Gemäßigte Wälder in Japan werden allgemein in kühl-temperate und warm-temperate Zonen unterteilt, jedoch wurden die "intermediären temperierten Wälder" zwischen ihnen hinsichtlich der Klassifikationskriterien oder Vegetationsmerkmale noch nicht klar definiert. Abies firma, ein immergrüner Nadelbaum, der an kühl-temperate Klimata angepasst ist, gilt als wichtige Indikatorart für diese Übergangszonen. Ziel dieser Studie war es, die individuelle Verteilung von Abies firma innerhalb natürlicher Wälder zu identifizieren, indem UAV-Luftbilder mit LiDAR-abgeleiteten Canopy-Höhen-Daten kombiniert und Methoden des maschinellen Lernens sowie der krönchenbasierten Klassifizierung angewendet wurden. UAV-Befragungen wurden in drei verschiedenen Jahreszeiten durchgeführt, und die automatische Erkennung von Abies-Individuen wurde durchgeführt. Die höchste Erkennungsgenauigkeit wurde bei Bildern erzielt, die im April aufgenommen wurden, als die Farben des Walddachs deutliche jahreszeitliche Variationen zeigten und die Schatten minimal waren. In diesem Fall erreichte der Rückruf 71 % und die Präzision 86 %. Darüber hinaus zeigte die Analyse der Beziehung zwischen der erkannten Abies-Verteilung und topografischen Faktoren, dass kürzere Individuen tendenziell häufiger in sanft abfallenden Flachbereichen vorkamen. Diese Ergebnisse deuten darauf hin, dass intermediäre temperierte Wälder, die von Abies dominiert werden, günstige Bedingungen für eine genaue Erkennung bieten, und sie demonstrieren die Effektivität von Fernerkundungsansätzen zur automatisierten Identifizierung von Baumarten.
TAKEI et al. (Thu,) untersuchten diese Frage.