J，Bator M， Zasada M， et al． 2010． Fuzzy Hough
transform-based methods for extraction and measurements of single
trees in large-volume 3D terrestrial Lidar data． Computer Vision and
Graphics，Springer，265 － 274．
Hopkinson C，Chasmer L，Young-Pow C，et al． 2004． Assessing forest
metrics with a ground-based scanning Lidar． Canadian Journal of
Forest Ｒesearch，34:573 － 583．
Király G，Brolly G． 2007． Tree height estimation methods for terrestrial
laser scanning in a forest reserve． International Archives of
63
第 2 期 刘鲁霞等: 基于地基激光雷达的亚热带森林单木胸径与树高提取
Photogrammetry，Ｒemote Sensing and Spatial Information Sciences，
36(3 /W52) : 211 － 215．
Liang X，Hyyppa J． 2013． Automatic stem mapping by merging several
terrestrial laser scans at the feature and decision level． Sensors，13
(2) : 1614 － 1634．
Litkey P，Liang X，Kaartinen H，et al． 2008． Single-scan TLS methods
for forest parameter retrieval． Proceedings of SilviLaser 2008，8th．
Maas H G， Bienert A， Scheller S， et al． 2008． Automatic forest
inventory parameter determination from terrestrial laser scanner data．
International Journal of Ｒemote Sensing，29(5) : 1579 － 1593．
Moskal L M，Zheng G． 2011． Ｒetrieving forest inventory variables with
terrestrial laser scanning ( TLS ) in urban heterogeneous forest．
Ｒemote Sensing，4(1) : 1 － 20．
Pfeifer N，Winterhalder D． 2004． Modelling of tree cross sections from
terrestrial laser scanning data with free-form curves． International
Archives of Photogrammetry， Ｒemote Sensing and Spatial
Information Sciences，36(Part 8) : 76 － 81．
Van Leeuwen M，Coops N C，Wulder M A． 2010． Canopy surface
reconstruction from a Lidar point cloud using Hough transform．
Ｒemote Sensing Letters，1(3) : 125 － 132．
Wezyk P，Koziol K，Glista M，et al． 2007． Terrestrial laser scanning
versus traditional forest inventory: First results from the Polish
forests． ISPＲS Workshop on Laser Scanning，12 － 14．
(责任编辑 石红青)
73