Determining the number of trees using airborne laser scanning and true orthoimagery

• Autorzy: Tompalski P. , Wężyk P. , de Kok R. , Kukawski M.

Warianty tytułu

PL

Określanie liczby drzew z wykorzystaniem lotniczego skanowania laserowego i prawdziwych ortofotomap

• Języki publikacji: EN

Abstrakty

EN

A multi-level forestry model, which is not only to predict income, requires accurate and rapid information about its resources. Precisely determined parameters such as diameter at breast height (dbh), height, canopy closure and volume are essential for proper decision making and therefore for forest management. Typical methods of tree/forest measurement in Poland are based on statistical methods and define average stand parameters from surveys done on selected areas (grid of forest inventory plots). It has been shown by many authors that CIR images and airborne laser scanning (ALS) data are suitable for determining selected forest parameters (Dubayah, Drake 2000; Lefsky et al., 2002). The main issue with airborne laser scanning, for forests concerns the vertical structure (Hyyppä et al., 2006; Wężyk et al., 2008). Airborne images (photos or line scanner multi- or hyperspectral imagery), on the other hand, can deliver information about tree species and health conditions by means of interpretation and classification (Wężyk et al., 2003; Lillesand et al., 2007). Both types of data can be used for determining tree numbers, tree density and spatial arrangement (Brandtberg, Walter, 1998; Leckie et al., 2003; Wang et al., 2004; Koch et al., 2006). The number of trees in the forest unit changes over the time. The older the forest stand is, the fewer tree stems it has, and even if planted in a regular order, different habitat conditions and competition between them, lead to diversified spatial distribution of trees in the stand. The purpose of this study was to test the different approaches of determining the number of trees using ALS and true orthoimagery datasets and compare the results to a reference. The study transect was located in the central-west Poland, in the Milicz Forest District RDLP Wrocław (WGS84: 51°27' N; 17°12' E), covering approximately 3.2 ha. The area was selected from a homogeneous part of a subcompartment (236a) covered by Scots Pine forest (Pinus sylvestris L.). The age of the stand, according to Polish State Forest database (SILP/LAS), was 107 years, the mean height was 23 m and the dbh was 30 cm.

PL

Stosowany obecnie model leśnictwa wielofunkcyjnego wymaga aktualnej i dokładnej informacji o jego zasobach. Jednym z wielu ważnych parametrów drzewostanu jest liczba drzew i ich przestrzenne rozmieszczenie. Obie te cechy zmieniają się w czasie życia drzewostanu. Im starszy jest drzewostan tym mniej drzew posiada. Pomimo faktu, że drzewa sadzone są z reguły w regularnej więźbie, zróżnicowanie warunków siedliskowych oraz konkurencja pomiędzy drzewami prowadzi do niejednakowego przestrzennego rozmieszczenia drzew oraz zróżnicowania ich rozmiaru. Celem badań było okre ślenie liczby drzew w drzewostanie sosnowym (Pinus silvestris L.) na podstawie danych z lotniczego skaningu laserowego (ALS) oraz obrazu pozyskanego za pomocą skanera linijkowego (true ortho RGB/NIR). Analizy zostały przeprowadzone w wybranym transekcie 107 letniego drzewostanu na terenie nadleśnictwa Milicz. Jako danych referencyjnych użyto liczby drzew określonej na podstawie zwektoryzowanych koron. Dwie różne metody zostały zastosowane do automatycznego określenia liczby drzew i ich położenia. Pierwsza metoda, nazwana "GIS watershed" oparta była na modelach koron generowanych z danych ALS. Zastosowano różne algorytmy w celu znalezienia optymalnego modelu jak najdokładniej reprezentującego powierzchnię koron drzew. Druga metoda nazwana OBIA oparta była o segmentację oraz klasyfikację obrazu true ortho (R, G, B, NIR) i prowadziła do wykrycia tzw. hot-spot. Zastosowano również metodę łączącą dane lidarowe oraz true ortho (data fusion). Do porównania uzyskanych wyników zastosowano analizy przestrzenne. Wyniki wskazują że zarówno dane ALS jak i dane obrazowe mogą być użyte do określania liczby drzew w rębnym drzewostanie sosnowym. Dokładność wykrycia drzew wyniosła 67% dla metody pierwszej (ALS) oraz 74.5% dla metody drugiej (true ortho). Połączenie zestawów danych zaowocowało wynikiem równym 72.6%. Badania będą kontynuowane w celu poprawy rezultatów dla zastosowanych metod, również dla drzewostanów w innym wieku i o innym składzie gatunkowym.

Słowa kluczowe

EN

number of trees; tree density; airborne laser scanning (ALS); true orthoimagery; prawdziwe ortofotomapy

PL

liczba drzew; zagęszczenie drzew; lotnicze skanowanie laserowe

• Wydawca: Polskie Towarzystwo Informacji Przestrzennej
• Czasopismo: Roczniki Geomatyki
• Rocznik: 2009
• Tom: T. 7, z. 2
• Strony: 133--141
• Opis fizyczny: Bibliogr. 23 poz.

