Modelowanie chmury punktów ze skaningu laserowego w obszarze koron drzew

• Autorzy: Wężyk P.

Warianty tytułu

EN

The lidar point cloud data-based forest canopy modelling

• Języki publikacji: PL

Abstrakty

PL

Celem pracy było określenie przydatności i zaproponowanie rozwiązań automatyzacji procesu określania wybranych parametrów taksacyjnych drzewostanów związanych z koronami drzew, w oparciu o dane z lotniczego skaningu laserowego (ALS). Analiza przydatności danych ALS bazuje na pomiarach referencyjnych 432 sosen w obszarze badawczym Milicz (RDLP Wrocław). Osiągnięte wyniki wskazują, iż: (1) wysokość pojedynczych drzew określona na podstawie modelowanej chmury punktów ALS w zależności od użytego algorytmu, prowadzi do niewielkiego zaniżenia wartości (średnia różnica -0.90 m CHM1 lub -0.12 m CHM2); (2) średnia wysokość analizowanych drzewostanów na powierzchniach kołowych określana na podstawie ALS, była wyższa (+0.85 m) od wartości zapisanych w bazie danych SILP (2005) co w efekcie prowadzić może do zaniżenia zasobności drzewostanów w całym obrębie; (3) automatycznie analizowana średnia wysokość drzewostanów sosnowych (95 centyl FE) była wyższa o +0.46 m w stosunku do danych z SILP; (4) automatycznie określona podstawa korony sosny wykazuje błąd zaledwie około 0.56 m; (5) analiza histogramów chmury punktów umożliwiła określenie długości korony z przeszacowaniem o +0.44 m w stosunku do danych referencyjnych; (6) modelowanie warstwy koron otwiera dyskusje na temat homogeniczności jednowiekowych i jednogatunkowych pododdziałów oraz istniejącego podziału przestrzennego. Nowa metoda inwentaryzacji leśnej bazująca na technologii pozyskiwania danych ALS i modelowaniu chmury punktów ma duże szanse na wdrożenie w lasach Polski o powinno przynieść ze sobą wzrost dokładności jak i obniżyć koszty prac urządzeniowych.

EN

The study was aimed at determining the utility of and to improve the understanding of the airborne laser scanning (ALS) technology in acquisition of selected parameters of canopy layers for individual trees and whole stands. This approach, based on ALS data (TopoSys fiber scanner; swing mode + optical line scanner), was compared with reference data drawn from a forest inventory (432 Scots pines). The study showed that: (1) the height of a single tree, as derived from ALS data, leads to underestimation (mean difference -0.90 m or +0.12 m depending on CHM generation algorithm); (2) the mean stand height was higher (+0.85 m) than the height recorded in the SILP database, which may result in underestimation of the timber volume in the entire Milicz forest district; (3) the stand mean height (understood as 95th percentile of the FE point cloud) was +0.46 m higher than the height recorded in the SILP inventory database; (4) it was possible to estimate the canopy base with 0.56 m overestimation; (5) the canopy length as measured during the forest inventory was +0.44 m lower compared to the ALS data (histogram analysis); (6) the homogeneity of a contemporaneous-pine stand is questionable. In a very near future, a new approach to the forest inventory, supported by ALS data, will be presented as a list of new parameters and guidelines.

Słowa kluczowe

PL

lotniczy skaning laserowy; ALS; inwentaryzacja lasu; wysokość drzew; podstawa korony; powierzchnia warstwy koron; objętość warstwy koron

EN

ALS; forest inventory; tree height; canopy base; canopy surface; canopy volume

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2008
• Tom: Vol. 18b
• Strony: 685--695
• Opis fizyczny: Bibliogr. 28 poz.

Twórcy

autor

Wężyk P.

• Laboratorium GIS i Teledetekcji, Katedra Ekologii Lasu, Wydział Leśny, Uniwersytet Rolniczy w Krakowie, tel. [phone] faks:[phone]

