欧亚国际

森林冠层的空间分布和树木个体的结构受到多种因素的影响，包括资源的可用性、相邻树木树冠之间的竞争以及林冠间隙的存在和大小。树冠的形态特征，如体积、表面积、高度和冠底高度，被用来表征树冠结构，并用于开发模拟树木未来生长的几何模型，包括树干体积的预测。在森林建模和产量预测中，通常结合了树冠大小和竞争度量的测量，但这些方法往往假设树冠具有简单的几何形状，如对称的椭圆体，并忽略了林冠间隙的影响。因此，这些模型可能低估了林冠的光可用性，而树木实际上可能通过不对称生长和复杂的分枝结构来有效地截获光线。

2024年10月，Plant Phenomics在线发表了Virginia Polytechnic Institute and State University题为evalsuating the Influence of Row Orientation and Crown Morphology on Growth of Pinus taeda L. with Drone-Based Airborne Laser Scanning的研究论文。

研究比较了在美国管理的火炬松（Pinus taeda L.）中表现出不同树冠结构的6个基因型的个体树冠（ITCs）。无人机激光扫描（DLS）数据被分类为ITC对象，研究中提出了计算ITC形状指标的新方法。树干的位置是通过基于模型的聚类和基于聚类大小的加权方法来确定的。研究使用3维alphashapes技术在两次相隔4年的同一地点的DLS数据采集中生成了ITC形状指标。在多个高度估算了树冠与树干的水平距离，并计算了特定方位角的3D体积。研究发现，树冠形态在空间上、时间上以及6个基因型间存在显著差异。

图1 研究地点布局图

首先，研究者们在Reynolds Homestead（RH）进行了实地实验，该地点位于美国弗吉尼亚州的Piedmont地区。实验涉及6个火炬松基因型，每个基因型都有4个重复（区块）的种植。这些基因型被设计为在群体内具有同质性，并确保了不同的树冠结构。研究地点的地形坡度在2°至15°之间变化。在2017年和2021年，所有树木的DBH被测量，对于每个区块中的25棵树，还测量了树顶高度和树冠水平直径。这些测量结果用于与DLS分析得出的树冠体积进行比较。图1展示了Reynolds Homestead研究站点内安装的24个实地小区，以及6个基因型（G1至G6）的位置（图1）。图中的冠高模型是从2017年获取的无人机激光扫描（DLS）数据中衍生出来的。

图2 根据DLS数据分类的单个树冠点云，2017年和2021年的数据空间匹配图

然后，研究者们使用Vapor35平台和YellowScan Surveyor Core LiDAR单元在2017年4月获取了RH站点的DLS数据。在2021年7月，使用DJI M600六旋翼平台和Riegl MiniVux1 LiDAR扫描仪重新飞越了RH站点。预处理和条带调整在RiPROCESS软件中进行。所有预处理和分析都在R软件中进行。DLS数据通过隔离体素滤波器进行预处理，以分类和移除潜在的噪声点。然后使用基于模型的聚类方法对树干进行分类，并使用加权聚类方法基于大小对树干进行加权（图2）。

图3 楔形计算示例

研究者们使用alphashape 3D网格计算了每个完整的ITC点云，分别为2017年和2021年的两次数据获取。相同的α值被用于所有的ITCs。alphashape体积和表面积被计算出来。为了确定树冠生长的主要方向，研究者们在所有ITCs中计算了水平横截面多边形，从地面以上1米开始，每0.5米垂直计算一次，直到树木的总高度。研究者们计算了从树干中心到树冠外部的水平距离，对于每个高度，每10°的方位角计算一次，说明了如何通过3D网格细分来评估树冠体积在不同方位角的变化（图3）。最后，研究者们使用混合效应模型分析了树冠体积变化与基因型之间的关系，并评估了不同行向对树木大小的影响。研究结果表明，树冠体积的变化与基因型显著相关，且南向的树冠体积变化对树干体积变化的影响大于北向。

论文链接：

http://doi.org/10.34133/plantphenomics.0264

——推荐阅读——

High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models

http://doi.org/10.34133/plantphenomics.0244

Plant Phenomics | 基于无人机遥感与深度学习模型的大豆生物量高通量表型分析：传统性状估算与新型潜在特征提取

Phenotyping of Panicle Number and Shape in Rice Breeding Materials Based on Unmanned Aerial Vehicle Imagery

‍http://doi.org/10.34133/plantphenomics.0265‍

Plant Phenomics | 浙江大学岑海燕教授团队基于无人机图像的水稻育种小区稻穗计数与穗型分类