再生樹苗對于維持生態韌性森林的多樣且高效的生態系統功能至關重要，同時也有助于可持續的森林管理。自然再生和人工種植苗木是常見的林業栽培方法。林下幼苗的空間分布和表型參數測量對于研究林冠結構特征以及森林下光照動態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部機制。樹高、胸徑和冠幅等表型參數對于林木育種和森林管理在遺傳物質選擇方面至關重要。然而，由于樹木壽命長、生長范圍廣且形態各異，森林表型參數的獲取是一項挑戰，需要長期和高頻的監測。傳統的在野外手動測量林下苗木以獲取表型參數的方法是破壞性的、耗時的和勞動密集的。激光雷達技術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的新可能性。與其他激光掃描技術相比，如地基激光雷達掃描(TLS)或衛星激光雷達掃描，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，包括樹高和冠幅。
 

2024年2月，Plant Phenomics在線發表了中國林業科學研究院資源信息研究所和國家林業和草原局林業遙感與信息技術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 研究區域的分布，ALS點云，以及本研究中使用的參考數據的大致位置。(A)樣本地塊的位置。(B)無人機獲取圖像內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數據收集的范圍。(D)研究區ALS點云側視圖，(E)俯視圖，包括成熟喬木和林下樹苗。

研究人員利用ALS數據檢測再生森林的樹高和分布信息。然而，現有方法很少關注林下苗木的表型參數估算，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技術有潛力描述再生森林的內部三維結構，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造垂直平面。(C)拐點檢測。(D)樹的后處理結果。

為了解決這一問題，提出了一種基于ALS雷達數據提取林下更新幼苗表型參數的方法框架。首先，利用高密度ALS數據獲得相對完整森林的林下環境描述，然后通過改進的NSC個體樹分割算法處理上層樹分割結果，間接提高了上層成熟樹的位置精度。在此基礎上，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致的問題。此外，開發了一種基于局部自適應聚類的方法，用于提取林下更新幼苗。該方法能夠自動實現大范圍內的林下幼苗分割，并獲取它們的表型參數，如樹高和冠寬。通過野外測量數據驗證，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數據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，表現出良好的結果。另外，通過與TLS數據比較，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劃提供了技術支持。

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據篩選不同基因型中具有優良生長結構特征的銀杏單株

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》作者交流群，群內不定期開展作者分享會、專刊發布會等高質量活動。

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》（Plant Phenomics）是由南京農業大學和美國科學促進會（AAAS）合作創辦的英文學術期刊，于2019年1月正式上線發行。采用開放獲取形式，刊載植物表型組學交叉學科熱點領域具有突破性科研進展的原創性研究論文、綜述、數據集和觀點。具體范圍涵蓋高通量表型分析的最新技術，基于圖像分析和機器學習的表型分析研究，提取表型信息的新算法，作物栽培、植物育種和農業實踐中的表型組學新應用，與植物表型相結合的分子生物學、植物生理學、統計學、作物模型和其他組學研究，表型組學相關的植物生物學等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等數據庫收錄。科睿唯安JCR2021影響因子為6.5，位于農藝學、植物科學、遙感一區。2023年中科院期刊分區位于農林科學大類一區。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》編輯部負責組稿。
中文內容僅供參考，一切內容以英文原版為準。
撰稿：吳庚宸（南京農業大學）
排版：史奕（南京農業大學）
審核：孔敏、王平