利用无人机激光雷达及一次观测深度学习技术进行露天矿复垦区的树木提取

《Scientific Reports》：Tree extraction in open-pit mine restoration areas using unmanned aerial vehicle LiDAR and you only look once-based deep learning

　　

摘要

准确监测已恢复的露天矿区的树木生长情况，对于评估生态修复效果及指导矿区关闭后的管理至关重要。以安徽省庆阳市的花峰露天石灰石采石场为案例，我们结合2025年的无人机LiDAR数据与2024年的无人机红、绿、蓝三色正射影像，构建了一套跨时间的树木提取与森林变化分析方法。通过高密度LiDAR点云生成了0.5米高度的树冠模型，再利用局部最大值检测与分水岭分割技术确定每棵树的树冠顶部和边界，在预设的高度和树冠大小范围内共识别出5,863棵树木。这些基于LiDAR数据的树木信息被映射到RGB影像上，为YOLOv9检测器提供训练/验证标签，该检测器被用于分析2024年的正射影像，以绘制树木分布图及区分森林与非森林区域。与2024年相比，森林面积净增加了约1.34公顷，增幅达15.8%；而非森林区域则减少了24.1%，从5.56公顷降至4.22公顷。新生的森林主要分布在矿坑底部平台、覆盖有表土的梯形斜坡以及原来的工业用地上，而那些持续存在的非森林区域则多位于陡峭的裸岩斜坡上。这些不同的空间分布特征明确了需要重点进行土壤保护和重新植树的区域，同时也体现了多源无人机遥感技术在实现可重复的生态修复监测方面的价值。