基于高分遙感圖像和地基三維激光雷達(dá)數(shù)據(jù)的城市三維綠量快速測(cè)算*

劉煒 趙爾平 雒偉群 劉愛(ài)華

（西藏民族大學(xué) 西藏光信息處理與可視化技術(shù)重點(diǎn)實(shí)驗(yàn)室，陜西 咸陽(yáng) 712082）

0 引言

三維綠量(Living Vegetation Volume,LVV)是指地表生長(zhǎng)植物的莖、葉所占有的空間體積，單位為立方米(m3)。相較于以平方米(m2)為量綱的二維綠量指數(shù)，三維綠量從立體空間的角度評(píng)定植被空間結(jié)構(gòu)差異和生態(tài)功能水平高低，因而能夠更準(zhǔn)確的反映城市綠色景觀格局變化及其在緩解熱島效應(yīng)、凈化大氣、釋氧固碳、水土保持、維持生物多樣性等方面功能作用［1］。

近幾年，我國(guó)學(xué)者利用遙感技術(shù)或三維激光雷達(dá)掃描技術(shù)，在北京、上海、沈陽(yáng)、武漢、福州等城市針對(duì)城市三維綠量測(cè)算開(kāi)展了大量研究工作。其中，馮仲科［2-3］、劉常富［4-5］、姚崇懷［6］等的研究工作具有代表性。在國(guó)外，基于三維激光雷達(dá)掃描技術(shù)制作樹(shù)冠三維模型提取測(cè)樹(shù)因子，進(jìn)而建立估算單木三維綠量的方法已被推廣使用［7-8］。然而采用傳統(tǒng)的人工測(cè)量方法，大面積測(cè)算三維綠量的工作包含多個(gè)環(huán)節(jié)，步驟復(fù)雜，精度有限。鑒于此，本文提出了結(jié)合高分遙感圖像和地基三維激光雷達(dá)掃描數(shù)據(jù)，采用平面量推算立體量的方法測(cè)算城市三維綠量。

該方法首先在樣地按樹(shù)種類型不同進(jìn)行分類，如分成針葉林地、闊葉林地和混交林地等，再基于實(shí)測(cè)的測(cè)樹(shù)因子（冠幅、冠徑、冠高、冠下高）得到各樹(shù)種樣地的實(shí)測(cè)三維綠量數(shù)值，將其作為因變量；然后對(duì)城市遙感圖像進(jìn)行景觀分類并提取不同樹(shù)種類型的空間覆蓋面積和植被指數(shù)，如歸一化差值植被指數(shù)（NDVI）等，將植被指數(shù)等因子作為解釋變量；之后利用多元回歸分析建立不同樹(shù)種的三維綠量的遙感估算模型；最后結(jié)合各樹(shù)種類型的分布面積，匯總得到研究區(qū)三維綠量總值。

由于三維激光雷達(dá)掃描獲取技術(shù)能夠更加快速、準(zhǔn)確的采集測(cè)樹(shù)因子，因此可以考慮在采用平面量推算立體量的方法時(shí)，采用三維激光雷達(dá)掃描的方法替代常規(guī)測(cè)量工作。使用三維激光雷達(dá)對(duì)單株樹(shù)木進(jìn)行不同方向的掃描，獲取整株樹(shù)木的完整點(diǎn)云數(shù)據(jù)，然后在計(jì)算機(jī)上將植株原型直接轉(zhuǎn)換到三維數(shù)字模型，再通過(guò)相關(guān)軟件提取冠幅、冠徑、樹(shù)高、胸徑等測(cè)樹(shù)因子指標(biāo)。如此可大幅減少外業(yè)采集樣本數(shù)據(jù)時(shí)間，并且測(cè)算結(jié)果受人為因素干擾小，時(shí)效性強(qiáng)［9-10］。

