劉曉雙，黃建文，鞠洪波

（中國林業(yè)科學(xué)研究院 資源信息研究所，北京100091）

樹冠是樹木獲取光能并進(jìn)行能量轉(zhuǎn)換的主要場所，也是在遙感影像中最容易反映樹木信息的部位。樹冠的大小和形態(tài)及反映在遙感影像上的光譜信息，是提取森林各種參數(shù)的重要依據(jù)。林分的林冠大小，對(duì)那些模擬能量或質(zhì)量通過林冠傳遞的眾多模型來說，也是一個(gè)重要的輸入?yún)?shù)［1－4］。因此，單木樹冠提取對(duì)于研究森林的生長情況和動(dòng)態(tài)變化非常有意義。隨著對(duì)地觀測技術(shù)的飛速發(fā)展，高空間分辨率遙感也很快進(jìn)入到了森林研究領(lǐng)域。如今，衛(wèi)星圖像的空間分辨率已經(jīng)提高到0.6 m級(jí)，而航空遙感數(shù)字影像分辨率高達(dá)0.1 m以上。在這些高分辨率遙感影像上，森林中每株樹木的樹冠清晰可辨，但如何將單木樹冠提取出來仍然是一個(gè)難題。盡管通過目前常用的目視解譯方法提取樹冠能達(dá)到一定效果，但費(fèi)時(shí)費(fèi)力，并且提取結(jié)果的好壞與專業(yè)人員的技術(shù)有很大關(guān)系。運(yùn)用計(jì)算機(jī)自動(dòng)或半自動(dòng)提取單木樹冠，將有望成為一種高效的方法來替代人工解譯，并且在提取精度上也將接近甚至超過人工解譯。

1 單木樹冠提取方法概述

傳感器自上而下拍攝，獲取的通常是樹木的頂部信息。因此，樹木在遙感影像上呈現(xiàn)為顆粒狀的樹冠。在森林資源調(diào)查中，冠幅是一個(gè)重要的調(diào)查因子，主要測量東西和南北2個(gè)方向的冠幅（樹冠直徑），來反映樹冠的大小。用高空間分辨率遙感影像提取樹冠輪廓，進(jìn)而得到冠幅信息，可以直觀地反映出樹冠的大小和形態(tài)，省去了繁瑣的地面調(diào)查。單木樹冠自動(dòng)或半自動(dòng)提取研究始于20世紀(jì)90年代中期。目前，對(duì)于單木樹冠自動(dòng)提取，國外學(xué)者已經(jīng)作出了很多研究，對(duì)于某些特定的林分，已有了成型的算法并獲得了較高的精度。但由于森林自身的復(fù)雜性，單木樹冠信息自動(dòng)提取技術(shù)具有相當(dāng)?shù)碾y度，至今還處于研究階段。國內(nèi)有關(guān)這方面的研究才剛剛起步，缺乏系統(tǒng)的基礎(chǔ)性研究，自動(dòng)化程度很低。鑒于此，筆者主要結(jié)合國外的相關(guān)文獻(xiàn)，對(duì)單木樹冠自動(dòng)提取的各種方法和研究進(jìn)展作了詳細(xì)的介紹，然后對(duì)單木樹冠提取的應(yīng)用作了歸納，最后對(duì)現(xiàn)狀和發(fā)展前景作了展望。

單木樹冠提取的步驟主要分為2步。第1步首先對(duì)單木樹冠的位置進(jìn)行探測，找到每個(gè)樹冠的中心點(diǎn)。第2步將探測到的樹冠中心點(diǎn)作為參照，找到單木樹冠的邊界點(diǎn)，從而對(duì)樹冠輪廓進(jìn)行描繪。筆者接下來將分步驟對(duì)單木樹冠探測和描繪的各種方法進(jìn)行詳細(xì)的介紹。

2 單木樹冠探測

單木樹冠探測的目的就是找到每個(gè)樹冠所在的位置，這是單木樹冠提取的基礎(chǔ)。在森林中，各種樹冠的冠形普遍表現(xiàn)為中間高四周低的形態(tài)。對(duì)于闊葉樹，樹冠近似呈現(xiàn)中心高四周低的圓拱形；對(duì)于針葉樹，樹冠近似呈現(xiàn)中心高四周低的尖塔形。因此，無論針葉樹冠還是闊葉樹冠都能找到一個(gè)中心最高點(diǎn)來定義樹冠的位置，這一點(diǎn)在遙感影像上具有較高的光譜反射率。局部最大值法（local maxima）就是通過尋找遙感影像中光譜反射率最高的點(diǎn)來確定樹冠的中心最高點(diǎn)。但局部最大值法在探測針葉樹冠中心時(shí)通常表現(xiàn)較好，這是由于針葉樹冠的最高點(diǎn)較明顯。而對(duì)于闊葉樹冠，同一個(gè)樹冠經(jīng)常會(huì)探測到多個(gè)局部最大值點(diǎn)。因此，局部最大值法更適合對(duì)針葉樹冠進(jìn)行探測。另一些單木樹冠探測法打破了局部最大值法的局限，直接從樹冠形狀入手。這些以樹冠形狀為切入點(diǎn)的方法適用性較廣，對(duì)針葉樹種和闊葉樹種都適用，但不適用于緊密度過高的林分。這些方法包括模板匹配法（template-matching）、 谷地跟蹤法（valley-following）和多尺度樹冠提取法（multiple scale approach）。以下分別對(duì)上述方法進(jìn)行介紹。

