林下植被是森林生态系统及其生态过程的重要组成部分，它可以影响种群、群落、物种相互作用和生态系统服务。尽管林下植被在科学上具有重要意义，但大多数研究依然依赖于传统的物理植被测量。

传统的测量技术通常耗时且劳动密集，而随着林下植被的复杂性增加，获取植被结构代表性数据的难度会随之增加。另外，由于林下植被的多维排列，传统测量尤其难以获取复杂的空间显式数据。

尽管行业已经开始应用先进的LiDAR技术，但相关设备的成本十分昂贵，通常超过2万美元，而且携带困难。

针对以上问题，莱斯大学的研究人员把目光投向了成本相对合理且支持精确空间测量的微软HoloLens，因为这种高质量的便携空间传感设备增加了生态学和环境科学新应用的可能性。

研究人员利用HoloLens+VegSense采集有关林下植被结构的数据。他们在每个采样区域的中心激活了空间扫，而整个过程下来，每个采样区域平均花费时间小于5分钟。在这里可以看出，HoloLens方案的测量耗时非常低。

然后，团队从Blender中保存的环境网格中提取了林下植被的测量值，并将其与传统现场采集方法的测量值进行了比较。根据结果，团队表示：“我们发现使用HoloLens和VegSense收集的测量取得了不同程度的成功。”

如上图所示，与较小的树木相比，HoloLens能够更容易检测到较大的树木和幼树（图2a）。根据拟合模型的预测，胸径为10 cm的树木被检测到的概率为49.6%，这可能是因为几乎没有检测到较小的茎。胸径为17.32 cm的树木的检测概率则为95%。

对于通过VegSense检测到的树木，传统方法和VegSense胸径测量值之间存在强烈、显著的正相关关系，这表明HoloLens的胸径估计值与手工测量的胸径估计值非常相似（图2b）。

总的来说，本次研究主要测试了微软HoloLens作为林下植被测量工具的效用。团队总结道，HoloLens+VegSense方案在测量林下植被和成熟树木方面显示出强大的潜力，但检测小树苗和细枝等精细植被结构的能力有限，目前不适合清查幼树。

不过，随着微软不断提升和优化HoloLens的机体能力，行业不断的探索和优化测量方案，基于微软HoloLens的便携式测量方案有望成为完整清查植被的重要工具。

莱斯大学的团队最后写到：“HoloLens的RGB摄像头可以与VegSense集成，通过机器学习定位和识别单个植物物种。所述摄像头同时可用于根据观察到的光照差异来识别林冠间隙测量值。最后，HoloLens的混合现实界面可以允许用户同时与虚拟扫描和周围环境交互，从而可以更好地可视化植被结构的变化。我们对HoloLens在进一步了解生态知识方面的潜力感到十分兴奋。”