自2016年以來(lái)，我國(guó)很多城市都積極響應(yīng)國(guó)家創(chuàng)建“森林城市”的號(hào)召，持續(xù)推進(jìn)多期大尺度城市森林景觀建設(shè)，拉薩、西寧、重慶、蘭州陸續(xù)展開(kāi)了打造“國(guó)家級(jí)環(huán)城生態(tài)公園”“西部特色山水城市”“森林進(jìn)城、森林圍城”等生態(tài)景觀建設(shè)工程。采用本文提出的基于高分遙感圖像和地基三維激光雷達(dá)掃描數(shù)據(jù)，利用平面量推算立體量的方法快速、準(zhǔn)確、大面積測(cè)算城市三維綠量，對(duì)于準(zhǔn)確評(píng)價(jià)綠色景觀生態(tài)效益，科學(xué)提升城市生態(tài)系統(tǒng)服務(wù)價(jià)值，避免當(dāng)前部分粗放式生態(tài)景觀建設(shè)改造活動(dòng)具有重要借鑒意義。

1 實(shí)驗(yàn)設(shè)計(jì)與方法

結(jié)合高分遙感圖像數(shù)據(jù)和地基三維激光雷達(dá)掃描數(shù)據(jù)測(cè)算三維綠量，具體工作內(nèi)容包括以下8個(gè)方面：（1）采集城市園林綠地系統(tǒng)規(guī)劃建設(shè)圖件、高分遙感圖像、統(tǒng)計(jì)資料。（2）為配合地基三維激光雷達(dá)掃描系統(tǒng)作業(yè)，以及后續(xù)遙感圖像處理，結(jié)合系統(tǒng)隨機(jī)抽樣和典型抽樣的方法，在研究區(qū)布設(shè)包含主要綠化樹(shù)種的闊葉林、針葉林、灌草叢的樣地。（3）在樣地對(duì)3個(gè)樹(shù)種類別的主要樹(shù)種每木檢尺冠幅、冠高、胸徑等測(cè)樹(shù)因子；測(cè)算單株立木的三維綠量值。（4）利用地基三維激光雷達(dá)掃描系統(tǒng)對(duì)每個(gè)樹(shù)種類別單株立木進(jìn)行掃描，得到單木樹(shù)冠外部點(diǎn)云數(shù)據(jù)，依據(jù)點(diǎn)云數(shù)據(jù)逼近樹(shù)冠體積，得到各樹(shù)種類別單株立木的三維綠量掃描值。（5）用各樹(shù)種類別單株立木三維綠量的實(shí)測(cè)值校驗(yàn)、修正三維激光雷達(dá)掃描值。（6）結(jié)合高分遙感圖像數(shù)據(jù)，抽取各樹(shù)種類別單株立木的光譜特征、GIS特征。以三維綠量激光雷達(dá)掃描值作為因變量，以光譜特征、GIS特征（高程、坡度、坡向）作為自變量，采用逐步回歸分析的方法，建立各樹(shù)種類別單株立木的三維綠量多元線性回歸方程。（7）結(jié)合地面實(shí)測(cè)三維綠量數(shù)據(jù)，對(duì)回歸方程進(jìn)行驗(yàn)證和精度評(píng)價(jià)。（8）依據(jù)每個(gè)樹(shù)種類別的專題圖譜，利用回歸方程推算研究區(qū)各樹(shù)種類別三維綠量，再統(tǒng)計(jì)出研究區(qū)全域三維綠量；繪制城市三維綠量等級(jí)分布圖，分析評(píng)價(jià)城市三維綠量空間格局。

