研究目的
本研究的目的是评估使用SfM-MVS技术捕捉三个具有不同结构特征的红树林站点森林结构的有效性。鉴于SfM-MVS的应用主要集中在树木高度和间距规则的林业种植园，我们关注该方法在生长形态更为特殊的红树林中的表现。通过比较SfM-MVS与TLS的点云效用，并生成冠层高度模型（CHM）来估算森林体积作为地上生物量（AGB）的替代指标。
研究成果
本研究比较了SfM-MVS和TLS在三种结构特征不同的红树林样地中捕捉森林结构和体积的能力。SfM-MVS无法像TLS那样详细获取冠层下方的点云数据，TLS在点密度方面明显更优。对于森林体积测量，SfM-MVS比受遮挡影响的TLS能更准确地捕捉冠层顶部，但在林隙区域往往存在体积高估倾向。选择SfM-MVS还是TLS取决于所需的精度、空间尺度和时间尺度，两者各具潜在优势与局限。
研究不足
注意到TLS与SfM-MVS栅格模型之间存在水平错位，幼龄林和混交林区域最为显著。由于RTK-GNSS无法在冠层下方获取信号，数字地形模型(DTM)采用各样地边缘区域的插值高程数据构建。表面差分法假设冠层高度模型(CHM)下方存在恒定体积，该方法可能未考虑树种特异性木材密度与生长形态差异。
1：实验设计与方法选择
本研究比较了结构光摄影测量(SfM-MVS)与地面激光扫描(TLS)在三个不同林龄和物种组成的红树林样地中获取森林结构和体积的能力。通过点密度描述森林结构，采用表面差分法估算森林体积作为地上生物量(AGB)的替代指标。
2：样本选择与数据来源
划定三个25×25米样地以捕捉随林龄增长的结构特征，包括：(a)'幼龄林'：主要为<1.37米高的幼苗和幼树及少量成熟个体；(b)'混交林'：包含不同年龄的个体；(c)'成熟林'：主要为>2.5米的成熟个体。
3：实验设备与材料清单
使用消费级大疆Phantom 4 Advanced四旋翼无人机获取重叠影像，Faro Focus3D S 120 TLS扫描仪进行地面激光扫描，CHC X91+实时动态GNSS(RTK-GNSS)获取地形点。
4：实验流程与操作步骤
无人机飞行平均高度51.6米，影像前向重叠率90%、侧向重叠率60%。每个TLS扫描样地设置至少三个标靶球或棋盘格标靶用于数据配准。
5：数据分析方法
采用Agisoft Photoscan Professional处理无人机点云数据，FARO Scene处理TLS数据。通过数字地表模型(DSM)减去数字地形模型(DTM)获得冠层高度模型(CHM)，实现地面以上高度标准化。
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容
