應(yīng)用車載雙激光雷達(dá)系統(tǒng)構(gòu)建的林分高度測(cè)算方法

宋佳音 趙越 宋文龍 周宏威 馬強(qiáng) 尹天瑞 池志祥 張曉鵬

摘 要：為解決林分高度難以直接測(cè)量，避免受到環(huán)境因素的影響，研究人員從三維點(diǎn)云數(shù)據(jù)來獲取林分高度。該文提出一種車載雙激光雷達(dá)系統(tǒng)，雙雷達(dá)分別完成林分?jǐn)?shù)據(jù)掃描和地圖構(gòu)建的工作，在點(diǎn)云數(shù)據(jù)處理中，使用遞進(jìn)式點(diǎn)云濾波方法，選取適合林分點(diǎn)云數(shù)據(jù)的處理?xiàng)l件，對(duì)林分點(diǎn)云數(shù)據(jù)進(jìn)行還原，使得到的林分點(diǎn)云數(shù)據(jù)更好地進(jìn)行配準(zhǔn)、特征提取和可視化，并測(cè)量林分高度。實(shí)驗(yàn)結(jié)果與現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)進(jìn)行比較表明，該文提出的方法對(duì)林分高度測(cè)量誤差為0.072～0.316 m，平均相對(duì)誤差為1.46%，具有精度高、受人為操作影響小、數(shù)據(jù)獲取效率高等優(yōu)勢(shì)，且測(cè)量?jī)x器輕便、成本低，適用于野外調(diào)查。該方法能夠用于提高林業(yè)研究中林分結(jié)構(gòu)參數(shù)的測(cè)量精度和效率。

關(guān)鍵詞：激光雷達(dá);森林遙感;林分高度;點(diǎn)云處理;融合濾波

中圖分類號(hào)：S758??? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1006-8023（2022）02-0080-07

Stand Height Measurement Method Constructed by

Vehicle-mounted Dual LiDAR System

SONG Jiayin1， ZHAO Yue1， SONG Wenlong1*， ZHOU Hongwei1， MA Qiang1，

YIN Tianrui1， CHI Zhixiang1， ZHANG Xiaopeng2

（1.College of Mechanical and Electrical Engineering， Northeast Forestry University， Harbin 150040，China;

2.Comba Telecom Systems Limited， Guangzhou 510000， China）

Abstract：In order to solve the difficulty of directly measuring the stand height and avoid being affected by environmental factors， forest researchers obtained the stand height from 3D point cloud data. In this paper， a vehicle-mounted dual lidar system was proposed. The dual lidars completed the work of forest stand data scanning and map construction， respectively. In the point cloud data processing， the progressive point cloud filtering method was used to select the processing suitable for the forest stand point cloud data. Restore the stand point cloud data， so that the obtained stand point cloud data can be better registered， feature extraction and visualization， and the stand height can be measured. The comparison between the experimental results and the field measured data showed that the method proposed in this paper had a measurement error of 0.072-0.316 m for stand height， and the average relative error was 1.46%. Moreover， the measuring instrument was light and low in cost， and was suitable for field investigation. This method can be used to improve the measurement accuracy and efficiency of stand structure parameters in forestry research.

Keywords：LiDAR; forest remote sensing; stand height; point cloud processing; fusion filtering

0 引言

森林作為陸地生態(tài)系統(tǒng)的主體具備固碳能力，在全球碳循環(huán)中具有重要地位。林分高度是生態(tài)系統(tǒng)模型的重要輸入?yún)?shù)之一，是研究森林生物量與生產(chǎn)力的關(guān)鍵因素，因此林分高度的測(cè)量是研究全球碳循環(huán)、能量平衡的前提條件，然而樹木作為林分的基本組成單元，呈現(xiàn)三維空間不規(guī)則分布，決定了林分高度精確測(cè)算難度大。