1.1 樣地選取及樣木選擇

為確保樣本點(diǎn)(單棵樣木)具有代表性且在研究區(qū)均勻分布，配合地基三維激光雷達(dá)掃描系統(tǒng)作業(yè)，以及高分遙感圖像幾何精校正和分類精度驗(yàn)證，收集整理研究區(qū)園林綠地系統(tǒng)規(guī)劃圖、植物志、植物圖鑒、園林植物配置表等圖件、統(tǒng)計(jì)調(diào)查資料；然后結(jié)合系統(tǒng)隨機(jī)抽樣和典型抽樣的方法，在研究區(qū)均勻布設(shè)包含主要樹(shù)種的闊葉林、針葉林、灌草叢樣地，并在樣地中選擇具有代表性的樣木。具體實(shí)施過(guò)程分為以下8步：（1）結(jié)合實(shí)地調(diào)研并分析研究區(qū)城市園林綠地系統(tǒng)規(guī)劃圖，勾繪研究區(qū)生態(tài)網(wǎng)絡(luò)線。（2）對(duì)于闊葉林、針葉林、灌草叢這3種類別，根據(jù)系統(tǒng)隨機(jī)抽樣理論，分別在生態(tài)網(wǎng)絡(luò)線上隨機(jī)布設(shè)各類別樣地。（3）對(duì)于位于生態(tài)網(wǎng)絡(luò)線上重要公園斑塊、綠地斑塊、林地斑塊、農(nóng)地斑塊，以及沿江綠廊、交通沿線綠廊中布設(shè)包含主要綠化樹(shù)種的樣地。（4）在區(qū)園林綠地系統(tǒng)規(guī)劃圖上標(biāo)定每一塊樣地具體的經(jīng)緯度、高程、坡向、坡度；并勾繪斑塊邊界范圍，斑塊樣地可以設(shè)置為正方形，樣地面積為225m2；廊道樣地可以設(shè)置為長(zhǎng)方形，樣地面積為500m2。（5）在每一塊研究樣地實(shí)地調(diào)查，觀測(cè)樣地是否包括各樹(shù)種類別的主要綠化樹(shù)種。選擇生長(zhǎng)狀況良好，間隔稀疏，與周圍立木樹(shù)冠交叉重疊少、互相遮擋少的單株樹(shù)作為樣木。這有利于在業(yè)內(nèi)處理點(diǎn)云數(shù)據(jù)和建立三維綠量多元回歸方程。（6）確保樣木在生態(tài)網(wǎng)絡(luò)線上均勻分布且具有代表性。若不符合要求，記錄位置、編號(hào)說(shuō)明原因；之后返回上述流程第（2）步，在生態(tài)網(wǎng)絡(luò)線上調(diào)整樣地，重新選擇樣木。（7）對(duì)于闊葉林、針葉林、灌草叢這3個(gè)樹(shù)種類別，每個(gè)類別至少選定150棵樣木作為總樣本數(shù)據(jù)集，然后按照訓(xùn)練樣本集、測(cè)試樣本集為70%:30% 的比例，從總樣本數(shù)據(jù)集中隨機(jī)抽取樣本點(diǎn)（單棵樣木）配置到訓(xùn)練樣本集、測(cè)試樣本集中。（8）每棵樣木確定后，在遙感圖像上標(biāo)定使用激光雷達(dá)掃描儀掃描樣木的測(cè)站位置（每棵樣需3個(gè)測(cè)站，呈等邊三角形分布）；檢查每棵樣木的編號(hào)、經(jīng)緯度坐標(biāo)及測(cè)站編號(hào)，確保正確無(wú)誤后導(dǎo)入GIS數(shù)據(jù)庫(kù)。

1.2 基于傳統(tǒng)測(cè)量工具采集樣木測(cè)樹(shù)因子

在夏季的7～8月間在研究區(qū)按照預(yù)設(shè)路線在樣地根據(jù)精準(zhǔn)測(cè)樹(shù)原理進(jìn)行立地調(diào)查和每木檢尺：使用全站儀、手持GPS、測(cè)距儀、3D 地面標(biāo)識(shí)球、羅盤(pán)儀、胸徑卷尺、圍尺、測(cè)角規(guī)、數(shù)碼攝像機(jī)等工具，記錄數(shù)據(jù)采集樣地的經(jīng)緯度、海拔高程，樣地編號(hào)；測(cè)量樣地主要樹(shù)種的胸徑，冠高，東西、南北冠徑，冠下高以及樹(shù)高等測(cè)樹(shù)因子的數(shù)值；全角度錄像樣木樹(shù)冠形態(tài)；在內(nèi)業(yè)將所測(cè)數(shù)據(jù)及相關(guān)內(nèi)容作為樣點(diǎn)屬性導(dǎo)入GIS數(shù)據(jù)庫(kù)；在內(nèi)業(yè)依據(jù)所測(cè)數(shù)據(jù)計(jì)算主要樹(shù)種類別單棵樣木的三維綠量的實(shí)測(cè)值。

