摘要
在封闭的热带树冠中，使用GNSS接收器进行树木定位的典型误差为5–15米，这阻碍了将野外调查数据与点云数据自动关联。我们提出了一种基于锚点的匹配框架，该框架无需对每棵树进行GNSS定位。手持式SLAM激光雷达扫描仪可以在约40分钟内绘制出树木的轮廓和周长；野外工作人员无需使用物理标记或工具即可记录树木的种类、周长和序列号。数据集的关联依赖于一小部分带有反射带的锚树（每公顷35棵或43棵，大约每400–500平方米一棵），这些树木具有大致的GNSS位置信息。物种身份的识别通过基于中值的GNSS偏差校正以及四分区匈牙利匹配算法结合全局去重来实现；准确性通过留一法（LOAO）测试和精确的二项式统计方法进行验证。在泰国Sakaerat生物圈保护区的两块1公顷的开放性干型龙脑香林（DDF；每公顷280棵树）和密集型干型常绿林（DEF；每公顷约1054棵树）中进行测试，结果显示：在DDF中，SLAM测量的周长与反射带数据的匹配度为R2 = 0.997，RMSE = 1.82厘米；在DEF中，经过6.38米的GNSS偏差校正后，匹配度为R2 = 0.986，RMSE = 7.01厘米，对于周长大于或等于30厘米的树木，检测率达到了99%（DDF中为99.2%，DEF中为100%）。留一法测试的准确率在DDF中为35/35，在DEF中为40/43。此外，在DDF的71.4%的锚点和DEF的76.7%的锚点中，通过SLAM的强度通道自动检测到了反光带（置信区间为95%：53.7–85.4%），其中在强度大于或等于150 DN的情况下，DEF中的检测率比非锚点对照组高出59倍（Fisher精确p值 < 1 × 10?15），从而实现了完全自动化的锚点检测流程。
