摘要
单木参数（如胸径、树高等）作为估测森林生物量的基础数据，其精确估测就变得至关重要，传统的森林调查数据获取过程费时、费力、昂贵且具有破坏性。地基激光雷达（Terrestrial Laser Scanning, TLS）能自动获取单木几何结构参数，但在提供高密度点云的同时也包含了太多冗余信息，为更好利用TLS数据获取单木参数，对TLS点云预处理过程中进行有效地抽稀和简化很有必要。本研究以东北林业大学帽儿山实验林场新垦和老山施业区的5块落叶松人工林方形样地30×30m（0.09hm2）为研究区域，以TLS数据和野外样地调查实测数据为数据源，采用三种抽稀算法（点间距、八叉树和随机采样）以及五种抽稀后的点云密度水平（80%、50%、25%、10%和 3%）进行点云抽稀，估测人工落叶松单木参数（胸径和树高）并进行单木精度评价，之后以不同抽稀算法和抽稀后不同的点云密度水平进行双因素方差分析，研究结果表明： （1） 三种抽稀算法对估测单木胸径的RMSE和rRMSE均有显著影响，对树高无显著影响；点间距抽稀后估测胸径的效果最好，与未抽稀前的精度相差不大（其中 RMSE 低0.1211cm，rRMSE低0.616%）。在不同抽稀算法的主效应作用下，采用点间距和随机采样抽稀后对估测单木DBH精度（RMSE和rRMSE）均有显著差异。 （2） 五种点云密度水平对估测单木胸径的精度影响显著，对树高无显著影响，其中抽稀后密度水平为25%和50%估测单木胸径的三个精度指标（R2、RMSE、rRMSE）都优于未抽稀前的精度，估测结果较好；点云密度水平为 3%时估测单木胸径精度最低。三种点云密度水平（50%、25%和 80%）的R2（分别为 0.9802、0.9778 和 0.9776）均大于未抽稀的（分别高0.0036、0.0012和0.0010）；三种点云密度水平（25%、50%和80%）的RMSE（分别为 1.0418cm、1.0596cm 和 1.1314cm）小于未抽稀的（分别低 0.0917cm、0.0739cm、0.0021cm）；两种点云密度水平（25%和50%）的rRMSE（分别为 5.3860%和 5.5180%）小于未抽稀的（分别低0.456%和0.324%），估测单木胸径结果相对较好。抽稀后3%的点云密度水平和其它四种点云密度水平（100%、80%、50%和25%）的估测单木DBH精度（R2、RMSE 和 rRMSE）均有显著差异，抽稀后为 3%和 10%的点云密度水平估测单木 DBH 的RMSE有显著差异。
NETL