“ 提出了基于激光雷达（LiDAR）技术的不同空间尺度和不同科属种类植被的茎叶精准识别分类方法，为海岸带植被多类型参数精确反演及碳储量和生物量精准计量提供了新的技术手段，研究成果发表于国际摄影测量学会会刊ISPRS JP&RS、IEEE地球科学与遥感技术协会会刊IEEE TGRS等知名期刊”
海岸带植被是生态系统的重要组成部分，具备防风消浪、促淤保滩、固岸护堤等功能，在全球碳循环中发挥重要作用。在气候变化、海平面上升及国家战略需求等的驱动下，迫切需要对海岸带植被的几何与生理参数、空间分布及结构形态、生长及病害状况、生物量等进行精准估算与监测。然而，海岸带特殊的自然环境以及植被的密集性特征使得传统的实地人工调查方法在效率与精度上都难以得到保障。激光雷达遥感（Light Detection and Ranging，LiDAR）技术的发展为植被的全方位监测提供了崭新的视角与手段。LiDAR通过激光的主动发射与接收，能同时提供每个观测点一一对应的三维空间点云数据和后向散射光谱数据（强度数据）。与被动二维光学遥感相比，LiDAR具备植被穿透性、非破坏性、高分辨率、全天候多维观测等特征，在海岸带多类型植被时空监测方面具备巨大的应用前景。从LiDAR数据中准确估算植被的几何形态（高度、胸径、冠幅、叶面积等）与生理参数（光能利用率、水分含量、营养成分等），首要问题就是对数据中植被光合作用部分（叶）和非光合作用部分（茎）进行精确识别和分类。然而，LiDAR数据海量密集、散乱多维、无语义信息/拓扑结构等特征以及自然生长植被的严重遮挡效应，使得植被茎叶识别和分类是现有的技术难点。
以地基LiDAR为例，利用“坐标数据-强度数据”的一一映射关系及茎叶空间域和光谱域的特征差异为理论切入点，以空间数据和强度数据的智能融合和联合解译为技术支撑，突破强度数据校正等瓶颈问题，创新点云三维聚类和非监督分类等关键算法，实现了不同空间尺度（单木、林分、单站）的不同类型自然生长植被（禾本、木本等）茎叶的精准分类识别，为海岸带碳储量和生物量及其源-汇精准计量提供了数据支撑，为LiDAR数据智能处理提供了新的解决思路和策略。
单木/株茎叶分类
LiDAR强度信息表征目标对激光的光谱反射特性，利用强度数据可直接、精确、快速地对目标结构、材质、属性特征进行提取和反演，弥补单一三维空间数据的不足与缺陷。通过理论推导和实验分析，明确了LiDAR强度数据物理机理与光电转换机制，厘清了各个影响因素之间的耦合关系，通过分离互不相关的影响因素，建立了适用于不同目标和不同仪器的LiDAR强度数据“多元多次多项式校正模型”：
其中：和分别为原始和校正后强度值，为目标反射率，为激光测距值，为激光入射角，和分别为大气和仪器特性，为模型参数。该模型囊括了强度数据校正中由于目标特性、观测几何、仪器机制、大气衰减等不同导致的各种情况。根据茎叶组成成分和反射率的差异，利用“多元多次多项式模型”对原始强度数据进行校正，根据校正后强度数据对茎叶点进行初步分离；然后，利用茎和叶在几何尺寸和体密度方面的差异，再次分离叶点；最后提出了一种三维连通性聚类方法，对茎叶点进行聚类，根据类大小对叶类和茎类进行区分（图1和图2）。实验结果表明：该方法充分利用LiDAR强度数据和几何数据，与现有方法相比，运行速度快，抗差性好，普适性强，总体分类精度达到95%以上。在此基础上，提出了一种针对滩涂湿地芦苇和芦竹等禾本科植被的茎叶分类方法：将禾本科植被划分为朝天叶和下垂叶两种种类，在两种茎叶形态的划分基础上，通过对植株点云光谱反射信息（强度数据）及空间几何特征（密度、法向量、空间连通性）的发掘和充分利用，使得叶片与茎杆可实现精准分离，分类精度达到87%（图3）。
单站茎叶分类
现有研究大都是针对单木或者林分级别的植被茎叶分类，这些方法在分类之前需要对LiDAR数据进行单木分割或者数据分块操作，分类精度极大地受到遮挡效应、LiDAR观测距离和点云数据质量等的影响。在上述单木茎叶分类算法上进行改进，提出了一种新的适用于LiDAR单个测站数据的茎叶分类方法。根据茎叶几何尺寸和空间结构等的差异以及LiDAR扫描距离和激光入射角对激光光斑尺寸、相邻点间距和点总数量的影响（图4），提出了基于自适应邻域搜索半径的三维连通性聚类、结合整体点线面特征及类内点云数量的非监督分类等核心算法。首先，根据茎叶曲率特征的差异，利用法向量变化率对叶点进行初步分离；然后，提出了一种新的方法对点云体密度数据的距离效应进行校正，根据茎和叶在几何尺寸和体密度方面的差异，再次分离叶点；最后提出了一种自适应连通性聚类方法，对茎叶点进行聚类，根据类的点、线、面特征及内部点云数量对叶类进行区分（图5）。利用Z+F Imager 5010c中距离和Riegl VZ-4000长距离LiDAR获取了两处森林的点云数据（图6），并实现了单站级别的茎叶分离，整体分类精度达到93%（图7）。该方法不受距离、仪器类型、遮挡效应及植被种类的影响，首次在单站级别上实现了植被茎叶的精准识别和分类，且能同时用于单木、林分及单站的茎叶分类，具备很好的通用性。
