王怡　湯景明　孫擁康　袁傳武

摘 要： 使用無人機(jī)和智能手機(jī)分別從空中和地面拍攝的樣地林分影像構(gòu)建三維點云模型，并從三維點云模型中獲取樣地內(nèi)單木樹高和胸徑參數(shù)。本研究以池杉人工林為研究對象，利用PhotoScan Agisoft軟件對無人機(jī)傾斜攝影和智能手機(jī)近景攝影的樣地影像進(jìn)行三維重建，通過對齊照片、控制點刺點、對齊優(yōu)化、建立密集點云等步驟，構(gòu)建出與樣地實景相符的三維點云模型；通過LiDAR 360軟件從樣地三維點云模型中獲取單木的樹高和胸徑參數(shù)，將其與實地測量獲取的單木樹高和胸徑參數(shù)進(jìn)行對比分析。利用無人機(jī)和智能手機(jī)影像構(gòu)建的三維模型可以滿足《數(shù)字航空攝影測量測圖規(guī)范》的精度要求。通過實測數(shù)據(jù)和點云數(shù)據(jù)獲取的樹高和胸徑的平均差值分別為-0.9 m和-0.8 cm，平均相對誤差分別為5.4%和7.1%。以實測數(shù)據(jù)作為自變量x，以點云數(shù)據(jù)作為因變量y，樹高和胸徑回歸模型的R2分別為0.809 5和0.918 4。將傾斜攝影和近景攝影的點云模型統(tǒng)一在同一空間參考基準(zhǔn)下可構(gòu)建出與樣地實景相匹配的三維點云模型，從樣地三維點云模型中獲取的單木樹高和胸徑與實地測量結(jié)果具有較好的線性相關(guān)性，本研究所使用的方法可以代替?zhèn)鹘y(tǒng)林業(yè)調(diào)查手段應(yīng)用于人工林。

關(guān)鍵詞： 傾斜攝影；近景攝影；三維點云模型；樹高；胸徑

中圖分類號：S758.1 文獻(xiàn)標(biāo)識碼：A 文章編號：1004-3020（2023）01-0022-08

Study on Obtaining Height and DBH of Single Tree Based on 3D Point Cloud Model

Wang Yi Tang Jingming Sun Yongkang Yuan Chuanwu

（Hubei Academy of Forestry Wuhan 430075）

Abstract： The 3D point cloud model was constructed from aerial and ground stand images taken by uav and smart phone respectively，and the height and DBH parameters of individual trees in the sampling area were obtained by the 3D point cloud model.The plantation Taxodium chinensis var.imbricatum was studied in this study，PhotoScan Agisoft software was used to conduct 3D reconstruction of the sample site images from UAV oblique photography and smart phone close-range photography.Through the steps of photo alignment，control point thorn，alignment optimization，and establishment of dense point cloud，a 3D model consistent with the real scene of the sample site was constructed；The height and DBH parameters of individual trees were obtained from the point cloud data of the 3D model of the sample plot by LiDAR 360 software，and then compared with the height and DBH parameters obtained by field measurement.The 3D model constructed by uav and smart phone images can meet the accuracy requirements of Digital Aerial Photogrammetry Mapping Specification.The average difference of tree height and DBH obtained from the measured data and point cloud data were -0.9 m and -0.8 cm，respectively，and the average relative errors were 5.4% and 7.1%，respectively.With measured data as independent variable X and point cloud data as dependent variable Y，R2 of tree height and DBH regression models were 0.809 5 and 0.918 4，respectively.A 3D model matching the real scene of the sample site can be constructed based on the point cloud data of oblique photography and close-range photography under the same spatial reference.The height and DBH of individual trees obtained from the point cloud data of the 3D model of the sample site have a good linear correlation with the field measurement results.The method used in this study can replace the traditional forestry survey method and be applied to the artificial forest.

