基于無(wú)人機(jī)激光雷達(dá)和多光譜數(shù)據(jù)的森林樹高提取方法研究

張翔，劉洋，玉山，蘇日娜，阿茹汗

(內(nèi)蒙古師范大學(xué) 地理科學(xué)學(xué)院(內(nèi)蒙古自治區(qū)遙感與地理信息系統(tǒng)重點(diǎn)實(shí)驗(yàn)室)，呼和浩特 010022)

0 引言

森林是陸地生態(tài)系統(tǒng)的主體，作為全球氣候系統(tǒng)的重要自然資源，對(duì)實(shí)現(xiàn)“綠色碳庫(kù)”有著重要貢獻(xiàn)。森林資源在陸地生態(tài)系統(tǒng)碳循環(huán)中具有調(diào)節(jié)氣候、涵養(yǎng)水源、固碳釋氧、養(yǎng)分循環(huán)和維持生物多樣性的重要作用[1-2]。森林結(jié)構(gòu)相關(guān)參數(shù)是描述森林環(huán)境的重要指標(biāo)[3]，可以為相關(guān)地類劃分、林分類型劃分、小班區(qū)劃提供數(shù)據(jù)基礎(chǔ)，也是實(shí)現(xiàn)“數(shù)字林業(yè)”和“精準(zhǔn)林業(yè)”的必然要求[4]。在森林資源調(diào)查中, 利用遙感影像提取樹頂點(diǎn)和監(jiān)測(cè)樹高，可以準(zhǔn)確獲取森林單木信息，為開展大面積森林材積量評(píng)價(jià)提供有利的數(shù)據(jù)支持。

監(jiān)測(cè)森林參數(shù)和有效管理森林資源是當(dāng)前林業(yè)工作者主要的工作內(nèi)容。傳統(tǒng)地面實(shí)測(cè)是森林調(diào)查工作中最常用的方法，在條件良好且地形相對(duì)平坦的森林地區(qū)，通常需要使用目測(cè)法[5]和經(jīng)緯儀[6]并結(jié)合測(cè)樹學(xué)相關(guān)理論對(duì)活立木單木進(jìn)行樹高測(cè)定。但是，在地形、坡度和林分密度等因素復(fù)雜的林區(qū)，觀察點(diǎn)的水平距離或位置的復(fù)雜性給確定樹高帶來(lái)了很大的困難。然而傳統(tǒng)地面實(shí)測(cè)難以在短時(shí)期內(nèi)快速、精準(zhǔn)且大面積地進(jìn)行森林調(diào)查，這對(duì)實(shí)現(xiàn)森林資源的快速評(píng)估較為不利。近年來(lái)，隨著遙感技術(shù)的不斷發(fā)展，激光雷達(dá)為森林進(jìn)行大面積估測(cè)提供了新的途徑。由于無(wú)人機(jī)激光雷達(dá)冠層高度模型(CHM)數(shù)據(jù)具有三維屬性特征、測(cè)量精度高、能夠快速獲取森林垂直結(jié)構(gòu)信息的能力，被廣泛應(yīng)用于森林結(jié)構(gòu)參數(shù) (地上生物量、郁閉度、植被覆蓋度等) 的遙感估測(cè)研究中。然而，很多研究表明，激光雷達(dá)點(diǎn)云數(shù)據(jù)密度低，會(huì)對(duì)相關(guān)樹高[7-8]、冠幅[9]和生物量[10-11]造成低估。

機(jī)載激光雷達(dá)在地面一定高度處從空中向下掃描，當(dāng)激光雷達(dá)點(diǎn)云數(shù)據(jù)足夠密時(shí)，樹冠特征明顯，就能夠準(zhǔn)確提取森林單木的位置。國(guó)內(nèi)外研究學(xué)者對(duì)此進(jìn)行了相關(guān)研究。穆喜云等[12]通過(guò)無(wú)人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)提取內(nèi)蒙古大興安嶺森林結(jié)構(gòu)參數(shù)。皋廈等[13]利用無(wú)人機(jī)機(jī)載激光雷達(dá)和多光譜數(shù)據(jù)判斷單木分割方法進(jìn)行單木位置和冠幅提取。Tejada等[14]和Liang等[15]研究認(rèn)為激光雷達(dá)數(shù)據(jù)能夠快速、準(zhǔn)確提取森林結(jié)構(gòu)參數(shù)，這為森林空間分布研究提供參考。

