立木樹冠萃取

本研究目的為偵測森林區樹冠邊界位置，針對 緩坡區林地且不同樹冠密集程度區域進行測試。研 究方法以影像金字塔概念為基礎，使用高密度空載 光達資料針對不同樹冠密集度區域分析高程剖面 線形，濾除局部樹冠表面雜訊與地形起伏效應，以 尋找高程不連續處萃取獨立樹冠與次樹冠邊界、立 木位置與樹高。內容包含五項程序：(1)資料前處 理，(2)樹冠候選點萃取，(3)高程剖線分析，(4)樹 冠邊界萃取，(5)樹冠過濾。資料前處理部分，利 用雷射掃描儀所有回波資料，取局部低點組不規則 三角網，並計算點至面垂距逐一自動加點以萃取地 面高程(Axelsson, 2001)，再經網格化內插離散地面 點 產 生 數 值 地 形 模 型(Digital Elevation Model, DEM)提供一參考高程面，以高程差門檻濾除近地 點雲，萃取樹冠候選點減少待分析之資料量。接著，

以EMD 分析高程剖面濾除非樹冠部分，針對特定 本質模態函數(Intrinsic Mode Functions, IMF)尋找 高程不連續處萃取樹冠邊界位置。最後，連接樹冠 邊界產生封閉多邊形，並以面積門檻濾除或合併過 小樹冠。研究流程圖如圖1 所示。

圖1 研究流程圖

2.1 資料前處理

由於光達點雲資料量龐大，不易直接使用原始 離散點雲萃取樹冠邊界。因此，研究中從原始點雲 建立DEM 始，產生參考基準面以萃取樹冠候選點。

DEM 產生方式為利用原始離散點雲取局部低點組 粗略不規則三角網，再計算其餘點至三角形面垂距，

經與三角面法向量夾角比對後，逐一將TIN 加密，

萃取地面點雲(Axelsson, 2001)，最後經網格化產生 DEM。由於樹冠點與地面存在高程差，故研究中 先以高程差門檻1(dH1)比較原始離散點雲與 DEM 間高程關係，以萃取樹冠候選點先行降低待處理資 料量，以提升後續處理的效能。

2.2 樹冠萃取

萃取樹冠候選點後，分析樹冠高程剖面線型偵 測樹冠邊界位置。由於使用離散點雲分析點與點間 之幾何距離需耗費大量運算時間，所以提出以影像 金字塔概念為基礎，將資料空間解析度由粗到細分 階段處理，以提升資料處理效率。此部分包含三項 內容：(1)資料網格化，(2)高程剖線分析，(3)樹冠 邊界產生。資料網格化，將樹冠候選點雲以設計之 網格空間解析度取樣，進一步降低待處理資料量，

同 時 產 生 數 值 樹 冠 模 型(Digital Canopy Model, DCM)。高程剖線分析，將 DCM 做不同方向拆解 產生一維高程序列資料，並以EMD 拆解並獲取不 同頻率序列資料，從中挑選最適之 IMF 並視高程 不連續處為樹冠邊界位置。樹冠邊界產生，以樹冠 邊界網格位置於候選點中萃取原始點雲，將樹冠點 連接產生封閉多邊形，進而萃取各樹冠內部離散點 雲。樹冠萃取流程如圖2 所示。

2.2.1 資料網格化

由於EMD 為一連續疊代處理程序，如資料為 大量離散點則運算時間所費不貲，為解決此一問題，

本研究提出使用影像金字塔概念，將原始點雲分層，

由粗到細加速處理效率，從原始光達點雲始進行虛 擬網格化，同時保留原始資料之坐標數值。其概念

為在離散點雲間產生虛擬網格，於每個虛擬網格中 尋找局部點雲，並尋找點雲中最低點視為該網格之 高程值，無點分佈位置則略過。此目的為保留樹冠 高程原始數值，同時產生由虛擬網格組成之DCM，

如圖3 所示。圖 3(a)於離散點雲間鋪上網格並萃取 局部低點視為該處之高程值，處理結果如圖 3(b) 所示，以色階代表該處原始高程，灰色處代表無資 料。

圖2 樹冠萃取流程圖

2.2.2 高程剖線分析

藉由產生粗略的DCM 尋找高程不連續處，視 為樹冠邊界概略位置。但由於樹冠表面幾何形狀複 雜，如單純使用坡度、坡度差與高程差等幾何門檻 判斷邊界位置，易造成漏授與誤授問題。因此，本 研究假設樹冠高程剖面線型為多頻率的複合波型 所構成，而樹冠邊界位置可能存在於某些頻率波型 的局部低點處，為達成此一目的，本研究使用EMD 做為處理核心。EMD 為一種資料分析方法，其概 念為藉由經驗參數拆解任意或複和週期性函式，產 生不同頻率之 IMF，再針對特定頻率的 IMF 進行 分析，其適用之函式包含非線性(Non-linear)與非定 態(Non-Stationary)函式。此一資料分析方法，現今 多用於分析受干擾的訊號或影像(Chen et al., 2007;

Wu et al., 2007; Chen et al., 2008)，從中挑選特定 IMF 分析波型特性，萃取所需之目標資料。

(a) 原始離散點雲 (b) 虛擬網格

n

2.2.3 樹冠邊界描繪

經由EMD 處理後，可將二維虛擬網格拆解成 數個不同頻率之一維高程剖線，將最高頻與最低頻 IMF 移除後，再將剩下 IMF 重組後產生無雜訊干 擾與正規化的DCM，此時再使用高程差 2(dH2)門 檻，萃取樹冠邊界虛擬網格位置，如圖7(a)所示。

接著，於各樹冠邊界網格中從原始光達點雲中萃取 局部最低點之三維坐標，並視為樹冠邊界點，再以 局部最高點視為樹頂點，見圖7(b)三角形位置，依 此點為中心使用角度門檻(θ)判斷其周圍各邊界點 是否應與鄰近點相連接，產生封閉多邊形之樹冠輪 廓，於連接的同時，亦判斷所描繪的範圍是否涵蓋 非邊界之光達點雲，以避免錯誤發生。處理成果包 含立木平面位置與立木高程，及該立木之樹冠涵蓋 範圍，如圖7(c)所示。最後，針對所獲取之樹冠邊 界，再以高程門檻2 及面積門檻判斷成果是否正確，

如樹冠表面高程變化過於平緩或樹冠面積過小，則 視為錯誤樹冠並予以剔除。