无人机激光扫描与运动结构重建技术在辐射松人工林多龄级评估中的性能比较与应用前景

本研究针对无人机激光扫描(ULS)和运动结构重建(UAV-SfM)技术在林业资源调查中的性能差异问题，通过12个不同龄级的辐射松(Pinus radiata)人工林站点数据，系统评估了胸径(DBH)和树高测量精度。结果显示ULS在树高测量中平均RMSE为0.68 m(5.4%)，显著优于UAV-SfM的1.21 m(11.59%)；DBH预测方面两者整体表现相近(R2 0.67-0.74)，但ULS在复杂立地条件下更具稳定性。该研究为林业管理者选择无人机技术提供了重要决策依据。

　　

在林业资源监测领域，传统的地面测量方法如胸径尺和测高仪不仅耗时费力，还存在陡峭地形安全隐患和数据一致性等问题。随着无人机技术的普及，如何选择适合的遥感技术进行高效精准的森林资源评估成为亟待解决的问题。特别是对于全球广泛种植的辐射松(Pinus radiata)这类重要经济树种，不同龄级林分和立地条件对测量技术提出的差异化需求尚未得到系统研究。

新西兰Scion研究所的研究团队在《Science of Remote Sensing》发表的重要研究，通过整合12个站点（含4个多时相站点）的无人机数据，建立了覆盖从幼苗期(2年)到成熟期(26年)的全龄级评估体系。研究采用自动化处理流程，比较了无人机激光扫描(ULS)和基于运动结构重建(UAV-SfM)的摄影测量方法在胸径(DBH)预测和树高测量中的表现。关键技术包括：基于R语言开发的自动处理管道实现单木分割；采用随机森林(RF)、偏最小二乘(PLS)和普通最小二乘(OLS)三种算法建立DBH预测模型；通过冠层高度模型(CHM)和凸包算法提取树木三维结构参数；利用地面控制点实现多源数据精确配准。

2. 材料与方法
研究选取新西兰南北岛12个辐射松人工林站点，涵盖不同龄级（2-26年）和立地条件（杂草覆盖、采伐剩余物等）。通过固定样地布局和树木编号系统，实现无人机数据与地面测量的精确匹配。ULS数据采用Riegl MiniVUX1和DJI L1传感器获取，UAV-SfM数据通过DJI P4 Pro等多光谱相机采集，所有数据统一处理为400点/m²
的标准化点云密度。

3. 结果
3.2. DBH估计结果
随机森林模型在DBH预测中表现最优，ULS和UAV-SfM的整体R²
分别为0.74和0.67。年轻林分（<7年）预测精度显著高于成熟林分，如Scion South站点ULS的R²
达0.90。研究发现3D冠体积(cnx3D_vol)是最重要预测变量，而包含分叉树会降低模型精度（R²
降低0.01-0.10）。

3.3. 树高测量结果
ULS在树高测量中展现出绝对优势，平均相对RMSE(5.4%)仅为UAV-SfM(11.59%)的一半。多时相数据分析显示，随着林龄增长，相对误差呈下降趋势（如Rangipo站点4年间降低3.1%），但绝对误差随树高增加而增大。

4. 讨论
该研究首次系统评估了无人机技术在辐射松全生命周期监测中的适用性。ULS在复杂立地条件下的稳定性使其成为中龄林评估的首选，而UAV-SfM在开阔年轻林分中成本效益更优。研究提出的点云高度直方图偏度指标，为量化立地条件对测量精度的影响提供了新方法。值得注意的是，分叉树检测模型的开发潜力，可能推动基于无人机的自动化疏伐作业。

这项研究标志着无人机森林调查技术向业务化应用迈出关键一步，其建立的标准化处理流程和精度评估体系，为林业管理者在不同经营阶段选择适宜技术提供了科学依据。随着传感器成本下降，这种兼顾精度与效率的技术方案，有望革新传统森林资源监测模式。