林分高度最初通過卡尺或者測(cè)高尺等測(cè)量工具進(jìn)行測(cè)量，這些方法獲得信息單一、測(cè)量難度大、準(zhǔn)確性低，無法保證測(cè)量精度，在復(fù)雜的森林環(huán)境下，林業(yè)調(diào)查者很難直接達(dá)到樹木所需測(cè)量的位置，使直接接觸測(cè)量無法實(shí)現(xiàn)，因此，非接觸測(cè)量得到了發(fā)展。隨著技術(shù)的進(jìn)步，越來越多的非接觸測(cè)量方法和測(cè)量設(shè)備出現(xiàn)，目前常用的非接觸測(cè)量林分高度方法主要有布魯萊斯測(cè)高器測(cè)量和超聲波測(cè)高器測(cè)量，布魯萊斯測(cè)高器構(gòu)造簡(jiǎn)單，在測(cè)量時(shí)需要提前測(cè)出儀器到待測(cè)樹木的距離，存在讀數(shù)誤差及測(cè)量精度低、應(yīng)用不便等缺點(diǎn);超聲波測(cè)高器是利用超聲波測(cè)距搭配旋轉(zhuǎn)角度計(jì)算林分高度，該方法測(cè)量步驟較繁瑣，并且超聲波測(cè)高器受人為因素和風(fēng)速的影響，在每次測(cè)量中都有很大的差異，測(cè)量精度低。因此，林分高度的測(cè)量仍然是專家學(xué)者們努力改進(jìn)的問題。

為提高測(cè)量精度，研究人員利用電子經(jīng)緯儀和全站儀進(jìn)行了林分高度測(cè)量，這些儀器使測(cè)量精度大大提高，但這些測(cè)量?jī)x器尺寸普遍偏大，攜帶不便，無法在一些復(fù)雜的環(huán)境中開展林業(yè)調(diào)查工作。遙感技術(shù)的應(yīng)用為森林資源核查提供了快速高效、全面可靠的技術(shù)保障，利用野外的光譜信息獲取森林中的空間分布、識(shí)別林型和估算林地生物量，并對(duì)森林質(zhì)量進(jìn)行評(píng)估，還能對(duì)森林的病蟲害進(jìn)行監(jiān)測(cè)。遙感領(lǐng)域中激光雷達(dá)技術(shù)的出現(xiàn)，對(duì)光學(xué)遙感技術(shù)的不足提供了有效的補(bǔ)充。激光雷達(dá)對(duì)林冠層有很強(qiáng)的穿透能力，并通過計(jì)算激光脈沖發(fā)射和返回的時(shí)間差，分析返回的激光雷達(dá)數(shù)據(jù)能夠準(zhǔn)確地獲取森林三維空間結(jié)構(gòu)及林下地形的詳細(xì)信息。

隨著科技的發(fā)展和信息技術(shù)的日益完善，林業(yè)研究與調(diào)查工作也步入信息化時(shí)代。一些學(xué)者和林業(yè)工作者將三維激光掃描技術(shù)、機(jī)載激光雷達(dá)技術(shù)和航空攝影等先進(jìn)技術(shù)應(yīng)用到林分高度測(cè)量上，進(jìn)行了一些有意義的嘗試。應(yīng)用機(jī)載激光雷達(dá)以及高分辨率數(shù)碼影像技術(shù)分析闊葉林群落垂直結(jié)構(gòu)，可以較好地進(jìn)行植被三維特征的提取并應(yīng)用于森林生態(tài)系統(tǒng)檢測(cè)模擬;然而，隨著對(duì)數(shù)據(jù)精度要求越來越高，機(jī)載激光雷達(dá)的飛行成本也更大，同時(shí)，機(jī)載激光雷達(dá)還存在懸停掃描抖動(dòng)的問題。相比機(jī)載激光雷達(dá)，地基激光雷達(dá)具有掃描狀態(tài)穩(wěn)定，掃描成本低的優(yōu)勢(shì)，近幾年地基激光雷達(dá)發(fā)展迅速，應(yīng)用到了林業(yè)研究中的很多方面;但地基激光雷達(dá)仍存在很多缺陷，如自動(dòng)化程度低、掃描范圍受限、當(dāng)樹木分布較為密集時(shí)，周圍的噪點(diǎn)會(huì)增多等問題。

本文提出一種車載雙激光雷達(dá)系統(tǒng)，雙激光雷達(dá)分別完成林分掃描與地圖構(gòu)建的工作，自主搭建的激光雷達(dá)裝置，具有體積小、易于攜帶和成本低等優(yōu)點(diǎn)。同時(shí)提出一種林分點(diǎn)云數(shù)據(jù)融合濾波方法，提高了點(diǎn)云數(shù)據(jù)的精度及實(shí)用性，為林業(yè)研究與調(diào)查工作提高了測(cè)量精度和效率。

