林下植被是森林生態系統及其生態過程的重要組成部分，它可以影響種群、群落、物種相互作用和生態系統服務。盡管林下植被在科學上具有重要意義，但大多數研究依然依賴于傳統的物理植被測量。

傳統的測量技術通常耗時且勞動密集，而隨著林下植被的復雜性增加，獲取植被結構代表性數據的難度會隨之增加。另外，由于林下植被的多維排列，傳統測量尤其難以獲取復雜的空間顯式數據。

盡管行業已經開始應用先進的LiDAR技術，但相關設備的成本十分昂貴，通常超過2萬美元，而且攜帶困難。

針對以上問題，萊斯大學的研究人員把目光投向了成本相對合理且支持精確空間測量的微軟HoloLens，因為這種高質量的便攜空間傳感設備增加了生態學和環境科學新應用的可能性。

研究人員利用HoloLens+VegSense采集有關林下植被結構的數據。他們在每個采樣區域的中心激活了空間掃，而整個過程下來，每個采樣區域平均花費時間小于5分鐘。在這里可以看出，HoloLens方案的測量耗時非常低。

然后，團隊從Blender中保存的環境網格中提取了林下植被的測量值，并將其與傳統現場采集方法的測量值進行了比較。根據結果，團隊表示：“我們發現使用HoloLens和VegSense收集的測量取得了不同程度的成功。”

如上圖所示，與較小的樹木相比，HoloLens能夠更容易檢測到較大的樹木和幼樹（圖2a）。根據擬合模型的預測，胸徑為10 cm的樹木被檢測到的概率為49.6%，這可能是因為幾乎沒有檢測到較小的莖。胸徑為17.32 cm的樹木的檢測概率則為95%。

對于通過VegSense檢測到的樹木，傳統方法和VegSense胸徑測量值之間存在強烈、顯著的正相關關系，這表明HoloLens的胸徑估計值與手工測量的胸徑估計值非常相似（圖2b）。

總的來說，本次研究主要測試了微軟HoloLens作為林下植被測量工具的效用。團隊總結道，HoloLens+VegSense方案在測量林下植被和成熟樹木方面顯示出強大的潛力，但檢測小樹苗和細枝等精細植被結構的能力有限，目前不適合清查幼樹。

不過，隨著微軟不斷提升和優化HoloLens的機體能力，行業不斷的探索和優化測量方案，基于微軟HoloLens的便攜式測量方案有望成為完整清查植被的重要工具。

萊斯大學的團隊最后寫到：“HoloLens的RGB攝像頭可以與VegSense集成，通過機器學習定位和識別單個植物物種。所述攝像頭同時可用于根據觀察到的光照差異來識別林冠間隙測量值。最后，HoloLens的混合現實界面可以允許用戶同時與虛擬掃描和周圍環境交互，從而可以更好地可視化植被結構的變化。我們對HoloLens在進一步了解生態知識方面的潛力感到十分興奮。”