Key words： oblique photograph；close-range photography；3D point cloud model；Tree height；DBH

樹高和胸徑是森林資源調(diào)查中兩個重要的測樹因子，也是反應(yīng)林木生長狀況的主要指標(biāo)參數(shù)，及時準(zhǔn)確地獲取林分內(nèi)單木的樹高和胸徑參數(shù)，對于正確判斷林分空間結(jié)構(gòu)，合理制定森林經(jīng)營模式，促進(jìn)森林資源的保護(hù)和健康可持續(xù)發(fā)展具有重要意義［1-2］。當(dāng)前，森林資源調(diào)查數(shù)據(jù)的獲取主要還是依靠個人經(jīng)驗進(jìn)行目測或借助簡單工具實地測量，這種傳統(tǒng)的調(diào)查方式工作量大，效率低，數(shù)據(jù)來源也會因缺乏統(tǒng)一的測量標(biāo)準(zhǔn)而造成誤差，已不能滿足現(xiàn)代林業(yè)精準(zhǔn)化和信息化發(fā)展需求。隨著測量技術(shù)的不斷發(fā)展，高精度測量設(shè)備和攝影測量技術(shù)也越來越多的應(yīng)用在林業(yè)領(lǐng)域。

無人機(jī)在林業(yè)領(lǐng)域已得到越來越廣泛地應(yīng)用［3］。利用無人機(jī)傾斜攝影技術(shù)，可以獲取測區(qū)的正射影像和三維點云模型，基于此技術(shù)獲取樹高的方法主要有兩種，一是點云分割法［4］，將三維點云分割為樹木點云和地面點云，根據(jù)樹木頂端高度和地面平均高度的差值獲取樹木高度；二是局部最大值法［5-7］，首先利用三維點云生成數(shù)字表面模型（Digital Surface Model，DSM）和數(shù)字高程模型（Digital Elevation Model，DEM），然后將DSM和DEM進(jìn)行柵格作差得到樹冠高度模型 （Canopy Height Model，CHM），最后運(yùn)用局部最大值法對CHM進(jìn)行過濾提取樹頂點和樹高。這兩種方法獲取的單木樹高均具有較高的精度，但這兩種方法構(gòu)建的主要是林分冠層表面的三維模型，而冠層以下及地面層受林分郁閉度的影響難以獲得真實有效的點云信息，且樹木頂點的提取也會受林分結(jié)構(gòu)的影響出現(xiàn)遺漏或一樹多頂?shù)那闆r。單木胸徑通常則是利用無人機(jī)影像獲取的樹高、冠幅、樹冠面積等參數(shù)與部分地面實測胸徑建立回歸模型進(jìn)行反演估測獲取，但這種方法的運(yùn)用在樹種和地域上存在一定的局限性［8-11］。三維激光掃描技術(shù)作為當(dāng)前最先進(jìn)的一種測繪手段，已廣泛應(yīng)用于森林資源調(diào)查和林分結(jié)構(gòu)研究。利用地基激光雷達(dá)（Terrestrial Laser Scanning，TLS）和無人機(jī)激光雷達(dá)據(jù)（Unmanned aerial vehicle Laser Scanning，ULS）可以獲得高質(zhì)量的林分空間結(jié)構(gòu)三維模型，并從中提取更加精確的胸徑、樹高、冠幅等空間結(jié)構(gòu)信息［12-14］。近年來，數(shù)碼相機(jī)、智能手機(jī)等非測量設(shè)備已成為數(shù)字近景攝影測量的主要工具［15］，并在林分參數(shù)測量方面取得了一些研究成果［16-17］。將無人機(jī)傾斜攝影技術(shù)和地面近景攝影技術(shù)相融合構(gòu)建精細(xì)化三維模型的技術(shù)在城市三維建模［18-19］、地質(zhì)勘查［20］、建筑測量［21］等領(lǐng)域已經(jīng)得到了廣泛的應(yīng)用，但在森林結(jié)構(gòu)參數(shù)獲取方面的應(yīng)用研究還鮮見報道，雖然已有將激光雷達(dá)和攝影測量相結(jié)合應(yīng)用于森林資源調(diào)查方面的研究［22］，但是激光雷達(dá)技術(shù)的價格成本和應(yīng)用門檻較高，現(xiàn)階段還難以實現(xiàn)推廣應(yīng)用。將小型測繪無人機(jī)和智能手機(jī)用于攝影測量具有使用成本低、攜帶方便、操作簡單等優(yōu)點，而且，相較于激光雷達(dá)光譜特征比較單一的不足，攝影測量在光譜特征上更加豐富，通過圖像三維重建可以更精細(xì)的表現(xiàn)出林分空間分布特征和林下地形特征［23］。