1 樣地概況與設(shè)備

1.1 樣地概況

研究區(qū)位于哈爾濱市城市林業(yè)示范基地，地理坐標(biāo)為45°43′10″ N，126°37′15″ E，研究區(qū)海拔為134～163 m，屬溫帶季風(fēng)氣候，夏季溫暖多雨，冬季寒冷多雪。蒙古櫟林區(qū)林分郁閉度為0.8，且林分僅有喬木層，無灌木層和草本層，林區(qū)總占地面積為0.35 hm2，林區(qū)內(nèi)共有蒙古櫟886株，平均樹高為14 m，平均胸徑為14 cm，最大胸徑為18 cm，活立木儲(chǔ)蓄量為65.6 m3。這種林分狀況代表了典型的溫帶森林或自然生長(zhǎng)的普通城區(qū)森林，實(shí)驗(yàn)樣地如圖1所示。

1.2 車載雙激光雷達(dá)系統(tǒng)

本研究利用自主設(shè)計(jì)的車載雙激光雷達(dá)系統(tǒng)完成數(shù)據(jù)采集，車載雙激光雷達(dá)系統(tǒng)核心處理器為STM32和Arduino芯片，林分掃描激光雷達(dá)和SLAM地圖構(gòu)建與導(dǎo)航激光雷達(dá)分別安裝在小車頂部和中部，林分掃描激光雷達(dá)型號(hào)為L(zhǎng)IDAR Lite V3（Garmin臺(tái)灣生產(chǎn)），最遠(yuǎn)有效探測(cè)距離為4 000 cm，測(cè)量精度為10 mm，更新速度為500 Hz，波束寬度為0.5°，雷達(dá)波長(zhǎng)為905 nm，供電電源為5 V，利用垂直與水平的雙舵機(jī)控制轉(zhuǎn)動(dòng)，完成樣地內(nèi)的樹木三維信息的采集，雷達(dá)掃描范圍呈1/4球體，實(shí)驗(yàn)選取的蒙古櫟平均樹高為14 m，最遠(yuǎn)有效探測(cè)距離為4 000 cm的LIDAR Lite V3可以掃描到樹冠頂部。SLAM地圖構(gòu)建與導(dǎo)航激光雷達(dá)型號(hào)為L(zhǎng)IDAR Delta 2A，有效測(cè)量半徑為800 cm，測(cè)量精度為20 mm，供電電源為5 V，LIDAR Delta 2A在研究中配合小車完成SLAM地圖構(gòu)建與導(dǎo)航工作。

LIDAR Lite V3和舵機(jī)牢固地安裝在一起，并通過振動(dòng)阻尼元件固定在履帶車框架下。舵機(jī)和激光雷達(dá)以相對(duì)于履帶車框架法向90°角，避免LIDAR Lite V3采集林分信息時(shí)受到車體影響，車載雙激光雷達(dá)系統(tǒng)如圖2所示。

2 林分高度測(cè)算方法

樣地選取為哈爾濱市城市林業(yè)示范基地蒙古櫟林區(qū)的一片區(qū)域，測(cè)算開始前，首先對(duì)區(qū)域內(nèi)的100棵蒙古櫟進(jìn)行標(biāo)記和編號(hào)，再對(duì)車載雙激光雷達(dá)系統(tǒng)進(jìn)行路線規(guī)劃，林分高度測(cè)算流程如圖3所示。

2.1 掃描數(shù)據(jù)獲取

車載雙激光雷達(dá)系統(tǒng)的運(yùn)行按照標(biāo)定點(diǎn)自動(dòng)進(jìn)行，LIDAR Lite V3由操作人員使用筆記本電腦操控開始掃描，人工操作保證了LIDAR Lite V3獲取林分?jǐn)?shù)據(jù)的準(zhǔn)確性。試驗(yàn)區(qū)參考樹總數(shù)為100棵，掃描共選取16個(gè)標(biāo)定點(diǎn)，每2個(gè)相鄰采樣點(diǎn)之間間隔為10 m，LIDAR Lite V3掃描過程中履帶車為靜止?fàn)顟B(tài)，單次掃描結(jié)束后前往下一標(biāo)定點(diǎn)，直到車載雙激光雷達(dá)系統(tǒng)完全穿過林區(qū)，標(biāo)定點(diǎn)與路徑規(guī)劃如圖4所示。

