从叶子到生态系统尺度估计树冠叶角:一种使用无人飞行器图像的新深度学习方法
Zhe Wang1,2, Zaichun Zhu1,2, Sen Cao1,2
1School of Urban Planning and Design, Shenzhen Graduate School, Peking University, Shenzhen, 518055, China.
The New phytologist
|May 10, 2025
概括
一种新的深度学习方法使用无人机图像准确估计了叶角分布 (LAD). 这种自动化方法对于生态系统规模的植被分析,改善光合作用和气候模型是有效的.
科学领域:
- 生态生态学 生态生态学
- 植物科学 植物科学
- 遥感 遥感 遥感 遥感
背景情况:
- 叶片角分布 (LAD) 对植物光合作用,用水效率和生态系统生产力至关重要,影响能源平衡和气候变化.
- 传统的LAD测量是劳动密集型,耗时的,并且特定于地点,限制了生态系统规模的数据采集和树冠建模.
- 准确的LAD数据对于了解各种生态系统中的植被结构和功能至关重要.
研究的目的:
- 开发和验证一种负担得起的,高效的,自动化的,劳动密集度较低的深度学习方法来估计LAD.
- 为了证明该方法在多种植物物种中进行大规模LAD评估的能力.
- 为生态系统建模提供关键的植被树冠结构信息.
主要方法:
- 使用的无人机 (UAV) 图像使用结构从运动 (SfM) 点云算法处理.
- 采用基于面膜区域的卷积神经网络 (面膜R-CNN) 来自动估计叶角.
- 通过对三种植物物种的手动测量验证了该方法,实现了高精度 (R2范围从0.85到0.91).
主要成果:
- 深度学习方法在单叶尺度上显示了高精度的LAD估计.
- 成功测量了30米×30米的地块内超过57,000片叶的LAD.
- 在四种树种中发现了明显的LAD模式,平均倾斜角度从25.40°到34.79°不等.
结论:
- 开发的深度学习方法提供了一个高效和准确的解决方案,用于在各种尺度上估计LAD.
- 该方法为生态系统建模提供了必要的植被树冠结构数据,包括特定物种的光拦截和光合作用策略.
- 这些发现有助于更好地了解森林生态系统及其对环境变化的反应.