本研究基于攝影測量原理，通過構(gòu)建樣地的三維點云模型獲取林分單木信息。利用無人機(jī)傾斜攝影得到樣地冠層表面的高度信息，樣地林下的林分信息則借助智能手機(jī)近景攝影獲取。將無人機(jī)斜攝影像和智能手機(jī)近攝影像進(jìn)行三維重建并得到點云模型，通過在樣地區(qū)域布設(shè)的控制點，將斜攝點云和近攝點云匹配到統(tǒng)一的三維空間坐標(biāo)系內(nèi)，實現(xiàn)空地點云融合，并最終從地面到冠層構(gòu)建出具有較高辨識度且定位精準(zhǔn)的樣地林分三維點云模型，以期通過對密集點云信息進(jìn)行軟件分析，獲取具有較高精度的單木樹高和胸徑參數(shù)。

1 研究區(qū)概況

研究區(qū)位于湖北省林業(yè)科學(xué)研究院九峰試驗林場，地處武漢市東郊，距離武漢市中心12 km，地理中心位置為東經(jīng)114°29′50″，北緯30°31′4″，占地面積約330 hm2。林場地處亞熱帶季風(fēng)性濕潤氣候區(qū)，四季分明、光照充足、雨熱同季，年降雨量1 200～1 400 mm，年平均相對濕度79%，林場多數(shù)為人工林，主要樹種有馬尾松Pinus massoniana、杉木Cunninghamia lanceolata、青岡Quercus glauca、楓香Liquidambar formosana、栓皮櫟Quercus variabilis等。本研究選取池杉實驗林為研究對象，設(shè)置一塊20 m×20 m樣地，坡度＜5°，樣地內(nèi)共有活立木31株，其中池杉Taxodium distichum var.imbricatum 29株，構(gòu)樹Broussonetia papyrifera 2株，平均樹齡35 a。

2 數(shù)據(jù)來源

2.1 傾斜攝影

本研究所使用的無人機(jī)為大疆精靈4 RTK（Phantom 4 RTK）四旋翼無人機(jī)，該款無人機(jī)為專業(yè)級測繪無人機(jī)，內(nèi)置實時差分RTK（Real-time kinematic）功能，可提供實時厘米級定位數(shù)據(jù)，定位精度在垂直方向為1.5 cm±1 ppm，水平方向為1 cm±1 ppm。機(jī)身下部的三軸防抖云臺搭載的相機(jī)配備1英寸2 000萬像素CMOS傳感器，分辨率為5 472×3 648，焦距為8.8 mm，像素大小為2.41 μm×2.41 μm。該款無人機(jī)具有3D（五向飛行）攝影測量功能，可自動完成對測區(qū)的傾斜攝影工作。無人機(jī)傾斜攝影于2021年8月23日完成，飛行高度100 m，航速5.9 m·s-1，正射和傾斜的旁向和航向重疊率均為85%，正射云臺角度為-90°，斜射云臺角度為-60°，共拍攝照片368張。

