基于无人机多传感器遥感的可操作单木级木材质量与材积估算

《Trees, Forests and People》:Towards operational tree-level timber quality and volume estimation using UAV multi-sensor remote sensing

【字体: 大 中 小 】 时间:2026年07月11日 来源:Trees, Forests and People 3.6

编辑推荐:

  森林提供多种生态系统服务(ecosystem services),包括碳汇(carbon sequestration)、水质净化和休闲需求。然而,许多森林所有者主要将其森林视为资本资产,旨在提供木材。即使在气候变化加速的背景下,为确保生态系统服务的持续供给,需

  
森林提供多种生态系统服务(ecosystem services),包括碳汇(carbon sequestration)、水质净化和休闲需求。然而,许多森林所有者主要将其森林视为资本资产,旨在提供木材。即使在气候变化加速的背景下,为确保生态系统服务的持续供给,需要适应性森林管理,而这得益于高质量数据。为此,存在一些手工技术,但在调查整个森林区域时,这些技术往往结果不精确且耗时。研究人员提出了一种基于无人机(UAV)遥感的新框架,结合激光雷达(LiDAR)和多光谱影像(multispectral imagery),应用于由慕尼黑大学(Ludwig-Maximilians-Universit?t München)拥有的巴伐利亚森林。该框架整合了通过机器学习(machine learning)方法获得的单木级物种信息(该机器学习方法融合多光谱数据与树属性,如来自LiDAR数据的胸径(stem diameter)和树高(tree height))。此外,研究人员还提出了从LiDAR数据评估树干通直度(stem straightness)的新方法,并采用摄影参考数据验证:即直线距离法(Distance From Line, DFL)和连续段评估法(Continuous Segment Assessment, CSA)。DFL方法为每棵树的树干提供一个单一通直度指数,可用于分析林分间树干通直度的差异,而CSA则量化通直树干的长度和数量。该组合框架在研究样地内能够以良好精度检测生长相关差异、木材体积(wood volume)和树干通直度,并允许基于特定木材需求识别树木。整合结构性和光谱无人机数据支持数据驱动的森林管理决策,例如平衡木材生产与生态可持续性。
**论文解读:基于无人机多传感器遥感的单木级木材质量与材积估算框架**

**研究背景与问题**
森林提供多种生态系统服务,如碳汇、水质净化、休闲需求及木材供给。然而,气候变化引发的极端环境事件(如风暴、干旱、虫害)威胁森林服务能力,导致碳汇能力下降、木材产量减少及欧洲森林管理成本翻倍。传统欧洲林业管理以快速生长的针叶树(如云杉、松树)为主,这些树种对生物灾害和干旱尤为敏感,已在德国哈尔茨山脉等地引发数千平方公里的灾害。尽管如此,许多欧洲森林所有者仍将森林视为资本资产和木材来源。随着木材价格预计上涨,确保可持续产量对木材经济至关重要。整合性森林管理策略(平衡生物多样性与资源利用)是实现生态可持续与经济利益平衡的可行路径。然而,可靠的高质量数据(如树种、胸径、木材体积、树干通直度、早期胁迫信号监测等)是推动大规模可持续转型的关键。传统手工数据采集耗时且不精确,地面激光扫描(TLS)虽精度高但时间和成本效率低,难以覆盖大范围。机载激光扫描(ALS)尤其是无人机(UAV)系统提供了低成本、高分辨率的替代方案,但现有研究多聚焦单一参数(如胸径和树高),难以捕捉复杂森林异质性,特别是木材体积等复合变量。树干通直度的评估依赖稀疏林分或高质量倾斜LiDAR系统,缺乏适用于低质量数据的整体性方法。为此,研究人员引入了一种基于UAV多光谱与LiDAR数据融合的新型框架,旨在推导关键变量:单木树种、木材体积、树干通直度及可提取的最大通直树干段长度,并将这些数据整合到统一框架中,以低工作量为林分尺度提供详细的研究与管理信息。该论文发表在《Trees, Forests and People》。

**主要关键技术方法**
研究人员在德国慕尼黑大学管理的温带森林中选取四个样地(面积4.9–9.8公顷),收集了三种地面真值数据:286棵树的差分GPS位置用于树种模型训练与验证;34棵树的照片用于树干通直度验证;45棵树的胸径、树高和树种用于木材体积验证。无人机多光谱数据于2024年10月采集(MicaSense Altum传感器,120米高度),LiDAR数据于2024年12月采集(GeoSun GS-100C+传感器,50米高度,重叠60%)。关键技术包括:利用DeepForest深度学习模型从RGB多光谱正射影像中提取树冠边界框;基于树冠区域提取多光谱波段统计特征、纹理特征、植被指数及LiDAR结构特征,通过Boruta特征选择和Optuna超参数优化训练XGBoost分类模型进行树种分类;基于LiDAR点云进行单木树干分割、胸径(DBH)和树高估算(方法来自Eisenschink et al., 2025);提出直线距离法(DFL)和连续段评估法(CSA)评估树干通直度及通直段长度,并用摄影参考数据验证;最后,将树种、DBH、树高输入德国森林资源普查工具BDAT估算木材体积。

