Using image matching and airborne laser scanning point clouds for generating canopy height model

• Autorzy: Płatek-Żak Anna , Zawieska Dorota

Identyfikatory

DOI

10.14681/apcrs-2023-003

Warianty tytułu

PL

Wykorzystanie chmur punktów z dopasowania obrazów i lotniczego skaningu laserowego do generowania wysokościowych modeli koron

• Języki publikacji: EN PL

Abstrakty

EN

The aim of this experiment is the evaluation of using aerial data for generating the Canopy Height Model (CHM). The area of interest is the part of Biebrza National Park. The data used in the experiment were aerial photos and LiDAR point clouds. The acquisition of data was part of the HabitARS project, The innovative approach supporting the monitoring of non-forest Natura 2000 habitats using remote sensing methods. During the experiment, Canopy Height Models were generated using image matching and airborne laser scanning (ALS) point clouds and were compared with each other. ALS data are better for generating CHM – the shape of the canopy is mapped more precisely and the boundaries between tree canopies are more clearly marked. More details of forest stands are visible on ALS products. There are quite significant differences in height values between models on the edges of the forest stand and in the free spaces between trees. Vegetation is often a source of errors in matching images, so the image matching point cloud has different characteristics. Errors in height appear mainly on the edges of the canopies and shaded areas. However, image matching point clouds can be used in multi-time analyses when historical ALS data is unavailable.

PL

Monitorowanie stanu lasu jest niezbędne do prowadzenia racjonalnej gospodarki leśnej. Wykorzystanie w tym celu zdjęć lotniczych i danych z lotniczego skaningu laserowego jest bardzo przydatne. Dane fotogrametryczne są dostępne dla całego obszaru Polski, więc wskazane jest ich wykorzystanie w prowadzeniu gospodarki leśnej. Głównym celem przeprowadzonych badań jest ocena wykorzystania danych lotniczych w generowaniu Wysokościowych Modeli Koron (ang. Canopy Height Model – CHM). Obszarem zainteresowania jest fragment Biebrzańskiego Parku Narodowego. Wykorzystano zdjęcia lotnicze i chmury punktów z lotniczego skaningu laserowego pozyskane w ramach projektu HabitARS: Innowacyjne podejście wspierające monitoring nieleśnych siedlisk przyrodniczych Natura 2000 z wykorzystaniem metod teledetekcyjnych. Projekt był realizowany w latach 2016-2019 jako część programu BIOSTRATEG II i finansowany przez Narodowe Centrum Badań i Rozwoju. Podczas badań wygenerowano Wysokościowe Modele Koron przy użyciu chmury punktów z dopasowania obrazów i lotniczego skaningu laserowego, a następnie porównano je ze sobą. Dane ALS są lepsze przy generowaniu CHM – kształt koron jest przedstawiony bardziej precyzyjnie i granice między drzewami są wyraźniej odwzorowane. Więcej szczegółów drzewostanu jest widocznych na produktach wygenerowanych z wykorzystaniem danych ALS. Występują znaczące różnice wysokości między modelami, szczególnie na granicy drzewostanu i przestrzeniach między drzewami. Technologia lotniczego skaningu laserowego posiada zdolność przenikania wiązki lasera przez szatę roślinną i pozwala uzyskać więcej informacji o przekroju drzewostanu. Zapewnia pozyskanie informacji o gruncie znajdującym się pod roślinnością. Roślinność jest często źródłem błędów w dopasowaniu obrazów i wygenerowana chmura punktów ma inne właściwości. Błędy w wysokości pojawiają się głównie na obrzeżach koron i w obszarach zacienionych. Jednak chmury punktów z dopasowania obrazów mogą być użyte w analizach czasowych, gdy historyczne dane ALS nie są dostępne.

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2023
• Tom: Vol. 35
• Strony: 67--84
• Opis fizyczny: Bibliogr. 18 poz.

Twórcy

autor

Płatek-Żak Anna

• Department of Photogrammetry, Remote Sensing and Spatial Information Systems Faculty of Geodesy and Cartography, Warsaw University of Technology

autor

Zawieska Dorota

• Department of Photogrammetry, Remote Sensing and Spatial Information Systems Faculty of Geodesy and Cartography, Warsaw University of Technology