2.2 近景攝影

本研究使用蘋果牌智能手機(jī)iphone 7的后置攝像頭做為近景攝影設(shè)備，該攝像頭具有1 200萬像素，分辨率為4 032×3 024，焦距為3.99 mm，像素大小為1.22 μm×1.22 μm。手持相機(jī)正對樣地方向，以圍繞樣地一圈作為近景攝影路徑（圖1），在路徑上每間隔約0.5 m拍攝一組照片，每組6張照片，先以水平姿勢拍攝一張照片，再將攝像頭向上傾斜拍攝一張照片，依次朝左、中、右三個方向各拍兩張照片，每張相鄰照片的重疊率不低于30%（圖2）。手機(jī)近景攝影于2021年9月3日完成，共拍攝照片564張。

2.3 實地測量數(shù)據(jù)

樣地內(nèi)單木實地測量工作于2021年11月進(jìn)行。使用測樹鋼圍尺在地面以上1.3 m處測量單木胸徑，精度為0.1 cm。使用的是Vertex-IV超聲波測距儀（瑞典hagolf公司）測量單木樹高，精度為0.1 m。

2.4 控制點布設(shè)

控制點的布設(shè)在斜攝和近攝作業(yè)前完成。使用控制點是提高無人機(jī)遙感精度的重要手段之一，而控制點的平高精度則直接影響三維模型的構(gòu)建質(zhì)量［24-25］。本研究使用RTK測量儀共獲取了11個控制點的三維坐標(biāo)，其中傾斜攝影控制點6個，編號為C1、C2、C3、C4、C7、C8，近景攝影控制點5個，編號為C11、C12、C13、C15、C16。

3 研究方法

3.1 三維模型構(gòu)建

本研究利用PhotoScan Agisoft軟件對空地影像進(jìn)行三維重建。PhotoScan Agisoft是俄羅斯Agisoft公司開發(fā)的一款3D掃描軟件，該軟件基于攝影測量基本原理和多視圖三維重建技術(shù)，可以對任何照片進(jìn)行處理，只需導(dǎo)入具有一定重疊率的數(shù)碼影像，便可自動完成影像定向和三維模型重建工作。工作流程的第一步是先將無人機(jī)影像和手機(jī)影像同時導(dǎo)入軟件進(jìn)行照片對齊并獲得斜攝和近攝稀疏點云模型。手機(jī)影像較之無人機(jī)影像在GPS定位精度上較低，二者的點云模型還不能在同一空間參考基準(zhǔn)下融合。第二步是導(dǎo)入控制點三維坐標(biāo)，對控制點進(jìn)行刺點可將斜攝和近攝點云模型統(tǒng)一在同一空間參考基準(zhǔn)下。第三步是點云模型進(jìn)行對齊優(yōu)化處理，進(jìn)而實現(xiàn)斜攝點云模型和近攝點云模型的有效融合（圖3）。最后建立密集點云，構(gòu)建出可以與樣地實景相匹配的三維點云模型（圖4）。

3.2 點云數(shù)據(jù)處理

本研究模型分析使用LiDAR 360點云數(shù)據(jù)處理軟件，LiDAR360是北京數(shù)字綠土科技有限公司研發(fā)的專業(yè)級點云數(shù)據(jù)處理平臺，將三維模型點云數(shù)據(jù)導(dǎo)入該軟件，通過其內(nèi)置的林業(yè)分析工具，先對三維點云模型數(shù)據(jù)進(jìn)行去噪和地面點歸一化處理，然后從歸一化的樣地林分點云數(shù)據(jù)中提取所需的森林結(jié)構(gòu)參數(shù)。

3.2.1 胸徑提取

在地基林業(yè)模塊進(jìn)行胸徑（DBH）種子點編輯，設(shè)置點云顯示高度為1.2～1.4 m，選擇DBH測量工具，將單木點云模型置于截面內(nèi)（圖5），便可獲取每株單木在距離地面1.3 m處的胸徑擬合結(jié)果。

