CN105806266A - 基于激光扫描数据的树木冠层叶面积计算方法 - Google Patents

Abstract

本发明公开了一种基于激光点云数据的树木冠层真实叶面积计算方法，以三站激光扫描仪扫描树木冠层，在水平投影面上，以冠层中心点为原点，将扫描获得的冠层点云分为n个等距同心环域，选取取样区，其内的空间点云进行三角剖分，计算出三角形的周长并与阈值比较，如舍弃该三角形，再计算第i个同心环域内取样区留下的三角形面积和，即为激光覆盖的冠层叶面积，并计算树木冠层的叶面积总数L_total，本发明采用三站扫描仪环绕对象树的扫描方式，配准后的点云具有更均匀的分布。以三角形的周长并与阈值比较，可以更有效去除叶片的遮盖部分，进而获取叶片的真实叶面积，并且减少计算量，提高计算效率。

Description

基于激光扫描数据的树木冠层叶面积计算方法

技术领域

本发明涉及一种基于激光扫描数据的树木冠层叶面积计算方法。

背景技术

陆地生态系统的叶面积总数是其光合作用、碳交换和蒸腾作用整体效率的主要决定因素。树木提供的生态系统功能可以通过测量其叶面积来表征。然而，生态系统水平的叶面积还仍然是一个较难测量的参数，尤其是在例如森林这样复杂的栖息地。目前，并没有高测量精度的非破坏性的方法，而具有破坏性的方法需要耗费大量劳动力，而较少被尝试。

人们开发了一些估测叶面积总数的光学方法。当前的设备主要依靠对冠层结构和光穿透的估计，而不是直接测量叶面积。通常的方法是估测穿过冠层的光线的衰减，结合叶倾角分布的模型，再依据孔隙度和天顶角来进行校正。这些设备可以获得叶面积指数、叶片剖面、林分高度和其他结构参数的估计值。常用的仪器包括LAI-2000、数字半球投影、SALCA等等。尽管这些方法得到了广泛的使用，主要存在的局限性是对叶片遮盖重叠部分的估计和叶倾角分布中的变化。

地面激光扫描仪为更高精度的测量植被参数提供了新的机会。可用的设备可以快速产生空间点云，用来重建出植物的三维结构。地面激光扫描仪获得的森林细节的良好特征可以使得树干、树枝、细枝以及树叶都能被清晰的辨识。结构参数的高分辨率为直接测量叶面积提供了很好的机会。

尽管研究者们对使用地面激光扫描仪进行叶面积的测量做了大量的工作，仍然有四个问题尚未解决。1)如何从庞大的扫描点云中自动识别多样的复杂的枝干形态和大量不同形状树叶的交叠，并去除非光合作用的材料，是一个未解决的问题。2)自然环境中每时每刻都存在着外部的干扰。扫描结果会受到阴影作用的影响和微风吹拂带来的改变。如何去除点云数据中的噪声点并且建立对遮挡效果的补偿机制来获得树木的特性也是一个问题。3)树木扫描获得的是离散点的集合，并不是完整的三维模型，如何将离散点转换成曲面是计算叶面积的必要过程。4)经验公式表明扫描点的空间分辨率是与获得距离成反比的。更密集的点可以通过使扫描仪离植物更近来获得，反之亦然。如何从不同密度的树冠空间点云中获得叶面积也是值得研究的问题。

发明内容

本发明的目的是提供一种基于激光扫描数据的树木冠层叶面积计算方法。

本发明是通过以下技术方案实现的：一种基于激光扫描数据的树木冠层叶面积计算方法，其步骤包括：

A、以呈等边三角形分布的三站激光扫描仪扫描树木冠层，读取扫描的冠层三维点云数据；

B、以水平投影面上目标树冠层的中心点为原点，将冠层点云分为n个等距的同心环域；

C、在整个冠层点云中选取k个扇形区域作为取样区，所述扇形区域应当满足：取样数据量之和为总数据的15％-20％，k个扇形区域的顶点均为原点，且在冠层水平投影面上均匀分布；

D、将取样区内的扫描点云进行三角剖分，计算出三角形的周长并与阈值比较，如果周长超过阈值，则舍弃该三角形；

E、计算第i个同心环域内取样区的保留下来的三角形面积和，记为叶面积L_i，计算该同心环域取样区内扫描到的点的数量与对应计算得到的叶面积L_i的比值ρ′_i，按式(1)计算树木冠层的叶面积总数

