Isolating Individual Trees in a Savanna Woodland Using Small Footprint Lidar Data

Abstract

这项研究提出了一种从激光雷达数据中检测单个树梢的新方法，并将标记控制的分水岭分割应用于隔离稀树草原林地中的单个树木。通过在具有可变窗口大小的树冠最大值模型(CMM)中搜索局部最大值来检测树梢。与以往方法不同的是，可变窗口大小由树冠大小与树高回归曲线预测区间的下限决定。建立了树冠最大值模型以减少树梢检测的误差。树梢也是基于它们通常位于树冠中心周围的事实来检测的。通过五重交叉验证方法评估树描绘的准确性。结果表明，树木隔离的绝对准确率为64.1%，远高于仅在回归曲线确定的窗口大小内搜索局部最大值的方法的准确率(37.0%)。

Introduction

隔离单个树并从遥感数据中提取相关树结构信息在各种应用中具有重要意义。例如，单个树木级别的详细信息可用于监测森林再生（Gougeon和Leckie，1999；Clark等，2004a和2004b），减少森林清查所需的实地工作（Gong等，1999）和评估森林损害（Leckie等人，1992；Levesque和 King，1999；Kelly 等人，2004）。为了研究植被和气候之间的相互作用，我们在加利福尼亚州Ione的一个涡流协方差塔站点上应用了一个名为MAESTRA的单独的基于树的模型，用于量化碳通量。为了参数化基于单个树木的模型，我们的研究正在进行中，以使用面积为800的小型激光雷达数据提取单个树木结构参数，例如树高、树冠高度、树冠大小、叶面积指数(LAI)和生物量m x 800m围绕涡流协方差塔。然而，为了获得这样的个体树木参数，最初的过程是分离个体树木并描绘树冠边界。

已经对使用遥感数据隔离单个树木进行了深入研究。然而，以往的