使用激光雷達(dá)數(shù)據(jù)搜索窗口的樹冠識(shí)別算法，可以有效檢測(cè)樹冠頂點(diǎn)和樹冠邊緣特征，這將有利于確定森林單木位置。李響等[16]、耿林等[17]采用CHM數(shù)據(jù)設(shè)置局部最大值窗口搜索樹頂點(diǎn)，能夠提高單木樹頂點(diǎn)探測(cè)提取精度，為單木樹高提取確定位置。Holmgren等[18]、Zhen等[19]使用激光雷達(dá)數(shù)據(jù)，利用窗口局部最大值算法，提取樹頂點(diǎn)位置的樹高。Wulder等[20]和Wang等[21]通過(guò)不同分辨率CHM圖像進(jìn)行平滑濾波處理，以消除CHM圖像噪點(diǎn)，結(jié)合目視解譯方法，在一定樹冠區(qū)域內(nèi)，提取CHM局部最高值點(diǎn)作為樹頂點(diǎn)，提取樹頂點(diǎn)位置的樹高。目前，大多數(shù)研究使用局部最大值的方法[22]從CHM確定樹頂，但是往往帶來(lái)過(guò)識(shí)別。由于CHM圖像表面較為粗糙，分水嶺變化結(jié)果通常與實(shí)際樹冠有所差異，因此，結(jié)合形態(tài)學(xué)運(yùn)算的性質(zhì)，針對(duì)每個(gè)分水嶺水槽進(jìn)行圖像開運(yùn)算優(yōu)化，優(yōu)化后的結(jié)果將最大程度上還原真實(shí)的樹冠形狀，優(yōu)化完成后的水槽被認(rèn)為是一個(gè)獨(dú)立的單木。

本研究利用無(wú)人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)的CHM 圖像，進(jìn)行中值濾波和均值濾波處理，解釋CHM不同分辨率與濾波窗口大小對(duì)森林樹頂點(diǎn)提取的共同作用，結(jié)合形態(tài)學(xué)運(yùn)算的性質(zhì)，并對(duì)單木尺度樹頂點(diǎn)提取進(jìn)行精度評(píng)價(jià)，最后與實(shí)測(cè)樹高進(jìn)行對(duì)比分析，驗(yàn)證無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)提取單木樹高的可行性。為此，本研究選取內(nèi)蒙古興安盟阿爾山市杜拉爾林場(chǎng)為實(shí)驗(yàn)區(qū)，實(shí)現(xiàn)單木尺度森林資源結(jié)構(gòu)參數(shù)的精準(zhǔn)評(píng)估，為后續(xù)森林蓄積量和生物量估算研究提供數(shù)據(jù)參考和理論支撐。

1 研究區(qū)域與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

實(shí)驗(yàn)區(qū)地理位置在內(nèi)蒙古自治區(qū)興安盟阿爾山市天池鎮(zhèn)西北部，海拔805～1 495 m，海拔起伏變化較為明顯，位于寒溫帶大陸性季風(fēng)氣候區(qū)，受山地局部氣候影響，年平均氣溫1.48 ℃，平均年降水量437 mm[23]。主要植被類型為落葉松 (Larixgmelinii)、白樺 (Betulaplatyphylla)和山楊 (Populusdavidiana)，總面積4.99萬(wàn)hm2，森林覆蓋率41%。 在整個(gè)杜拉爾林場(chǎng)實(shí)驗(yàn)區(qū)中，東北部山勢(shì)險(xiǎn)峻，中南部溝谷寬闊，地勢(shì)平坦，林分郁閉度較高。選取該實(shí)驗(yàn)區(qū)56 m×50 m樣地正射影像圖作為參考，對(duì)單木位置關(guān)系進(jìn)行目視解譯，將單木位置標(biāo)注于無(wú)人機(jī)多光譜正射影像中。試驗(yàn)樣地如圖1所示。

圖1 試驗(yàn)樣地Fig.1 Experimental area

1.2 數(shù)據(jù)來(lái)源與處理

1.2.1 地面實(shí)測(cè)數(shù)據(jù)

