再生樹苗對于維持生態(tài)韌性森林的多樣且高效的生態(tài)系統(tǒng)功能至關(guān)重要，同時也有助于可持續(xù)的森林管理。自然再生和人工種植苗木是常見的林業(yè)栽培方法。林下幼苗的空間分布和表型參數(shù)測量對于研究林冠結(jié)構(gòu)特征以及森林下光照動態(tài)變化對苗木生長的影響具有重要意義，也有助于進一步探索森林下植物再生和演替的內(nèi)部機制。樹高、胸徑和冠幅等表型參數(shù)對于林木育種和森林管理在遺傳物質(zhì)選擇方面至關(guān)重要。然而，由于樹木壽命長、生長范圍廣且形態(tài)各異，森林表型參數(shù)的獲取是一項挑戰(zhàn)，需要長期和高頻的監(jiān)測。傳統(tǒng)的在野外手動測量林下苗木以獲取表型參數(shù)的方法是破壞性的、耗時的和勞動密集的。激光雷達技術(shù)能夠通過森林間隙穿透森林冠層，提供了獲取森林表型參數(shù)的新可能性。與其他激光掃描技術(shù)相比，如地基激光雷達掃描(TLS)或衛(wèi)星激光雷達掃描，無人機載激光雷達掃描(ALS)能夠提供更廣泛的再生苗木的表型參數(shù)，包括樹高和冠幅。
 

2024年2月，Plant Phenomics在線發(fā)表了中國林業(yè)科學(xué)研究院資源信息研究所和國家林業(yè)和草原局林業(yè)遙感與信息技術(shù)重點實驗室合作完成的題為Identifying Regenerated Saplings by Stratifying Forest Overstory Using Airborne LiDAR Data的研究成果。
 

圖1 研究區(qū)域的分布，ALS點云，以及本研究中使用的參考數(shù)據(jù)的大致位置。(A)樣本地塊的位置。(B)無人機獲取圖像內(nèi)林下樹苗的實際場景。(C)樣地正射影圖，樣地分為15個子樣地，大小相同，用紅色方塊表示。疊加在紅色方塊上的藍色多邊形表示TLS數(shù)據(jù)收集的范圍。(D)研究區(qū)ALS點云側(cè)視圖，(E)俯視圖，包括成熟喬木和林下樹苗。

研究人員利用ALS數(shù)據(jù)檢測再生森林的樹高和分布信息。然而，現(xiàn)有方法很少關(guān)注林下苗木的表型參數(shù)估算，可能受到掃描模式和點云精度的限制。再生幼苗的表型參數(shù)變異受到林冠間隙特征的極大影響。充足的間隙不僅為幼苗的再生提供生長空間，還導(dǎo)致上層成熟樹木的莖密度較低，更容易被無人機載雷達的激光穿透。隨著點密度的增加，ALS技術(shù)有潛力描述再生森林的內(nèi)部三維結(jié)構(gòu)，為估算林下幼苗樹高和冠寬提供了新途徑。
 

圖2 過分割和欠分割樹的后處理策略。(A) Undersegmented tree和投影平面。(B)使用最小邊界框算法構(gòu)造垂直平面。(C)拐點檢測。(D)樹的后處理結(jié)果。

為了解決這一問題，提出了一種基于ALS雷達數(shù)據(jù)提取林下更新幼苗表型參數(shù)的方法框架。首先，利用高密度ALS數(shù)據(jù)獲得相對完整森林的林下環(huán)境描述，然后通過改進的NSC個體樹分割算法處理上層樹分割結(jié)果，間接提高了上層成熟樹的位置精度。在此基礎(chǔ)上，成功地移除了幼苗中混合的上層成熟樹的樹干點，避免了因上層樹位置檢測不準確而導(dǎo)致的問題。此外，開發(fā)了一種基于局部自適應(yīng)聚類的方法，用于提取林下更新幼苗。該方法能夠自動實現(xiàn)大范圍內(nèi)的林下幼苗分割，并獲取它們的表型參數(shù)，如樹高和冠寬。通過野外測量數(shù)據(jù)驗證，該方法的總體檢測率和匹配率分別達到了121.03%和82.08%。從ALS數(shù)據(jù)提取的幼苗高度與野外測量的高度在不同尺度上取得了高一致性，表現(xiàn)出良好的結(jié)果。另外，通過與TLS數(shù)據(jù)比較，該方法顯示出較高的準確性。這一方法為研究幼苗的生長狀況和森林管理規(guī)劃提供了技術(shù)支持。

論文鏈接：

https://spj.science.org/doi/10.34133/plantphenomics.0145

——推薦閱讀——

LiDAR Is Effective in Characterizing Vine Growth and Detecting Associated Genetic Loci

https://spj.science.org/doi/10.34133/plantphenomics.0116

Plant Phenomics | 激光雷達能夠高效地描述葡萄的生長情況和檢測相關(guān)遺傳位點

Screening of Ginkgo Individuals with Superior Growth Structural Characteristics in Different Genetic Groups Using Terrestrial Laser Scanning (TLS) Data

https://spj.science.org/doi/10.34133/plantphenomics.0092

Plant Phenomics | 基于地基激光雷達掃描數(shù)據(jù)篩選不同基因型中具有優(yōu)良生長結(jié)構(gòu)特征的銀杏單株

加入作者交流群

掃碼添加小編微信，拉您進入《植物表型組學(xué)》作者交流群，群內(nèi)不定期開展作者分享會、�？�發(fā)布會等高質(zhì)量活動。

添加小編微信，備注姓名+單位+PP，加入作者交流群

About Plant Phenomics

《植物表型組學(xué)》（Plant Phenomics）是由南京農(nóng)業(yè)大學(xué)和美國科學(xué)促進會（AAAS）合作創(chuàng)辦的英文學(xué)術(shù)期刊，于2019年1月正式上線發(fā)行。采用開放獲取形式，刊載植物表型組學(xué)交叉學(xué)科熱點領(lǐng)域具有突破性科研進展的原創(chuàng)性研究論文、綜述、數(shù)據(jù)集和觀點。具體范圍涵蓋高通量表型分析的最新技術(shù)，基于圖像分析和機器學(xué)習(xí)的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農(nóng)業(yè)實踐中的表型組學(xué)新應(yīng)用，與植物表型相結(jié)合的分子生物學(xué)、植物生理學(xué)、統(tǒng)計學(xué)、作物模型和其他組學(xué)研究，表型組學(xué)相關(guān)的植物生物學(xué)等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數(shù)據(jù)庫收錄�？祁Ｎò睯CR2021影響因子為6.5，位于農(nóng)藝學(xué)、植物科學(xué)、遙感一區(qū)。2023年中科院期刊分區(qū)位于農(nóng)林科學(xué)大類一區(qū)。2020年入選中國科技期刊卓越行動計劃高起點新刊項目。

說明：本文由《植物表型組學(xué)》編輯部負責(zé)組稿。
中文內(nèi)容僅供參考，一切內(nèi)容以英文原版為準。
撰稿：吳庚宸（南京農(nóng)業(yè)大學(xué)）
排版：史奕（南京農(nóng)業(yè)大學(xué)）
審核：孔敏、王平