.png){kind=icon}
返回
Tree species classification using intensity patterns from individual tree point clouds
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jag.2025.104502.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
个人激光扫描已发展成为获取森林中单木快速且精确生物量测量的尖端技术。然而，近期评估单木点云中树种标签的研究在复杂森林生态系统中准确性不足；此外，已发表研究中使用的机器学习方法的可解释性也不足。预测黑箱模型的预测是否受过度拟合影响，或是否基于特征物种性状往往不明确。为解决此问题，我们提出了一种结合随机森林模型与决策规则的简单分类器，该分类器以欧洲中部的9种常见树种为训练数据。可解释性元素包括基于分类概率的软分类器以及变量重要性和最小变量深度的详细分析。九个树种的总体分类准确率为89.8%，其中四个主要树种（云杉、松树、橡树和山毛榉）的准确率更高。树冠上部的强度测量值和树木几何比率是最重要的预测因子。本研究提出的方法有望通过解决前所未有的物种特异性研究问题，实现对森林生态系统更空间细节的分析。
Keyword:
Personal laser scanning
Random forest
Decision rules
Variable importance
Explainable artificial intelligence
XAI
PLS
GeoSLAM
期刊
IF:
8.6
论文数:
5.3K
被引数:
2.4W
机构
引用论文
See the forest and the trees: Effective machine and deep learning algorithms for wood filtering and tree species classification from terrestrial laser scanning看森林和树木: 有效的机器和深度学习算法，用于通过地面激光扫描进行木材过滤和树种分类
PREAI
分享收藏Classification of Tree Species Using Point Cloud Features from Terrestrial Laser Scanning基于地面激光扫描点云特征的树种分类.png)
Forests
OAAI
ForestsIF0
OAAI分享收藏L-Moments: Analysis and Estimation of Distributions Using Linear Combinations of Order Statistics
PREAI
分享收藏Close-Range Remote Sensing of Forests: The State of the Art, Challenges, and Opportunities for Systems and Data Acquisitions森林的近距离遥感: 系统和数据获取的最新技术，挑战和机遇OAAI
OAAI分享收藏
查看更多内容