森林高精度三维结构重建对量化生物物理过程和生态系统功能至关重要。然而，激光雷达（LiDAR）空间覆盖范围有限，而具备大范围观测优势的立体影像（SI）又难以穿透冠层获取完整冠层结构，两者均难以独立完成大尺度、高精度的山地森林场景生成。针对这一挑战，成都山地灾害与环境研究所山地定量遥感与数字孪生团队依托王朗山地遥感四川省野外科学观测研究站，提出了一种可扩展的数据融合框架，成功实现了大尺度山地森林逼真三维场景的精细重建。
研究团队创新性地将立体影像的大范围覆盖优势与无人机激光雷达（ULS）的高保真垂直结构特征相融合。该方法利用立体影像提取的结构属性，对ULS获取的单木模板进行缩放与旋转处理。为确保重建结构的真实性，研究在模板匹配过程中，将高程、坡度和坡向等地形变量作为严格的约束条件。基于生成的融合点云，研究团队在500m×500m的针叶林和阔叶林典型样区内，成功构建了基于体元的3D森林场景并进行了验证。
结果表明，该模拟场景与基准ULS数据在垂直结构上表现出高度的一致性。研究进一步揭示了引入地形约束有效弥补了传统纯几何匹配的缺陷，显著提升了结构保真度。以针叶林红光波段为例，地形约束的引入将双向反射率因子（BRF）模拟的相对偏差从25.87％大幅降低至3.01％，充分证实了地形感知建模在复杂山区生态模拟中的必要性。结合LESS辐射传输模型的模拟结果显示，这些3D场景的辐射传输特征与Sentinel－2卫星观测数据高度吻合。这一融合方法突破了传统大尺度重建瓶颈，大幅降低了成本。研究通过高保真数字化表达复杂山地植被形态，不仅支撑了陆地生态的精细化监测，更为构建数字孪生平台、推演生态过程提供了关键的三维底图与适用技术范式。
该研究得到了国家自然科学基金（U23A2019、W2412146、42271398）和国家重点研发计划（2020YFA0608702）等项目的资助。研究成果以“A simple method for large－scale realistic mountain forest scenes reconstruction using visible stereoscopic imagery combined with unmanned aerial vehicle laser scanning data”为题，发表在TOP期刊International Journal of Digital Earth上。成都山地所博士研究生林筱涵与李爱农研究员为论文共同第一作者。
针叶林与阔叶林的三种点云（ULS、SI、生成点云）对比
基于ULS、SI及生成点云重建的针叶林局部场景
针叶林真实无人机影像与基于ULS、SI及生成点云重建场景的模拟影像对比
Sentinel－2影像观测值与各三维场景BRF模拟对比
来源：数字山地研究中心
审核：刘丽君