Bibliografia

• 1. Ben-Arie, J. R., Hay, G., Powers, R., Castilla, G., St-Onge, B., (2009). Development of a pit filling algorithm for LiDAR canopy height models. Computers & Geosciences, 35(9), 1940–1949. http://dx.doi.or/10.1016/j.cageo.2009.02.003
• 2. Będkowski, K. (2010). Specyfika fotogrametrii leśnej. In: Okła, K. (ed). Geomatyka w Lasach Państwowych. Część I. Podstawy, Centrum Informacyjne Lasów Państwowych, Warsaw.
• 3. Będkowski, K., Wężyk, P. (2010). Lotniczy skaning laserowy, In: Okła, K. (ed) Geomatyka w Lasach Państwowych. Część I. Podstawy. Centrum Informacyjne Lasów Państwowych, Warsaw.
• 4. Hall, R. J. (2003). The Roles of Aerial Photographs in Forestry Remote Sensing Image Analysis. In: Wulder, M. A., Franklin, S.E. (eds) Remote Sensing of Forest Environments. Springer, Boston, MA. https://doi.org/10.1007/978-1-4615-0306-4_3
• 5. Hao, Y., Zhen, Z., Li, F., Zhao, Y., (2019). A graph-based progressive morphological filtering (GPMF) method for generating canopy height models using ALS data. International Journal of Applied Earth Observation and Geoinformation, 79, 84–96. https://doi.org/10.1016/j.jag.2019.03.008
• 6. Jule, C. (2000). Aerial Photography in the Next Decade, Journal of Forestry, 98(6), 17–19, https://doi.org/10.1093/jof/98.6.17
• 7. Khosravipour, A., Skidmore, A. K., Isenburg, M., Wang, T., & Hussin, Y. A. (2014). Generating pit-free canopy height models from airborne lidar. Photogrammetric Engineering and Remote Sensing, 80(9), 863-872. https://doi.org/10.14358/PERS.80.9.863
• 8. Khosravipour, A., Skidmore, A. K., & Isenburg, M. (2016). Generating spike-free digital surface models using LiDAR raw point clouds: a new approach for forestry applications. International Journal of Applied Earth Observation and Geoinformation, 52, 104-114. https://doi.org/10.1016/j.jag.2016.06.005
• 9. Mielcarek, M., Stereńczak, K., Khosravipour, A. (2018). Testing and evaluating different LiDAR-derived canopy height model generation methods for tree height estimation International Journal of Applied Earth Observation and Geoinformation, 71, 132-143. https://doi.org/10.1016/j.jag.2018.05.002
• 10. 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, 79(1), 105–115. https://doi.org/10.1016/S0034-4257(01)00243-7
• 11. Okła, K. (2010). Możliwości wykorzystania teledetekcji i fotogrametrii w Lasach Państwowych. In: Okła K. (ed), Geomatyka w Lasach Państwowych. Część I. Podstawy. Centrum Informacyjne Lasów Państwowych, Warsaw.
• 12. Quan, Y., Li, M., Hao, Y., Wang, B., (2021). Comparison and Evaluation of Different PitFilling Methods for Generating High Resolution Canopy Height Model Using UAV Laser Scanning Data. Remote Sensing, 13(12):2239. https://doi.org/10.3390/rs13122239
• 13. Stepper, C., Straub, C., Pretzsch, H., (2015a). Assessing height changes in a highly structured forest using regularly acquired aerial image data. Forestry: An International Journal of Forest Research, 88 (3), 304-316. https://doi.org/10.1093/forestry/cpu050
• 14. Stepper, C., Straub, C., Pretzsch, H. (2015b). Using semi-global matching point clouds to estimate growing stock at the plot and stand levels: Application for a broadleaf-dominated forest in central Europe. Canadian Journal of Forest Research, 45(1), 111–123. https://doi.org/10.1139/cjfr-2014-0297
• 15. Ullah, S., Adler, P., Dees, M., Datta, P., Weinacker, H., Koch, B., (2017). Comparing imagebased point clouds and airborne laser scanning data for estimating forest heights. iForest -Biogeosciences and Forestry, 10(1), 273-280. https://doi.org/10.3832/ifor2077-009
• 16. Wężyk, P. (2006). Wprowadzenie do technologii skaningu laserowego w leśnictwie. Roczniki Geomatyki, 4(4), 120-132.
• 17. White, J. C., Wulder, M., Vastaranta, M., Coops, N., Pitt, D., & Woods, M. (2013). The Utility of Image-Based Point Clouds for Forest Inventory: A Comparison with Airborne Laser Scanning. Forests, 4(3), 518-536. https://doi.org/10.3390/f4030518
• 18. White, J. C., Stepper, C., Tompalski, P., Coops, N. C., Wulder, M.A., (2015). Comparing ALS and image-based point cloud metrics and modelled forest inventory attributes in a complex coastal forest environment. Forests 6 (10), 3704-3732. https://doi.org/10.3390/f6103704