A Unified Graph-based Framework for Scalable 3D Tree Reconstruction and Non-Destructive Biomass Estimation from Point Clouds

要約

地上森林のバイオマス（AGB）の推定は、炭素貯蔵を評価し、持続可能な森林管理をサポートするために重要です。
定量的構造モデル（QSM）は、3Dツリー構造再建を通じてAGB推定に対する非破壊的なアプローチを提供します。
ただし、現在のQSMメソッドは、主に個々のツリー向けに設計されており、地上レーザースキャン（TLS）からの高品質のポイントクラウドデータに依存し、スケーラビリティと実用的な展開を妨げる複数の前処理ステップに依存するため、大きな制限に直面しています。
この研究では、革新的なグラフベースのパイプラインを使用して、大規模なポイントクラウドのエンドツーエンド処理を可能にする新しい統合フレームワークを紹介します。
提案されたアプローチは、ツリートポロジーの推論のためのパスや抽象化を含む専用のグラフ操作を通じて、ツリーセグメンテーション、葉の分離、3D骨格再構成をシームレスに統合します。
さまざまな葉条件（葉と葉のオフ）、空間スケール（ツリーおよびプロットレベル）、およびデータソース（TLSおよびUAVベースのレーザースキャン、ULS）のデータセットで包括的な検証が行われました。
実験結果は、特にリーフオンシナリオ（〜20％の相対誤差）と部分カバレッジの低密度ULSデータセット（〜30％の相対誤差）で、困難な条件下での強いパフォーマンスを示しています。
これらの調査結果は、提案されたフレームワークが、大規模で非破壊的なAGB推定のための堅牢でスケーラブルなソリューションを提供することを示しています。
特殊な前処理ツールへの依存性を大幅に削減し、TLSの実行可能な代替品としてULSを確立します。
私たちの知る限り、これは、運用スケールでのシームレスでエンドツーエンドの3Dツリー再構成を可能にすることができる最初の方法です。
この進歩により、QSMベースのAGB推定の実現可能性が大幅に向上し、森林在庫と気候変動研究のより広範なアプリケーションへの道が開かれています。

要約(オリジナル)

Estimating forest above-ground biomass (AGB) is crucial for assessing carbon storage and supporting sustainable forest management. Quantitative Structural Model (QSM) offers a non-destructive approach to AGB estimation through 3D tree structural reconstruction. However, current QSM methods face significant limitations, as they are primarily designed for individual trees,depend on high-quality point cloud data from terrestrial laser scanning (TLS), and also require multiple pre-processing steps that hinder scalability and practical deployment. This study presents a novel unified framework that enables end-to-end processing of large-scale point clouds using an innovative graph-based pipeline. The proposed approach seamlessly integrates tree segmentation,leaf-wood separation and 3D skeletal reconstruction through dedicated graph operations including pathing and abstracting for tree topology reasoning. Comprehensive validation was conducted on datasets with varying leaf conditions (leaf-on and leaf-off), spatial scales (tree- and plot-level), and data sources (TLS and UAV-based laser scanning, ULS). Experimental results demonstrate strong performance under challenging conditions, particularly in leaf-on scenarios (~20% relative error) and low-density ULS datasets with partial coverage (~30% relative error). These findings indicate that the proposed framework provides a robust and scalable solution for large-scale, non-destructive AGB estimation. It significantly reduces dependency on specialized pre-processing tools and establishes ULS as a viable alternative to TLS. To our knowledge, this is the first method capable of enabling seamless, end-to-end 3D tree reconstruction at operational scales. This advancement substantially improves the feasibility of QSM-based AGB estimation, paving the way for broader applications in forest inventory and climate change research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google