研究背景

城市森林冠層高度（forest canopy height, FCH）的空間信息是城市森林監(jiān)測和規(guī)劃管理的基礎。傳統(tǒng)人工測量城市FCH費時費力，使得定期清查城市FCH成本高、難度大。機載激光雷達傳感器（LiDAR）能夠有效測量FCH，然而大范圍采集LiDAR數(shù)據(jù)的成本也很高，阻礙了LiDAR數(shù)據(jù)的廣泛應用。以往的研究表明，在某些情況下，無人機（UAV）數(shù)字航空攝影（DAP）方法在測量野外森林結(jié)構(gòu)方面的性能與LiDAR相當，但很少有研究評估它們在更復雜的城市環(huán)境中測量FCH的性能。同時，多角度UAV-DAP方法和建筑物對城市森林FCH測量精度的影響也不明確。因此，本文比較了UAV-LiDAR和UAV-DAP方法在不同覆蓋度和地形坡度下測量數(shù)千個FCH的精度，并為基于無人機的城市FCH測量提供了一套高效、精準、可行的技術(shù)方案，研究結(jié)果將有助于提升城市森林的智慧管理水平和城市景觀規(guī)劃效率。

圖1.UAV-LiDAR和UAV-DAP方法測量城市FCH的示意圖。(a)LiDAR；(b)觀測角度為90°的DAP數(shù)據(jù)；(c)觀測角度為45°的DAP數(shù)據(jù)。

（1）針對覆蓋度和地形坡度對DAP方法測量城市FCH準確性的影響，提出使用多角度DAP方法測量城市FCH，一定程度上提高了城市FCH的空間測量精度。

（2）基于DAP方法測量DTM的不足，使用LiDAR-DTM代替DAP-DTM顯著提高了UAV-DAP方法測量城市FCH的準確性，并為UAV-DAP方法測量城市FCH提供新的指導方法。

論文標題：

 Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment

研究方法：

（1）基于無人機平臺獲取的LiDAR和DAP數(shù)據(jù)處理生成點云數(shù)據(jù)，并對生成的點云數(shù)據(jù)進行去噪、濾波和歸一化處理得到FCH；

（2）利用LiDAR點云數(shù)據(jù)獲取覆蓋度、地形坡度、DTM以及單木分割結(jié)果，DAP點云數(shù)據(jù)獲取DSM和森林冠層分類結(jié)果;

（3）根據(jù)以上結(jié)果，分析了不同覆蓋度和地形坡度下UAV-LiDAR和UAV-DAP方法測量城市FCH的差異，并為城市環(huán)境中FCH測量提供指導方法。

圖2.技術(shù)路線圖

主要研究結(jié)果：

（1）覆蓋度和地形坡度是影響DAP方法測量城市FCH的主要因素，使用多角度DAP方法可在一定程度上提高城市FCH的空間測量精度。

（2）在平地（即地形坡度<=2°）或覆蓋度<0.95的區(qū)域，DAP方法能夠準確測量城市FCH；坡地且覆蓋度> 0.95區(qū)域，DAP方法測量城市FCH精度較差。

（3）在DAP方法準確性不足的情況下，使用LiDAR-DTM代替DAP-DTM可以顯著提高UAV-DAP方法測量城市FCH的準確性，達到與LiDAR近似的精度。

圖3. 不同覆蓋度和地形坡度下UAV-DAP方法測量FCH的精度比較。

圖4. 不同覆蓋度和地形坡度影響下DAP-FCH的測量精度。(a)平地；(b)坡地；(c)坡地且覆蓋度< 0.95；(d) 坡地且覆蓋度> 0.95。

圖5. 替換LiDAR-DTM后，不同覆蓋度和地形坡度影響下DAP-FCH的測量精度。(a)平地；(b)坡地；(c)坡地且覆蓋度< 0.95；(d) 坡地且覆蓋度> 0.95。

圖6. 基于無人機方法（即UAV-LiDAR和UAV-DAP）的城市FCH空間測量指導。

圖7. 使用不同方法獲得的城市FCH測量結(jié)果。(a)LiDAR-FCH；(b)DAP-FCH；(c)本文方法得到的FCH。

論文鏈接：

https://doi.org/10.1016/j.ufug.2022.127489

論文引用

Longfei Zhou, Ran Meng, Yiyang Tan, Zhengang Lv, Yutao Zhao, Binyuan Xu, Feng Zhao*, Comparison of UAV-based LiDAR and digital aerial photogrammetry for measuring crown-level canopy height in the urban environment, Urban Forestry & Urban Greening, Volume 69, 2022, 127489 （*通訊作者）

編輯

供稿：周龍飛

排版：劉婷婷

審核：趙峰、孟冉

源自：植被動態(tài)變化遙感監(jiān)測預警