車載雙激光雷達(dá)系統(tǒng)掃描首先由LIDAR Delta 2A完成地圖構(gòu)建，確定運(yùn)行軌跡，再利用林分掃描激光雷達(dá)掃描森林，收集野外林分?jǐn)?shù)據(jù)。由操作人員控制履帶車在掃描林地巡回移動(dòng)，放慢履帶車的移動(dòng)速度，將有利于獲取更完整的林區(qū)地圖，林區(qū)地圖構(gòu)建完成后，操作人員選取起止點(diǎn)，履帶車可自動(dòng)完成導(dǎo)航，并躲避途中遇到的障礙。林分掃描激光雷達(dá)使用LIDAR Lite V3掃描儀和2個(gè)舵機(jī)搭建，2個(gè)舵機(jī)分別控制水平和豎直方向。林分掃描激光雷達(dá)的掃描速度可調(diào)節(jié)，生成點(diǎn)云所需要的工作時(shí)間與生成點(diǎn)云的密度成正相關(guān)。舵機(jī)的角度變換設(shè)置為1時(shí)，0～180°視野掃描耗時(shí)6.5 min，此時(shí)在距離掃描儀10 m的水平和垂直方向上提供10.53 mm的點(diǎn)間距。采用多掃描方法，共進(jìn)行32次掃描，車載雙激光雷達(dá)系統(tǒng)4 h內(nèi)可完成地圖構(gòu)建與林分掃描，地圖構(gòu)建與林分掃描示意圖如圖5所示。

2.2 林分點(diǎn)云數(shù)據(jù)處理

掃描數(shù)據(jù)獲取過程中，由于受到設(shè)備震動(dòng)、環(huán)境光線、風(fēng)和飛蟲等干擾因素的影響，使得點(diǎn)云數(shù)據(jù)中存在噪聲。為獲取林分有效信息，實(shí)現(xiàn)林分信息的配準(zhǔn)和特征提取，保證測(cè)量精度，需要剔除噪聲。本文提出采用梯度-SOR遞進(jìn)式濾波方法，完成點(diǎn)云數(shù)據(jù)處理，處理軟件為Matlab 2019b，運(yùn)行平臺(tái)為Windows 10系統(tǒng)。

在進(jìn)行濾波之前，先將獲取的原始點(diǎn)云數(shù)據(jù)單位由方位角、天頂角、距離轉(zhuǎn)換為直角坐標(biāo)系下的X、Y、Z坐標(biāo)，同時(shí)將反射距離大于4 000 cm的點(diǎn)云和反射距離等于1 cm的點(diǎn)云作為噪聲過濾。

2.2.1 地面點(diǎn)處理

原始點(diǎn)云數(shù)據(jù)包含地面點(diǎn)云數(shù)據(jù)和林分點(diǎn)云數(shù)據(jù)，為獲取林分有效信息，需將地面點(diǎn)云與林分點(diǎn)云清晰分割，故對(duì)原始點(diǎn)云數(shù)據(jù)進(jìn)行梯度條件濾波，首先為L(zhǎng)IDAR Lite V3獲取的點(diǎn)云數(shù)據(jù)添加Scalar標(biāo)量字段，接著計(jì)算梯度字段，梯度字段按照歐氏距離的計(jì)算方法計(jì)算，添加Scalar標(biāo)量字段與梯度字段計(jì)算使用CloudCompare（三維點(diǎn)云處理軟件）完成，此時(shí)梯度字段值表示的是點(diǎn)云中2個(gè)相鄰點(diǎn)之間的傾斜度，計(jì)算梯度字段后，將梯度字段的值位于0～0.2的點(diǎn)云去除，濾波效果如圖6所示，梯度字段的值位于0～0.2的點(diǎn)云為圖中藍(lán)色的點(diǎn)。

