基于低成本无人机LiDAR点云的杨树枝条架构重建与表型性状分析

《Plant Phenomics》：Branch architecture reconstruction and phenotypic trait analysis of poplar trees using low-cost UAV LiDAR point clouds

本研究针对杨树表型育种中枝条架构人工测量效率低、现有算法对阔叶树适用性差的问题，开发了基于物质传输通量和对象级几何特征的枝条重建算法。利用大疆Zenmuse L1无人机LiDAR数据，在湖北石首杨树育种站实现了一级枝F1-score=1.00、二级枝F1-score=0.69的高精度重建，枝长和枝角估算RMSE分别为0.47 m和7.06°。首次实现5公顷林分尺度的枝条参数提取，揭示了248个基因型的表型变异规律，为林木精准育种提供了技术支撑。

　　

杨树作为中国林业的支柱树种，在木材生产、生态修复和防护林建设中扮演着关键角色。枝条架构作为重要的生物性状，直接影响树木的生长、光合作用和水分利用效率。然而，传统依靠人工爬树或伐倒测量的方法效率低下，严重制约了大规模杨树育种项目中表型性状的获取效率。尽管激光雷达（LiDAR）技术为树木三维结构测量提供了新思路，但现有算法多针对针叶树开发，对枝条形态更复杂的杨树等阔叶树种存在适用性局限。此外，高价LiDAR设备的使用成本限制了技术普及，而低成本无人机LiDAR数据质量较差，进一步增加了枝条重建的难度。

为突破这些技术瓶颈，中国林业科学院资源信息研究所的蔡尚书、庞勇研究团队在《Plant Phenomics》上发表研究，提出了一种基于低成本无人机LiDAR点云的杨树枝条架构重建算法。该研究通过创新性地结合树木生理学模型和计算机图形学技术，实现了杨树一级枝和二级枝的高精度三维重建，为大规模林木表型研究提供了新方案。

研究团队采用大疆Zenmuse L1无人机LiDAR系统（售价约1.5万美元）在湖北石首国家杨树育种站5公顷样地采集点云数据。通过体素化近质心法提取骨架点，利用物质传输通量模型识别枝条端点，结合路径长度和曲率等对象级几何特征重建枝条骨架，最终基于重建骨架提取枝长和枝角参数。

在技术方法层面，研究首先通过统计离群值去除和布料模拟滤波进行点云去噪和地面滤波，采用基于物质传输路径的算法进行单木分割。核心算法包含三个关键步骤：骨架点提取阶段通过0.2米体素网格简化点云；骨架重建阶段创新性地将WBE（West, Brown, Enquist）水力传输理论引入枝条端点识别，通过Dijkstra算法计算最短路径并统计通量；枝条生成阶段通过路径聚类和几何特征筛选（特征值F=L_straight/L_path×C_min/C_path）区分二级枝与低级枝。

研究结果显示，该算法在20棵样本树验证中取得显著成效。一级枝识别达到完美精度（F1-score=1.00），二级枝识别F1-score平均为0.69（范围0.60-0.86）。参数估计方面，一级枝长估计R²=0.82、RMSE=0.57 m；二级枝长估计R²=0.97、RMSE=0.47 m；枝角估计R²=0.68、RMSE=7.06°。算法计算效率优异，80%样本处理时间低于10秒，平均耗时30.8秒。

在5公顷大尺度应用中，研究成功重建了1466棵杨树的枝条结构，并对248个基因型进行了表型变异分析。研究发现二级枝长变异系数最高（29.68%），一级枝长和枝角变异系数相当（16.86% vs 16.62%）。相关性分析揭示一级枝长与二级枝长呈中等正相关（r=0.34），而枝长与枝角相关性较弱。通过K-means聚类将基因型划分为6个表型群，呈现出不同的枝条构型策略，如集群1和5显示强顶端优势，集群6则表现为短枝大角度的特殊构型。

研究讨论指出，该算法相较于传统方法（AdQSM、TreeQSM）在重建质量上具有明显优势，能更准确地捕捉杨树枝条的真实形态。通过整合理论模型约束和对象级特征，算法对低质量点云表现出更强鲁棒性。然而，研究也承认当前方法在倾斜树木或复杂冠形处理上存在局限，且叶期数据的适用性仍需验证。

该研究的创新性在于首次实现了杨树枝条架构的大尺度、低成本定量解析，为林木表型组学研究提供了重要技术工具。通过揭示杨树枝条性状的变异规律和协同关系，为理解树木生长发育机制、指导基因型选育奠定了坚实基础。未来通过结合功能-结构植物模型，将进一步深化对枝条构型与功能适应关系的认识，推动林业育种向精准化、智能化方向发展。