密林中单株树木参数的准确估计:利用优化的coarse-to-fine算法配准无人机和地面获取的LiDAR数据


发布时间:

2023-05-10

来源:

植物表型资讯

作者:

PhenoTrait

准确获取单株树木的生长参数对森林精准调查和可持续管理十分重要。地面激光扫描(Terrestrial laser scanning, TLS)是一种准确、详细的森林结构测量技术,但其在密林中缺少冠层顶部观测视角,难以获取完整的树木结构,易造成株高低估。无人机激光扫描和地面激光扫描相互结合是解决这一问题的有效手段。因此,为了满足不同森林调查的应用需求,需对不同平台获取的LiDAR数据进行配准。本研究提出了F-OICP, R-OICP和N-OICP等三种自动的非参数优化coarse-to-fine算法,用于配准地面和无人机获取的LiDAR数据,并利用点云数据估测针叶林、阔叶林和针叶-阔叶混合林等不同类型森林中的单株树木冠层参数,包括单株树木冠层轮廓、胸径和树高等。实验结果显示,本研究提出的优化算法具有较好的配准效果,转换误差的平均RMSE为8.3cm,并可以在三种不同的森林类型中获取稳定、高精度的单株树木冠层轮廓(F值: 0.7)、胸径(R2:0.9, RMSE<1.85cm)和树高(R2:0.8, RMSE<0.37m)估值。F-OICP估测树高的精度最高,相比于迭代最近点算法(Iterative closest point, ICP)、R-OICP和N-OICP,RMSE分别可降低48%, 12%和12%。林分类型显著影响单株树木冠层轮廓和参数估计。针叶林中单株树木冠层轮廓和胸径的估测精度稍高于阔叶林(F值: 0.78 vs. 0.78, 胸径 RMSE: 1.57 vs. 1.74),而混合林的估测精度最低(F值: 0.71, 胸径 RMSE: 2.19)。针叶林中的树高估测精度最高(R2:0.87, RMSE:0.21m),其次为混合林(R2:0.84, RMSE:0.37m),阔叶林中的树高估测精度最低(R2:0.84, RMSE:0.44m)。本研究提出了自动、近似非参数且有效的配准方法,并推荐在密林(如天然次生林)中使用F-OICP方法。优化的配置算法可用于多尺度平台获取的LiDAR数据配准,在单株树木参数精确估测、森林高效调查和可持续管理等方面具有极大的应用潜力。

 

图1 实验区位置。(a)黑龙江省帽儿山国家森林公园位置;(b)帽儿山的哨兵2号真彩色影像和样方位置;(c)样方分布;(d)无人机和地面获取的一个样方LiDAR点云数据。(b)和(c)的投影坐标系为WGS 1984 UTM 52N带

 

图2 不同林分类型。(a)针叶林;(b)针叶-阔叶混合林;(c) 阔叶林

 

图3 本研究的技术流程

 

图4 F-OICP,R-OICP和N-OICP等优化coarse-to-fine算法的可视化评估。(a)针叶林;(b)针叶-阔叶混合林;(c)阔叶林。白色点云表示配准后的无人机点云,彩色渲染点云为地面点云。I, II和III分别表示1.3m胸径,树干和树冠

 

图5 不同林分类型、不同配准算法下胸径和树高估值的RMSE Turkey测试结果。(a)单株树木冠层轮廓的F值,控制因素:林分类型;(b)单株树木冠层轮廓的F值,控制因素:配准算法;(c)胸径的RMSE,控制因素:林分类型;(d)胸径的RMSE,控制因素:配准算法;(e)树高的RMSE,控制因素:林分类型;(f)树高的RMSE,控制因素:配准算法。不同小写字母表示差异显著,“·” 表示离群值

 

 
来 源

Yuting Zhao, Jungho Im, Zhen zhen & Yinghui Zhao. Towards accurate individual tree parameters estimation in dense forest: optimized coarse-to-fine algorithms for registering UAV and terrestrial LiDAR data. GIScience & Remote Sensing, 2023, 60:1, 2197281, DOI:10.1080/15481603.2023.2197281

 

编辑

段博
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。