使用空載光達資料萃取森林區立木樹冠

Volume 14, No.3, September 2009, pp. 201-210

1國立中央大學土木工程學系 博士生 收到日期:民國 98 年 08 月 31 日

2國立中央大學太空及遙測研究中心 教授 修改日期:民國 98 年 12 月 01 日

*通訊作者, 電話: 886-3-4227151ext.57623, E-mail: freezer@csrsr.ncu.edu.tw 接受日期:民國 98 年 12 月 14 日

使用空載光達資料萃取森林區立木樹冠

羅詔元

陳良健

摘 要

立木樹冠植生情況為森林管理重要的參考指標，包含單株立木數量、立木位置、立木高度、材積與 樹冠涵蓋範圍等，為獲取上述資訊，除藉由現地量測、航照立體對與雷達回波等資料獲得外，亦可由空 載光達三維離散點雲萃取立木樹冠範圍與立木位置。由於森林區的特性，現地量測耗時費力，而航照影 像與雷達回波資料於樹冠密集處不易辨識邊界位置。隨著空載雷射掃描儀性能的提升，於三維物空間萃 取樹冠資訊具可行性，但現今光達資料多以網格式處理，萃取成果與網格大小與內插方式直接相關，且 內插會造成高程資訊的損失。因此，本研究擬使用三維離散點偵測高程不連續處萃取樹冠邊界，進而獲 得立木位置。由研究成果顯示，分析高程不連續處可有效獲取立木位置、立木高度與樹冠邊界。

關鍵詞：森林、萃取、航照立體對、空載光達、雷達

1. 前言

於森林領域中一般多使用立木數量、材積、樹 冠覆蓋範圍與面積等參數描述立木生長情況，而這 些資訊可由傳統處理方法獲得，如現地測量(陳永 寬等, 2005)、航照影像(馬淑敏, 2006;Hirschmugl et al., 2007)、衛星影像(Gougeon and Leckie, 2006)與 雷達資料(Walker et al., 2007)等。然而使用上述資 料進行樹冠偵測各有其限制，如現地測量甚為耗費 人力物力，且測量範圍受目標區環境影響，另一方 面使用影像偵測樹冠範圍則亦受遮蔽與光影效果 而不易偵測邊界位置，尤以森林密集處甚為困難 (Næsset et al., 2004)，而雷達資料則因空間解析度 關係，不宜針對大比例尺之局部立木處理。因此，

由上述處理程序可知，使用光譜資料處理稀疏林區 可獲取較佳的成果，但森林密集區則較難將相鄰樹 冠分離。由於近年空載雷射掃描儀性能的提升，三 維離散點雲密度日益密集，為分離相鄰樹冠，本研 究擬使用高密度三維光達點雲從高程變化上進行 分析，尋找高程不連續處以偵測樹冠邊界。

現今有相當多的文獻使用雷射掃描儀偵測樹

冠幾何資訊，其中，以Nelson et al. (1984) 開始探 討雷射光束與樹冠葉子間之關係，如雷射光能量足 夠，則可穿透樹葉遮蔽，偵測下層物體資訊，如地 面高程。因此，使用空載雷射掃描儀偵測地面高程 資訊具可行性。另一方面，Maltamo et al. (2006)亦 針對寒帶地區森林樹種測試，使用空載雷射掃描儀 所偵測出之樹冠幾何資訊，與現地調查成果相較，

可獲得極為相近之成果。

由於樹冠表層非平滑面，包含雜訊與樹冠幾何 外型，故大部分文獻多以內插函式將資料網格化，

以降低雜訊對成果偵測的干擾程度。Hyyppä et al.(2001)延伸影像處理的概念，將三維離散點雲網 格 化 產 生 數 值 表 面 模 型(Digital Surface Model, DSM)與數值高程模型(Digital Elevation Model)，藉 由高程門檻先行萃取地面上樹冠候選區，經由偵測 候選區域最高點視為立木樹頂位置，最後以影像分 割 技 術(Segmentation) 產生數值 植物模型 (Digital Vegetation Model, DVM)及數值樹高模型(Digital Tree Height Model, DTHM)。而 Clark et al.(2004) 亦提出使用網格式資料立木資訊，將離散點雲網格 化產生 DSM 與 DEM，使用高程門檻偵測局部區

