《Methods in Ecology and Evolution》：Seeing both the forest and the trees: An automated workflow for ultra-high-resolution drone imaging of tropical canopies
编辑推荐：
热带森林林冠承载多样的树木与藤本植物组合，但林冠植物分类鉴定所需的关键叶部和生殖性状常难以从林下地表观察，成为植物清查的瓶颈。研究人员介绍一种基于无人机的工作流，可自动获取选定树冠的数百张近景、超高分辨率照片（约0.4 mm pixel?1
热带森林林冠承载多样的树木与藤本植物组合，但林冠植物分类鉴定所需的关键叶部和生殖性状常难以从林下地表观察，成为植物清查的瓶颈。研究人员介绍一种基于无人机的工作流，可自动获取选定树冠的数百张近景、超高分辨率照片（约0.4 mm pixel?1），从而支持对林冠植物开展高效的植物学和生态学研究（演示：https://youtu.be/80goMEifpc4）。该方案利用紧凑型DJI Mavic 3 Enterprise (M3E)及其广角和长焦相机，以（i）通过结构运动恢复（structure-from-motion, SfM）摄影测量生成高分辨率数字表面模型（digital surface model, DSM）和正射影像镶嵌（orthomosaic），并（ii）在预规划位置从林冠上方约6 m拍摄近景照片。照片通过实时动态（real-time kinematic, RTK）全球导航卫星系统（global navigation satellite system, GNSS）实现准确定位（<13 cm误差），以支持与摄影测量产品的空间配准。野外部署中，研究人员每天最多为约300株选定林冠树获取近景照片，并在约3 km作业距离内维持RTK校正，显示该方法用于样地至景观尺度研究的潜力。尽管热带森林研究站点分类多样性高，林冠近景照片的视觉细节水平在多数情况下足以支持专家鉴定。尽管该工作流为热带树木和藤本植物开发，也适用于其他森林和植被类型的植物学、物候学和生态学应用。研究人员概述该工作流的优势与局限以指导使用，并提供harpia——一个开源Python库，用于在M3E上编程自动近景任务（代码：https://doi.org/10.5281/zenodo.22116831）。
论文主体解读：热带森林容纳大量树木多样性及地上碳，林冠大树和露生树对生物量、生产力和功能贡献突出。获取物种水平的树木多度、物候、生长和死亡数据对预测生态系统响应重要，但热带树木调查在技术和后勤上困难：多样性极高、分类学专家少，且鉴定所需的叶、花、果常位于林冠，难以采集或观察，分类鉴定成为清查瓶颈。卫星影像空间和/或光谱分辨率常不足以可靠鉴定到种，航空成像光谱虽有潜力但昂贵且依赖高质量地面真值；小型无人机（unoccupied aerial vehicles, UAVs；drone）配红绿蓝（red-green-blue, RGB）相机可提供高空间分辨率但低光谱分辨率，适合林冠测绘和单株近景。手动飞行适用于少量近距树木，面向数十至数百公顷、数百至数千株时效率低甚至不可行；此前尚未见自动化获取亚毫米级树冠近景照片的工作流。为此，研究人员提出并测试一套自动化近景无人机工作流：先测绘、做SfM摄影测量，选择树冠或林冠位置，用harpia生成近景任务，照片供专家分类鉴定和物候观察。该工作流源于XPRIZE Rainforest竞赛团队并在赛后完善，在巴拿马、巴西、厄瓜多尔3国197次任务中拍摄>24,000株树，并在加拿大温带林测试。结论是该方法可每天获取数百株树冠的近景照片、定位精度高，专家多数可鉴定，BCI验证种级和属级一致率高；意义在于加速热带树木和藤本植物清查、物候监测、机器学习训练数据获取，并可作为其他遥感产品的“林冠真值”。
关键技术方法：以DJI Mavic 3 Enterprise (M3E)（广角+长焦）和实时动态（RTK）全球导航卫星系统（GNSS）及D-RTK2基站为基础；≥50 m航高、≥85%前向与≥75%侧向重叠测绘，经Agisoft Metashape进行结构运动恢复（SfM）摄影测量生成数字表面模型（DSM）与正射影像镶嵌；harpia（Python）据DSM以3 m缓冲最高高程加6 m生成.kmz航点任务并以旅行商问题（Travelling Salesman Problem, TSP）规划路径；专家用Labelbox标注。样本来源为巴拿马Barro Colorado Island (BCI)、厄瓜多尔Tiputini Biodiversity Station (TBS)、巴西站点和加拿大温带林；BCI 2023—2026冠层图提供1049个种级冠层用于验证，BCI与TBS的8743张种级照片用于物种累积曲线。
研究结果：
3.1 Technical validation results（技术验证结果）：通过197次任务、6架M3E在3国>24,000株树获取近景照片；单电池最多45株，距离大时低至15株；单日最多312株（14架次、4.33 h、每株约50 s）。利用林冠塔，RTK在约3 km内维持，作业面积约2800 ha；3812张照片的EXIF坐标显示99.9%水平误差<66.3 cm、垂直<51.9 cm，平均水平误差12.5±7.5 cm、垂直4.7±5.5 cm。
3.2 Taxonomic identifications of close-up photographs（近景照片的分类鉴定）：11,798张照片经专家标注，62.9%为单株且鉴定至种；764个可识别分类单元中71.3%至种、23.5%至属、5.2%至科；约4%查看照片未给标签。BCI地面真值1049个种级冠层比较，种级一致89.1%、属级91.6%；多数错配仅出现一次，最常见错配为同属对。
3.3 Diversity analyses（多样性分析）：基于BCI与TBS共8743张至少鉴定至一个种级分类单元的照片，物种累积曲线显示初期快速增加后趋缓；TBS总物种数和新种发现速率明显高于BCI，符合Yasuní地区高树种多样性。
讨论部分总结：树冠选择可按分类或生态标准，并需避开交织冠、突出枝、谷地或林隙邻近高树及RTK遮挡；维持RTK校正是主要运行挑战，密林中常<1 km失锁，塔可提升至约3 km，且需遵守当地法规。近景拍摄建议快门优先约1/160 s、漫射光、ISO约100、长焦连续自动对焦（continuous auto-focus, AFC）。将照片与地面树木关联困难，建议用冠层分割多边形空间相交，并结合冠幅、估测胸径与物种信息实现“林冠真值（canopy truthing）”。无人机安全需培训、检查表和应急演练；旧版路径效率有限，新版采用椭球高程、不依赖起飞点并优化路径，未来可多角度拍摄并适配DJI Matrice 4 Enterprise (M4E)（48 MP长焦、D-RTK3）。
研究结论翻译：本研究提出一种基于无人机的工作流，用于自动获取森林林冠中树冠和藤本植物的近景、超高分辨率照片，以支持热带植物学和生态学研究（https://youtu.be/80goMEifpc4）。该工作流围绕DJI Mavic 3 Enterprise (M3E)无人机构建，该无人机便携、相对可负担、可为许多机构获取且较易使用。该工作流使一名飞手在1天内测绘约200 ha森林，并在随后数天每天获取多达300株树的近景照片。研究表明，这些近景照片使专家植物学家能够可靠鉴定树木和藤本植物，且常可鉴定至种级。为规划这些近景照片任务，研究人员提供harpia开源Python库（https://doi.org/10.5281/zenodo.22116831）。研究人员认为，该工作流可增强并加速热带树木和藤本植物调查，并支持物候研究。尽管该工作流最初为热带森林和树木设计，也可应用于其他森林或植被类型，以支持植物区系、物候或生态学研究。
