459
树冠高度是衡量森林生物量、生产力和物种多样性的重要指标，但从地面和空间精确测量却颇具挑战性。最近，一项新的研究利用U-Net模型和高分辨率航空图像（60 cm），成功绘制出加利福尼亚州所有树木的高度图。
这个U-Net模型是通过使用从航空LiDAR数据计算出的树冠高度模型作为参考，以及2020年收集的对应RGB-NIR NAIP图像进行训练的。研究人员使用42个独立的1平方公里的地点，跨越加利福尼亚州各种森林类型和景观变化，评估了这个深度学习模型的性能。他们的树高预测表现出平均误差为2.9米，并在加利福尼亚州存在的所有树高范围内显示出相对较低的系统偏差。
2020年，高于5米的树木覆盖了加利福尼亚州约19.3%的面积。他们的模型成功估计了高达50米的树冠高度，没有饱和，超过了全球模型的现有树冠高度产品。他们使用的方法允许重建从垂直向下观察的光学空中图像所观察到的单个树木的三维结构，即使在图像失真的情况下，也表明了相对稳健的估计和绘图能力。
这些发现展示了使用NAIP图像进行大规模树高映射和监测，以及潜在的生物量估计的潜力。更多信息，请查看相关资料。