域最高處視為立木位置，而周圍高度較低之次樹冠 則與該相對高點比較，以距離倒數為權配合克力金 法判斷該次樹冠是否需合併或分離。Bortolot (2006) 提出分割與合併的概念，從DSM 與 DEM 中萃取 立木資訊，藉由高程門檻萃取出所有可能的候選立 木樹冠，最後逐一判斷各樹冠間高度關係以判斷是 否應合併成為同一立木樹冠。由於上述研究多僅以 光達點雲偵測立木位置與樹冠資訊，如遇點雲密度 不足處或測區含其他目標物時，則尚需其他資料輔 助以萃取立木位置。Wulder et al. (2007)結合光達 點雲資料與衛星影像偵測樹冠邊界，先由衛星影像 以地物光譜值判斷樹冠候選區，接著由DSM 中分 析各局部區域高程變化尋找不連續處。此外，亦有 相關研究整合空載光達資料與多光譜影像萃取立 木資訊，使用光達點雲網格化後的DSM 經高程門 檻篩選地物區塊，再經多光譜影像萃取植被區，最 後 重 建 三 維 立 木 模 型( 江 采 薇 , 2006; 賴 君 怡 , 2008)。

根據上述文獻顯示，現有之文獻多以網格式資 料萃取立木資訊，但由於將離散點雲網格化處理時，

DSM 的高程數值將會因為內插函式的不同而影響 成果品質。此外，Næsset et al. (2004)亦提出此觀點 對樹冠邊界萃取所造成的問題，如兩樹冠相鄰時，

樹冠間高程變化會因內插過程而改變，致使樹冠邊 界位置偏移，偏移量則視內插平滑化程度而定。此 外，亦有文獻研究於偵測樹冠過程中給定種子點及 相關門檻以尋找立木位置與偵測樹冠邊界，故該點 位置與門檻值的設定便與成果直接相關，不同參數 亦將導致相異成果。因此，為解決使用內插函式造 成樹冠邊界偏移的問題，使用原始點雲分析高程變 化便是主要途徑之一，且為同時避免原始資料中雜 訊對處理程序的干擾，本研究擬使用經驗模態分解 (Empirical Mode Decomposition, EMD)(Huang et al., 1998)將雜訊從原始資料中分離，進而分析高程變 化偵測立木與樹冠邊界位置，研究中將針對兩區進 行方法測試及分析。

2. 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 圖3 虛擬網格建立 (單位:公尺)

(a) 平均曲線 (b) 高程差曲線 圖4 本質模態函數計算過程©Huang et al., 1998 EMD 之處理過程，為在原始波形中搜尋一連

串局部最大值與局部最小值，分別以雲形線連接產 生兩條新曲線，進而計算平均曲線，如圖4(a)中，

由描述原始資料的藍線求取波形中的上下綠色曲 線，及紅色之平均曲線。此階段將原始曲線與平均 曲線相減之後，其差值波形則如圖4(b)所示。此為 一疊代程序，直至處理過之波型的過零點數趨於收 斂，則產生1st IMF。其計算詳細之數學公式則如 式1 所列。

1 1

2 2 1

1 1

) (

c h h m h

h m h

h m l X

n n n

n

− = ⇒ =

=

−

=

−

−

M (1)

其中，X(l)為原始高程剖線函式，

m

h

c

接著，將原始波型與1st IMF 相減，獲得計算

2nd IMF 的起始波型，再重複上述程序，直至最後 一個 IMF 過零點數不再變化時即停止程序。由上 述處理程序可知，目標函式可為任意頻率波型並進 行拆解，產生不同頻率之IMF，由高頻至低頻做排 序，且此為一可逆處理程序，所有 IMF 可經重組 後，可還原成原始目標函式。因此，為瞭解使用 EMD 分析樹冠高程剖面並偵測邊界位置之成效，

