Estudio sobre las diferencias entre los resultados de extracción de los parámetros estructurales de árboles individuales para diferentes especies de árboles basados en LiDAR de UAV e imágenes RGB de alta resolución
Autores: You, Haotian; Tang, Xu; You, Qixu; Liu, Yao; Chen, Jianjun; Wang, Feng
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Estudio sobre las diferencias entre los resultados de extracción de los parámetros estructurales de árboles individuales para diferentes especies de árboles basados en LiDAR de UAV e imágenes RGB de alta resolución
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Lidar
Imagen
Especies de árboles
Dem
Dsm
Extracción
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los puntos de detección y medición de luz (LiDAR) y los puntos derivados de imágenes RGB de alta resolución se han utilizado con éxito para extraer parámetros estructurales de los árboles. Sin embargo, las diferencias en la extracción de parámetros estructurales individuales de los árboles entre diferentes especies de árboles no se han estudiado de manera sistemática. En este estudio, se recopilaron datos de LiDAR e imágenes utilizando vehículos aéreos no tripulados (UAV) para explorar las diferencias en la generación de modelos digitales de elevación (DEM) y modelos digitales de superficie (DSM) y la extracción de parámetros estructurales de los árboles para diferentes especies de árboles. Se encontró que los DEM generados a partir de ambas formas de datos, LiDAR e imagen, exhibieron altas correlaciones con la elevación medida en campo, con un R2 de 0.97 y 0.95, y un RMSE de 0.24 y 0.28 m, respectivamente. Además, las diferencias entre los DSM son pequeñas en áreas no vegetadas, mientras que las diferencias son relativamente grandes en áreas vegetadas. Los resultados de la extracción del ancho y la altura de la copa de los árboles individuales basados en dos tipos de datos son similares cuando se consideran todas las especies de árboles. Sin embargo, para diferentes especies de árboles, el Cinnamomum camphora exhibe la mayor precisión en términos de extracción del ancho de la copa, con un R2 de 0.94 y 0.90, y un RMSE de 0.77 y 0.70 m para los puntos de LiDAR y de imagen, respectivamente. En comparación, para la extracción de la altura de los árboles, la Magnolia grandiflora exhibe la mayor precisión, con un R2 de 0.89 y 0.90, y un RMSE de 0.57 y 0.55 m para los puntos de LiDAR y de imagen, respectivamente. Los resultados indican que tanto los puntos de LiDAR como los de imagen pueden generar un DEM y un DSM precisos. Las diferencias en los DEM y DSM entre los dos tipos de datos son relativamente grandes en áreas vegetadas, mientras que son pequeñas en áreas no vegetadas. Existen diferencias significativas en los resultados de extracción de la altura de los árboles y el ancho de la copa entre los dos conjuntos de datos entre diferentes especies de árboles. Los resultados proporcionarán orientación técnica para la investigación y el monitoreo de recursos forestales de bajo costo.
Descripción
Los puntos de detección y medición de luz (LiDAR) y los puntos derivados de imágenes RGB de alta resolución se han utilizado con éxito para extraer parámetros estructurales de los árboles. Sin embargo, las diferencias en la extracción de parámetros estructurales individuales de los árboles entre diferentes especies de árboles no se han estudiado de manera sistemática. En este estudio, se recopilaron datos de LiDAR e imágenes utilizando vehículos aéreos no tripulados (UAV) para explorar las diferencias en la generación de modelos digitales de elevación (DEM) y modelos digitales de superficie (DSM) y la extracción de parámetros estructurales de los árboles para diferentes especies de árboles. Se encontró que los DEM generados a partir de ambas formas de datos, LiDAR e imagen, exhibieron altas correlaciones con la elevación medida en campo, con un R2 de 0.97 y 0.95, y un RMSE de 0.24 y 0.28 m, respectivamente. Además, las diferencias entre los DSM son pequeñas en áreas no vegetadas, mientras que las diferencias son relativamente grandes en áreas vegetadas. Los resultados de la extracción del ancho y la altura de la copa de los árboles individuales basados en dos tipos de datos son similares cuando se consideran todas las especies de árboles. Sin embargo, para diferentes especies de árboles, el Cinnamomum camphora exhibe la mayor precisión en términos de extracción del ancho de la copa, con un R2 de 0.94 y 0.90, y un RMSE de 0.77 y 0.70 m para los puntos de LiDAR y de imagen, respectivamente. En comparación, para la extracción de la altura de los árboles, la Magnolia grandiflora exhibe la mayor precisión, con un R2 de 0.89 y 0.90, y un RMSE de 0.57 y 0.55 m para los puntos de LiDAR y de imagen, respectivamente. Los resultados indican que tanto los puntos de LiDAR como los de imagen pueden generar un DEM y un DSM precisos. Las diferencias en los DEM y DSM entre los dos tipos de datos son relativamente grandes en áreas vegetadas, mientras que son pequeñas en áreas no vegetadas. Existen diferencias significativas en los resultados de extracción de la altura de los árboles y el ancho de la copa entre los dos conjuntos de datos entre diferentes especies de árboles. Los resultados proporcionarán orientación técnica para la investigación y el monitoreo de recursos forestales de bajo costo.