由圖6可以看出，梯度條件濾波對(duì)樹木和地面的分割效果良好，但在樹木周圍仍存在很多噪點(diǎn)，需要進(jìn)一步處理。

2.2.2 林分結(jié)構(gòu)還原

為將樹木周圍的噪點(diǎn)剔除，采用SOR（Statistical Outlier Removal）濾波方法，SOR濾波也稱基于空間分布的去噪濾波。SOR濾波的具體步驟如下：首先，需要設(shè)置用于計(jì)算平均距離的鄰域點(diǎn)的個(gè)數(shù)k和標(biāo)準(zhǔn)差倍數(shù)閾值λ參數(shù)，當(dāng)該點(diǎn)與其鄰域中各點(diǎn)的平均距離大于μ±σλ（μ為估計(jì)的平均距離;σ為估計(jì)的標(biāo)準(zhǔn)差），則該點(diǎn)被認(rèn)為是不屬于林分點(diǎn)云，并且遠(yuǎn)離林分點(diǎn)云的孤點(diǎn)，并刪除該數(shù)據(jù)點(diǎn)。假設(shè)空間點(diǎn)p與其相鄰的n個(gè)鄰域點(diǎn)構(gòu)成原始林分點(diǎn)云集Dn，則離群點(diǎn)就是與n個(gè)鄰域點(diǎn)的距離大于閾值μ±σλ的點(diǎn)。本文中設(shè)置鄰域點(diǎn)的個(gè)數(shù)k=6，標(biāo)準(zhǔn)差倍數(shù)閾值λ=1，經(jīng)濾波處理后，可以清晰地將樹木從復(fù)雜環(huán)境中提取出來，完成林分結(jié)構(gòu)還原。SOR濾波效果如圖7所示。

2.3 林分高度提取與結(jié)果分析

為了驗(yàn)證本文提出的林分高度測(cè)算方法的精度，對(duì)100棵樹木進(jìn)行測(cè)量，林分高度提取實(shí)驗(yàn)設(shè)備包括雙雷達(dá)履帶車（LIDAR Lite V3和LIDAR Delta 2A）、筆記本電腦以及全站儀（南方NTS-362）。LIDAR Lite V3每次掃描得到32 581個(gè)點(diǎn)，累計(jì)掃描32次，點(diǎn)云數(shù)據(jù)處理在Windows10系統(tǒng)平臺(tái)上進(jìn)行，處理軟件為Matlab 2019b以及CloudCompare。將經(jīng)遞進(jìn)濾波后的點(diǎn)云數(shù)據(jù)使用CloudCompare軟件的Point picking工具識(shí)別和提取林分高度，林分高度提取如圖8所示。

從圖9和圖10可以看出，利用本文提出的方法測(cè)算林分高度比較符合實(shí)地測(cè)量值，但普遍低于實(shí)地測(cè)量值，這是由于地基激光雷達(dá)在密度較高的森林中掃描樹冠困難造成的。通過計(jì)算分析得到，在蒙古櫟林區(qū)中測(cè)量的100顆樹中，測(cè)量誤差在0.172～0.316 m，最高相對(duì)誤差為2.23%，最低相對(duì)誤差為1.27%，平均相對(duì)誤差為1.46%，從而得出本文提出的應(yīng)用雙激光雷達(dá)系統(tǒng)構(gòu)建的林分高度測(cè)算方法測(cè)量精度較高，滿足國(guó)家森林資源調(diào)查中允許測(cè)量林分高度不超過5%的誤差要求，并且測(cè)量時(shí)操作簡(jiǎn)單，受人為因素影響較小。

3 結(jié)論

森林監(jiān)測(cè)已經(jīng)成為科學(xué)界關(guān)注的熱點(diǎn)之一。森林生態(tài)系統(tǒng)在全球碳平衡和減緩全球氣候變化方面具有不可替代的作用，林分高度作為森林碳儲(chǔ)的重要指標(biāo)是森林研究的熱點(diǎn)。本文應(yīng)用車載雙激光雷達(dá)系統(tǒng)構(gòu)建了一種林分高度測(cè)算方法，該方法具有以下優(yōu)點(diǎn)。

（1）使用的測(cè)量設(shè)備操作簡(jiǎn)單，自動(dòng)化程度高，可應(yīng)用于野外作業(yè)，且隨著遙感設(shè)備和電子技術(shù)的快速發(fā)展，該設(shè)備仍有較大改進(jìn)空間。

（2）可以還原林分結(jié)構(gòu)，通過遞進(jìn)式濾波方法，分別針對(duì)地面噪點(diǎn)和樹木周圍的噪點(diǎn)進(jìn)行濾波處理，保證了測(cè)量精度。

（3）該方法同樣適用于其他林分結(jié)構(gòu)參數(shù)的測(cè)量，如冠幅和胸徑等，本文僅以林分高度為例。

本研究存在的不足是當(dāng)樹木密度大、遮擋嚴(yán)重時(shí)，無法準(zhǔn)確掃描樹冠，針對(duì)該問題，在今后的研究中可以考慮使用無人機(jī)進(jìn)行數(shù)據(jù)融合配準(zhǔn)，對(duì)樹冠部分進(jìn)行完整的還原。

【參 考 文 獻(xiàn)】

陳劍.森林、林業(yè)與生態(tài)文明建設(shè).現(xiàn)代園藝，2018，41（11）：153-154.