本研究嘗試使用EMD 分解樹冠高程剖面線型，將 其拆解成不同頻率之 IMF 並剔除可能干擾源，分 析剩餘的 IMF 中高程不連續處位置，以萃取樹冠 邊界。處理程序如下所示。式(2)為利用式(1)所求 解之 IMF 計算與各次疊代初始波形之差值，直至 最後一個 IMF 的過零點數量固定後，停止疊代。

以圖5(a)為例，此為一 DCM 資料，取其水平方向 之高程斷面可得到圖 5(b)第一個曲線，經由 EMD 拆解後，可獲取四個 IMF，其頻率由高至低做排 序。

n n

n

c r

r c

r c l X

=

−

=

−

=

−

−

r

r

) (

1

2 2 1

1 1

M (2)

其中，

r

故可輕易由平面距離門檻將各樹冠分離，並取得邊 界位置。再者，圖6(b)中當兩個樹冠高度相近且相 鄰時，亦可由EMD 所拆解之不同頻率 IMF 中獲得 樹冠邊界資訊，因樹冠表面幾何為不規則性，故研

究中假設此為一高頻雜訊，可藉由去除高頻的 1st IMF，進而獲取低雜訊干擾之高程波型，即可以高 程門檻2(dH2)尋找高程不連續區描繪邊界位置，將 二樹冠分離。最後，圖6(c)則是二樹冠相鄰但高度 近似，由於此一情況具兩種可能性，一為同一棵樹 之主樹冠與次樹冠，或為兩棵樹的組合，為判斷第 三種情況的模稜問題，故先將地形效應消除，使局 部點雲正規化至同一基準面。於研究中，假設局部 地形起伏與樹冠高程趨勢近似，故將高頻1st IMF 與低頻Nth IMF 同時移除，藉此將樹冠高程波形消 除雜訊與局部地形效應，調整局部高程基準面以尋 找圖6(c)中的高程不連續處，偵測樹冠邊界。

(a) 高程剖線位置 (b) 分解 IMF 範例示意圖 圖5 所有分離後之本質模態函數

(a) 第一類 (b) 第二類 (c) 第三類 圖6 樹冠關係類別

(a) 樹冠邊界點 (b)連接示意圖 (c)樹冠邊界 圖7 樹冠邊界產生示意圖

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。

3. 研究成果與分析

本章節將討論及分析立木樹冠邊界偵測成果。

研究測試區位於芬蘭赫爾辛基西方森林區，測試目 標包含二不同樹冠覆蓋密度之森林區進行邊界偵 測，樹種部分包含三種針葉樹類別。該二測區涵蓋 面積分別為660m²與602m²，兩區樹冠密集程度相 較，分別為中密度與高密度森林區，如圖8 所示。

光達點雲為使用Optech ALTM 2033 於 2004 年 7 月掃描而得，點雲密度為 8 點/m²。地真資料為現 地調查量測之立木。測區影像為使用 Ultracam 於

2004 年 10 月拍攝而得，以展示測區林木狀況，測 區位置如圖9 圈選區所示。

立木偵測從萃取樹冠候選點始，高程差門檻1 以2m 先行萃取樹冠候選點雲，而高程差門檻 2 則 以三倍光達資料系統誤差 0.45m 偵測樹冠高程不 連續處。此外，本研究亦假設最小樹冠涵蓋面積為 1.5m²，藉由此一面積門檻可將過小區塊濾除或與 鄰近樹冠合併，樹冠偵測成果分別如圖10 與圖 11 所示。其中，以十字代表偵測所得之樹頂位置，而 圓形符號則為地真立木位置。成果驗證方式，為使 用地面量測獲取立木樹幹位置，以評估多少立木成 功被萃取。研究成果中所獲得之樹冠邊界如圖 10 與圖11 所示，以不同顏色代表不同樹冠輪廓，並 以十字符號標註立木位置，驗證則以圓球表示每棵 樹是否成功被萃取，成果如表1 所列。由萃取成果 顯示，每棵樹均可成功萃取，且針對高程資訊複雜 區域，依舊可以偵測出高程不連續處，獲取樹冠邊 界位置。