3.2.2 樹高提取

在機(jī)載林業(yè)模塊進(jìn)行頂點種子點編輯，在編輯窗口內(nèi)通過目視解析判斷樣地內(nèi)單木的頂點，并在頂點或靠近頂點的位置添加種子點，軟件將基于種子點自動進(jìn)行單木分割進(jìn)而獲取單木的樹高參數(shù)（圖6）。

4 檢驗與分析

4.1 模型精度檢驗

根據(jù)優(yōu)化處理后導(dǎo)出的檢驗報告，將11個控制點在三維點云模型中的坐標(biāo)和RTK測量儀實測坐標(biāo)之差進(jìn)行比較分析（表1）：平面坐標(biāo)誤差最大值為-0.069 m，最小值為0.002 m；海拔高度坐標(biāo)誤差最大值為-0.099 m，最小值為0.005 m；各控制點合計誤差最大的是C12，為0.111 m，最小的是C3，為0.017 m；三維點云模型的平面坐標(biāo)中誤差為0.040 m，海拔高度中誤差為0.053 m。根據(jù)《數(shù)字航空攝影測量測圖規(guī)范》（CH-T 3007.1-2011）對1∶500地形圖平面誤差不超過0.1 m，高程誤差不超過0.2 m的精度要求，可以認(rèn)為本研究對斜攝點云數(shù)據(jù)和近攝點云數(shù)據(jù)的融合是有效的，且精度較高。

4.2 胸徑和樹高精度分析

如表2所示，實測數(shù)據(jù)和點云數(shù)據(jù)獲取的樹高的平均差值為-0.9 m，平均相對誤差為5.4%，獲取胸徑的對應(yīng)參數(shù)為-0.8 cm和7.1%。胸徑的平均相對誤差大于樹高的主要原因在于部分單木的相對誤差明顯偏大，如17號樹的胸徑相對誤差達(dá)到了37.0%，且胸徑相對誤差超過10%的樹木有7株，而樹高相對誤差最大值為24.2%，且樹高相對誤差超過10%的樹木只有4株，出現(xiàn)這種情況是因為這些樹木未能從二維近攝影像中獲得完整的胸徑點云，所以在提取胸徑時，根據(jù)樹干1.3 m處不完整點云進(jìn)行圓形擬合便會出現(xiàn)偏差［26］。從圖7中可以發(fā)現(xiàn)，相較于胸徑，樹高的點云數(shù)據(jù)普遍低于實測數(shù)據(jù)。造成這種現(xiàn)象是因為帶有坡度的樣地三維模型在進(jìn)行歸一化的處理時，單木點云數(shù)據(jù)發(fā)生收縮畸變，使得樹高的提取值變?。?7］。從整體的比較結(jié)果上來看，基于點云數(shù)據(jù)獲取的樹高和胸徑可以滿足樣地調(diào)查的精度要求。

4.3 實測數(shù)據(jù)與點云數(shù)據(jù)線性回歸分析

對實測數(shù)據(jù)和點云數(shù)據(jù)進(jìn)行線性擬合，以實測數(shù)據(jù)作為自變量x，以點云數(shù)據(jù)作為因變量y，分別作出樹高和胸徑的散點圖，得到回歸方程如圖8所示。樹高和胸徑回歸模型的R2分別為0.809 5和0.918 4，說明實測數(shù)據(jù)和點云數(shù)據(jù)之間具有較好的相關(guān)性。胸徑實測數(shù)據(jù)和點云數(shù)據(jù)的相關(guān)性高于樹高，主要原因可能在于胸徑結(jié)果的獲取無論是實地測量還是點云擬合，相較于樹高的獲取都要容易，人為主觀因素影響較小。在實地測量樹高時，可能會因為冠幅的遮擋或樹冠層不規(guī)則生長，誤判了樹頂點的位置［28］。而在對點云模型進(jìn)行目視解析時，也會因為相鄰樹冠幅的重疊，造成樹頂點定位與實際不符的情況［29］。

