基于流域和优化连接中心演化集群的空中和无人机LiDAR点云的个别树分类
Yi Li1, Donghui Xie1, Yingjie Wang2
1State Key Laboratory of Remote Sensing Science, Beijing Engineering Research Center for Global Land Remote Sensing Products Beijing Normal University Beijing China.
Ecology and evolution
|July 17, 2023
概括
一种结合流域算法和连接中心演化集群的新方法,从LiDAR数据中准确地细分单个树. 这种方法显著改善了树木检测和高度估计,特别是在具有挑战性的森林环境中.
科学领域:
- 林业科学 林业科学
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
背景情况:
- 单个树木细分 (ITS) 对于从光检测和测距 (LiDAR) 数据中提取森林结构参数至关重要.
- 现有的ITS方法在准确性和效率方面面临挑战,特别是在复杂的森林结构和不同点云密度的森林中.
- 空载激光雷达扫描 (ALS) 和无人机激光雷达扫描 (ULS) 是森林库存的关键数据采集技术.
研究的目的:
- 开发和评估一种新的个体树分段方法,集成流域算法 (WS) 和连接中心演化 (CCE) 聚类.
- 通过考虑树结构和点云特征,优化CCE算法用于ITS.
- 评估拟议方法的性能与11个现有的ITS技术在不同的森林地块.
主要方法:
- 涉及的数据预处理意味着转移voxelization以减少点云大小.
- 连接中心演化 (CCE) 聚类算法被适应并优化为ITS.
- 最佳集群规模是自动确定使用投影从三个不同的方向.
- 拟议的方法在来自中国五个和欧洲十四个森林地块的ALS和ULS数据上进行了测试.
主要成果:
- 拟议的ITS方法实现了高树顶匹配率 (R_match) 高达0.92.
- 树木高度估计显示出高达0.94的强度确定系数 (R^2) 和最低0.6米的RMSE.
- 该方法显著优于其他11个ITS算法,特别是在斜坡上的宽叶森林中,在5个评估指标中平均改善至少11%.
结论:
- 开发的ITS方法,将WS和CCE合起来,对于从LiDAR数据中对单个树进行细分是强大而高效的.
- 这种方法对在针叶树林中的应用特别有希望.
- 使用这种方法精确提取单个树的结构参数,支持森林管理,碳库存估计和息地绘制.