2.1 局部最大值法

綜合國內(nèi)外各種單木樹冠探測方法的研究，局部最大值法是最典型且應(yīng)用最多的方法。局部最大值法用局部最大值濾波器（local maxima filter）通過1個(gè)移動(dòng)窗口，探測影像中的局部光譜最大值點(diǎn)作為樹冠中心點(diǎn)。只要探測到局部最大值點(diǎn)，就可以用這些點(diǎn)作為參照，進(jìn)一步找到樹冠的邊緣并描繪樹冠輪廓。

2.1.1 固定窗口局部最大值 固定窗口局部最大值濾波采用的移動(dòng)窗口大小一經(jīng)確定以后就不再改變。移動(dòng)窗口的大小根據(jù)遙感影像的分辨率大小和樹冠的平均尺寸由用戶自定義。當(dāng)移動(dòng)窗口的中心像元光譜值均大于鄰近像元時(shí)，就將中心像元確定為局部最大值。大多數(shù)樹冠探測的研究都是采用3×3的固定窗口探測影像中的光譜最大值［5－8］。Pouliot等［9］則參照了影像中樹冠的平均大小，將移動(dòng)窗口選擇為15×15至30×30來探測局部最大值。Walsworth等［10］則是先使用3×3的高通濾波器，使樹冠邊緣的高頻部分得到增強(qiáng)，再利用3×3大小的移動(dòng)窗口探測局部最大值。固定窗口局部最大值法較簡便快速，但移動(dòng)窗口的大小是一個(gè)經(jīng)驗(yàn)值，需要用戶根據(jù)經(jīng)驗(yàn)或通過反復(fù)的試驗(yàn)來確定。如果移動(dòng)窗口過大，一些較小的樹冠將探測不到；如果移動(dòng)窗口過小，一些較大的樹冠就會(huì)被割裂。因此，這種方法適用于樹冠大小較均勻的同齡林而不適用于樹冠大小懸殊的異齡林。

2.1.2 動(dòng)態(tài)窗口局部最大值 動(dòng)態(tài)窗口局部最大值濾波就是為了解決固定窗口在異齡林中的局限性而設(shè)計(jì)的。移動(dòng)窗口沒有固定的大小，會(huì)根據(jù)不同的情況隨時(shí)調(diào)整。Culvenor［11］提出的樹木識(shí)別和描繪算法TIDA（tree identification and delineation algorithm）就是采用了動(dòng)態(tài)窗口局部最大值濾波。這種方法用不同的線性距離分別判斷中心像元在上下左右4個(gè)線性方向是否為最大值，并記錄最大頻數(shù)（maxima frequency count）。是則記為1，不是記為0。若4個(gè)線性方向都為最大值，則最大頻數(shù)記為4。最大頻數(shù)最終記為0到4之間的數(shù)字。像元的最大頻數(shù)越大說明此像元為局部最大值的可能性越大。最后選取一個(gè)合適的最大頻數(shù)（一般為3或4）來篩選出局部最大值像元。另一種方法是通過計(jì)算來確定移動(dòng)窗口的大小。Wilder等［12］利用半方差函數(shù)來計(jì)算移動(dòng)窗口大小。公式如下：

其中：γ（h）為半方差，N（h）為像元對(duì)個(gè)數(shù)，Z（Xi）-Z（Xi+h）為任意像元對(duì)的光譜值之差，h為像元對(duì)之間的距離。半方差函數(shù)隨著像元之間距離的增加而增加。當(dāng)像元距離增加到一定程度以后，半方差將不再增長并趨于平穩(wěn)。計(jì)算的具體過程是從每個(gè)中心像元開始分別計(jì)算8個(gè)方向上的半方差函數(shù)，找到使函數(shù)值趨于平穩(wěn)的像元距離，用8個(gè)方向上的平均像元距離來確定移動(dòng)窗口大小。

2.1.3 結(jié)合樹高的局部最大值法 由于移動(dòng)窗口大小比較難掌握，局部最大值法探測到的樹冠中心點(diǎn)經(jīng)常會(huì)出現(xiàn)過多或過少的情況。對(duì)初步探測的局部最大值點(diǎn)進(jìn)行必要的篩選和調(diào)整可以提高探測精度。在局部最大值探測中結(jié)合樹高數(shù)據(jù)將是一種新的方法。Rawert［13］通過數(shù)字表面模型（DSM，digital surface model）的最高點(diǎn)來探測針葉樹的樹冠中心。由于針葉樹的最高點(diǎn)通常標(biāo)記著樹冠中心，因此，他認(rèn)為對(duì)于大多數(shù)針葉樹來說最高點(diǎn)將成為樹冠探測的一個(gè)更好選擇。Hirschmugl等［14］對(duì)探測到的局部最大值點(diǎn)進(jìn)行篩選，結(jié)合植被高度模型（VHM，vegetation height model）來排除高度小于10 m的局部最大值點(diǎn)。其中，植被高度模型是用數(shù)字表面模型與數(shù)字地形模型（DTM，digital terrain model）相減得到。

