Key points are not available for this paper at this time.
A estrutura da copa desempenha um papel essencial nas atividades biofísicas em ambientes florestais. No entanto, descrições quantitativas de uma estrutura de copa em 3-D são extremamente difíceis devido à complexidade e heterogeneidade dos sistemas florestais. A varredura a laser aerotransportada (ALS) oferece a oportunidade de medir automaticamente uma estrutura de copa em 3-D em grandes áreas. Comparado com outras tecnologias de nuvem de pontos, como a estrutura baseada em movimento a partir de imagens, o poder da ALS reside em sua capacidade de penetrar copas e representar árvores subordinadas. No entanto, essas capacidades têm sido mal exploradas até agora. Neste artigo, o potencial de abordagens baseadas em ALS para representar uma estrutura de copa em 3-D é explorado em detalhes através de um benchmarking internacional de cinco métodos de detecção de árvore individual (ITD) desenvolvidos recentemente. Pela primeira vez, os resultados dos métodos ITD são avaliados para cada uma das quatro classes de copa, ou seja, árvores dominantes, codominantes, intermediárias e suprimidas, o que fornece uma visão sobre a situação atual da representação de uma estrutura de copa em 3-D usando os métodos ITD, particularmente no que diz respeito a seus desempenhos, potenciais e desafios. Este estudo de benchmarking revelou que a estrutura da copa desempenha um papel considerável na precisão da detecção dos métodos ITD, e sua influência é ainda maior do que a da espécie da árvore, bem como a composição das espécies em um povoamento. O estudo também revela a importância de utilizar os dados de nuvem de pontos para a detecção de árvores intermediárias e suprimidas. Diferentemente do que foi relatado em estudos anteriores, a densidade de pontos foi encontrada como um fator altamente influente no desempenho dos métodos que usam dados de nuvem de pontos. Maior esforço deve ser investido em abordagens ITD baseadas em pontos ou híbridas para modelar a estrutura da copa em 3-D e para explorar ainda mais o potencial de dados de ALS de alta densidade e multiespectrais.
Wang et al. (Qui,) estudaram esta questão.