5 結(jié)論與討論

5.1 結(jié)論

本研究利用無人機(jī)和智能手機(jī)分別對樣地林分進(jìn)行地面近景攝影和空中傾斜攝影，將空地影像進(jìn)行三維重建并獲得了三維點云模型，然后從三維點云模型中獲取樣地林分中單木的樹高和胸徑，另外，在樣地內(nèi)進(jìn)行每木檢尺，將樹高和胸徑的實測數(shù)據(jù)和點云數(shù)據(jù)進(jìn)行對比，得到以下結(jié)論：

（1）基于無人機(jī)的斜攝影像和智能手機(jī)的近攝影像構(gòu)建樣地林分的三維模型是可行的，利用控制點，可以實現(xiàn)近攝點云模型和斜攝點云模型的相互融合，且融合后的三維模型可以滿足精度要求。

（2）對實測數(shù)據(jù)和點云數(shù)據(jù)所獲取樹高和胸徑的精度進(jìn)行分析，平均差值分別是-0.9 m和-0.8 cm，平均相對誤差分別為5.4%和7.1%，表明基于三維模型點云信息獲取樣地單木樹高和胸徑具有可行性，且總體精度較高。

（3）對樹高和胸徑進(jìn)行線性回歸分析的結(jié)果表明，實測數(shù)據(jù)和點云數(shù)據(jù)具有較好的相關(guān)性，從三維模型點云數(shù)據(jù)中獲取單木參數(shù)可以作為一種有效的技術(shù)手段代替人工實地每木檢尺的數(shù)據(jù)。

5.2 討論

攝影測量是基于高重疊率圖像的自動匹配處理算法和自動解算圖像內(nèi)外方位元素等三維重建技術(shù)得到具有相對參考坐標(biāo)的點云，和激光雷達(dá)點云一樣都可用于獲取典型的森林結(jié)構(gòu)信息［30-33］。但激光雷達(dá)對森林冠層具有一定的穿透性，可以直接測量森林的三維結(jié)構(gòu)，而攝影測量則無法穿透森林冠層［34-35］。本研究將地面近景攝影和無人機(jī)傾斜攝影相結(jié)合，克服了無人機(jī)攝影測量難以獲得林下信息的不足。

基于本研究結(jié)果，還有以下問題需要研究：①郁閉的林下環(huán)境和低洼的地勢通常會對控制點三維坐標(biāo)信息的獲取帶來困難，因此，在林地環(huán)境下，三維模型精度和控制點數(shù)量及布設(shè)方式的關(guān)系還有待研究；②不完整的點云會對胸徑擬合和樹高提取的結(jié)果造成較大的偏差，樣地三維點云信息的完整性還有待提升；③本研究以地勢較為平坦的人工純林為研究對象，而對于森林結(jié)構(gòu)比較復(fù)雜的林分如何實現(xiàn)三維模型的構(gòu)建及點云信息的提取還有待進(jìn)一步研究。

參 考 文 獻(xiàn)

［1］楊朝應(yīng)，劉兆剛.大興安嶺森林健康經(jīng)營效果評價研究［J］.中南林業(yè)科技大學(xué)學(xué)報，2014，34（7）：27-31.

［2］PENG C H，ZHANG L J，ZHOU X L.Developing and evaluating tree height-diameter models at three geographic scales for black spruce in Ontario［J］.Norther Journal of Applied Forestry，2004，21（2）：83-92.

［3］張軍國，閆浩，胡春鶴，等.無人機(jī)在林業(yè)中的應(yīng)用及前景展望［J］.林業(yè)工程學(xué)報，2019，4（1）：8-16.

［4］楊坤，趙艷玲，張建勇，等.利用無人機(jī)高分辨率影像進(jìn)行樹木高度提?。跩］.北京林業(yè)大學(xué)學(xué)報，2017，39（8）：17-23.

