近日，林学院张晓丽教授团队以“A novel self-similarity cluster grouping approach for individual tree crown segmentation using multi-features from UAV-based LiDAR and multi-angle photogrammetry data”为题，在《Remote Sensing of Environment》（一区TOP，IF=11.1）期刊上发表研究成果，为地形起伏较大、树冠形状各异等森林环境单木信息提取提供快速、准确的解决方案。

快速、准确的单木信息提取是森林资源精细调查和科学管理的基础。现有单木树冠分割算法均不同程度出现过/欠分割现象，分割结果存在较大不确定性，特别是在地形复杂、树冠形状不规则、边界重叠等高密度林分。

针对以上问题，基于无人机多角度摄影测量、激光雷达数据，考虑树冠表面变化和光谱-纹理-色彩空间信息特征，提出了综合树冠曲面微分和多信息自相似聚类单木分割方法（图1）。首先，利用DSM及多阶梯度信息表征树冠曲面、变化及其凹凸特征，在此基础上将影像分割成多个树冠斑块，最大程度避免产生欠分割现象；然后，开发树冠光谱、纹理和色彩空间信息的相似性权重计算函数和斑块合并策略以实现单木分割。该算法可较好解决复杂森林环境单木树冠分割过/欠分割问题，为单木-样地尺度高效、低成本的单木分割和树冠信息提取提供新方法。

图1 单木分割及参数提取技术流程图

北京林业大学林学院在读博士生雷令婷为第一作者，柴国奇为共同第一作者，张晓丽教授为通讯作者，姚宗琦、李英博和贾翔为共同作者。

上述研究得到国家自然科学基金项目“近地-地基主被动多模态遥感联合的单木参数高效提取研究”（32171779）、国家重点研发计划项目“天空地一体化森林资源监测技术示范”（2023YFD2201700）的资助。

文章链接：https://doi.org/10.1016/j.rse.2024.114588