在上述工作中，每木檢尺樣木測(cè)樹(shù)因子是一個(gè)重要環(huán)節(jié)，具體實(shí)施可以分為5步：（1）設(shè)定樣地中心點(diǎn)，選擇樣地時(shí)需保證在外延8個(gè)方向上均為有林地，要求樣地坡度小且視野開(kāi)闊。記錄樣地主要樹(shù)種、周側(cè)景觀、觀測(cè)日期以及測(cè)量小組成員。（2）確定外延角規(guī)點(diǎn)和樣地邊界，使用羅盤(pán)儀、皮尺確認(rèn)樣地邊界以及外延8個(gè)方向的角規(guī)點(diǎn)。并用長(zhǎng)繩圈定樣地的邊界。（3）每木檢尺，每個(gè)測(cè)量小組分配4～5名成員：其中2人配合使用全站儀測(cè)量樹(shù)高和第一枝高，1人操作全站儀另1人則移動(dòng)棱鏡；另外2～3人配合移動(dòng)棱鏡測(cè)量每棵樣木的東西冠徑、南北冠徑，以及測(cè)量樣木胸徑并設(shè)置標(biāo)號(hào)。當(dāng)林區(qū)不通視時(shí)，采用激光測(cè)高儀測(cè)量樣木樹(shù)高和樹(shù)胸徑。（4）測(cè)量樣地參數(shù)，使用羅盤(pán)儀、皮尺測(cè)量樣地坡度、坡向、坡位和植株密度、郁閉度。（5）內(nèi)業(yè)數(shù)據(jù)處理，在外業(yè)測(cè)量工作完成后對(duì)每個(gè)樣本點(diǎn)（單棵樣木）的數(shù)據(jù)進(jìn)行整理歸檔，然后作為樣本點(diǎn)的屬性數(shù)據(jù)導(dǎo)入至GIS數(shù)據(jù)庫(kù)中。

1.3 基于LiDAR 點(diǎn)云數(shù)據(jù)采集樣木測(cè)樹(shù)因子

利用地基三維激光雷達(dá)掃描儀掃描樣木，采集測(cè)樹(shù)因子的實(shí)施過(guò)程可以分為5步：（1）已利用傳統(tǒng)測(cè)量工具采集了全部樣木的測(cè)樹(shù)因子，在研究區(qū)高分遙感圖像上標(biāo)定每棵樣木和3個(gè)測(cè)站的位置，檢查確保每棵樣木的編號(hào)、方位坐標(biāo)以及測(cè)站編號(hào)正確無(wú)誤，設(shè)定外業(yè)掃描樣木的路線。（2）在晴朗無(wú)風(fēng)，樹(shù)木枝條不晃動(dòng)的天氣條件下，在樣地架設(shè)測(cè)站，利用地基三維激光雷達(dá)掃描儀對(duì)每棵樣木進(jìn)行掃描。每單棵樹(shù)木掃描需要3個(gè)測(cè)站，3個(gè)測(cè)站呈等邊三角形分布，相互之間間隔夾角為120度（以待掃描樹(shù)為參考）。（3）在內(nèi)業(yè)對(duì)每棵樣木的原始點(diǎn)云數(shù)據(jù)依次進(jìn)行去噪、匹配拼接、抽稀處理。（4）參照在外業(yè)掃描樣木時(shí)對(duì)樣木的全視角錄像，從點(diǎn)云數(shù)據(jù)中提取出樣木的三維點(diǎn)云斑塊，再通過(guò)旋轉(zhuǎn)、縮放等操作，對(duì)樣木三維點(diǎn)云斑塊進(jìn)行立體化判讀檢查，去除點(diǎn)云斑塊中不屬于樹(shù)冠表面的數(shù)據(jù)點(diǎn)。（5）依據(jù)剩余的點(diǎn)云數(shù)據(jù)，提取單棵樣木的胸徑，冠高，東西冠徑、南北冠徑、冠下高以及樹(shù)高等測(cè)樹(shù)因子的數(shù)值。

