使用无人机 LiDAR 的重叠树冠的新型植被点云密度树分割模型

Paper题目：A Novel Vegetation Point Cloud Density Tree-Segmentation Model for Overlapping Crowns Using UAV LiDAR

Abstract

由于常用的冠层高度模型(CHM)的局限性，在具有高密度和重叠树冠的森林生态系统中检测和分割单个树木经常会导致偏差。针对这种局限性，本文提出了一种新的方法来分割单棵树和提取树的结构参数。该方法包括以下关键步骤:(1)对无人机扫描的高密度激光点云进行分类，通过分析分类后的植被点云在平面投影中的空间密度分布，建立植被点云密度模型；(2)采用具有最佳窗口大小的局部极大值算法检测树种子点并提取树高，采用改进的分水岭算法提取树冠。在中国北方以松树为主的森林中的三个具有不同树冠覆盖率的地点测试了所提出的方法。结果表明:(1)提出的VPCDM与常用的CHM之间的kappa系数为0.79，表明VPCDM的性能与CHM相当；(2)采用具有最优窗口大小的局部极大值算法对单棵树进行分割，可以获得最优的单棵树分割精度和检测率结果；与原始分水岭算法相比，改进后的分水岭算法显著提高了冠层面积提取的精度。总之，提出的VPCDM可以为基于光探测和测距(LiDAR)的高密度点云提供一种创新的数据分割模型，并提高参数提取的准确性。

关键词： 单树分割；无人机；激光雷达；植被点云密度模型；改进的分水岭算法

1. Introduction

森林是全球生物圈中最重要的陆地生态系统之一。在陆地生态系统中，森林生态系统在涵养水源、储碳、减缓全球气候变化、维持生态平衡等方面发挥着重要作用[1-3]。树木是森林的基本单元，其空间结构和