今天给大家分享的论文是Tarbiat Modares大学自然资源学院林业系研究团队在Ecological Informatics 期刊上发表《Individual tree crown delineation from high-resolution UAV images in broadleaf forest》。
本研究利用基于无人机的高分辨率图像，研究了3种 ITCD 算法在海尔卡尼亚阔叶林中应用。研究选取了位于伊朗马赞达兰省努尔市的3个不均匀年龄地点，包括一个高密度（HD）、一个中密度（MD）和一个低密度（LD）林分。测试了3种标记控制分割算法，即反分水岭分割 (IWS)、局部最大值 (LM) 和区域生长 (RG)，这些算法是在一定范围的空间分辨率和不同 sigma 值的高斯滤波器下，对由运动结构算法生成的点云生成的一系列CHM 进行的。
论文信息
题目：Individual tree crown delineation from high-resolution UAV images in broadleaf forest
作者：Mojdeh Miraki, Hormoz Sohrabi, Parviz Fatehi, Mathias Kneubuehler
关键词：Region growing，Inverse watershed segmentation，Local maxima ITCD algorithm，Hyrcanian forests
DOI：10.1016/j.ecoinf.2020.101207
论文摘要
无人飞行器（UAV）与运动结构（SfM）算法（UAV-SfM）配对，可用于推导树冠高度模型（CHM），以进行单个树冠划分（ITCD）。ITCD 算法通常在针叶林中表现良好，但其在阔叶林或混交林中的能力仍具有挑战性。在本研究中，我们利用基于无人机的高分辨率图像，研究了三种 ITCD 算法在海尔卡尼亚阔叶林中的应用。我们选取了位于伊朗马赞达兰省努尔市的三个不均匀年龄地点，包括一个高密度（HD）、一个中密度（MD）和一个低密度（LD）林分。测试了三种标记控制分割算法，即反分水岭分割 (IWS)、局部最大值 (LM) 和再区域生长 (RG)，这些算法是在一定范围的空间分辨率和不同 sigma 值的高斯滤波器下，对由运动结构算法生成的点云生成的一系列 CHM 进行的。使用实地清单数据对划分结果进行了验证。对于精细分辨率的 CHM，假阳性结果多于假阴性结果。使用 RG 算法和 IWS 算法，空间分辨率为 100 厘米时的总体精度最高。此外，还评估了不同森林结构、CHM 过滤和不同树种对树木划分算法准确性的影响。总体而言，所选的划界算法对 ITCD 的成功产生了影响，其中 RG 算法产生的结果明显比其他两种算法更准确。RG 算法是最适合单个树冠划定的方法。
重要图表
——研究区概况图a：伊朗，b：以数字高程模型为背景的马赞达兰省( DEM 30 m , USGS)，c：高密度( HD )地点，d：中密度( MD )地点，e：低密度( LD )地点——
——在高密度( HD )、中密度( MD )和低密度( LD )研究地点描绘数字表面模型( DSM )、数字地形模型( DTM )和冠层高度模型( CHM )层的样本图像——
——ITCD算法在不同空间分辨率的CHM上的精度评估结果——
——ITCD算法(即RG、IWS和LM)应用于CHM。( a )空间分辨率5cm，窗口大小：5 × 5，sigma值：0.1。( b )空间分辨率100cm，窗口大小：5 × 5，sigma值：0.1——
—— RG算法在3个研究站点( HD、MD、LD)的CHM上的树冠勾画精度均为100 cm，是ITCD中表现最好的空间分辨率——
——在空间分辨率为100 cm的CHM上使用不同的sigma滤波值(即0 . 1,0 . 6,1 )对ITCD算法( LM、RG、IWS)在三个研究地点的树种特异性精度进行评估——
本文创新
该研究探索了无人机影像在不同结构的林分中自动勾画单木的效率。基于常见的算法，即RG，IWS和LM进行了测试。
该研究在SfM算法导出的无人机点云上。评估了不同森林结构，不同空间分辨率，以及高斯滤波器的强度和物种类型的描绘精度。
心得收获
基于UAV - SfM的树冠提取算法在阔叶林林分中效果较好。空间分辨率、sigma值、树木结构和树种类型的差异影响了单木树冠的划分。
LM，RG和IWS算法提供了不同的结果。与其他算法相比，RG获得了更高的总体精度。IWS的准确性最低。IWS和LM算法适用于高度变化较小的同质森林，而RG算法适用在混合阔叶林，该算法不假设树冠是圆形的。
欢迎指出文中翻译存在不准确的地方，↙阅读原文
