European Journal of Remote Sensing·10月7日 · 周三论文农业遥感与作物表型阅读 1
Tree crown anomaly detection in UAV RGB-NIR imagery using an unsupervised cosine-distance-based approach in hemiboreal forests
Linda Gulbe-Viluma · Grigorijs Goldbergs
论文解读
72接近精选线
速览
提出无监督余弦距离异常检测方法，从无人机RGB-NIR影像中识别树冠损伤。
方法
无人机RGB-NIR正射影像，余弦距离异常检测，与NDVI阈值法对比。
发现
两种方法对枯木制图精度相当，但异常检测对早期冠层损伤更敏感。
机会点
可探索多时相、多光照条件下无监督异常检测的鲁棒性及跨林型迁移能力。
影响力15
信息增量21
专业深度17
信源权威13
时效性6
提出无监督余弦距离异常检测方法，在31个林分上验证对早期冠层损伤更敏感，对林业遥感监测有实操价值。
原文摘要
基于无人机的自动化数据处理能够显著提升森林健康监测的时间分辨率与空间精度。为促进其在业务化林业中的实际应用，亟需能够最大限度减少人工干预的无监督工作流。本研究探讨了基于距离的异常检测（anomaly detection, AD）在RGB-NIR无人机正射影像中识别树冠损伤的有效性。我们开发了一种无监督的余弦距离异常检测工作流，并利用时间序列分析及涵盖31个北方针叶林林分的大型空间数据集，将其与标准的NDVI阈值分割基线方法进行了对比评估。结果表明，尽管两种方法在制图已存在枯死木方面达到了相当的精度，但异常检测工作流对细微的早期冠层损伤表现出更高的敏感性。然而，异常检测需要均匀的夏季光照条件，而NDVI虽然操作更为简便，却需要持续进行针对特定场景的阈值重新校准。尽管对稳定光照有要求，异常检测工作流作为一种自动化森林损伤检测系统，无需持续的人工阈值重新校准或先验实地数据即可运行，具有重要的业务化应用价值。