通过遥感数据融合提升地面激光扫描

地面激光扫描越来越多地与空中/星载激光雷达融合，以表征一系列森林生态系统的植被结构。本文探讨了这种方法在实践中支持扩大更大领域的潜力。

地面激光扫描（TLS）是树木和森林结构地块尺度测量的重要工具。这些局部测量对于支持森林碳平衡的量化和长期森林监测具有重要意义。通常，通过将TLS数据与机载和星载激光雷达耦合，可以促进从单个树木到局部地块测量再到区域或国家估计的升级。最近，将TLS数据与空中/星载激光雷达融合在一起，以表征一系列森林生态系统的植被结构。

TLS数据已经可以提供树木体积和生物量的准确估计。这对于监测气候变化导致的碳变化以及林业和森林管理至关重要。此外，TLS可以提供的丰富3D数据集在环境科学中得到越来越广泛的应用，尤其是生态学。具体来说，关于树形和功能之间的关系，有许多开放而重要的科学问题，3D信息正在帮助解开这些问题。此外，与生物多样性、生境和鸟类、昆虫和小型哺乳动物的移动有关的一系列其他领域也是森林结构的功能。接下来，树枝建筑性状可以进一步与整个树木水平的叶子和木材特性相关。不幸的是，在实践中，扩展到更大的区域仅限于可以分配给在更大区域（>10ha）收集TLS数据的资源量。在这种情况下，其他激光扫描平台（星载、机载、无人机）的潜力在与TLS数据融合的背景下很有趣。 

图1：左图显示了装有RIEGL VUX-1UAV激光扫描仪的RIEGL RiCOPTER飞越澳大利亚潮湿的热带森林地块。右图显示了一台RIEGL VZ-400地面激光扫描仪，安装在澳大利亚潮湿热带森林地块的三脚架上。

通常，数据融合可以用两种不同的方式来看待。一方面（类型 1），融合可以指将两个单独的数据集组合成一个唯一的新数据集。在这种情况下，生成的（融合）数据集基于每个传感器的强度，并提供采样对象的更完整视图。具有不同观点的两个数据集被共同配准并组合成一个点云，以减少两个单独点云中存在的遮挡。当两个单独的数据集表示相同级别的空间细节时，这种类型的融合通常很有趣。另一方面（类型 2），单独的数据集可以在空间上对齐（共同配准），但不能转换为单个唯一数据集。当各个数据集具有非常不同的详细级别时，通常会出现这种情况。然而，由于空间互补，这种类型的聚变不仅对研究结构随时间的变化感兴趣，而且在星载遥感产品的校准和验证方面也至关重要。

地面和无人机激光雷达融合

为了覆盖更大的区域，同时保持与TLS相当的细节水平，正在探索配备激光扫描仪（UAV-LS）的无人机（UAV）作为加快更大区域（>1-100公顷）扫描过程的可能解决方案。目前有多种商用无人机系统可用，数据质量差异很大。最近的UAV-LS系统已经产生了点密度从每平方米50到>4，000点不等的点云。与传统的机载激光扫描（ALS）相比，UAV-LS以更低的成本和更高的灵活性表现出更高的点密度，但空间覆盖范围明显更小。

将TLS和UAV-LS融合到一个融合的数据集中特别有趣，因为这两种技术捕获了森林的不同部分（图1）。由于其树冠上方的视图，UAV-LS可以解释TLS中被遮挡的冠层部分，并改善在地块和树木水平上得出的结构指标。因此，高密度的UAV-LS数据是首选，特别是对于茂密且结构复杂的热带森林。当存在关键数量的公共空间特征作为连接点时，可以实现UAV-LS和TLS点云的良好空间对齐（图2和图3）。

图 2：TLS 的图级融合结果图示和潮湿热带森林图中高密度 UAV-LS 飞行的多次返回。

融合点云不仅可以用于改进结构指标，还可以作为研究独立TLS和UAV-LS潜力和局限性的参考。此外，融合点云可以用作局部校准工具，以改善景观尺度上的独立UAV-LS结构估计。

地面和机载激光雷达融合

如上所述，充分利用这些新的3D信息源的一个关键挑战在于将它们组合在一起，以便将每个来源的最佳，最有用的信息整合到一个数据集中。TLS和UAV-LS在测量单个树结构方面取得的重大进展部分受到规模的限制。ALS嵌入林业管理和实践以及环境科学，部分原因是它可以快速覆盖大面积。

