Контроль состава древесных насаждений по данным бортового лазерного сканирования и аэрофотосъемки

Постановка проблемы. Для лесоинвентаризации, экологического контроля и оценки состояния лесных ресурсов требуется достоверно определять породный состав насаждений. Бортовое лазерное сканирование (БЛС) дает трехмерное описание лесного полога: высоту, плотность точек, форму крон и параметры отраженного сигнала. Однако одной трехмерной формы лесного объекта недостаточно для классификации типа дерева. У близких по структуре хвойных или лиственных пород деревьев признаки облака точек могут совпадать, особенно на смешанных участках леса при разной плотности точек собираемых трехмерных данных.

Цель. Модернизировать архитектуру нейросети «RandLA-Net» для классификации пород деревьев на основе совместной обработки облаков точек БЛС, данных аэрофотосъемки и контекстных характеристик лесного участка.

Результаты. Модифицирована нейросетевая модель «RandLA-Net», в которой трехмерная ветвь отвечает за геометрию облака точек, оптическая ветвь извлекает признаки изображения, а отдельный контекстный блок учитывает обобщенные характеристики участка. Для объединения этих представлений использовано многоуровневое слияние признаков. В ходе экспериментов модифицированная нейросетевая модель была сравнена с базовой RandLA-Net по метрикам качества. Установлено, что повышение качества работы модифицированной модели нейросети по соответствующим метрикам составляет от 1,5 до 3,7%.

Практическая значимость. Модифицированная нейросетевая модель может быть использована при подготовке тематических карт породного состава, уточнении материалов лесоустройства, для контроля состояния насаждений и обработки данных авиационного наблюдения.