CHEN J. Forest， forestry and ecological civilization construction . Xiandai Horticulture， 2018， 41（11）： 153-154.

HUANG Y D， LI M Z， REN S Q， et al. Impacts of tree-planting pattern and trunk height on the airflow and pollutant dispersion inside a street canyon. Building and Environment， 2019， 165： 106385.

XU Y L， LI C， SUN Z C， et al. Tree height explains stand volume of closed-canopy stands： evidence from forest inventory data of China. Forest Ecology and Management， 2019， 438： 51-56.

鄢前飛.林業(yè)數(shù)字式測(cè)高測(cè)距儀的研制.中南林業(yè)科技大學(xué)學(xué)報(bào)，2007，27（5）：66-70.

YAN Q F. The development of digital forestry measuring instrument for height and distance. Journal of Central South University of Forestry & Technology， 2007， 27（5）： 66-70.

李亞東，馮仲科，曹明蘭，等.Android智能手機(jī)樹高測(cè)量APP開發(fā)與試驗(yàn).中南林業(yè)科技大學(xué)學(xué)報(bào)，2016，36（10）：78-82.

LI Y D， FENG Z K， CAO M L， et al. Development and test of android smartphone tree height measurement APP. Journal of Central South University of Forestry & Technology， 2016， 36（10）： 78-82.

李明澤，范文義，張?jiān)?基于全數(shù)字?jǐn)z影測(cè)量的林分立木高度量測(cè).北京林業(yè)大學(xué)學(xué)報(bào)，2009，31（2）：74-79.

LI M Z， FAN W Y， ZHANG Y Y. Measuring heights of standing trees based on digital photogrammetry. Journal of Beijing Forestry University， 2009， 31（2）： 74-79.

謝鴻宇，溫志慶，鐘世錦，等.無棱鏡全站儀測(cè)量樹高及樹冠的方法研究.中南林業(yè)科技大學(xué)學(xué)報(bào)，2011，31（11）：53-58.

XIE H Y， WEN Z Q， ZHONG S J， et al. Measure method research of tree height and tree crown by non-prism total station. Journal of Central South University of Forestry & Technology， 2011， 31（11）： 53-58.

杜鵬志，曾偉生，馮仲科，等.利用電子經(jīng)緯儀測(cè)量林木樹高和材積的精度分析.林業(yè)資源管理，2016，45（2）：45-48，55.

DU P Z， ZENG W S， FENG Z K， et al. Precision analysis on tree height and stem volume measurements using electronic theodolite. Forest Resources Management， 2016， 45（2）： 45-48， 55.

武紅敢，王晗，常原飛，等.芻議枯死松樹的天空地協(xié)同監(jiān)測(cè)技術(shù)體系建設(shè).中國(guó)森林病蟲，2020，39（3）：35-39.

WU H G， WANG H， CHANG Y F， et al. Monitoring system construction of dead pine through synergy observation of spaceborne， airborne， and ground remote sensing. Forest Pest and Disease， 2020， 39（3）： 35-39.

王楠，甕岳太，楊光，等.火干擾對(duì)興安落葉松森林土壤微生物群落的影響.東北林業(yè)大學(xué)學(xué)報(bào)，2020，48（5）：21-28.

WANG N， WENG Y T， YANG G， et al. Effects of fire disturbance on soil microbial community of Larix gmelini forest. Journal of Northeast Forestry University， 2020， 48（5）： 21-28.

云增鑫，鄭光，馬利霞，等.聯(lián)合主被動(dòng)遙感數(shù)據(jù)定量評(píng)價(jià)林下植被對(duì)葉面積指數(shù)估算的影響.遙感技術(shù)與應(yīng)用，2019，34（3）：583-594.

YUN Z X， ZHENG G， MA L X， et al. Evaluate quantitatively effects of understory on leaf area index （LAI） estimation combining active and passive remote sensing data. Remote Sensing Technology and Application， 2019， 34（3）： 583-594.

