Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna
本研究对比了用于从博洛那航空激光雷达数据中分割单株城市树木的分水岭算法与区域生长算法，揭示了每种方法截然不同的检测特征，同时强调了现有市政记录作为地面真值的局限性，并展示了一个用于推导生物量和花粉产量等植被指标的模块化流水线。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一名试图在一个巨大的、隐形的森林中破解谜题的侦探。但这并不是一个你可以触摸到泥土和叶子的森林；它是一个由光束组成的森林。科学家们使用一种叫做 LiDAR（激光雷达）的特殊工具，从空中发射激光。这些激光会从建筑物、汽车和树木上反弹回来，告诉我们它们究竟有多高。这就像这座城市穿着一套由数百万个微小点组成的 3D 套装。
现在，想象你拥有如此庞大的一堆点，而你的任务是弄清楚哪些点属于哪棵树。这被称为分割（segmentation）。这非常棘手，因为城市里的树木经常长得很近，它们的树枝像一碗意大利面一样缠绕在一起，而且有些树很高，有些则很矮。如果你无法分辨出一棵树和另一棵树，你就无法计数、测量它们的健康状况，或者估算它们吸收了多少空气中的碳。这很重要，因为城市正在变得越来越热，而树木是自然的空调。为了管理它们，我们需要准确地知道谁是谁，才能在绿色的群体中辨别身份。
这篇论文讲述了两位不同的侦探试图在意大利博洛尼亚解决这个谜题的过程。第一位侦探使用了一种叫做 分水岭（Watershed）的方法，这就像是在起伏不平的地形上倾倒水流。水流会流进山谷，而在两个不同山谷的水流汇合的地方，就是两棵树之间的边界。第二位侦达则使用 区域生长（Region Growing）法，这更像是一种“连点成线”的游戏。它从树的最顶端开始，抓住附近看起来属于同一家族的点，向外生长树木，直到遇到邻居。
研究人员在城市的 12 个不同切片上测试了这两位侦探。以下是他们的发现：分水岭侦探找到了更多的树——共计 7,589 棵！但它似乎有点过于积极了。它把大树切成了许多小块，发现了大量只有约 5 米高的微型树木。这就像是看到一棵巨大的橡树，却误以为它其实是一片由小树苗组成的森林，因为“水流”卡在了叶子的微小凹陷处。
区域生长侦探则更为保守。它找到的树较少——共计 6,432 棵——但它更擅长发现那些“巨人”。它成功识别出了高度超过 40 米的树木，而另一种方法却漏掉了它们。这是因为区域生长没有平滑处理数据；它保留了最高树木的尖锐高点。
团队还尝试通过查看城市的官方树木名单（一个名为 Alberi in manutenzione 的数据库）来核对他们的工作。他们希望利用这份名单作为“真相”来判断谁是对的。但这份名单结果显示出有些混乱。LiDAR 看到的树中，大约有一半根本不在名单上。名单中的某些位置记录的是已经不存在的树，而且高度记录大多是 20 年前的。这就像是试图对照一本缺失了半数页面的十年前的教科书来检查你的作业。因此，作者无法确定哪位侦探是完美的，但他们可以看到，城市那份陈旧的名单并不足以胜任裁判的角色。
尽管存在这些困惑，团队仍利用他们新的树木地图计算出了一些酷炫的数据。他们估算了每棵树储存了多少碳（这有助于对抗气候变化），以及它们可能会产生多少花粉（这会让人们打喷嚏）。他们将所有这些数据转化成了一张交互式地图，你可以点击一棵树，查看它的高度、大小以及它的“花粉威力”。
核心结论是什么？城市旧有的树木名单已经过时且不可靠。新的 LiDAR 方法是有效的，但需要仔细调整。 “分水岭”方法很快，但可能会看到过多的细小树木；而“区域生长”法擅长发现巨树，但可能会错过一些细节。作者建议，在未来，我们应该将这些天空扫描与地面扫描以及新鲜的实地调查结合起来，以获得最完美的图像。在此之前，这个新的流程为城市提供了一种强大且及时的观察其绿化情况的方式，即便旧的地图仍在努力追赶。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。