**研究结果**

**树冠模型与树种分类**
经过样地特异性训练,DeepForest树冠分割模型的准确率从73%提升至76%,召回率从79%提升至88%。XGBoost树种分类模型基于Boruta选出的5个特征(蓝波段均值、绿波段标准差、红波段GLCM熵、最大树高、LiDAR反向散射强度均值)达到82%准确率和79%Cohen's kappa。混淆矩阵显示冷杉属和栎属分化完美,而山毛榉与落叶松、云杉与冷杉及松树的区分性能较低。

**LiDAR树指标**

**树干分割、胸径与树高**
树干分割对大部分树木效果良好,约81%的检测树干可估算DBH,准确度在±8 cm内,平均DBH约36 cm。胸径低于10 cm的树干被排除。

**直线距离法(DFL)**
DFL评估树干通直度,LiDAR估计与摄影参考值的R2为0.70,平均绝对误差(MAE)为0.06,验证值在0.03(最通直)至0.63(最弯曲)之间。方法性能无显著种间差异,但针叶树中胸径较小的树存在DFL低估趋势(p=0.07)。

**连续段评估法(CSA)**
CSA通过Kendall's tau为0.69、MAE为1.37个断点/树,与摄影参考值良好一致。阔叶树显示更多生长方向断点,而针叶树则有一簇无断点的树。不同树种的通直段最大长度差异显著:冷杉属和云杉属中位段最长(10.25 m及8.75 m),栎属和山毛榉属仅约一半(6.25 m及6.00 m)。DFL与CSA在针叶树中呈显著正相关。

**融合树指标与木材体积**
框架共识别5479个单木位置(约73%主要树木),排除缺失数据或DBH<10 cm的树木。基于BDAT估算木材体积,验证结果显示与实测输入(DBH、树高、树种)的RMSE为0.50 m3(木材体积)、6 cm(DBH)和1.57 m(树高),树种分类准确率78%。仅DBH残差对木材体积残差有显著影响(p<0.0001)。样地间特征差异明显:'HS West'样地立木体积最高(254 m3ha-1),'Windrad'样地云杉比例最高且平均单木体积最大,'Fliegenpilz'样地树种均匀度最高但体积较低。空间映射显示异质性分布,可基于通直段长度识别特定木材需求的树木。

**讨论与结论总结**
讨论部分指出,该框架通过融合UAV多光谱与LiDAR数据,实现了树种分类(仅需约300棵训练树)、树干通直度(DFL和CSA)及木材体积的可靠估计。DFL方法适用于大面积通直度评估,CSA适用于单木详细分析。木材体积估算仅受DBH误差显著影响,且整体稳健。框架可识别特定树木用于定向采伐或脆弱性评估(如云杉树易受欧洲八齿小蠹侵害),并可用于碳汇研究。不足之处包括:由于LiDAR穿透不足,约27%的主要树木未被分割,导致林分体积低估(约220 m3ha-1,接近校正后285 m3ha-1);树种模型无法区分同属物种及稀有树种。结论部分翻译如下:
本研究引入了一个综合框架,用于评估单木级木材体积和树干通直度。该方法将多光谱数据推断的树种信息与树特异性属性(如胸径估计和通直度)相结合,并整合到BDAT模型中计算木材体积。基于多光谱的机器学习树种分类模型实现了高准确率,这得益于LiDAR和多光谱数据采集的有利时机。未来工作可将模型扩展至更多树种,需要更多训练数据和改进树冠分割。新开发的基于UAV-LiDAR点云的树干通直度估计方法(DFL)与摄影参考值验证表现良好。由于方法简便,预期可独立于LiDAR系统和树干分割技术工作。更复杂的CSA指标在定量通直段长度方面也展现出有前景的结果,在生长方向复杂的阔叶树上似乎优于DFL。集成派生树指标与BDAT模块产生了连贯的结果,可识别具有特定结构特征的树木。研究人员得出结论,该框架对于寻求单木及其特征细节的小型至中型私有、公有及国有森林所有者和管理者是一个有价值的工具。尽管方法在数据完整时提供准确的单木估计,但由于仅有约73%的主要树木被分割(主要因LiDAR在密冠林分中穿透不足),林分水平木材体积密度有所低估。框架的重复应用可进一步提供生长动态信息,并帮助识别潜在转折点。总之,研究人员推荐这些方法作为无需手工数据采集即可生成森林资源清查的有效手段,尤其适用于旨在支持森林健康和生物多样性、确保经济回报并做出知情采伐决策的中小型森林所有者和管理者。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号