［5］CHEN S Y，LIANG D，YING BB，et al.Assessment of an improved individual tree detection method based on local-maximum algorithm from unmanned aerial vehicle RGB imagery in overlapping canopy mountain forests［J］.International Journal of Remote Sensing ，2021，42（1）：106-125.

［6］汪霖，李明陽，方子涵，等.基于無人機(jī)數(shù)據(jù)的人工林森林參數(shù)估測［J］.林業(yè)資源管理，2019（5）：61-67.

［7］PANAGIOTIDIS D，ABDOLLAHNEJAD A，PETER S，et al.Determining tree height and crown diameter from high-resolution UAV imagery［J］.International Journal of Remote Sensing，2017，38（8-10）：2392-2410.

［8］劉曉農(nóng)，旦增，邢元軍.基于無人機(jī)高分影像的冠幅提取與樹高反演［J］.中南林業(yè)調(diào)查規(guī)劃，2017，36（1）：39-43.

［9］劉文萍，仲亭玉，宋以寧.基于無人機(jī)圖像分析的樹木胸徑預(yù)測［J］.農(nóng)業(yè)工程學(xué)報，2017，33（21）：99-104.

［10］賈鵬剛，夏凱，董晨，等.基于無人機(jī)影像的銀杏單木胸徑預(yù)估方法［J］.浙江農(nóng)林大學(xué)學(xué)報，2019，36（4）：757-763.

［11］張志華，云挺，薛聯(lián)鳳，等.基于近景攝影測量技術(shù)的關(guān)鍵林分參數(shù)的獲取研究［J］.科學(xué)技術(shù)與工程，2017，17（12）：85-92.

［12］劉魯霞，龐勇，李增元.基于地基激光雷達(dá)的亞熱帶森林單木胸徑與樹高提取［J］.林業(yè)科學(xué)，2016，52（2）：26-37.

［13］徐華東，陳文靜，劉華.基于三維激光掃描的單木胸徑和樹高提?。跩］.森林與環(huán)境學(xué)報，2019，39（5）：524-529.

［14］駱鈺波，黃洪宇，唐麗玉，等.基于地面激光雷達(dá)點云數(shù)據(jù)的森林樹高、胸徑自動提取與三維重建［J］.遙感技術(shù)與應(yīng)用，2019，34（2）：243-252.

［15］馮仲科，殷嘉儉，賈建華，等.數(shù)字近景攝影測量用于森林固定樣地測樹的研究［J］.北京林業(yè)大學(xué)學(xué)報，2001，23（5）：15-18.

［16］管防立，徐愛俊.基于智能手機(jī)與機(jī)器視覺技術(shù)的立木胸徑測量方法［J］.浙江農(nóng)林大學(xué)學(xué)報，2018，35（5）：892-899.

［17］周克瑜，汪云珍，李記，等.基于Android平臺的測樹系統(tǒng)研究與實現(xiàn)［J］.南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版），2016，40（4）：95-100.

［18］連蓉，丁憶，羅鼎，等．傾斜攝影與近景攝影相結(jié)合的山地城市實景三維精細(xì)化重建與單體化研究［J］.測繪通報，2017（11）：128-132.

［19］邱春霞，張巧玲，董乾坤，等.無人機(jī)傾斜影像三維建模中的空地融合研究［J］.測繪地理信息，2021，46（6）：67-71.

［20］劉偉，張海濤，王亞強(qiáng)，等.遠(yuǎn)—近景攝影測量在烏山銅鉬礦工程地質(zhì)勘察中的應(yīng)用［J］.現(xiàn)代礦業(yè)，2021，37（8）：41-43，48.

［21］李明峰，韓一，王富力，等.融合近景與傾斜攝影測量建筑物三維點云的配準(zhǔn)方法［J］.現(xiàn)代測繪，2021，44（6）：1-4.