2021年7月11日，實(shí)地調(diào)查時(shí)以研究區(qū)正射影像為基礎(chǔ)，現(xiàn)場(chǎng)選取不同地形坡位的天然林和人工林典型地塊，設(shè)置了 4 個(gè)采樣點(diǎn)，樣方面積為25 m×25 m，使用激光測(cè)距儀對(duì)樣點(diǎn)周圍解譯到的樹木進(jìn)行樹高測(cè)量，共計(jì)獲得46株樣本樹高數(shù)據(jù)，并利用實(shí)時(shí)動(dòng)態(tài)測(cè)量技術(shù)RTK(中海達(dá)iRTK 2)對(duì)每個(gè)采樣點(diǎn)進(jìn)行了定位。

1.2.2 無(wú)人機(jī)多光譜影像數(shù)據(jù)

2021年7月11日，無(wú)人機(jī)多光譜影像數(shù)據(jù)來(lái)源于飛馬公司D2000產(chǎn)品，相機(jī)型號(hào)為SONY a6000，飛行高度383 m，航向重疊率80%，旁向重疊率60%。有效像素2 430萬(wàn)，傳感器尺寸23.5 mm×15.6 mm，25 mm定焦，并配備IMU慣性導(dǎo)航系統(tǒng)。在天氣晴朗無(wú)風(fēng)的條件下，采用D-CAM2 000航測(cè)模塊對(duì)實(shí)驗(yàn)區(qū)進(jìn)行正射影像，影像空間分辨率為0.2 m。

1.2.3 無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)

研究區(qū)無(wú)人機(jī)機(jī)載激光雷達(dá)數(shù)據(jù)獲取時(shí)間于2021年7月15日，共計(jì)1個(gè)飛行航帶，飛行高為300 m。該飛行航帶激光雷達(dá)點(diǎn)云密度為平均70個(gè)/m2。由中海達(dá)長(zhǎng)續(xù)航六旋翼無(wú)人機(jī) long120無(wú)人機(jī)機(jī)構(gòu)，該旋翼無(wú)人機(jī)搭載 AP15(X)慣性導(dǎo)航系統(tǒng)的Riegl VUX-1激光雷達(dá)傳感器獲取。該Riegl VUX-1傳感器通過(guò)近紅外激光束脈沖測(cè)距原理，可提供高達(dá)500 000脈沖/s的測(cè)量速率和330°視場(chǎng)角。

2 研究方法

2.1 數(shù)據(jù)預(yù)處理

本研究基于無(wú)人機(jī)飛馬公司D2 000，D-CAM2 000航測(cè)模塊對(duì)研究區(qū)進(jìn)行正射影像，通過(guò)目視解譯無(wú)人機(jī)多光譜數(shù)據(jù)，從中尋找參考樹頂點(diǎn)。利用無(wú)人機(jī)Riegl VUX-1激光雷達(dá)數(shù)據(jù)，在LiDAR360軟件中進(jìn)行激光點(diǎn)云數(shù)據(jù)去噪、歸一化和濾波分類，構(gòu)建不同空間分辨率冠層高度模型(CHM)，對(duì)相關(guān)CHM柵格數(shù)據(jù)進(jìn)行中值、均值濾波設(shè)置模板與相關(guān)權(quán)重系數(shù)進(jìn)行相乘，提取相關(guān)激光雷達(dá)樹高數(shù)據(jù)，并進(jìn)行圖像處理，站點(diǎn)位置利用 RTK(中海達(dá)iRTK 2)進(jìn)行打點(diǎn)定位。整理每個(gè)地面實(shí)測(cè)樹高數(shù)據(jù)，以對(duì)相關(guān)數(shù)據(jù)進(jìn)行精度驗(yàn)證，實(shí)現(xiàn)激光雷達(dá)遙感數(shù)據(jù)的森林樹頂點(diǎn)確定與樹高精度驗(yàn)證，相關(guān)操作步驟如圖2所示。