2.2 其他樹冠探測法

另一些樹冠探測法采用了與局部最大值法不同的思路，它們從樹冠邊界入手，直接探測出樹冠輪廓信息，而不必進(jìn)行第2步的樹冠描繪過程。以下將分別介紹這些方法。

2.2.1 模板匹配法 目前，圖像的紋理、形狀等空間特征在遙感信息提取中越來越得到重視［15］。模板匹配法就是一種基于形狀特征的單木樹冠探測法，用樹冠形狀與圖像亮度進(jìn)行匹配以提取樹冠。Pollock［16］嘗試將基于形狀的模板匹配法應(yīng)用在樹冠提取的研究中。他考慮了樹的外觀所表現(xiàn)出的不同大小和形狀，對(duì)不同樹種采用了不同的模型進(jìn)行提取。Larsen等［17］利用光學(xué)樹冠模型和影像獲取角度對(duì)不同大小、形狀和觀察條件的樹木外形進(jìn)行了數(shù)學(xué)渲染并與圖像亮度進(jìn)行了匹配以便定位樹木和確定樹冠尺寸。Warner等［18］使用了方向性紋理并運(yùn)用一個(gè)專門為林分密度較高闊葉林設(shè)計(jì)的算法將像素和鄰近像素組聚合成樹冠。Johansen等［19］歸納了現(xiàn)有的模板匹配算法，提出了一種能夠產(chǎn)生人工模版影像的新的影像分析算法。這種影像分析算法用來制作三維立木圖，在丹麥橡樹Quercus robur林中的樹冠探測精度達(dá)到85%到98%。

2.2.2 谷地跟蹤法 谷地跟蹤法由Gougeon［5］于1995年提出，它通過跟蹤樹冠邊界呈現(xiàn)的光譜最小值來探測和描繪樹冠輪廓。此算法的具體過程是先用一個(gè)簡單的閾值區(qū)分出森林區(qū)和非森林區(qū)；然后用一個(gè)3×3的移動(dòng)窗口在森林區(qū)內(nèi)搜索局部最小值，當(dāng)移動(dòng)窗口的中心像元光譜值小于所有周圍像元時(shí)才認(rèn)定為局部最小值；最后對(duì)全影像進(jìn)行掃描，每當(dāng)掃描到局部最小值就自動(dòng)對(duì)局部最小值周圍的像元進(jìn)行檢查，找到光譜值均小于兩側(cè)的點(diǎn)作為谷地像元（valley pixels），全影像掃描按照不同的順序反復(fù)進(jìn)行，直到找不出谷地像元為止。但谷地跟蹤法并不是在所有情況下都表現(xiàn)良好，對(duì)于較密的冠層經(jīng)常達(dá)不到理想的效果。例如，Leckie等［20］曾運(yùn)用谷地跟蹤法對(duì)澳大利亞西海岸的幼年針葉林進(jìn)行單木樹冠提取，提取出的樹冠個(gè)數(shù)只占林分中樹木總數(shù)的1/2到1/4，多株樹識(shí)別為一株樹的情況普遍存在。這主要是由于樹冠間的距離過于緊密，樹冠相互重疊在一起，使光譜最小值的區(qū)分度降低。因此，谷地跟蹤法更適合于提取樹叢或大齡的優(yōu)勢樹。

2.2.3 多尺度樹冠提取法 由于森林中樹冠大小參差不齊，不同大小的樹冠都對(duì)應(yīng)不同的尺度。多尺度樹冠探測目的是用不同的尺度探測不同大小的樹冠。Brandtberg等［21］在1998年曾嘗試用多尺度方法從高空間分辨率彩紅外航空影像中提取單木樹冠。他們對(duì)不同大小的樹冠采用不同的尺度，對(duì)每一個(gè)影像尺度都計(jì)算了灰度曲率，將帶有灰度曲率的過0點(diǎn)識(shí)別為樹冠輪廓。最終70%的樹冠提取結(jié)果與人工解譯結(jié)果相同。2002年，Brandtberg等［22］又用高采樣密度的雷達(dá)數(shù)據(jù)探測分析了南美洲東部落葉林的單木樹冠。樹冠探測過程中他們對(duì)數(shù)據(jù)進(jìn)行了多尺度光柵化高斯平滑，以識(shí)別那些表現(xiàn)單個(gè)樹木的斑塊。6個(gè)試驗(yàn)地的提取結(jié)果都是成功的，但與大樹相鄰的小樹冠很難作為一個(gè)單獨(dú)的對(duì)象被探測到。這說明即使采用多尺度樹冠對(duì)象提取也很難一次同時(shí)探測到非常小和非常大的樹冠。此后Hay等［23］又提出了多尺度特定對(duì)象分割（MOSS，multiscale object-specific segmentation），專門用于在高空間分辨率森林遙感影像中多尺度自動(dòng)描繪樹冠對(duì)象。這種方法的目的是為了簡化當(dāng)前一些基于對(duì)象的方法，將基于對(duì)象的方法綜合起來，使這些方法變得簡單、容易使用并減少用戶干預(yù)，同時(shí)又要盡量與人工解譯結(jié)果接近。MOSS包括3個(gè)部分：特定對(duì)象分析（OSA，object-specific analysis），特定對(duì)象尺度擴(kuò)大（OSU，object-specific upscaling）和一種叫做尺寸限制區(qū)域融合（SCRM，size constrained region merging）的新的分割算法。