$L_{total}=\underset{i=1}{\overset{c}{\mathrm{\Σ}}}(1/{\mathrm{\ρ}}_i^{\′})\·{\mathrm{num}}_i^{total}---\left(1\right)$

其中为第i个同心环域中扫描获取点的实际总数量；

所述阈值应满足在足够大的三角形周长使得扫描的叶面能够完整展示，并且足够小能够识别叶片相互遮挡的区域与空隙中提供一种平衡。

优选的，所述步骤B中需先对冠层图像进行枝叶分离后再划分同心环。

优选的，所述n取值在2-6之间，k取值在2-4之间。

优选的，所述步骤A中的激光扫描仪为地面激光扫描仪。

优选的，所述步骤D中的阈值的计算方法如下：

其中b₁为两个采样点之间的实际距离，b₁的计算方式为：

b₁/sinτ＝d₁/sin(π/4-τ/2)(3)

其中d₁为实验中扫描仪到冠层中心的距离，d₁可由尺子测量出。

τ为激光束在垂直方向或水平方向的最小角间隔，其取值规律如下：

当扫描仪分辨率设置中最小垂直点距离为0.4m、最小垂直点距离为0.4m时，垂直方向的最小角间隔τ为0.229°，水平方面的最小角间隔τ为0.250°；

当扫描仪分辨率设置中最小垂直点距离为0.2m、最小垂直点距离为0.2m时，垂直方向的最小角间隔τ为0.115°，水平方面的最小角间隔τ为0.125°；

当扫描仪分辨率设置中最小垂直点距离为0.1m、最小垂直点距离为0.1m时，垂直方向的最小角间隔τ为0.057°，水平方面的最小角间隔τ为0.059°；

当扫描仪分辨率设置中最小垂直点距离为0.05m、最小垂直点距离为0.05m时，垂直方向的最小角间隔τ为0.029°，水平方面的最小角间隔τ为0.029°；

当扫描仪分辨率设置中最小垂直点距离为0.02m、最小垂直点距离为0.02m时，垂直方向的最小角间隔τ为0.014°，水平方面的最小角间隔τ为0.012°。

本发明采用三站等距设置扫描仪时，配准后的点云具有更均匀的分布。以三角形的周长与阈值比较，可以更有效去除叶片的遮盖部分，进而获取叶片的真实叶面积，并且减少计算量，提高计算效率。本发明方法可用于实测树木冠层以计算叶面积，也可用于模拟扫描树木模型以评估树木模型的合理性。

附图说明

图1为对目标树进行三站扫描的示意图。

图2为对点云数据选择取样区域的示意图。

图3为对冠层三维点云进行分层的示意图。

图4为描述最小角间隔和对应采样间隔关系的示意图。

图5为对单片树叶点云进行三角剖分和根据阈值取舍的示意图。

图6为实施例2中不同阈值的取值下求得的单片叶子平均面积与实测的单片叶子平均面积对比图。

图7为实施例2中本方法计算得到的叶面积与实测叶面积对比图。

具体实施方式

为了更好地理解本发明，下面用具体实例来详细说明本发明的技术方案，但是本发明并不局限于此。

实施例1

本基于激光扫描数据的树木冠层叶面积计算方法，采用激光扫描仪扫描实际存在的樱花树和含笑树，其步骤包括：

A、如图1所示，以呈等边三角形分布的三站激光扫描仪1分别扫描每株树木2冠层，读取扫描的冠层三维点云数据；

B、如图3所示，以水平投影面上目标树冠层的中心点为原点，将冠层点云划分为2个等距的同心环域3；枝叶分离可采用半监督的SVM分类算法；

C、如图3所示，在整个冠层的点云中选取4个扇形区域4作为取样区，所述扇形区域应当满足：取样数据量之和约为总数据的20％，4个扇形区域的顶点为原点，且在冠层水平投影面上均匀分布；

D、将取样区内的扫描点云进行三角剖分，计算出三角形的周长并与阈值比较，如果周长超过阈值，则舍弃该三角形；

E、计算第i个同心环域内取样区的保留下来的三角形面积和，记为叶面积L_i，计算该同心环域取样区内扫描到的点的数量与对应计算得到的叶面积L_i的比值ρ′_i，按式(1)计算树木冠层的叶面积总数

$L_{total}=\underset{i=1}{\overset{c}{\mathrm{\Σ}}}(1/{\mathrm{\ρ}}_i^{\′})\·{\mathrm{num}}_i^{total}---\left(1\right)$

