一个自下而上的多功能融合算法,用于在密集的树种植园中进行单个树木细分,使用无人驾驶飞行器光检测和距离测量

科学领域:

• 林业科学 林业科学
• 遥感 遥感 遥感 遥感
• 地理空间分析的研究.

背景情况:

• 在密集的种植园中,由于重叠的树冠和复杂的结构,单个树木细分 (ITS) 很困难.
• 现有的ITS方法与高度封闭的热带农业森林作斗争,限制了精密林业中的应用.

研究的目的:

• 在密集的种植园中使用UAV-LiDAR数据开发一个准确和可靠的单个树木细分方法 (ITS).
• 改进复杂种植环境中的3D树木建模和生物质估计.

主要方法:

• 一种使用UAV-LiDAR点云的自下而上的方法.
• 根据点密度和方向特征进行干部提取.
• 多特征融合 (几何,定向,密度) 用于树冠点分类.
• 使用邻近增长角度一致性反复分配有争议的点.

主要成果:

• 实现了高细分精度:0.97 (低关闭),0.98 (中等关闭),0.95 (高关闭).
• 皇冠宽度和天花板投射面积估计显示与地面真相高度一致 (R2>0.98和R2>0.97,分别).
• 该方法有效地处理重叠的树冠和复杂的分支结构.

结论:

• 拟议的多功能融合方法为ITS在具有挑战性的种植环境中提供了可靠的解决方案.
• 这一进步支持精确的林业管理,3D树木建模和准确的生物质估计.
• 该方法克服了现有的ITS方法在高封闭性热带农业林中的关键局限性.