3 單木樹冠描繪

單木樹冠描繪是局部最大值樹冠探測過程的下一步，是在已知單木樹冠中心點(diǎn)的基礎(chǔ)上完成的。除了使用局部最大值法探測樹冠中心點(diǎn)，也可以用目視解譯方法找出中心點(diǎn)再描繪樹冠輪廓，但工作量大，自動(dòng)化程度也降低了。單木樹冠描繪的目的是以探測到的樹冠中心點(diǎn)為參照，自動(dòng)找到樹冠邊界，將樹冠描繪成閉合的多邊形。單木樹冠描繪也有很多種不同的方法。

3.1 種子區(qū)域生長法（seeded region growing）

種子區(qū)域生長法是將單木樹冠探測過程中產(chǎn)生的樹冠中心點(diǎn)作為種子點(diǎn)，將種子點(diǎn)周圍鄰域中各點(diǎn)的光譜值與種子點(diǎn)的光譜值作比較，若它們之間的光譜值之差小于預(yù)先設(shè)定的閾值，就將這些點(diǎn)合并到種子點(diǎn)所在的區(qū)域中；若它們之間的光譜值之差超過預(yù)先設(shè)定的閾值，則停止合并。這種方法利用的是同一樹冠內(nèi)光譜的相似性確定樹冠的邊界。

種子區(qū)域生長法計(jì)算簡單，速度快，適用性很廣。在單木樹冠描繪領(lǐng)域中很多研究都是使用種子區(qū)域生長法來進(jìn)行單木樹冠描繪［10，21］。Hirschmugl等［14］在近紅外波段設(shè)定閾值來終止種子生長過程。這個(gè)閾值不僅能區(qū)分樹冠和樹冠間隙，還能將針葉樹和闊葉樹區(qū)分開。他們同時(shí)還制定了一個(gè)程序，在相鄰種子區(qū)域使用閾值仍無法分開時(shí)，就自動(dòng)使用種子像素間的垂直平分線來進(jìn)行分割。

3.2 分水嶺分割法（watershed segmentation）

分水嶺分割法在計(jì)算機(jī)圖像分割領(lǐng)域中使用廣泛，目前，分水嶺算法已經(jīng)逐漸成為許多強(qiáng)大分割程序中的一個(gè)基本步驟［24－25］。分水嶺分割法基于數(shù)學(xué)形態(tài)學(xué)，將影像的光譜值考慮為起伏的地形。在單木樹冠描繪中，分水嶺算法也見到了一些應(yīng)用。主要的過程是先將原始影像生成梯度圖像，然后將梯度圖像進(jìn)行邊緣細(xì)化的處理，最后搜索梯度圖像的局部最大值，這些局部最大值即為樹冠邊界。

由于分水嶺算法對(duì)微弱邊緣敏感，可以得到單像素寬的、連通的、封閉的及位置準(zhǔn)確的輪廓，因而比較適合高空間分辨率遙感影像［26］。但分水嶺算法具有過度分割的特點(diǎn)，需要對(duì)圖像進(jìn)行預(yù)處理或后處理。由于樹冠中心點(diǎn)已經(jīng)確定，在分水嶺分割過程中就可以用樹冠中心點(diǎn)作為參照，解決過度分割問題。Wang等［8］就以樹冠中心點(diǎn)作為參照，利用分水嶺算法在樹冠中心點(diǎn)周圍描繪樹冠輪廓，達(dá)到了較好效果。

3.3 局部射線法（local transects）

2002年，Pouliot等［9］提出了局部射線法來描繪幼齡針葉林樹冠。這種算法以頂點(diǎn)為中心向四周引出若干條局部射線（local transects），探測每條射線中亮度變化率最大的點(diǎn)作為樹冠邊界點(diǎn)。射線法同樣可以用在樹冠探測中，檢驗(yàn)探測到的局部最大值點(diǎn)周圍能否找到樹冠邊界，從而對(duì)最初的局部最大值濾波結(jié)果進(jìn)行篩選。射線法的樹冠探測精度達(dá)到了91%，優(yōu)于常規(guī)的固定窗口局部最大濾波。射線法的樹冠直徑提取精度也很好，與實(shí)地測量的直徑相比誤差不超過3%。同時(shí)研究還證明了樹冠直徑的提取精度隨著空間分辨率的增大而有所提高。熊軼群等［27］用Pouliot的射線法，并針對(duì)樹冠重疊現(xiàn)象對(duì)算法進(jìn)行了改進(jìn)。他們對(duì)樹冠中心點(diǎn)引出的若干條光譜射線進(jìn)行高次曲線擬合，求其拐點(diǎn)作為樹冠邊界點(diǎn)。但提取結(jié)果會(huì)受到樹冠密度的影響。重疊較少的樹冠面積提取精度為87.82%，重疊較多的樹冠面積提取精度為84.91%。

4 單木樹冠提取應(yīng)用

從自動(dòng)提取的單木樹冠多邊形中可以輕易測量出單木樹冠的直徑和面積，而樹冠直徑和面積信息又與其他測樹因子相關(guān)。如胸徑和生物量都已證明與樹冠大小有密切的關(guān)系。因此，可以通過樹冠大小結(jié)合各種估測模型進(jìn)一步估測樹木胸徑和森林生物量。提取得到的樹冠輪廓信息也為單木樹種的識(shí)別和分類奠定了基礎(chǔ)。利用提取的樹冠信息預(yù)測木材性質(zhì)也已經(jīng)走入了初步探索階段。