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.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. Journal of Central South University of Forestry & Technology， 2020， 40（8）： 63-74.

穆喜云，劉清旺，龐勇，等.基于機(jī)載激光雷達(dá)的森林地上碳儲(chǔ)量估測(cè).東北林業(yè)大學(xué)學(xué)報(bào)，2016，44（11）：52-56.

MU X Y， LIU Q W， PANG Y， et al. Forest aboveground carbon storage using RF algorithmic model and airborne LiDAR data. Journal of Northeast Forestry University， 2016， 44（11）： 52-56.

宋佳音，張曉鵬，宋文龍，等.應(yīng)用半球圖像構(gòu)建的立木高度測(cè)算方法.東北林業(yè)大學(xué)學(xué)報(bào)，2020，48（6）：61-65.

SONG J Y， ZHANG X P， SONG W L， et al. Measuring standing wood height with hemispherical image. Journal of Northeast Forestry University， 2020， 48（6）： 61-65.

聶佩晗，繆慧敏，張雅婷，等.線激光三維測(cè)量裝置研制.林業(yè)機(jī)械與木工設(shè)備，2021，49（8）：36-40.

NIE P H， MIAO H M， ZHANG Y T， et al. Development of line laser 3D measuring device. Forestry Machinery & Woodworking Equipment， 2021， 49（8）： 36-40.

解宇陽，王彬，姚揚(yáng)，等.基于無人機(jī)激光雷達(dá)遙感的亞熱帶常綠闊葉林群落垂直結(jié)構(gòu)分析.生態(tài)學(xué)報(bào)，2020，40（3）：940-951.

XIE Y Y， WANG B， YAO Y， et al. Quantification of vertical community structure of subtropical evergreen broad-leaved forest community using UAV-Lidar data. Acta Ecologica Sinica， 2020， 40（3）： 940-951.

趙穎慧，楊海城，甄貞，等. 基于ULS、TLS和超聲測(cè)高儀的天然次生林中不同林冠層樹高估測(cè). 南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021， 45（4）： 23-32.

ZHAO Y H， YANG H C， ZHEN Z， ed al. Tree height estimations for different forest canopies in natural secondary forests based on ULS， TLS and ultrasonic altimeter systems.Journal of Nanjing Forestry University （Natural Science Edition）， 2021， 45（4）： 23-32.

姚相坤，蒼甜甜，張一帆，等.基于地基激光雷達(dá)構(gòu)建人工林樹高模型的研究.森林工程，2022，38（01）：93-100.

YAO X K， CANG T T， ZHANG Y F， et al. Research on constructing tree height model of artificial forest based on ground-based lidar. Forest Engineering， 2022， 38（1）：93-100.

田方.基于機(jī)載激光雷達(dá)的密林山區(qū)測(cè)繪研究.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. Techniques of Automation and Applications， 2021， 40（11）： 86-88， 108.

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.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. Journal of West China Forestry Science， 2021， 50（4）： 33-40.

蔡碩，邢艷秋，端木嘉龍.背包式激光雷達(dá)濾除低強(qiáng)度點(diǎn)云提取林木胸徑.森林工程，2021，37（5）：12-19.

CAI S， XING Y Q， DUANMU J L. Backpack lidar filtering low-intensity point cloud to extract tree diameter at breast height. Forest Engineering， 2021， 37（5）：12-19.

ANDERSON C T， DIETZ S L， POKSWINSKI S M， et al. Traditional field metrics and terrestrial LiDAR predict plant richness in southern pine forests. Forest Ecology and Management， 2021， 491： 119118.

NGUYEN V T， CONSTANT T， COLIN F. An innovative and automated method for characterizing wood defects on trunk surfaces using high-density 3D terrestrial LiDAR data. Annals of Forest Science， 2021， 78（2）： 1-18.

孫心雨，田佳榕，徐雁南，等.基于地基激光雷達(dá)的道路生態(tài)景觀評(píng)價(jià)：以黃海海濱國(guó)家森林公園為例.生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2020，36（11）：1477-1484.

SUN X Y， TIAN J R， XU Y N， et al. Evaluation of ecological landscape of road based on terrestrial laser scanning： a case study of Huanghai national forest park. Journal of Ecology and Rural Environment， 2020， 36（11）： 1477-1484.