其中为第i个同心环域中扫描获取点的实际总数量。

D中，阈值的计算方法如下：

阈值应该“在足够大的三角形周长使得扫描的叶面能够完整展示，并且足够小能够识别叶片相互遮挡的区域与空隙中提供一种平衡”。我们针对不同的扫描分辨率和各种扫描距离获得的所有阔叶树种提出了一种原创的方法来估计阈值地面激光扫描仪获得的数据是根据LeicaC10的技术规格来建模的。不同扫描分辨率对应的最小角间隔在表1中列出。如图4，由点光源发出间隔角为τ的激光束。B表示冠层中叶倾角随机分布的真实叶面。θ₁是叶面法向量和入射光的夹角，设定为平均值45°。扫描点的真实采样间隔为b₁。

其中b₁为两个采样点之间的实际距离，b₁的计算方式为：

b₁/sinτ＝d₁/sin(π/4-τ/2)(3)

其中d₁为实验中扫描仪到冠层中心的距离，d₁可由尺子测量出。

τ为激光束的最小角间隔，其取值规律如下：

当扫描仪分辨率设置中最小垂直点距离为0.4m、最小垂直点距离为0.4m时，垂直方向的最小角间隔τ为0.229°，水平方面的最小角间隔τ为0.250°；实际计算的时候采用水平最小角。

表1.LeicaC10主要技术规格和100m处不同扫描分辨率对应的最小角间隔

计算得到的叶面积数据见表2。

表2对樱花树和含笑树进行叶面积计算与用LI-3000C测得的数据

从表2中可以看出，本方法计算得到的叶面积与实际测量的叶面积偏差很小，而实际测量叶面积时会对树木造成破坏性，并且要对树木上每一片叶子的面积进行测量，还需要耗费大量的劳动力和时间成本。本方法是无损测量，不会对树木产生破坏性，而且准确度很高，可以节省大量的人力物力，是非常有效的方法。

实施例2

本基于激光扫描数据的树木冠层叶面积计算方法，采用虚拟激光扫描仪扫描模拟的树木模型，其步骤包括：

A、以呈等边三角形分布的三站激光扫描仪扫描树木冠层，读取扫描的冠层三维点云数据；

B、如图2所示，以水平投影面上目标树冠层的中心点为原点，将冠层点云分为6个等距的同心环域；

C、在整个冠层点云中选取3个扇形区域作为取样区，所述扇形区域应当满足：取样数据量之和为总数据的15％-20％，3个扇形区域的顶点均为原点，且在冠层水平投影面上均匀分布；

D、将取样区内的扫描点云进行三角剖分，计算出三角形的周长并与阈值比较，如果周长超过阈值，则舍弃该三角形；

E、计算第i个同心环域内取样区的保留下来的三角形面积和，记为叶面积L_i，计算该同心环域取样区内扫描到的点的数量与对应计算得到的叶面积L_i的比值ρ′_i，按式(1)计算树木冠层的叶面积总数

$L_{total}=\underset{i=1}{\overset{c}{\mathrm{\Σ}}}(1/{\mathrm{\ρ}}_i^{\′})\·{\mathrm{num}}_i^{total}---\left(1\right)$

其中为第i个同心环域中扫描获取点的实际总数量。

D中，阈值的计算方法如下：

阈值应该“在足够大的三角形周长使得扫描的叶面能够完整展示，并且足够小能够识别叶片相互遮挡的区域与空隙中提供一种平衡”。我们针对不同的扫描分辨率和各种扫描距离获得的所有阔叶树种提出了一种原创的方法来估计阈值地面激光扫描仪获得的数据是根据LeicaC10的技术规格来建模的。不同扫描分辨率对应的最小角间隔在表1中列出。如图4，由点光源发出间隔角为τ的激光束。B表示冠层中叶倾角随机分布的真实叶面。θ₁是叶面法向量和入射光的夹角，设定为平均值45°。扫描点的真实采样间隔为b₁。

其中b₁为两个采样点之间的实际距离，b₁的计算方式为：

b₁/sinτ＝d₁/sin(π/4-τ/2)(3)

其中d₁为实验中扫描仪到冠层中心的距离，d₁可由尺子测量出。

τ为激光束的最小角间隔，其取值规律如下：

当扫描仪分辨率设置中最小垂直点距离为0.4m、最小垂直点距离为0.4m时，垂直方向的最小角间隔τ为0.229°，水平方面的最小角间隔τ为0.250°；实际计算的时候采用水平最小角。

