森林管理研究利用先进的机载激光雷达技术揭示林下树苗

森林树苗的再生对于维持生物多样性和生态系统生产力至关重要，因此需要创新的管理技术来实现持续的森林覆盖。传统的二维遥感难以准确捕捉复杂的林下树苗动态。为了解决这个问题，研究人员正在探索使用航空激光扫描(ALS)，以挖掘其提供详细3维见解的潜力。

然而，尽管在使用ALS数据估计树木指标方面取得了进展，但准确识别和量化林下树苗的表型参数仍然是一个挑战。目前的研究差距在于完善和应用能够有效区分ALS数据集中林下树苗的算法，这是加强森林管理和了解树苗再生过程的关键一步。

PlantPhenomics发表了题为“使用机载LiDAR数据通过分层森林覆盖层来识别再生树苗”的研究。

在这项研究中，研究人员开发了一种综合方法，利用先进的高密度机载激光雷达数据提取林下再生树苗的表型参数。最初，他们融合了多次飞行的数据，生成密集的激光点云，然后使用基于Nyström的光谱聚类算法进行处理，以分割上部成熟树木。

为了解决过度分割和欠分割的常见问题，引入了一种新颖的后处理方法，显着提高了成熟树木的位置精度。

结果令人印象深刻，表明在实施后处理步骤后，树木分割的检测和匹配率有了显着提高;基于Nyström的谱聚类后处理(NSCP)方法的检测率达到110.21%，匹配率为96.69%。

这种优化减少了树干位置误差，间接有利于林下树苗检测的准确性。利用局部自适应均值漂移算法，成功检测出成熟树下的幼苗，在核带宽参数最优设置时，匹配率约为83%，提取率在102%至105%之间。

使用多源参考数据的进一步验证证实了该方法的有效性。机载激光雷达(ALS)和地面激光扫描(TLS)数据之间的比较揭示了树高的强相关性(R2=0.79)，表明在考虑到ALS无法检测末端先导芽后，RMS误差显着改善。

这种调整使树苗高度的表示更加准确，将ALS提取的树苗高度与现场测量值进行比较时，总体R2为0.71，RMSE为0.26m。此外，尽管存在上部树冠遮挡带来的挑战，但根据ALS数据估计的树苗冠幅与TLS测量结果相匹配，得出可接受的R2为0.64，RMSE为0.24m。

总之，该研究不仅证明了高密度ALS数据在林下树苗表征方面的成功应用，而且还强调了该技术在加强森林管理和树苗生长研究方面的潜力。所提出的方法通过准确分割和测量林下树苗而脱颖而出，在使用遥感技术进行详细森林清查和分析方面向前迈出了重要一步。