Shortest-Path Decomposition for Foliage-Robust 3D Tree Modeling and Above-Ground Biomass Estimation from Point Clouds
تقدم هذه الورقة طريقة تفكيك للمسار الأقصر مدفوعة بالطوبولوجيا، تعمل على إعادة بناء هياكل الأشجار ثلاثية الأبعاد بشكل قوي وتقدير الكتلة الحيوية فوق الأرض من السحب النقطية في ظروف وجود الأوراق، وذلك عبر استعادة التسلسل الهرمي للتفرع مباشرة دون الحاجة إلى فصل صريح بين الأوراق والخشب.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق يحاول اكتشاف كمية الخشب الموجودة داخل شجرة ضخمة وحية. لا يمكنك قطعها لوزنها، لذا تستخدم ماسحاً ضوئياً ليزرياً خاصاً يلتقط ملايين الصور ثلاثية الأبعاد الصغيرة للشجرة، مما ينشئ "سحابة نقاط" – وهي عبارة عن سرب رقمي من النقاط يبدو وكأن الشجرة مصنوعة من غبار النجوم. يستخدم العلماء هذه النقاط لبناء "نموذج هيكلي كمي" (QSM)، وهو في الأساس هيكل عظمي رقمي للشجرة. ومن خلال قياس سمك وطول كل غصن في هذا النموذج الرقمي، يمكنهم حساب الوزن الإجمالي للشجرة، المعروف باسم "الكتلة الحيوية فوق الأرض" (AGB). وهذا الرقم بالغ الأهمية لفهم كمية الكربون التي تخزنها الغابة، مما يساعدنا في مكافحة تغير المناخ.
ومع ذلك، هناك مشكلة هائلة: الأشجار عادة ما تكون مغطاة بالأوراق. عندما تكون الشجرة مليئة بالأوراق، يرى الماسح الليزري كرة خضراء ضبابية بدلاً من هيكل واضح. فالأوراق تحجب الأغصان، وتختلط نقاط الماسح الضوئي، مما يجعل الشجرة تبدو أكثر ضخامة وثقلاً مما هي عليه في الواقع. ولسنوات طويلة، كانت الطريقة القياسية لمعالجة ذلك هي محاولة تعليم الكمبيوتر التمييز بين "نقطة ورقة" و"نقطة خشب" قبل بناء النموذج. لكن هذا يشبه محاولة فرز كومة من قطع "الليغو" المختلطة حسب اللون قبل أن تتمكن من بناء القلعة؛ إنه أمر فوضوي، وعرضة للأخطاء، وغالباً ما يتخلص من الأغصان الصغيرة والمهمة جنباً إلى جنب مع الأوراق.
تقدم هذه الورقة طريقة جديدة ذكية لحل اللغز. فبدلاً من محاولة فرز النقاط بناءً على ما "تبدو" عليه (ورقة خضراء مقابل خشب بني)، ينظر المؤلفون إلى كيفية "اتصال" هذه النقاط. إنهم يعاملون الشجرة مثل خريطة مترو الأنفاق. إذا بدأت من أسفل الشجرة (الجذور) ورسمت أقصر مسار ممكن لكل نقطة في السحابة، فستصبح الجذع الرئيسي والأغصان الكبيرة هي "خطوط المترو" الأكثر ازدحاماً. آلاف المسارات يجب أن تمر عبر الجذع للوصال إلى الأوراق، ولكن مسار واحد أو اثنان فقط يذهبان إلى أطراف الأوراق. ومن خلال عد عدد "الركاب" (المسارات) الذين يسافرون عبر كل نقطة، يمكن للكمبيوتر أن يعرف فوراً أي النقاط تقع على الطريق السريع الرئيسي وأيها مجرد محطات نهاية مسدودة، دون الحاجة أبداً لمعرفة ما إذا كانت النقطة ورقة أم غصناً.
اختبر المؤلفون طريقة "أقصر مسار" هذه على 90 شجرة حقيقية، تراوحت من الغابات الاستوائية الكثيفة في الكاميرون إلى الغابات المعتدلة في ألمانيا، باستخدام كل من الليزرات الأرضية وماسحات الطائرات بدون طيار (الدرونز). ووجدوا أن طريقتهم الجديدة دقيقة للغاية، حتى عندما كانت الأشجار مغطاة بالأوراق. وفي الأشجار الاستوائية، قدر نموذجهم الوزن بمتوسط خطأ قدره 17.2% فقط، وهو في الواقع أفضل من أفضل الطرق الحالية التي تحاول إزالة الأوراق أولاً (والتي كان معدل الخطأ فيها 21.2%). والأكثر إثارة للإعجاب هو أنه عندما استخدموا الطريقة على بيانات منخفضة الجودة من الطائرات بدون طيار، ظلت تعمل بشكل جيد، بشرط معرفة قطر الشجرة عند القاعدة.
تظهر الدراسة أنه من خلال التركيز على "خارطة طريق" الشجرة بدلاً من محاولة تنظيف الصورة، يمكننا بناء نماذج ثلاثية الأبعاد دقيقة للأشجار دون الحاجة إلى تجريدها من أوراقها أولاً. وهذا يعني أنه يمكننا قياس كربون الغابات بشكل أسرع وأكثر موثوقية، حتى في منتصف الصيف عندما تكون الأشجار في أوج اخضرارها. ويقترح المؤلفون أن هذا النهج يمكن أن يصبح أداة قياسية لمديري الغابات، مما يلغي الحاجة إلى خطوات معقدة وعرضة للخطأ لفصل الأوراق عن الخشب. ورغم أن الطريقة ليست مثالية تماماً – إذ لا تزال تعاني قليلاً إذا كانت بيانات الطائرة بدون طيار شحيحة جداً بحيث لا تظهر جذع الشجرة بوضوح – إلا أنها تمثل خطوة كبيرة للأمام في جعل مراقبة الغابات عملية قوية وعملية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.