在上述工作中，第（2）步對(duì)樣地樣木進(jìn)行掃描是一個(gè)重要環(huán)節(jié)，需注意完成以下三點(diǎn)：第一,為配合后續(xù)處理內(nèi)業(yè)數(shù)據(jù)，在掃描單棵樣木前需用數(shù)碼攝像機(jī)對(duì)樣地周側(cè)環(huán)境、目標(biāo)樹(shù)種進(jìn)行全視角錄像，然后畫(huà)出目標(biāo)樣木樹(shù)冠草圖，并標(biāo)注序號(hào)和說(shuō)明文字；第二，為確保點(diǎn)云數(shù)據(jù)的完整性和密集性，在樣木樹(shù)冠下方四周外側(cè)掃描時(shí)，讓掃描儀避開(kāi)密集的樹(shù)枝遮擋，并以仰視的角度環(huán)繞植株掃描。可以架設(shè)多個(gè)測(cè)站以保證掃描數(shù)據(jù)的密集性；第三，為確保后期點(diǎn)云數(shù)據(jù)能夠被正確拼接，在對(duì)單棵樣木的掃描的過(guò)程中，必須保證相鄰兩個(gè)測(cè)站至少有3個(gè)共同標(biāo)靶。

1.4 誤差分析與樣本篩選

基于樣木點(diǎn)云數(shù)據(jù)，可以提取出單棵樣木的胸徑，冠高，東西冠徑、南北冠徑、冠下高的數(shù)值，藉此計(jì)算樹(shù)冠體積，進(jìn)而建立單木三維綠量的回歸方程。因此，為保證三維綠量的回歸方程的準(zhǔn)確度，有必要將樣木測(cè)樹(shù)因子的實(shí)測(cè)值與基于點(diǎn)云數(shù)據(jù)的采集值進(jìn)行對(duì)比分析；然后從三維激光雷達(dá)掃描儀使用、內(nèi)業(yè)點(diǎn)云數(shù)據(jù)處理、測(cè)樹(shù)因子提取這3個(gè)方面入手，查找出現(xiàn)偏差的原因，再做出相應(yīng)改進(jìn)，重新采集樣木的各測(cè)樹(shù)因子的數(shù)值。具體實(shí)施過(guò)程可以分為4步：（1）把利用傳統(tǒng)測(cè)量工具所得樣木各項(xiàng)測(cè)樹(shù)因子數(shù)值作為實(shí)測(cè)值；把利用LiDAR 點(diǎn)云數(shù)據(jù)提取樣木各項(xiàng)測(cè)樹(shù)因子數(shù)值作為采集值。對(duì)每一棵樣木，計(jì)算每個(gè)測(cè)樹(shù)因子采集值與實(shí)測(cè)值之間的相對(duì)誤差（采集值-實(shí)測(cè)值）/實(shí)測(cè)值×100%），以及各測(cè)樹(shù)因子的平均相對(duì)誤差。（2）標(biāo)識(shí)某項(xiàng)測(cè)樹(shù)因子相對(duì)誤差超過(guò)5% 的樣木；標(biāo)識(shí)平均相對(duì)誤差超過(guò)5% 的測(cè)樹(shù)因子項(xiàng)。（3）從三維激光雷達(dá)掃描儀使用、內(nèi)業(yè)點(diǎn)云數(shù)據(jù)處理、測(cè)樹(shù)因子提取這3個(gè)方面入手，查找出現(xiàn)偏差的原因；做出針對(duì)性改進(jìn)，對(duì)不合格數(shù)據(jù)的樣木重新進(jìn)行掃描，重新采集各項(xiàng)測(cè)樹(shù)因子值。（4）再次計(jì)算測(cè)樹(shù)因子采集值與實(shí)測(cè)值之間的相對(duì)誤差，以及各測(cè)樹(shù)因子的平均相對(duì)誤差。若經(jīng)過(guò)多次掃描量測(cè)后，某棵樣木測(cè)樹(shù)因子值的相對(duì)誤差仍然超過(guò)5%，則剔除該樣木數(shù)據(jù)，以確保后續(xù)計(jì)算樹(shù)冠體積的精度。