Bibliografia

• 1. Andersen H.-E., Breidenbach J., 2007. Statistical properties of mean stand biomass estimators in a lidar-based double sampling forest survey design. Rönnholm P., Hyyppä H. i Hyyppä J. (eds.): ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007. Espoo, Finland. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. XXXVI, Part 3 / W52.
• 2. Andersen H. E., Reutebuch S. E., Mcgaughey R. J., 2006. A rigorous assessment of tree height measurements obtained using airborne lidar and conventional field methods. Canadian Journal of Remote Sensing, Vol: 32 (5), 355-366.
• 3. Avery T. E., Burkhart H. E., 2002. Forest measurments. McGraw-Hill.
• 4. Chasmer L., Hopkinson C., Treitz P., 2006. Investigating laser pulse penetration through a conifer canopy by integrating airborne and terrestrial lidar. Canadian Journal of Remote Sensing, Vol: 32 (1-2), 116-125.
• 5. Hall S. A., Burke I. C., Box D. O., Kaufmann M. R., Stoker J. M., 2005. Estimating stand structure using discrete-return lidar: An example from low density, fire prone ponderosa pine forests. Forest Ecology and Management, Vol: 208 (1-3), 189-209.
• 6. Hollaus M., Wagner W., Maier B. & Schadauer K., 2007. Airborne laser scanning of forest stem volume in a mountainous environment. Sensors, Vol: 7 (8), 1559-1577.
• 7. Hyyppä J., Hyyppä H., Litkey P., Yu X., Haggrén H., Rönnholm P., Pyysalo U., Pitkanen J. & Maltamo M., 2004. Algorithms and methods of airborne laser-scanning for forest measurements. Thies M., Koch B., Spiecker H. i Weinacker H. (eds.): Laser- Scanners for Forest and Landscape Assessment: Proceedings of the ISPRS Working Group VIII/2. Freiburg, Germany. International Archives of Photogrammetry, Remote Sensing, and the Spatial Information Sciences. XXXVI-8/W2.
• 8. IUL PGLP, 2003. Część 1. Instrukcja sporządzania planu urządzania lasu dla nadleśnictwa. Załącznik do zarządzenia nr 43 dyrektora generalnego lasów państwowych z dnia 18 kwietnia 2003 r. Państwowe Gospodarstwo Leśne Lasy Państwowe. Warszawa.
• 9. Kraus K. & Pfeifer N., 1998. Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, Vol: 53 (4), 193-203.
• 10. Kwak D. A., Lee W. K., Lee J. H., Biging G. S. & Gong P., 2007. Detection of individual trees and estimation of tree height using LiDAR data. Journal of Forest Research, Vol: 12 (6), 425-434.
• 11. Laar A. V. & Akca A., 1997. Forest mensuration. Cuvillier Verlag. Gottingen.
• 12. Lim K. S. & Treitz P. M., 2004. Estimation of above ground forest biomass from airborne discrete return laser scanner data using canopy-based quantile estimators. Scandinavian Journal of Forest Research, Vol: 19 (6), 558-570.
• 13. Maltamo M., Hyyppa J. & Malinen J., 2006. A comparative study of the use of laser scanner data and field measurements in the prediction of crown height in boreal forests. Scandinavian Journal of Forest Research, Vol: 21 (3), 231-238.
• 14. Maltamo M., Mustonen K., Hyyppa J., Pitka?Nen J. & Yu X., 2004. The accuracy of estimating individual tree variables with airborne laser scanning in a boreal nature reserve. Canadian Journal of Forest Research, Vol: 34 (9), 1791-1801.
• 15. Mcgaughey R. J., 2007. Fusion/ldv: Software for lidar data analysis and visualization. Software manaul. USDA Forest Service. Pacific Northwest Research Station.
• 16. Mcgaughey R. J., Carson W., Reutebuch S. & Andersen H.-E., 2004. Direct measurement of individual tree characteristics from lidar data. Proceedings of the Annual ASPRS Conference. Denver. American Society of Photogrammetry and Remote Sensing.
• 17. Means J. E., Acker S. A., Fitt B. J., Renslow M., Emerson L. & Hendrix C. J., 2000. Predicting forest stand characteristics with airborne scanning lidar. Photogrammetric Engineering and Remote Sensing, Vol: 66 (11), 1367-1371.
• 18. Næsset E., 1997. Determination of mean tree height of forest stands using airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing, Vol: 52 (2), 49- 56.
• 19. Næsset E., 2004. Practical large-scale forest stand inventory using a small-footprint airborne scanning laser. Scandinavian Journal of Forest Research, Vol: 19 (2), 164-179.
• 20. Næsset E. & Økland T., 2002. Estimating tree height and tree crown properties using airborne scanning laser in a boreal nature reserve. Remote Sensing of Environment, Vol: 79 (1), 105-115.
• 21. Popescu S. C., 2007. Estimating biomass of individual pine trees using airborne lidar. Biomass and Bioenergy, Vol: 31 (9), 646-655.
• 22. Popescu S. C., Wynne R. H. & Nelson R. F., 2003a. Estimating plot-level tree heights with lidar: Local filtering with a canopy-height based variable window size. Computers and Electronics in Agriculture, Vol: 37 (1-3), 71-95.
• 23. Popescu S. C., Wynne R. H. & Nelson R. F., 2003b. Measuring individual tree crown diameter with lidar and assessing its influence on estimating forest volume and biomass. Canadian Journal of Remote Sensing, Vol: 29 (5), 564-577.
• 24. Popescu S. C. & Zhao K., 2008. A voxel-based lidar method for estimating crown base height for deciduous and pine trees. Remote Sensing of Environment, Vol: 112 (3), 767- 781.
• 25. Pyysalo U., 1999. A method to create a three-dimensional forest model from laser scanner data. The Photogrammetric Journal of Finland, Vol: 17 (1), 34-42.
• 26. Riaño D., Meier E., Allgöwer B., Chuvieco E. & Ustin S. L., 2003. Modeling airborne laser scanning data for the spatial generation of critical forest parameters in fire behavior modeling. Remote Sensing of Environment, Vol: 86 (2), 177-186.
• 27. Rönnholm P., Hyyppä J., Hyyppä H., Haggrén H., Yu X. & Kaartinen H., 2004. Calibration of laser-derived tree height estimates by means of photogrammetric techniques. Scandinavian Journal of Forest Research, Vol: 19 (6), 524-528.
• 28. Yu X., Hyyppa J., Kaartinen H. & Maltamo M., 2004. Automatic detection of harvested trees and determination of forest growth using airborne laser scanning. Remote Sensing of Environment, Vol: 90 (4), 451-462.