本研究得到了国家自然科学基金委（42171425, 41901399）、国家科技部（2017YFE0107400）、上海市科委（18DZ1206400、20DZ1204700、18YF1406800）等的资助。
- Tan Kai, Chen Jin, Zhang Weiguo, Liu Kunbo, Tao Pengjie, Cheng Xiaojun. Estimation of soil surface water contents for intertidal mudflats using a near-infrared long-range terrestrial laser scanner [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2020, 159, 129-139.
- Tan Kai, Zhang Weiguo, Dong Zhen, Cheng Xiaoling, Cheng Xiaojun. Leaf and wood separation for individual trees using the intensity and density data of terrestrial laser scanners [J]. IEEE Transactions on Geoscience and Remote Sensing, 2021, 59(8), 7038-7050.
- Tan Kai, Ke Tao, Tao Pengjie, Liu Kunbo, Duan Yansong, Zhang Weiguo, Wu Songbo. Discriminating forest leaf and wood components in TLS point clouds at single-scan level using derived geometric quantities [J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60, 5701517.
- Tan Kai, Chen Jin, Qian Weiwei, Zhang Weiguo, Shen Fang, Cheng X. Intensity data correction for long-range terrestrial laser scanners: A case study of target differentiation in an intertidal zone. Remote Sensing, 2019, 11(3): 331.
- Tan Kai, Cheng Xiaojun, Cheng Xiaolong. Modeling spectral reflectance for natural surfaces based on terrestrial laser scanning backscattered intensity data[J]. Optics Express, 2016, 24(20): 22971-22988.
- 谭凯, 程效军，张吉星. TLS强度数据的入射角及距离效应改正方法[J]. 武汉大学学报: 信息科学版, 2017, 42(2): 223-228.
- 杨建儒，谭凯，张卫国，刘帅.地面激光雷达点云数据中滩涂湿地禾本科植物的茎叶分离方法[J].中国激光.（录用）
谭凯，2017年毕业于同济大学测绘科学与技术专业，博士学位，现为华东师范大学河口海岸学国家重点实验室副研究员，主要从事河口海岸测绘遥感理论方法及应用研究。主持国家自然科学基金面上及青年项目，上海市自然科学基金面上项目，中国博士后科学基金面上一等资助项目等课题，入选上海市“青年科技英才扬帆计划”。在ISPRS JP&RS、IEEE TGRS国内外学术期刊上发表论文 30 余篇。