1.5 單木三維綠量計(jì)算

采用AutoCAD 建模計(jì)算法測(cè)算樣木樹(shù)冠體積，算法流程分為4步：（1）截取三維激光雷達(dá)掃描儀獲得的點(diǎn)云數(shù)據(jù)，進(jìn)行預(yù)處理，獲取單棵樹(shù)木的樹(shù)冠點(diǎn)云數(shù)據(jù)。去除第一主枝（或第一個(gè)分枝）以下的部分的點(diǎn)云數(shù)據(jù)。（2）對(duì)獲取單棵樹(shù)木的點(diǎn)云數(shù)據(jù)進(jìn)行旋轉(zhuǎn)、縮放等操作，采用人機(jī)交互的方法進(jìn)行立體化判讀檢查，除去點(diǎn)云中不屬于樹(shù)冠表面的點(diǎn)。（3）將點(diǎn)云數(shù)據(jù)導(dǎo)入軟件AutoCAD，再AutoCAD 在上加載軟件Point Clouds，利用Point Cluods使點(diǎn)云數(shù)據(jù)生成Mesh網(wǎng)格，然后得到適配線自動(dòng)擬合出整個(gè)單木的樹(shù)冠三維模型。（4）在構(gòu)建出單木的樹(shù)冠三維模型之后，利用查詢命令選擇計(jì)算模型測(cè)算體積，則可獲得單木的三維綠量值。

1.6 單木三維綠量遙感回歸方程構(gòu)建

從高分遙感圖像上提取出闊葉林地、針葉林地、灌草叢的空間分布信息，然后利用掩膜運(yùn)算等操作分別制作這三個(gè)類別的專題信息圖。基于專題信息圖為各類別樣木提取光譜特征，用于構(gòu)建單木三維綠量的遙感回歸方程；在確立各類別單木三維綠量的回歸方程后，利用專題信息圖測(cè)算本類別全域三維綠量。具體實(shí)施過(guò)程可以分為6步：（1）對(duì)樣地進(jìn)行實(shí)地調(diào)查，利用全站儀測(cè)定每塊樣地測(cè)量點(diǎn)的經(jīng)緯度坐標(biāo)，將離散分在遙感圖像上的測(cè)量點(diǎn)作為地面控制點(diǎn)，對(duì)高分遙感圖像的所有波段進(jìn)行幾何精校正。（2）將高分遙感圖像的全色波段和多光譜波段進(jìn)行像素級(jí)融合，融合后的圖像空間分辨率為2m。（3）對(duì)同期多景相鄰融合后的圖像進(jìn)行拼接，得到研究區(qū)全域遙感多波段圖像。（4）結(jié)合實(shí)地調(diào)查在遙感圖像上為非植被地類（水體、不透水面、砂石地，其它非植被類）、植被地類(闊葉林地、針葉林地、灌草叢)建立解譯標(biāo)志；結(jié)合分層分類和基于支持向量機(jī)的監(jiān)督分類方法識(shí)別以上各個(gè)地類；基于分類結(jié)果提取出各植被地類的空間分布信息圖像，分別設(shè)置為一個(gè)圖層。（5）采用人機(jī)交互目視判讀的方法檢查分類結(jié)果；制作誤差混淆矩陣，計(jì)算分類圖像的制圖精度、用戶精度、總體精度、Kappa系數(shù)進(jìn)行定量評(píng)價(jià)，檢驗(yàn)空間分布信息圖像對(duì)各植被類型的識(shí)別精度。檢驗(yàn)合格則統(tǒng)計(jì)各植被地類的面積；若不合格返回第（4）步，重新進(jìn)行圖像分類。（6）依據(jù)植被分類結(jié)果，對(duì)全域高分遙感圖像進(jìn)行掩膜運(yùn)算、符號(hào)注記、配置圖面要素等處理，生成3個(gè)樹(shù)種類別空間分布信息圖像，并作為3個(gè)特征波段圖像加入融合后的遙感圖像中。為下一步的為提取建模特征圖像做準(zhǔn)備。

