Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna
Diese Studie vergleicht Watershed- und Region-Growing-Algorithmen zur Segmentierung einzelner städtischer Bäume aus luftgestütztem LiDAR in Bologna, wobei sie die unterschiedlichen Detektionsprofile für jede Methode aufzeigt, gleichzeitig die Einschränkungen bestehender kommunaler Datensätze als Ground Truth hervorhebt und eine modulare Pipeline zur Ableitung von Vegetationsindikatoren wie Biomasse und Pollenproduktion demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Detektiv, der versucht, ein Rätsel in einem riesigen, unsichtbaren Wald zu lösen. Aber dies ist kein Wald aus Erde und Blättern, die man anfassen kann; es ist ein Wald aus Lichtstrahlen. Wissenschaftler nutzen ein spezielles Werkzeug namens LiDAR (Light Detection and Ranging), um Laser aus dem Himmel zu schießen. Diese Laser prallen von allem ab – Gebäuden, Autos und Bäumen – und kehren zurück, um uns genau zu sagen, wie hoch sie sind. Es ist, als trage die Stadt einen 3D-Anzug aus Millionen winziger Punkte.
Stellen Sie sich nun vor, Sie haben einen riesigen Haufen dieser Punkte und Ihre Aufgabe ist es, herauszufinden, welche Punkte zu welchem Baum gehören. Das nennt man Segmentierung. Es ist knifflig, weil Bäume in einer Stadt oft nah beieinander wachsen, ihre Äste sich wie Spaghetti in einer Schüssel verheddert sind und manche hoch während andere niedrig sind. Wenn man nicht zwischen zwei Bäumen unterscheiden kann, kann man sie weder zählen, noch ihren Gesundheitszustand messen oder erraten, wie viel Kohlenstoff sie aus der Luft aufsaugen. Das ist wichtig, weil Städte immer heißer werden und Bäume die natürlichen Klimaanlagen der Natur sind. Um sie zu verwalten, müssen wir genau wissen, wer wer in der grünen Menge ist.
In dieser Arbeit geht es um zwei verschiedene Detektive, die versuchen, dieses Rätsel in Bologna, Italien, zu lösen. Der erste Detektiv nutzt eine Methode namens Watershed (Wasserscheide), die so ist, als würde man Wasser über eine hügelige Landschaft gießen. Das Wasser fließt in Täler hinab, und dort, wo das Wasser aus zwei verschiedenen Tälern aufeile, befindet sich die Grenze zwischen zwei Bäumen. Der zweite Detektiv nutzt Region Growing (Regionenwachstum), was eher wie ein Spiel aus „Verbinde die Punkte“ ist. Er beginnt an der Spitze eines Baumes und greift nach nahegelegenen Punkten, die zur selben Familie zu gehören scheinen, und lässt den Baum nach außen wachsen, bis er auf einen Nachbarn stößt.
Das Team testete beide Detektive auf 12 verschiedenen Slices der Stadt. Hier ist, was sie fanden: Der Watershed-Detektiv fand mehr Bäume – 7.589 Stück! Er war jedoch etwas zu eifrig. Er zerstückelte große Bäume in viele kleine Teile und fand eine riesige Anzahl winziger Bäume, die nur etwa 5 Meter hoch waren. Es war, als sähe man eine riesige Eiche und hielte sie statlich für einen ganzen Wald aus kleinen Setzlingen, weil das „Wasser“ in den kleinen Vertiefungen der Blätter hängen blieb.
Der Region Growing-Detektiv war konservativer. Er fand weniger Bäume – 6.432 – aber er war besser darin, die Giganten aufzuspüren. Er identifizierte erfolgreich Bäume, die über 40 Meter hoch waren, welche die andere Methode übersehen hatte. Dies geschah, weil Region Growing die Daten nicht geglättet hat; es behielt die scharfen, hohen Punkte der größten Bäume intakt.
Das Team versuchte auch, ihre Arbeit mit der offiziellen Baumliste der Stadt abzugleichen, einer Datenbank namens Alberi in manutenzione. Sie hofften, diese Liste als „Wahrheit“ zu nutzen, um zu sehen, wer recht hatte. Aber die Liste entpuppte sich als etwas chaotisch. Etwa die Hälfte der Bäume, die das LiDAR sah, war gar nicht auf der Liste. An einigen Stellen in der Liste standen Bäume, die es nicht mehr gab, und die Höhenangaben stammten größtenteils aus der Zeit vor 20 Jahren. Es war, als würde man versuchen, seine Hausaufgaben mit einem Lehrbuch aus einem Jahrzehnt zu überprüfen, bei dem die Hälfte der Seiten fehlt. Aus diesem Grund konnten die Autoren nicht mit Sicherheit sagen, welcher Detektiv perfekt war, aber sie konnten sehen, dass die alte Liste der Stadt nicht gut genug war, um als Schiedsrichter zu fungieren.
Trotz der Verwirrung nutzte das Team seine neuen Baumkarten, um einige coole Zahlen zu berechnen. Sie schätzten, wie viel Kohlenstoff jeder Baum speichert (was hilft, den Klimawandel zu bekämpfen) und wie viel Pollen er produzieren könnte (was Menschen zum Niesen bringen kann). Sie verwandelten all diese Daten in eine interaktive Karte, auf der man auf einen Baum klicken kann, um seine Höhe, seine Größe und seine „Pollen-Power“ zu sehen.
Das große Faz-it? Die alte Baumliste der Stadt ist veraltet und unzuverlässig. Die neuen LiDAR-Methoden funktionieren, aber sie müssen sorgfältig abgestimmt werden. Die „Watershed“-Methung ist schnell, sieht aber vielleicht zu viele kleine Bäume, während „Region Growing“ großartig darin ist, die Giganten aufzuspüren, aber vielleicht einige Details übersieht. Die Autoren schlagen vor, dass wir in Zukunft diese Sky-Scans mit Scans auf Bodenniveau und frischen Felduntersuchungen kombinieren sollten, um das perfekte Bild zu erhalten. Bis dahin bietet diese neue Pipeline der Stadt eine leistungsstarke, aktuelle Möglichkeit, ihr Grün zu sehen, selbst wenn die alten Karten noch hinterherhinken.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.