图 3：TLS 在树级的融合结果和热带树的高密度 UAV-LS 的多次返回图示。子图“a”和“b”表示树上的不同放大。

ALS相对较长的遗产意味着有广泛的既定工具和工作流程用于提取树木和森林信息，目前比TLS和UAV-LS更是如此。ALS通常提供冠层高度，茎密度和潜在垂直结构的估计值。不用说，权衡是细节：与UAV-LS可能提供的数千个点（以及TLS的数千个点）相比，ALS每平方米提供不到100个点，并且通常具有更低的顶篷穿透力和更大的占地面积（图4）。但ALS现在和将来都是一种重要的桥接工具，特别是在将绘图尺度测量与星载测量联系起来方面。ALS支持许多地方，区域和国家对树冠覆盖（特别是在城市环境中），碳储量，生长和产量以及栖息地类型，森林变化图等的估计。因此，在某些地方，ALS的时间序列非常重要，可以追溯到几十年前。

将ALS与TLS相结合的许多发展都集中在如何将这些更聚合的ALS衍生的冠层属性与TLS的树级细节相关联。共同注册TLS和ALS点云的挑战甚至比TLS到UAV-LS的挑战更大，主要是由于覆盖的区域要大得多。虽然平台位置和态度的技术改进肯定有所帮助，但集成的下一步可能是算法，即类似SLAM的方法，但基于数据集本身的规模更大。在识别和描绘大面积ALS覆盖的单个树冠方面已经取得了重大进展，包括通过机器学习/深度学习。将其与TLS的信息相结合，已经可以在单个树木规模上改进匹配，特别是在密度较低的森林地区。

另一种方法是走另一条路，将地块尺度的高度和植被密度的总体估计从TLS关联到ALS（可能通过UAV-LS）。这样做的好处是不需要在树尺度上进行共同注册，因此是一种非常有吸引力的实用方法。缺点是丢失详细的树级信息。在地面和空中数据之间建立联系的重要性已得到广泛认可。新的地球观测卫星委员会的活动明确规定，与地上生物量和碳储存有关的应用。例如，GEO-TREES倡议寻求在全球建立一个由100个或更多永久性1公顷生物量参考站点组成的网络，迫切需要这些站点来改进卫星和空中森林碳估算的校准和验证。

图 4：澳大利亚热带稀树草原利奇菲尔德 TERN 超级站点的不同激光雷达数据集图示。所有点云都被下采样为 0.02m 体素。

机载和星载激光雷达融合

提供森林/冠层结构信息的星载激光雷达数据集仅限于三个不同的任务：ICESat-1（2003-2009年）、ICESat-2和全球生态系统动态调查（GEDI）。顾名思义，ICESat 1和2主要用于测量冰盖的生长和收缩，只有GEDI专门设计用于绘制树冠结构。GEDI于2018年底发射升空，目前正在国际空间站的有利位置绕地球运行。GEDI收集全波形激光雷达数据，因此仪器收集的不是TLS测量产生的详细点云，而是每个采样位置的“波形”，其中包含地面高程，冠层高度和垂直冠层结构的信息，其中采样位置跨越直径约25米的圆圈。考虑到太空的有利位置，采样模式的密度远低于机载激光雷达数据，但GEDI的优势在于它可以收集几乎所有温带和热带森林（大约在北纬51.6度之间）的激光雷达测量值。

涉及星载激光雷达数据的数据融合完全属于上述第二类;两个数据集在空间上对齐（共同注册），但不会转换为单个唯一数据集。高分辨率机载激光雷达数据集在空间上与星载数据对齐，可用于验证冠层高度和垂直剖面的星载测量值（图 5）。星载和机载聚变也可用于评估冠层结构随时间的变化，例如，使用数据收集之间的时间滞后。两种仪器测量的冠层结构差异可能归因于自然和人为过程。此外，机载参考数据集可用于训练模型，以从星载激光雷达数据集中提取比目前可能的更多信息。更进一步，星载和机载激光雷达数据集甚至可以与其他高分辨率的星载遥感数据产品融合，以训练先进的机器学习模型，以比单独使用星载激光雷达数据更高的分辨率估计广大区域的冠层结构。

图 5：左侧图像显示了加蓬机载全波形激光雷达系统 （LVIS） 和 GEDI 的说明性扫描模式。右图显示了LVIS（红色）与GEDI（黑色）收集的激光雷达波形之间的比较;检索到的地面高程和冠层高度用虚线表示两种仪器。请注意，这些数据集大约相隔三年收集，这可能会增加观察到的冠层结构差异。

结论

地球森林生态系统的3D信息对于支持长期碳监测至关重要，尤其是在世界气候面临越来越大压力的情况下。TLS数据已经可以提供树木体积和生物量的准确估计，但实际上空间覆盖仅限于几公顷。更大的区域可以用无人机、机载和星载激光雷达进行映射，本文描述了如何以两种不同的方式将这些数据与TLS融合以支持升级。

文章来源：gim-international

作者：Louise Terryn, Kim Calders, Suzanne Marselis, Mathias Disney

文章由GIS前沿小助手整理编译

- END -