4.1 計(jì)算樹冠面積和郁閉度

從高空間分辨率遙感影像中提取的單木樹冠輪廓信息對(duì)計(jì)算單木樹冠面積和林分郁閉度非常有用。眾多對(duì)樹冠面積和郁閉度的研究都是基于物理模型，如Li-Strahler模型就是一種用TM（thematic mapper）影像反演樹冠大小和覆蓋度的模型［28］，在應(yīng)用上也取得了一些成功［29－30］。但有學(xué)者指出陸地衛(wèi)星TM影像的像素大小與樹冠大小相比懸殊太大，不能有效獲取樹冠結(jié)構(gòu)［31］。從高空間分辨率遙感影像中直接提取的單木樹冠更加直觀準(zhǔn)確，不必再引入復(fù)雜的模型。單木樹冠輪廓信息中包含了樹冠直徑和樹冠面積，從而為郁閉度的精確計(jì)算提供了便利。同時(shí)，由于高空間分辨率遙感可以大大減輕混合像元問題，樹冠面積和郁閉度的提取精度也會(huì)有所提高。Morales等［32］曾用IKONOS衛(wèi)星影像對(duì)夏威夷島北部熱帶干旱森林的郁閉度作了定量提取，結(jié)果與實(shí)地測量的林冠覆蓋度有很大的相關(guān)性，相關(guān)系數(shù)R2高達(dá)0.86。

4.2 估測胸徑和生物量

一些研究已經(jīng)發(fā)現(xiàn)，樹冠直徑與樹木胸徑有密切的關(guān)系［33－35］，而樹木胸徑又是一個(gè)與森林生物量密切相關(guān)的因子［36－38］。因此，利用樹冠輪廓信息中的樹冠直徑進(jìn)行樹木胸徑和森林生物量建模，將可能成為一個(gè)新的選擇。對(duì)于一些現(xiàn)有的胸徑和生物量的估算模型來說，樹冠直徑或樹冠面積也一直是一個(gè)重要的輸入?yún)?shù)。比如，相容性的多自變量生物量模型中，自變量就需要考慮冠幅、冠長和冠體積等［39］。因此，用單木樹冠自動(dòng)提取得到的樹冠直徑或面積結(jié)合各種模型推算樹木胸徑和森林生物量是一個(gè)便捷的選擇。

4.3 單木樹種識(shí)別和分類

在高空間分辨率遙感單木樹冠提取技術(shù)實(shí)現(xiàn)之前，樹種分類只能以大范圍的林分為單位。這種大尺度的分類對(duì)于純林尚能識(shí)別出樹種，而混交林則只能大致按照林型或樹種組成進(jìn)行歸類。高空間分辨率遙感影像單木樹冠提取將每株樹木都提取出來，就可以實(shí)現(xiàn)以單木為尺度的樹種識(shí)別和分類了。Leckie［20］運(yùn)用60 cm 高空間分辨率小型機(jī)載成像光譜儀 CASI（compact airborne spectrographic imager）影像對(duì)澳大利亞西海岸的幼年針葉林進(jìn)行單木樹種識(shí)別和分類。在自動(dòng)提取出單木樹冠以后，將16個(gè)試驗(yàn)地林分中的所有樹木分為6個(gè)樹種類，平均分類誤差僅為7.25%。林分中大多數(shù)樹種的分類誤差都低于20%，極少數(shù)大于30%。

4.4 預(yù)測木材結(jié)構(gòu)和性質(zhì)

森林木材的結(jié)構(gòu)和性質(zhì)對(duì)于評(píng)價(jià)森林的經(jīng)濟(jì)利用價(jià)值非常重要。對(duì)木材結(jié)構(gòu)和性質(zhì)的研究必須通過砍伐后對(duì)解析木各項(xiàng)指標(biāo)的測定來完成。在20世紀(jì)初很多學(xué)者對(duì)木材結(jié)構(gòu)性質(zhì)與樹冠的關(guān)系進(jìn)行了研究，旨在不經(jīng)過砍伐，而用樹冠形態(tài)參數(shù)來估計(jì)木材性質(zhì)。如今單木樹冠自動(dòng)提取技術(shù)不僅讓獲取樹冠形狀尺寸方面的參數(shù)變得更加容易，更重要的是還能提供樹冠的各種光譜信息參數(shù)。這對(duì)于研究樹冠參數(shù)與木材性質(zhì)之間的關(guān)系非常有利。對(duì)于如何利用樹冠信息預(yù)測木材結(jié)構(gòu)和性質(zhì)，建立遙感樹冠因子與木材性質(zhì)關(guān)系模型，也正在初步探討［40－41］。