［22］張吳明，李丹，陳一銘，等.聯(lián)合地基激光雷達(dá)與無人機(jī)攝影測量技術(shù)提取樹高研究［J］.北京師范大學(xué)學(xué)報（自然科學(xué)版），2018，54（6）：764-771.

［23］LISEIN J，PIERROT-DESEILLIGNY M，BONNET S，et al.A Photogrammetric Workflow for the Creation of a Forest Canopy Height Model from Small Unmanned Aerial SystemImagery［J］.Forests 2013，4（4）：922-944.

［24］朱進(jìn)，丁亞洲，陳攀杰，等.控制點布設(shè)對無人機(jī)影像空三精度的影響［J］.測繪科學(xué)，2016，41（5）：116-120.

［25］桑文剛，李娜，韓峰，等.小區(qū)域消費(fèi)級無人機(jī)傾斜攝影像控點布設(shè)及建模精度研究［J］.測繪通報，2019（10）：93-96.

［26］范偉偉，劉浩然，徐永勝，等.基于地基激光雷達(dá)和手持式移動激光雷達(dá)的單木結(jié)構(gòu)參數(shù)提取精度對比［J］.中南林業(yè)科技大學(xué)學(xué)報，2020，40（8）：63-74.

［27］吳思敏.落葉松人工林地面激光點云林木參數(shù)提取研究［D］.長沙：中南林業(yè)科技大學(xué)，2021.

［28］劉江俊，高海力，方陸明，等.基于無人機(jī)影像的樹頂點和樹高提取及其影響因素分析［J］.林業(yè)資源管理，2019，4：107-116.

［29］趙穎慧，楊海城，甄貞.基于ULS、TLS和超聲測高儀的天然次生林中不同林冠層樹高估測［J］.南京林業(yè)大學(xué)學(xué)報（自然科學(xué)版），2021，45（4）：23-32.

［30］JAAKKOLA A，HYYPPA J，KUKKO A，et al.A low-cost multi-sensoral mobile mapping system and its feasibility for tree measurements［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2010，65（6）：514-522.

［31］ZARCO-TEJAADA P J，DIAZ-VARELA R，ANGILERI V，et al.Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle （UAV） and automatic 3D photo-reconstruction methods［J］.European Journal of Agronomy，2014，55：89-99.

［32］WALLACE L，MUSK R，LUCIEER A.An assessment of the repeatability of automatic forest inventory metrics derived from UAV-borne laser scanningdata［J］.IEEE Transactions on Geoscience and Remote Sensing，2014，52（11）：7160-7169.

［33］WALLACE L，LUCIEER A，MALENOVSKY Z，et al.Assessment of forest structure using two UAV techniques：a comparison of airborne laser scanning and structure from motion （SfM） point clouds［J］.Forests，2016，7（3）：62.

［34］劉清旺，李世明，李增元，等.無人機(jī)激光雷達(dá)與攝影測量林業(yè)應(yīng)用研究進(jìn)展［J］.林業(yè)科學(xué)，2017，53（7）：134-148.

［35］HYYPPA J，HYYPPA H，LECKIE D，et al.Review of methods of small-footprint airborne laser scanning for extracting forest inventory data in boreal forests［J］.International Journal of Remote Sensing，2008，29（5）：1339-1366.

（編校：唐 嵐）

收稿日期：2022-07-25

基金項目：湖北省林業(yè)科學(xué)研究院科技基金項目“基于無人機(jī)航拍影像的森林資源調(diào)查與監(jiān)測研究”（2021YJJ03）；中德財政合作林業(yè)重大科研項目“近自然森林經(jīng)營示范與成效監(jiān)測”（zdhz2017ky02）。

作者簡介：王怡（1984～），男，助理研究員，主要從事森林經(jīng)營與森林資源監(jiān)測相關(guān)工作。

湯景明為通訊作者。