圖2 技術(shù)路線圖Fig.2 Technology roadmap

2.2 樹頂點(diǎn)與樹高提取

利用LiDAR360軟件對(duì)無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)進(jìn)行濾波和歸一化處理，將激光雷達(dá)數(shù)據(jù)進(jìn)行點(diǎn)云自動(dòng)分類，從中分離出數(shù)字表面模型(DSM)和數(shù)字高程模型(DEM)進(jìn)行相減，提取每一個(gè)像元坐標(biāo)所對(duì)應(yīng)的不同空間分辨率CHMs數(shù)據(jù)(0.1 、0.2 、0.3 、0.4 m)，根據(jù)現(xiàn)場(chǎng)實(shí)際情況，樣地中最低的樹高大致為2 m，將CHMs圖像高度閾值設(shè)置為2 m[24]，目的是將森林植被類型與其他植被類型分開，如圖3(a)—圖3(d)所示。

圖3 CHM不同空間分辨率Fig.3 CHM different spatial resolutions

2.3 精度評(píng)價(jià)

以人工目視解譯得到的樹頂點(diǎn)位置為參考，將參考樹頂點(diǎn)的0.8 m緩沖區(qū)的位置內(nèi)有且只有一個(gè)提取到的樹頂點(diǎn)，則為提取正確。如果不存在，則為提取遺漏。若在緩沖區(qū)內(nèi)存在大于等于2個(gè)參考樹頂點(diǎn)時(shí)，最接近參考樹頂點(diǎn)的為提取正確點(diǎn)，其余參考樹頂點(diǎn)都是提取錯(cuò)誤點(diǎn)。另外，提取樹頂點(diǎn)不在參考樹頂點(diǎn)的緩沖區(qū)內(nèi)時(shí)，也認(rèn)為是提取錯(cuò)誤點(diǎn)。將提取正確、提取遺漏和提取錯(cuò)誤樹頂點(diǎn)結(jié)果進(jìn)行單木尺度的相關(guān)精度驗(yàn)證，計(jì)算公式分別為

(1)

(2)

(3)

式中：TP為正確提取的樹頂點(diǎn)總數(shù)；FN為遺漏的樹頂點(diǎn)總數(shù)；FP為錯(cuò)誤提取的樹頂點(diǎn)總數(shù);R為召回率，表示樹頂提取正確點(diǎn)與目視解譯中得到樹頂點(diǎn)的比例；P為準(zhǔn)確率，表示樹頂提取正確點(diǎn)與所有提取樹頂點(diǎn)的比例；F為測(cè)度，是對(duì)召回率和準(zhǔn)確性的完整描述，F(xiàn)值越高，精度越高。

為驗(yàn)證本研究所用方法提取樹高的可行性，用決定系數(shù)R2對(duì)擬合度進(jìn)行評(píng)價(jià)，R2值越大表示提取樹高與實(shí)測(cè)樹高擬合效果越好。使用均方根誤差(RMSE)對(duì)樹高提取精度進(jìn)行評(píng)價(jià)，RMSE值越小，表示提取樹高與實(shí)測(cè)樹高越接近。

3 結(jié)果與分析

3.1 無(wú)人機(jī)影像樹頂點(diǎn)提取精度評(píng)價(jià)

結(jié)合無(wú)人機(jī)多光譜正射影像圖作為參考地圖進(jìn)行目視解譯，確定樣地樹木參考樹頂點(diǎn)，共計(jì)確定參考樹頂點(diǎn)為184個(gè)。根據(jù)表1—表4，分別將無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)產(chǎn)生不同分辨率的CHM圖像進(jìn)行中值濾波和均值濾波設(shè)置，利用局部最大值算法，提取森林樹頂點(diǎn)。從這些表可以看出，樹頂點(diǎn)提取會(huì)受到CHM影像分辨率、窗口大小和濾波類型的共同作用。當(dāng)CHM空間分辨率一致時(shí)，隨著均值濾波和中值濾波窗口大小的不斷增加，提取森林樹頂點(diǎn)數(shù)量將會(huì)不斷減小。當(dāng)均值濾波和中值濾波窗口相同時(shí)，CHM空間分辨率越低，從中提取到的提取森林樹頂點(diǎn)數(shù)將會(huì)越少。

表1 基于CHM 0.1 m得到的樹頂點(diǎn)數(shù)(窗口大小)