5 單木樹冠提取技術(shù)展望

單木樹冠自動(dòng)提取對(duì)遙感空間分辨率的要求很高。高空間分辨率遙感可以使森林樹冠內(nèi)部組成要素豐富的細(xì)節(jié)信息得到充分的表達(dá)。在高空間分辨率影像中樹冠的形狀、尺寸、紋理以及與相鄰樹冠的關(guān)系都能得到很好的表現(xiàn)。但缺點(diǎn)是數(shù)據(jù)量大，空間信息復(fù)雜，數(shù)據(jù)的處理分析比較困難。此外，遙感空間分辨率與光譜分辨率之間的矛盾也為樹冠提取造成了困難。為了解決這些問題，一些方法也應(yīng)運(yùn)而生。面向?qū)ο蟮奶崛〖夹g(shù)可以緩解數(shù)據(jù)量大的問題。這種方法以像元類為分析提取對(duì)象［42－44］，代替了曾處于支配地位的逐像元處理方法，大大提高了數(shù)據(jù)處理的效率［45］。此外，全色數(shù)據(jù)與多光譜數(shù)據(jù)的融合可以緩和高空間分辨率與高光譜分辨率之間的矛盾［46－47］，融合后的數(shù)據(jù)既能提高空間分辨率又能在一定程度上保留原有的光譜信息。

但仍有一些問題有待解決。首先，任何一種單木樹冠提取的自動(dòng)化方法都僅僅在某些特定林分下表現(xiàn)良好，并不適用于所有林分，這是由森林結(jié)構(gòu)本身的復(fù)雜性決定的。一般情況下，疏林地或排列較規(guī)整的人工林，樹冠提取精度較高。而郁閉度高的密林，由于樹冠之間相接，重疊，提取精度相對(duì)較低。其次，對(duì)于生長狀況不佳的被壓木和幼樹，由于冠層的遮擋，也無法實(shí)現(xiàn)自動(dòng)提取。這些受遮擋的樹木即便使用遙感目視解譯也同樣難以提取。因此單木樹冠自動(dòng)提取的精度最大也只能與人工目視解譯精度相當(dāng)或略好，而無法代替實(shí)地的每木檢尺。

未來高空間分辨率單木樹冠自動(dòng)提取將會(huì)由二維向三維發(fā)展。高采樣密度激光雷達(dá)不僅可以獲取樹高，還可以獲取單木的三維樹冠結(jié)構(gòu)信息。要提取樹木的三維信息，一般采樣密度要達(dá)到每平方米10個(gè)回波點(diǎn)左右［48－50］。此外，三維激光掃描系統(tǒng)也可以獲取樹木的三維空間點(diǎn)陣數(shù)據(jù)，但會(huì)受到樹冠間隙點(diǎn)的干擾，區(qū)分出樹冠外層點(diǎn)云是難點(diǎn)。三維樹木信息的獲取，可以進(jìn)行林分的生長模擬，林分的三維重現(xiàn)，并大大提高生物量蓄積量等的估測精度。

現(xiàn)階段，用于進(jìn)行單木樹冠提取的數(shù)據(jù)源大部分還是以航空影像為主，衛(wèi)星影像用得較少。主要是由于衛(wèi)星影像的空間分辨率還達(dá)不到單木樹冠提取研究的需要。但是最近幾年，具有更高空間分辨率的商用衛(wèi)星已經(jīng)陸續(xù)發(fā)射成功。2007年9月18日美國數(shù)字地球公司（DigitalGlobe）發(fā)射的World-View-1商用衛(wèi)星可提供0.5 m分辨率的全色圖像。2008年9月6日美國地球之眼公司（GeoEye）發(fā)射的GeoEye-1商用衛(wèi)星將提供0.41 m全色和1.65 m多光譜的高分辨率影像。高空間分辨率的衛(wèi)星遙感影像能覆蓋地球的任何區(qū)域，適用性大大增強(qiáng)，獲取更加快捷［51］。遙感空間分辨率的提高和計(jì)算機(jī)技術(shù)的快速發(fā)展使我們有理由相信，基于高空間分辨率遙感的單木樹冠自動(dòng)提取將會(huì)越來越普及，單木樹冠自動(dòng)提取技術(shù)也會(huì)不斷走向成熟。這必將帶給現(xiàn)有的森林經(jīng)營管理理念一個(gè)巨大的轉(zhuǎn)變。單木樹冠提取使森林參數(shù)能夠細(xì)化到每株具體的樹木，森林監(jiān)測也將有望以單木為對(duì)象開展。屆時(shí)，森林經(jīng)營管理將不再是一個(gè)粗放的概念，而是以個(gè)體樹木為單位，以實(shí)時(shí)高精度遙感信息提取為手段的精準(zhǔn)集約化管理。

［1］CHEN Dexing，COUGHENOUR M B.GEMTM-A general model for energy and mass transfer of land surfaces and its application at the FIFE sites ［J］.Agric For Meteorol，1994，68（3－4）：145－171.

［2］LI Xiaowen，STRAHLER A H，WOODCOCK C E.A hybrid geometric optical-radiative transfer approach for modeling albedo and directional reflectance of discontinuous canopies ［J］.IEEE Trans Geosci Remote Sens，1995，33：466－480.

［3］NI Wenge，LI Xiaowen，WOODCOCK C E，et al.Transmission of solar radiation in boreal conifer forests：measurements and models ［J］.J Geophys Res，1997，102：29555－29566.

［4］SONG Conghe，BAND L E.MVP：a model to simulate the spatial patterns of photosynthetically active radiation under discrete forest canopies ［J］.Can J For Res，2004，34：1192－1203.

［5］GOUGEON F A.A crown-following approach to the automatic delineation of individual tree crowns in high spatial resolution aerial images ［J］.Can J Remote Sens，1995，21（3）：274－282.

