树种分类的多光谱空中激光扫描：机器学习和深度学习算法基准
计算机视觉与模式识别
2026-02-18 v2
摘要
气候智能和生物多样性保护的林业需要对森林资源进行精确信息，甚至延伸到单棵树的水平。多光谱空中激光扫描(ALS)在自动化点云处理方面显示出前景，但在利用深度学习技术和识别不平衡数据集中的稀有树种方面仍面临挑战。本研究通过对深度学习和传统浅层机器学习方法进行全面基准测试来弥补这一差距。对于该研究，我们收集了使用FGI开发的HeliALS系统在三个波长处的高密度多光谱ALS数据（>1000 pts/m²），补充了现有的Optech Titan数据（35 pts/m²），以评估各种算法在位于芬兰南部的一个郊区研究区域内的树种分类准确率。我们建立了一个包含6326个片段的九个树种的现场参考数据集，利用新开发的基于浏览器的众包工具高效完成数据标注。ALS数据包括1065个片段的训练数据集，已与科学界共享，以促进合作研究和多样化算法贡献。基于5261个测试片段，我们的发现表明，点云深度学习方法，特别是点变换器模型，在高密度多光谱点云上优于传统机器学习和基于图像的深度学习方法。对于高密度ALS数据集，点变换器模型在训练集为1065个片段时提供了最佳性能，整体（宏平均）准确率为87.9%（74.5%），在更大的训练集（5000个片段）时准确率达到92.0%（85.1%）。
引用
@article{arxiv.2504.14337,
title = {Multispectral airborne laser scanning for tree species classification: a benchmark of machine learning and deep learning algorithms},
author = {Josef Taher and Eric Hyyppä and Matti Hyyppä and Klaara Salolahti and Xiaowei Yu and Leena Matikainen and Antero Kukko and Matti Lehtomäki and Harri Kaartinen and Sopitta Thurachen and Paula Litkey and Ville Luoma and Markus Holopainen and Gefei Kong and Hongchao Fan and Petri Rönnholm and Matti Vaaja and Antti Polvivaara and Samuli Junttila and Mikko Vastaranta and Stefano Puliti and Rasmus Astrup and Joel Kostensalo and Mari Myllymäki and Maksymilian Kulicki and Krzysztof Stereńczak and Raul de Paula Pires and Ruben Valbuena and Juan Pedro Carbonell-Rivera and Jesús Torralba and Yi-Chen Chen and Lukas Winiwarter and Markus Hollaus and Gottfried Mandlburger and Narges Takhtkeshha and Fabio Remondino and Maciej Lisiewicz and Bartłomiej Kraszewski and Xinlian Liang and Jianchang Chen and Eero Ahokas and Kirsi Karila and Eugeniu Vezeteu and Petri Manninen and Roope Näsi and Heikki Hyyti and Siiri Pyykkönen and Peilun Hu and Juha Hyyppä},
journal= {arXiv preprint arXiv:2504.14337},
year = {2026}
}