Twórcy

autor

Tompalski P.

autor

Wężyk P.

autor

de Kok R.

autor

Kukawski M.

• Laboratory of GIS and Remote Sensing, Department of Forest Ecology, Faculty of Forestry, University of Agriculture in Cracow,

Bibliografia

• Bleau A., Leon L.J., 2000: Watershed-based segmentation and region merging. Computer Vision and Image Understanding, 77 (3): 317-370.
• Brandtberg T., Walter F., 1998: Automated delineation of individual tree crowns in high spatial resolution aerial images by multiple-scale analysis. Machine Vision and Applications, 11 (2): 64-73.
• Dubayah R.O., Drake J.B., 2000: Lidar remote sensing for forestry. Journal of Forestry, 98 (6): 44-52.
• Holmgren J., Persson Å., 2004: Identifying species of individual trees using airborne laser scanner. Remote Sensing of Environment, 90: 415-423.
• Hyyppä J., Yu X., Hyyppä H., Maltamo M., 2006: Methods of airborne laser scanning for forest inventory information extraction. Koukal T., Schneider W. (eds.): Workshop on 3D Remote Sensing in Forestry. EARSel SIG Forestry. ISPRS WG VIII/11. Vienna. 63-78.
• Koch B., Heyder U., Welnacker H., 2006: Detection of individual tree crowns in airborne lidar data. Photogrammetric Engineering and Remote Sensing, 72 (4): 357-363.
• 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, 12 (6): 425-434.
• Leckie D., Gougeon F., Hill D., Quinn R., Armstrong L., Shreenan R., 2003: Combined high-density lidar and multispectral imagery for individual tree crown analysis. Canadian Journal of Remote Sensing, 29 (5):633-649.
• Lefsky M.A., Cohen W.B., Parker G.G., Harding D.J., 2002: Lidar remote sensing for ecosystem studies. BioScience, 52(1): 19-30.
• Lillesand T.M., Kiefer R.W., Chipman J., 2007: Remote sensing and image interpretation. Wiley India Pvt Ltd.
• Maier B., Tiede D., Dorren L., 2008: Characterising Mountain Forest Structure using Landscape metrics on LiDAR-based Canopy Surface Models [In]: Object-Based Image Analysis – Spatial concepts for knowledge-driven remote sensing applications T. Blaschke, S. Lang, G. Hay (eds.). Berlin: Springer, 625-643
• Maltamo M., Mustonen K., Hyyppä J., Pitkänen 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 34: 1791-1801.
• McGaughey R.J., 2007: Fusion/ldv: Software for lidar data analysis and visualization. Software manaul. USDA Forest Service. Pacific Northwest Research Station.
• Persson A., Holmgren J., Soderman U., 2002: Detecting and measuring individual trees using an airborne laser scanner. Photogrammetric Engineering and Remote Sensing, 68 (9): 925-932.
• Tiede D., Hoffmann C., 2006: Process oriented object-based algorithms for single tree detection using laser scanning data. EARSeL-Proceedings of the Workshop on 3D Remote Sensing in Forestry. Vienna.
• Tiede D., Lang S., Hoffmann C., 2008: Type-specific class modelling for one-level representation of single trees. [In:] Object-Based Image Analysis – Spatial concepts for knowledge-driven remote sensing applications T. Blaschke, S. Lang, G. Hay (eds.). Berlin: Springer, 133-151.
• Wang L., Gong P., Biging G.S., 2004: Individual tree-crown delineation and treetop detection in high-spatial- resolution aerial imagery. Photogrammetric Engineering & Remote Sensing Journal of the American Society for Photogrammetry and Remote Sensing. 70 (3): 351-358.
• Wang Y., Weinacker H., Koch B., Stereńczak K., 2008: Lidar point cloud based fully automatic 3d single tree modelling in forest and evaluations of the procedure. Internation archives of photogrametry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Beijing.
• Wężyk P., De Kok R., 2005: Automatic mapping of the dynamics of forest succession on abandoned parcels in south poland. Angewandte Geoinformatik 2005. Wichman. Heidelberg, 774-779.
• Wężyk P., De Kok R., Kozioł K., 2006: Application of the object based image analysis of vhr satellite images in land-use classification. Roczniki Geomatyki, Vol. IV (3): 227-238
• Wężyk P., Tompalski P., Szostak M., Glista M., Pierzchalski M., 2008: Describing the selected canopy layer parameters of the scots pine stands using ALS data. 8th international conference on LiDAR applications in forest assessment and inventory. SiliviLaser 2008. Edinburgh, UK. 636-645.
• Wężyk P., Wertz B., Waloszek A., 2003: Skaner hiperspektralny AISA (Airborne Imaging Spectrometer for Applications) jako narzędzie pozyskiwania informacji o ekosystemie leśnym. Archiwum Fotogrametrii, Kartografii i Teledetekcji, Vol.13 B. Fotogrametria bliskiego i dalekiego zasięgu. 477-496.
• Wulder M., Niemann K.O., Goodenough D.G., 2000: Local maximum filtering for the extraction of tree locations and basal area from high spatial resolution imagery. Remote Sensing of Environment, 73 (1): 103- 114.