［6］ERIKSON M.Segmentation of individual tree crowns in colour aerial photographs using region growing supported by fuzzy rules ［J］.Can J For Res，2003，33（8）：1557－1563.

［7］DRALLE K，RUDEMO M.Automatic estimation of individual tree positions from aerial photos ［J］.Can J For Res，1997，27：1728－1736.

［8］WANG Le，GONG Peng，BIGING G S.Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery ［J］.Photogramm Eng Remote Sens，2004，70（3）：351－357.

［9］POULIOT D A，KING D J，BELL F W，et al.Automated tree crown detection and delineation in high-resolution digital camera imagery of coniferous forest regeneration ［J］.Remote Sens Environ，2002，82（2－3）：322－334.

［10］WALSWORTH N A，KING D J.Image modeling of forest changes associated with acid mine drainage ［J］.Comput Geosci，1999，25（5）：567－580.

［11］CULVENOR D S.TIDA：An algorithm for the delineation of tree crowns in high spatial resolution remotely sensed imagery ［J］.Comput Geosci，2002，28（1）：33－44.

［12］WULDER M，NIEMANN K O，GOODENOUGH D G.Local maximum filtering for the extraction of tree locations and basal area from high spatial resolution imagery ［J］.Remote Sens Environ，2000，73（1）：103－114.

［13］RAWERT B.Automatic Tree-crown Segmentation Using LM Filters and Balloons ［D］.North Dartmouth：University of Massachusetts，2004.

［14］HIRSCHMUGL M，OFNER M，RAGGAM J，et al.Single tree detection in very high resolution remote sensing data［J］.Remote Sens Environ，2007，110（4）：533－544.

［15］GONG Peng，MARCEAU D，HOWARTH P J.A comparison of spatial feature extraction algorithms for land-use mapping with SPOT HRV data ［J］.Remote Sens Environ，1992，40（2）：137－151.

［16］POLLOCK R J.The Automatic Recognition of Individual Trees in Aerial Images of Forests Based on A Synthetic Tree Crown Image Model［D］.Vancouver：The University of British Colombia，1996：172.

［17］LARSEN M，RUDEMO M.Optimizing templates for finding trees in aerial photographs ［J］.Pattern Recognition Let，1998，19（12）：1153－1162.

［18］WARNER T A，LEE J Y，MCGRAW J B.Delineation and identification of individual trees in eastern deciduous forest［C］//HILL D A，LECKIE D G.Proc.International Forum：Automated Interpretation of High Spatial Resolution Digital Imagery for Forestry.Victoria：Canadian Forest Service，Pacific Forestry Centre，F(xiàn)ebruary 10-12.BC，1998：81－91.

［19］JOHANSEN T，JEPPE M.Automatic stem mapping in three dimensions by template matching from aerial photographs［J］.Scandinavian J For Res，2002，17（4）：359－368.

［20］LECKIE D G，GOUGEON F A，WALSWORTH N，et al.Stand delineation and composition estimation using semi-automated individual tree crown analysis ［J］.Remote Sens Environ，2003，85（3）：355－369.

［21］BRANDTBERG T，WALTER F.Automated delineation of individual tree crowns in high spatial resolution aerial images by multiple-scale analysis ［J］.Mach Vision Appl，1998，11（1）：64－73.

［22］BRANDTBERG T，WARNER T A，LANDENBERGER R E，et al.Detection and analysis of individual leaf-off tree crowns in small footprint，high sampling density lidar data from the eastern deciduous forest in North America ［J］.Remote Sens Environ，2003，85（3）：290－303.

［23］HAY G J，CASTILLA G，WULDER M A，et al.An automated object-based approach for the multiscale image segmentation of forest scenes ［J］.Int J Appl Earth Obs Geoinform，2005，7（4）：339－359.

［24］MEYER F，BEUCHER S.Morphological segmentation［J］.J Visual Commun Image Represent，1990（1）：21－46.

［25］NAJMAN L，COUPRIE M，BERTRAND G.Watersheds，mosaics，and the emergence paradigm ［J］.Discrete Appl Math，2005，147（2－3）：301－324.

［26］肖鵬峰，馮學(xué)智，趙書河，等.基于相位一致的高分辨率遙感圖像分割方法［J］.測繪學(xué)報(bào)，2007，36（2）：146－151.XIAO Pengfeng，F(xiàn)ENG Xuezhi，ZHAO Shuhe，et al.Segmentation of high-resolution remotely sensed imagery based on phase congruency ［J］.Acta Geod Cartogr Sin，2007，36（2）：146－151.

［27］熊軼群，吳健平.基于高分辨率遙感圖像的樹冠面積提取方法［J］.地理與地理信息科學(xué)，2007，23（6）：31－33.XIONG Yiqun，WU Jianping.Tree-crown area detection algorithm for high spatial resolution remote-sensing image ［J］.Geogr Geo-Inform Sci，2007，23（6）：31－33.

［28］LI Xiaowen，STRAHLER A H.Geometric-optical modeling of a conifer forest canopy ［J］.IEEE Trans Geosci Remote Sens，1985，23：705－721.

［29］FRANKLIN J，STRAHLER A H.Invertible canopy reflectance modeling of vegetation structure in semi-arid woodland［J］.IEEE Trans Geosci Remote Sens，1988，26：809－825.