表2 基于CHM 0.2 m得到的樹頂點(diǎn)數(shù)(窗口大小)

表3 基于CHM 0.3 m得到的樹頂點(diǎn)數(shù)(窗口大小)

表4 基于CHM 0.4 m得到的樹頂點(diǎn)數(shù)(窗口大小)Tab.4 Number of tree vertices extracted based on CHM 0.4 m (window size)

3.2 單木尺度樹頂點(diǎn)提取精度評(píng)價(jià)

根據(jù)不同空間分辨率CHM圖像(圖4)，結(jié)合目視解譯的局部最大值算法，在單木尺度中提取樹頂點(diǎn)，并對(duì)單木尺度下樹頂點(diǎn)提取進(jìn)行精度評(píng)價(jià)。在利用不同空間分辨率CHM圖像提取的樹頂點(diǎn)與參考樹頂點(diǎn)相同或基本接近，見表5。其中，樹木遺漏點(diǎn)為19～29株，樹木錯(cuò)誤點(diǎn)為13～18株，召回率為82.84%～87.97%，準(zhǔn)確率88.61%～91.45%，F(xiàn)測(cè)度為85.63%～89.68%。其中, CHM0.4的F測(cè)度最高為89.68%，樹木提取正確點(diǎn)為139株，遺漏點(diǎn)為19株，錯(cuò)誤點(diǎn)為13株。

3.3 樹高提取結(jié)果及精度驗(yàn)證

從CHM單木尺度提取精度中建立CHM不同空間分辨率圖像，選擇46個(gè)樹頂提取正確點(diǎn)提取樹高，結(jié)合實(shí)際測(cè)量的樹高對(duì)CHM進(jìn)行精度驗(yàn)證。根據(jù)圖5可知，CHM不同空間分辨率圖像會(huì)對(duì)單木尺度樹高提取產(chǎn)生一定的影響。從中發(fā)現(xiàn)F測(cè)度最高的CHM0.4圖像提取樹高與實(shí)測(cè)樹高之間具有良好的線性回歸關(guān)系，擬合程度較高(R2=0.95,P<0.01)。從精度驗(yàn)證來(lái)看，RMSE=0.91 m，說(shuō)明利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)計(jì)算得到的CHM0.4圖像可以有效對(duì)單木樹高進(jìn)行計(jì)算，數(shù)據(jù)精度高。

表5 單木尺度樹頂點(diǎn)提取精度評(píng)價(jià)Tab.5 Evaluation of vertex extraction accuracy of single tree scale

圖5 CHM不同空間分辨率不同樹高提取結(jié)果與精度驗(yàn)證Fig.5 Extraction results and accuracy verification of CHM with different spatial resolutions and different tree heights

4 討論與結(jié)論

4.1 討論

影響單木尺度下樹提取精度的主要因素是CHM。CHM的空間分辨率直接決定了單木尺度下樹頂點(diǎn)提取的位置，并且較高分辨率的CHM可以直接影響單木分離，這與廣大研究結(jié)果較為一致。劉江俊等[24]利用不同空間分辨率CHM提取森林樹頂點(diǎn)，研究發(fā)現(xiàn)CHM空間分辨率越低，提取到的樹頂點(diǎn)數(shù)就越少。白明雄等[25]研究認(rèn)為，使用無(wú)人機(jī)高分辨率可見光影像，利用分水嶺分割算法對(duì)CHM進(jìn)行單木分割及樹高提取是可行的，與實(shí)地測(cè)量得到的樹高值進(jìn)行精度驗(yàn)證,R2=0.893, RMSE=1.23 m, 估測(cè)精度為87.58%。在本研究中，由于研究區(qū)選取的樣地影像面積較小，地勢(shì)較為平坦，森林郁閉度較高，樹種較為單一，這對(duì)森林樹頂點(diǎn)和樹高的提取創(chuàng)造出一定的客觀條件。