1.7 單木三維綠量回歸方程構(gòu)建

對(duì)闊葉樹(shù)、針葉樹(shù)、灌草叢這3個(gè)類別，從高分遙感圖像確定各自全部樣本點(diǎn)（每棵樣木）的光譜特征；獲取研究區(qū)的數(shù)字地面模型（digital elevation model，DEM），從DEM圖像上提取同名像點(diǎn)的GIS特征（高程、坡度、坡向）。對(duì)于每個(gè)樹(shù)種類別，按70%:30% 的比例，從各類別總樣本數(shù)據(jù)集中隨機(jī)抽取樣點(diǎn)配置到訓(xùn)練樣本集和測(cè)試樣本集；以訓(xùn)練樣本集中樣本點(diǎn)的光譜特征、GIS特征作為自變量；三維綠量實(shí)測(cè)值作為因變量，利用逐步回歸的方法進(jìn)行分析，擬合得到每個(gè)樹(shù)種類別單木三維綠量的回歸方程；通過(guò)相關(guān)系數(shù)與F 值檢驗(yàn)評(píng)估模型精度；基于測(cè)試樣本集評(píng)價(jià)回歸方程的預(yù)測(cè)精度。具體實(shí)施過(guò)程可以分為7步：（1）對(duì)3個(gè)樹(shù)種類別，在高分遙感圖像上分別確定各類別每棵樣木（樣本點(diǎn)）的經(jīng)緯度坐標(biāo)，對(duì)樣本點(diǎn)像元進(jìn)行緩沖區(qū)處理（以坐標(biāo)點(diǎn)為圓心,以樣木冠徑值的1/2為半徑），然后分別提取樣本點(diǎn)緩沖區(qū)內(nèi)的遙感圖像像元的近紅外波段、紅波段、綠波段的灰度值；再對(duì)近紅外波段、紅波段灰度值進(jìn)行運(yùn)算，進(jìn)一步得到樣本點(diǎn)緩沖區(qū)像元的歸一化差值植被指數(shù)（NDVI-Normalized Difference Vegetation Index）、比值植被指數(shù)（RVI-Ratio Vegetation Index）、改進(jìn)型土壤調(diào)節(jié)植被指數(shù)（MSAVI-Modified Soil Adjusted Vegetation Index）；從DEM圖像上提取同名像點(diǎn)的高程、坡度、坡向。每個(gè)樣本點(diǎn)的以上9項(xiàng)數(shù)值作為對(duì)應(yīng)單棵樣木的遙感/GIS特征。（2）在每個(gè)樹(shù)種類別會(huì)議訓(xùn)練樣本集內(nèi)，將樣本點(diǎn)以上9個(gè)光譜特征和GIS特征值設(shè)為各自類別的自變量；將已獲取了每個(gè)類別樣本點(diǎn)的三維綠量實(shí)測(cè)值，設(shè)為各自樹(shù)種類別的因變量。（3）對(duì)3個(gè)樹(shù)種類別，分別利用各自測(cè)試樣本集，對(duì)因變量和與其對(duì)應(yīng)的9個(gè)自變量進(jìn)行相關(guān)分析，計(jì)算Pearson簡(jiǎn)單相關(guān)系數(shù)，根據(jù)相關(guān)系數(shù)值去除與因變量無(wú)強(qiáng)線性關(guān)系的自變量。（4）采對(duì)3個(gè)樹(shù)種類別，都利用逐步回歸分析的方法篩選并去除引起多重共線性的自變量，擬合本類別單木三維綠量的回歸方程：對(duì)每個(gè)類別，首先用因變量對(duì)每一個(gè)自變量做線性回歸；然后以對(duì)因變量貢獻(xiàn)最大的自變量所對(duì)應(yīng)的回歸方程作為基礎(chǔ)，逐次引入其余自變量。每引入一個(gè)新自變量進(jìn)行F 檢驗(yàn)，對(duì)已選入回歸模型的原變量逐一進(jìn)行t檢驗(yàn)，去除經(jīng)t檢驗(yàn)認(rèn)為不顯著的原自變量（設(shè)定相伴概率值Sig0.05時(shí)，將自變量引入回歸方程；Sig0.10時(shí)將自變量從回歸方程中去除），以確保當(dāng)前自變量集中每一個(gè)變量都為顯著自變量；將迭代過(guò)程執(zhí)行若干步后確保既無(wú)顯著自變量被選入回歸方程，也無(wú)不顯著自變量從回歸方程被去除。至此保留在回歸模型中的自變量既重要又相互之間無(wú)嚴(yán)重多重共線性。由此方法得到3個(gè)樹(shù)種類別單木三維綠量的回歸方程。（5）通過(guò)相關(guān)系數(shù)與F 值檢驗(yàn)評(píng)估模型精度：對(duì)每個(gè)樹(shù)種類別，利用測(cè)試樣本集數(shù)據(jù)和回歸估算數(shù)據(jù)，計(jì)算回歸方程的相關(guān)系數(shù)并在方差分析的基礎(chǔ)上利用F 檢驗(yàn)，對(duì)回歸方程進(jìn)行顯著性檢驗(yàn)?？疾榛貧w方程整體上是否能夠通過(guò)P 值在0.05置信水平或P 值在0.01置信水平的顯著性檢驗(yàn)；評(píng)價(jià)回歸標(biāo)準(zhǔn)殘差直方圖是否服從正態(tài)分布。（6）對(duì)3個(gè)類別的回歸方程，進(jìn)一步評(píng)價(jià)回歸方程的預(yù)測(cè)精度：計(jì)算三維綠量實(shí)測(cè)值與回歸方程三維綠量估算值之間的均方根誤差；然后計(jì)算0.05置信水平和0.01置信水平下的絕對(duì)誤差限和相對(duì)誤差限；再基于相對(duì)誤差限計(jì)算得到回歸方程的預(yù)測(cè)精度。（7）對(duì)闊葉樹(shù)、針葉樹(shù)、灌草叢這3個(gè)類別，檢查各類別回歸方程的預(yù)測(cè)精度是否大于85%.若某一樹(shù)種類別回歸方程的預(yù)測(cè)精度小于85%，分析建模過(guò)程疏漏之處查找原因，然后返回第（1）步重新設(shè)置訓(xùn)練樣本集、測(cè)試樣本集構(gòu)建回歸方程。

1.8 制作單位面積三維綠量等級(jí)分布圖

制作單位面積三維綠量等級(jí)分布圖的實(shí)施過(guò)程可以分為3步：（1）已分別制作出了闊葉樹(shù)、針葉樹(shù)、灌草叢這3個(gè)類別的空間分布信息圖像。基于各類別空間分布信息圖，對(duì)參與各回歸方程的每個(gè)自變量圖像（如NDVI圖像、高程圖像）進(jìn)行掩膜運(yùn)算；對(duì)每個(gè)類別，將所有自變量圖像作為特征波段，并與本類別遙感專題信息圖組合在一起構(gòu)成專題圖譜。至此，闊葉樹(shù)、針葉樹(shù)、灌草叢這3個(gè)類別均形成了與回歸方程對(duì)應(yīng)的專題圖譜。（2）對(duì)各樹(shù)種類別，從專題圖譜上提取每個(gè)數(shù)據(jù)點(diǎn)（單顆樹(shù)木）的各個(gè)自變量的數(shù)值，將其輸入回歸方程，計(jì)算得到該點(diǎn)的三維綠量的測(cè)算值；根據(jù)測(cè)算結(jié)果制作本類別三維綠量專題信息圖。然后加入到本類別專題圖譜中。（3）綜合3個(gè)樹(shù)種類別三維綠量專題信息圖，統(tǒng)計(jì)整個(gè)研究區(qū)三維綠量值。制作研究區(qū)單位面積三維綠量等級(jí)分布圖。

2 結(jié)論

相較于以平方米為量綱的二維綠量指數(shù)，三維綠量從立體空間的角度評(píng)定植被空間結(jié)構(gòu)差異和生態(tài)功能水平高低，因而能夠更準(zhǔn)確的反映城市綠色景觀格局變化。然而，采用傳統(tǒng)的人工測(cè)量方法，大面積測(cè)算三維綠量的工作環(huán)節(jié)多，步驟復(fù)雜，精度有限。為此，本文提出了基于高分遙感圖像和地基三維激光雷達(dá)掃描數(shù)據(jù)，采用平面量推算立體量的方法測(cè)算城市三維綠量。該方法首先利用地基三維激光掃描點(diǎn)云數(shù)據(jù)建立樣本點(diǎn)單木三維模型，再利用模型提取單木三維綠量；然后利用高分遙感圖像和DEM圖像獲取樣本點(diǎn)的光譜特征和GIS特征作為自變量；之后利用逐步回歸分析的方法篩選并去除引起多重共線性的自變量，擬合單木三維綠量的回歸方程；最后結(jié)合不同植被類別的空間分布信息遙感圖像，推算出研究區(qū)全域的三維綠量總值。該方法對(duì)于快速測(cè)算城市三維綠量提供了一個(gè)新的思路，可為準(zhǔn)確定量評(píng)價(jià)城市綠色景觀生態(tài)效益提供理論依據(jù)和技術(shù)支持。