現場およびLiDARデータからの個々のロングリーフパイン（Pinus palustris Mill.）樹木属性の補完

光検出および測距（LiDAR）は、個々の樹木レベルでの森林調査に対する可能性を示しています。本研究の目的は、ジョージア州南西部のロングリーフパイン（Pinus palustris Mill.）森林において、LiDARから得られた樹冠高モデル（CHM）から抽出した、個々の樹木高さ（Ht; m）、基面積（BA; m2）、および幹体積（V; m3）の属性を予測することでした。樹木レベルの森林属性をモデル化するための新しい枠組みを開発し、3つのステップから構成されています：(i) LiDAR由来のCHMからの個々の樹木の検出、冠の区画設定、および樹木レベルのメトリック計算；(ii) 新しいアルゴリズムを使用した回帰モデリングステップのためのLiDAR由来の樹木と現場の樹木の自動マッチング；および(iii) 樹木レベルのHt、BA、およびVを推定するためのRF k-NN補完モデリングと、これらのメトリックをプロットおよびスタンドレベルで要約すること。樹木レベルのHt、BA、およびVのRMSDはそれぞれ2.96%、58.62%、および8.19%でした。ロングリーフパインの成長生息地のため、BA推定精度は低かったものの、個々の樹木の位置、Ht、およびVは高い精度で推定され、特に低樹冠カバー条件下でそうでした。これらの発見に基づく今後の努力は、BAなどの個々の樹木レベルの属性の推定精度の向上に役立つ可能性があります。