［30］WU Yecheng，STRAHLER A H.Remote estimation of crown size，stand density and foliage biomass on the Oregon tran-sect［J］.Ecol Appl，1993（4）：299－312.

［31］COHEN W B，SPIES T A.Semivariograms of digital imagery for analysis of conifer canopy structure ［J］.Remote Sens Environ，1990，34（3）：167－178.

［32］MORALES R M，MIURA T，IDOL T.An assessment of Hawaiian dry forest condition with fine resolution remote sensing［J］.For Ecol Manage，2008，255（7）：2524－2532.

［33］READ J M，CLARK D B，VENTICINQUE E M，et al.Application of merged 1-m and 4-m resolution satellite data to research and management in tropical forests ［J］.J Appl Ecol，2003，40（3）：592－600.

［34］BECHTOLD W A.Largest-crown-width prediction models for 53 species in the western United States ［J］.Western J Appl For，2004，19（4）：245－251.

［35］HEMERY G E，SAVILL P S，PRYOR S N.Applications of the crown diameter-stem diameter relationship for different species of broadleaved trees ［J］.For Ecol Manage，2005，215（1－3）：285－294.

［36］BROWN S，GILLESPIE A J R，LUGO A E.Biomass of tropical forests of south and southeast Asia ［J］.Can J For Res，1991，21：111－117.

［37］CLARK D B，CLARK D A.Landscape-scale variation in forest structure and biomass in a tropical rain forest［J］.For Ecol Manage，2000，137（1－3）：185－198.

［38］ALVES L F，SANTOS F A M.Tree allometry and crown shape of four tree species in Atlantic rain forest，southeast，Brazil［J］.J Trop Ecol，2002，18：245－260.

［39］唐守正，張會(huì)儒，胥輝.相容性生物量模型的建立及其估計(jì)方法研究［J］.林業(yè)科學(xué)，2000，36（1）：19－27.TANG Shouzheng，ZHANG Huiru，XU Hui.Study on establish and estimate method of compatible biomass model ［J］.Sci Silv Sin，2000，36（1）：19－27.

［40］劉杏娥，江澤慧，費(fèi)本華，等.利用遙感技術(shù)預(yù)測人工林木材性質(zhì)及其產(chǎn)品價(jià)值的初探［J］.林業(yè)科學(xué)研究，2005，18（4）：425－429.LIU Xing’e，JIANG Zehui，F(xiàn)EI Benhua，et al.Discussion on prediction of wood properties and product values of plantation by remote sensing technology ［J］.For Res，2005，18（4）：425－429.

［41］王小青，劉杏娥，任海青.樹冠特征對(duì)小黑楊木材性質(zhì)和生長量的影響研究［J］.林業(yè)科學(xué)研究，2007，20（6）：801－806.WANG Xiaoqing，LIU Xing’e，REN Haiqing.Effects of crown attributes on wood characteristics and increments of Populus×xiaohei［J］.For Res，2007，20（6）：801－806.

［42］LALIBERTE A S，RANGO A，HAVSTAD K M，et al.Object-oriented image analysis for mapping shrub encroachment from 1937 to 2003 in southern New Mexico ［J］.Remote Sens Environ，2004，93（1－2）：198－210.

［43］GITAS I Z，MITRI G H，VENTURA G.Object-based image classification for burned area mapping of Creus Cape，Spain，using NOAA-AVHRR imagery ［J］.Remote Sens Environ，2004，92（3）：409－413.

［44］QUARTEL S，ADDINK E A，RUESSINK B G.Object-oriented extraction of beach morphology from video images ［J］.Int J Appl Earth Obs Geoinform，2006，8（4）：256－269.

［45］WIDLOWSKI J L，LAVERGNE T，PINTY B，et al.Towards a high spatial resolution limit for pixel-based interpretations of optical remote sensing data ［J］.Adv Space Res，2008，41（11）：1724－1732.

［46］DUPORT B G.WaveMerg：a multiresolution software for merging SPOT panchromatic and SPOT multispectral data ［J］.Environ Mod Software，1997，12（1）：85－92.

［47］YANG Xuhong，JING Zhongliang，LIU Gang，et al.Fusion of multi-spectral and panchromatic images using fuzzy rule［J］.Comm Nonlin Sci Numer Simul，2007，12（7）：1334－1350.

［48］BRANDTBERG T，WARNER T A，LANDENBERGER R E，et al.Detection and analysis of individual leaf-off tree crowns in small footprint，high sampling density lidar data from the eastern deciduous forest in North America ［J］.Remote Sens Environ，2003，85（3）：290－303.

［49］CLARK M L，CLARK D B，ROBERTS D A.Small-footprint lidar estimation of sub-canopy elevation and tree height in a tropical rain forest landscape ［J］.Remote Sens Environ，2004，91（1）：68－89.

［50］MALTAMO M，EERIKAINEN K，PITKANEN J，et al.Estimation of timber volume and stem density based on scanning laser altimetry and expected tree size distribution functions ［J］.Remote Sens Environ，2004，90（3）：319－330.

［51］SONG Conghe.Estimating tree crown size with spatial information of high resolution optical remotely sensed imagery ［J］.Int J Remote Sens，2006，28（15）：3305－3322.