Using UAV-LiDAR for stem volume phenotyping in the genetic selection of radiata pine
本研究表明，无人机激光雷达（UAV-LiDAR）衍生的指标，特别是三维凸包表面积和树高，可作为具有高遗传力和可扩展性的材积代理指标，在减少对劳动密集型实地测量依赖的同时，有效加速辐射松育种计划中的遗传增益。
原始论文采用 CC BY 4.0 许可（https://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，你是一名试图寻找森林中“超级英雄”的侦探。在树木育种的世界里，科学家们不断寻找那些生长得最大、最直、最快的特定树木，以便种植能产出更多木材的森林。但棘手的部分在于：树木需要数十年的时间才能长大。如果你等到一棵树完全长成后再去看它是否成为了赢家，你就浪费了一整代人的时间。因此，育种者必须根据现在就能看到的线索，来猜测哪些幼苗将来会成为巨人。
传统上，主要的线索是测量胸高处的树木“腰围”。这被称为胸径（Diameter at Breast Height，简称 DBH）。这就像是通过测量一个人的腰围来猜测他成年后会有多少肌肉。但用卷尺测量数千棵树既慢又枯燥，而且成本高昂。此外，仅仅通过观察树木的腰围，你无法了解整棵树的体积；你还需要知道它有多高、多茂盛。
新技术登场了：配备激光扫描仪（LiDAR）的无人机。把这些无人机想象成会向森林发射数百万道隐形激光束的飞行机器人。这些光束反射回来，可以创建每一棵树的超详细 3D 地图，捕捉它的高度、形状以及它在空间中所占的体积。大问题在于：这些激光地图能否取代传统的卷尺？无人机能否像拿着卷尺的人类一样，同样精准地发现未来的巨人，而且速度更快？
这正是最近一项关于辐射松（一种在新西兰非常著名的速生树种）的研究中，一组研究人员试图寻找的答案。他们不仅是在猜测，而是将无人机飞越了包含约 27,000 棵树的 11 个不同森林试验区。他们将无人机的激光测量结果与树木体积的“金标准”（即通过树木腰围 [DBH] 和高度计算出的体积）进行了对比。
研究人员发现，无人机在识别具有最多“木质体积”的树木方面表现得极其出色。虽然无人机对树木总高度的测量是预测树木生长速度最可靠的单一数值，但真正的明星是一个特定的 3D 测量指标，叫做“凸包表面积”（convex hull surface area）。想象一下，用一个紧身的、隐形的塑料袋包裹住一棵树，使其紧贴每一根树枝和每一片叶子；这个袋子的表面积就是凸包。研究发现，这个 3D “袋子大小”是预测一棵树最终会有多少木材的最佳激光测量值，它与传统测量值的关联度非常强（相关系数高达 0.87）。
然而，该论文也排除了无人机现在就能完全取代人类的想法。研究人员发现，尽管无人机非常厉害，但它有一个盲点：它无法仅通过观察激光地图就轻易判断出一棵树是否“损坏”或“畸形”（例如有两个树顶而不是一个）。在森林中，一棵损坏的树是失败者，但无人机可能因为其体积庞大且茂盛而仍然认为它是个巨人。当科学家们在仅使用无人机的分析中包含这些损坏的树木时，准确度略有下降。
那么，结论是什么？论文表明，最好的策略不是在无人机和卷尺之间做选择，而是将它们作为“黄金搭档”来使用。无人机可以快速扫描数千棵树，寻找具有最佳高度和 3D 形状的树木，充当一个超快速的过滤器。然后，育种者可以在这些顶级候选树上使用传统的卷尺，以检查缺陷并获取最终的腰围测量值。这种结合方式让人们能够比以前更早、更便宜地发现遗传学上的超级明星，从而在不损失做出正确选择所需的准确性的情况下，潜在地加速更好森林的创造过程。无人机并没有取代侦探，它只是给了侦探一个高科技放大镜，让侦探能更快地破案。
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。