由於研究方法為利用高程剖線偵測樹冠邊界 位置，如主樹冠與次樹冠間有明顯高程不連續處，

且次樹冠面積大於1.5m²並擁有足夠點雲分佈，則 該樹冠將被不會被合併並視為單一樹冠，如圖 12 所示。圖 12(a)為一小區原始樹冠點雲，由顏色分 佈可清楚辨別該處有明顯的高程不連續處及三群 樹冠點，但於圖 12(b)中可發現，該區地真僅有一 棵立木。因此，本研究於誤授部分，因無法由空載 光達點雲辨識萃取之樹冠輪廓屬於同一棵樹或不 同樹，故現階段僅針對漏授進行評估，如表1 評估 項目所列。

(a)測區 I (b)測區 II 圖8 原始光達點雲(單位:公尺)

(a)測區 I (b)測區 II 圖9 測區航照影像

(a)邊界成果 (b)與地真比較結果 圖10 樹冠邊界萃取成果(測區 I)

(a)邊界成果 (b)與地真比較結果 圖11 樹冠邊界萃取成果(測區 II)

(a)原始樹冠點雲 (b)樹冠輪廓圖 圖12 局部成果

表1 樹冠萃取成果

測區I 測區 II

實際立木數量 25 18

偵測結果

獨立樹冠 20 18

合併樹冠 5 0

遺漏 0 0

總數 25 18

單位: 株

4. 結論與展望

於森林監測中，林木分佈與生長情況的獲取是 件重要的工作。本研究針對不同密度的森林區，使 用空載雷射三維離散點雲萃取樹冠立木資訊。研究 中使用EMD 濾除樹冠表面雜訊，及將樹冠高程正 規化後偵測立木與樹冠邊界位置，包含主樹冠與次 樹冠兩部分，研究成果包含立木位置、立木高程與 樹冠輪廓線。由成果顯示，此方法可順利偵測上述 樹冠關係第一類與第二類之邊界位置，而如兩樹高 不一且樹冠間緊鄰的第三類情況，本研究方法仍有 機會偵測單株立木樹冠邊界位置。但由於此研究處 理之林木特性多以針葉林為主，與台灣混合林相比 則較為單純。因此，將此方法應用於混和林偵測樹 冠邊界仍為未來值得研究的方向。

致謝

本研究使用資料由歐洲空間資料研究中心 (European Spatial Data Research, EuroSDR)所提供，

包含原始光達點雲與地面驗證資料。

參考文獻

陳永寬、詹進發、葉堃生、鄭祈全、施瑩瑄，2005.

應用地面雷射掃描儀測算樹高之研究，航測及 遙測學刊，Vol. 10, No.4, pp. 327-336.

江采薇，2006。融合光達及高解析影像建立三維植 生覆蓋模型，國立中央大學土木工程研究所碩 士論文，中壢。

馬淑敏，2006。應用高解析遙測影像進行立木偵測 及樹冠描繪，國立中央大學土木工程研究所碩 士論文，中壢。

賴君怡，2008。整合空載光達資料與多光譜影像建 立樹木模型-以成大校園為例，國立成功大學測 量及空間資訊學系研究所碩士論文，台南。

Axelsson, P., 2001. Ground estimation of laser data using adaptive TIN models, Proceedings of OEEPE workshop on airborne laserscanning and interferometric SAR for detailed digital elevation models, Royal Institute of Technology, Stockholm, Sweden, Vol. 40, CD-ROM, pp.

185-208.

Bortolot, Z.J., 2006. Using tree clusters to derive forest properties from small footprint LIDAR data, Photogrammetric Engineering & Remote Sensing, 72(12), pp.1389-1397.

Chen, J.S., Yu, D.J., and Yang, Y., 2007. The application of energy operator demodulation approach based on EMD in machinery fault diagnosis, Mechanical Systems and Signal Processing, 21(2), pp.668-677.

Chen, S.H., Su, H.B., Zhang, R.H., Tian, J.,2008.