在無(wú)人機(jī)正射影像中，正射影像數(shù)據(jù)要比衛(wèi)星遙感圖像幾何形變小，大部分樹冠和冠層間隙匹配良好，適合評(píng)估森林冠層范圍。另外，在利用激光雷達(dá)數(shù)據(jù)CHM評(píng)估森林樹頂點(diǎn)和樹高時(shí)，無(wú)法避免冠層間隙中小部分無(wú)效值的CHM像元沒有被激光雷達(dá)點(diǎn)云數(shù)據(jù)填充[26]。利用局部最大值方法提取單木冠層高分辨率CHM圖像時(shí)，CHM圖像包含多個(gè)樹頂點(diǎn)像元，在一定程度上會(huì)出現(xiàn)樹頂點(diǎn)提取遺漏和錯(cuò)誤，這會(huì)對(duì)森林樹頂點(diǎn)識(shí)別和單木尺度分割造成誤差，但并不影響樹頂點(diǎn)識(shí)別和單木樹高估測(cè)的結(jié)果。

在利用無(wú)人機(jī)多光譜影像提取樹頂點(diǎn)時(shí)，使用不同固定窗口的局部最大值搜索算法，可以有效濾去小于最小樹高的樹頂點(diǎn)。Walsworth等[27]研究發(fā)現(xiàn)在具有代表典型森林條件的顯著噪聲和陰影的合成數(shù)據(jù)中，濾波圖像處理技術(shù)能夠更好地識(shí)別和描繪樹冠。Li等[28]將加利福尼亞州內(nèi)華達(dá)山脈的針葉混交林單木分割算法應(yīng)用于樹木分割，根據(jù)召回率、精確度和F測(cè)度對(duì)激光雷達(dá)數(shù)據(jù)結(jié)果進(jìn)行評(píng)估，結(jié)果表明，森林樹頂點(diǎn)召回率86%，森林樹頂點(diǎn)正確率為94%，總體F測(cè)度為90%。這與激光雷達(dá)CHM數(shù)據(jù)廣大研究結(jié)果較為一致，說(shuō)明使用激光雷達(dá)數(shù)據(jù)提取森林樹頂點(diǎn)具有較高的精度。

在本研究中，基于CHM不同空間分辨率，均值和中值平滑算法均會(huì)改變柵格數(shù)據(jù)邊界內(nèi)的所有像元值，將相鄰領(lǐng)域內(nèi)之間的像元差異變小。不同的平滑算法，也會(huì)對(duì)樹頂點(diǎn)位置、數(shù)量和對(duì)應(yīng)位置的數(shù)值產(chǎn)生影響。對(duì)于CHM柵格數(shù)據(jù)，未來(lái)的研究，需要采用一種鄰域平滑算法來(lái)判斷當(dāng)前像元與領(lǐng)域像元的關(guān)系，以提高單木識(shí)別精度。

4.2 結(jié)論

利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)進(jìn)行預(yù)處理，通過(guò)單木識(shí)別算法，從不同空間分辨率的CHM影像中得到樹冠頂點(diǎn)位置，采用均值濾波和中值濾波遙感圖像處理技術(shù)，對(duì)同空間分辨率的CHM影像進(jìn)行處理，采用局部最大值目視解譯法，從該位置中提取森林樹木頂點(diǎn)和單木樹高，研究結(jié)果表明：

(1)利用CHM圖像提取森林樹頂點(diǎn)時(shí)，會(huì)受到CHM空間分辨率和圖像處理窗口大小的綜合作用。當(dāng)CHM空間分辨率較高(0.1 m)，濾波窗口為3×3時(shí)，樹木提取點(diǎn)接近184，較為接近無(wú)人機(jī)激光雷達(dá)影像森林樹頂點(diǎn)的實(shí)際情況。

(2)利用無(wú)人機(jī)激光雷達(dá)不同分辨率CHM圖像數(shù)據(jù)，使用局部最大值方法可以有效在單木尺度條件下提取樹頂點(diǎn)。隨著CHM圖像空間分辨率不斷增加，單木尺度中提取樹木點(diǎn)將會(huì)不斷減少。

(3)從無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)產(chǎn)生的CHM圖像提取46株樹木正確點(diǎn)與實(shí)地測(cè)量的樹高結(jié)果進(jìn)行精度驗(yàn)證。結(jié)果表明，激光雷達(dá)產(chǎn)生的CHM對(duì)于森林樹高的提取有較高的精度(RMSE=0.91 m)和較強(qiáng)的擬合性(R2=0.95)。