计算结果见图6和图7。

本发明方法不仅可用于单棵树木的扫描计算，也可用于聚集在同一片的多棵树木的扫描计算，只需在选择原点时以多棵树的冠层中心为原点即可。

关于同心环域的划分，并非数量越多则越准确，根据树冠大小，在实际测量中采用以冠层中心为圆心的2-6个环形区域。通过带阈值的三角剖分算法来计算出每个环中的叶面积，进而估算每个环中的冠层的总叶面积。计算量与剖分的同心环数量无关。

关于扇形取样区的选取是由树冠中心的扇形区域构成，可以选取若干个扇形区域，并把这些扇形区域作为取样区，一般取样区内点的总数量为所有树冠扫描点的15％-20％。通常选取2-4个扇形区域可以满足取样区的选取要求。

Claims (5)

1.一种基于激光点云数据的树木冠层真实叶面积计算方法，其步骤包括：

A、以呈等边三角形分布的三站激光扫描仪扫描树木冠层，读取扫描的冠层三维点云数据；

B、以水平投影面上目标树冠层的中心点为原点，将冠层点云分为n个等距的同心环域；

C、在整个冠层点云中选取k个扇形区域作为取样区，所述扇形区域应当满足：取样数据量之和为总数据的15％-20％，k个扇形区域的顶点均为原点，且在冠层水平投影面上均匀分布；

D、将取样区内的扫描点云进行三角剖分，计算出三角形的周长并与阈值比较，如果周长超过阈值，则舍弃该三角形；

E、计算第i个同心环域内取样区的保留下来的三角形面积和，记为叶面积L_i，计算该同心环域取样区内扫描到的点的数量与对应计算得到的叶面积L_i的比值ρ′_i，按式(1)计算树木冠层的叶面积总数

$L_{total}=\underset{i=1}{\overset{c}{\Σ}}(1/{\mathrm{\ρ}}_i^{\′})\·{\mathrm{num}}_i^{total}---\left(1\right)$

其中为第i个同心环域中扫描获取点的实际总数量；

所述阈值应满足在足够大的三角形周长使得扫描的叶面能够完整展示，并且足够小能够识别叶片相互遮挡的区域与空隙中提供一种平衡。

2.根据权利要求1所述的基于激光点云数据的树木冠层叶面积计算方法，其特征在于：所述步骤B中先对冠层图像进行枝叶分离后再划分同心环域。

3.根据权利要求1或2所述的基于激光点云数据的树木冠层叶面积计算方法，其特征在于：所述n取值在2-6之间，k取值在2-4之间。

4.根据权利要求3所述的基于激光点云数据的树木冠层叶面积计算方法，其特征在于：所述步骤A中的激光扫描仪为地面激光扫描仪。

5.根据权利要求1所述的基于激光点云数据的树木冠层叶面积计算方法，其特征在于：所述步骤D中的阈值的计算方法如下：

其中b₁为两个采样点之间的实际距离，b₁的计算方式为：

b₁/sinτ＝d₁/sin(π/4-τ/2)(3)

其中d₁为实验中扫描仪到冠层中心的距离，d₁可由尺子测量出。

τ为激光束在垂直方向或水平方向的最小角间隔，其取值规律如下：

当扫描仪分辨率设置中最小垂直点距离为0.4m、最小垂直点距离为0.4m时，垂直方向的最小角间隔τ为0.229°，水平方面的最小角间隔τ为0.250°；

当扫描仪分辨率设置中最小垂直点距离为0.2m、最小垂直点距离为0.2m时，垂直方向的最小角间隔τ为0.115°，水平方面的最小角间隔τ为0.125°；

当扫描仪分辨率设置中最小垂直点距离为0.1m、最小垂直点距离为0.1m时，垂直方向的最小角间隔τ为0.057°，水平方面的最小角间隔τ为0.059°；

当扫描仪分辨率设置中最小垂直点距离为0.05m、最小垂直点距离为0.05m时，垂直方向的最小角间隔τ为0.029°，水平方面的最小角间隔τ为0.029°；

当扫描仪分辨率设置中最小垂直点距离为0.02m、最小垂直点距离为0.02m时，垂直方向的最小角间隔τ为0.014°，水平方面的最小角间隔τ为0.012°。