Fusing remote sensing images using a trous wavelet transform and empirical mode decomposition, Pattern Recognition Letters, 29(3), pp.330-342.

Clark, M.L., Clark, D.B., and Roberts, D.A., 2004.

Small-footprint lidar estimation of sub-canopy elevation and tree height in a tropical rain forest landscape, Remote Sensing of Environment, 91, pp.68-89.

Gougeon, F.A., and Leckie, D.G., 2006. The individual tree crown approach applied to Ikonos images of a coniferous plantation area, Photogrammetric Engineering & Remote Sensing, 72(11), pp. 1287-1297.

Hirschmugl, M., Ofner, M., Raggam, J., and Schardt, M., 2007. Single tree detection in very high resolution remote sensing data, Remote Sensing of Environment, 110, pp.533-544.

Huang, N.E., Shen, Z., Long, S.R., Wu, M.C., Shih, H.H., Zheng, Q., Yen, N.C., Tung, C.C., and Liu, H.H., 1998. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis, Proceedings of the Royal Society of London Series A-mathematical Physical and Engineering Sciences, 454(1971), pp. 903-995.

Hyyppä, J., Kelle, O., Lehikoinen, M., and Inkinen, M., 2001. A segmentation-based method to retrieve stem volume estimates from 3-D tree height models produced by laser scanners, IEEE Transactions on Geoscience and Remote Sensing, 39(5), pp. 969-975.

Maltamo, M., Hyyppä, J., and Malinen, J., 2006. A comparative study of the use of laser scanner data and field measurements in the prediction of crown height in boreal forests, Scandinavian Journal of Forest Research, 21, pp.231-238.

Næsset, E., Gobakken, T., Holmgren, J., Hyyppä, H., Hyyppä, J., Maltamo, M., Nilsson, M., Olsson, H., Persson, A., and Söderman, U., 2004. Laser scanning of forest resources: the Nordic experience, Scandinavian Journal of Forest Research, 19, pp.482-499.

Nelson, R., 1984. Determining forest canopy characteristics using airborne laser data, Remote Sensing of Environment, 15, pp.201-212.

Walker, W.S., Kellndorfer, J.M., LaPoint, E., Hoppus, M., Westfall, J., 2007. An empirical InSAR- optical fusion approach to mapping vegetation canopy height, Remote Sensing of Environment, 109: pp. 482-492.

Wu, Z.H., Huang, N.E., Long, S.R., Peng, C.K., 2007.

On the trend, detrending, and variability of nonlinear and nonstationary time series, Proceedings of the National Academy of Sciences of the United States of America, 104(38), pp.14889-14894.

Wulder, M.A., Han, T., White, J.C., Sweda, T., and Tsuzuki, H., 2007. Integrating profiling LIDAR with Landsat data for regional boreal forest canopy attribute estimation and change characterization, Remote Sensing of Environment, unpaginated.

1Ph. D. Student, Dept. of Civil Engineering, National Central University Received Date: Aug. 21, 2009 2Professor, Center for Space and Remote Sensing Research, National Revised Date: Dec. 01, 2009

*.Central University Accepted Date: Dec. 14, 2009

*.Corresponding author, Phone: 886-3-4227151ext.57623,E-mail: freezer@csrsr.ncu.edu.tw

Forest Canopy Extraction Using Airborne LIDAR Data

Chao-Yuan Lo

Liang-Chien Chen

ABSTRACT

The Biomass condition is important index in forest fields. The used information contain number of stems, stand position, tree height, timber volume, canopy cover, etc. In literature reviews, several studies extracted canopies using field surveying, aerial imagery, radar data, LIDAR data and so on. However, those manners are labor intensive and hard to identify crown edges in concentrated forest. Following the development of airborne laser scanning systems, this study proposes a scheme to detect forest canopies using high density point clouds.

This study analyzes canopy profiles using empirical mode decomposition method to find the vertical discontinuities, i.e. crown edges. Finally, those adjacent detected boundaries are merged to describe complete canopy boundaries. The experimental results indicate that the proposed scheme has the capability to extract stand position, tree height, and crown edges.

Keywords: