W ostatnich latach mieszkańcy polskich miast odczuwają skutki rosnącego niedoboru roślinności. Polityka przestrzenna w tych miastach nie skupia się obecnie na formowaniu nowych terenów zielonych. Istotną informacją dla właściwego zarządzania terenami zielonymi jest ilość drzew, która obrazuje stan roślinności wysokiej na danym terenie. Badaniami został objęty fragment miasta charakteryzującego się wysokim wskaźnikiem intensywności zabudowy. Artykuł prezentuje metodykę automatycznej detekcji drzew na podstawie danych pochodzących z lotniczego skaningu laserowego. Zadrzewienie wykrywano z wykorzystaniem modelowania baldachimowego danych LiDAR (Light Detection and Ranging). W rezultacie otrzymano informację o położeniu drzew. Dzięki różnicy modeli DSM (Digital Surface Model) i DTM (Digital Terrain Model) utworzono numeryczny model koron drzew, który dostarczył informacji o wysokości poszczególnych drzew. Ważną cechą drzewostanu jest ilość drzew i ich powierzchniowe zagęszczenie. Parametry te zmieniają się dynamicznie w trakcie całego okresu żywotności drzewostanu. Podczas realizacji badań przy użyciu oprogramowania GIS zostały obliczone statystyki dotyczące stanu istniejącego zadrzewienia. Przeprowadzone analizy wykazały, że dane laserowe umożliwiają przybliżone oszacowanie ilości drzew oraz dostarczają informacji o ich wymiarach.
EN
In recent years, inhabitants of Polish towns have been affected by an increasing shortfall in green vegetation. The spatial planning policy in those towns is not currently focused on the formation of new green areas. The crucial information for the proper management of green areas is the number of trees, which reflects the current state of high vegetation in the particular region. The study was conducted in respect to the part of town characteristic of a high rate of intensity in housing development. Hereby, the article presents methodology of the automatic detection of trees based on airborne laser scanning data. The detection of trees was performed based on the canopy modeling of LiDAR data (Light Detection and Ranging). As a result, the information about their situation could be obtained. Thanks to the differences between the DSM (Digital Surface Model) and DTM (Digital Terrain Model), it was possible to create a numerical model of tree crowns, which provided data regarding the heights of respective trees. The essential feature of a tree stand is the number of trees and their spatial density. The parameters change dynamically throughout the entire life span of the tree stand. While carrying out the study using GIS software, the statistics concerning the current state of the tree stand were calculated. The conducted analyses proved that laser data enabled an approximate estimation of the number of trees and provided information about their spatial dimensions.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Pomimo, iż zasięg skanera FARO LS 880 wynosił aż 76 m (Faro, 2007), to w warunkach analizowanego drzewostanu sosnowego, w strefie powyżej 19,54 m (analizowana powierzchnia ok. 1200 m2), różnica w określaniu zagęszczenia drzew przekroczyła 5% w stosunku do danych referencyjnych. Wynika to przede wszystkim z faktu wzajemnego przesłaniania się pni drzew oraz obecności podszytu, który również jest barierą dla promieni lasera. Należy podkreślić, iż parametr zagęszczenia drzew określany na większej powierzchni (> 500 m2) powinien lepiej reprezentować całe wydzielenie, jednak sposób rozmieszenia stanowisk skanera nie był dla tego celu zoptymalizowany. Pozycje skanera mogłyby być oddalone bardziej od siebie i należałoby zwiększyć liczbę sfer referencyjnych (np. do 10÷15 szt.), jak i rozdzielczość samego skanowania, którą obniżono do 1/4 możliwości modelu FARO LS880. Lokalizacje stanowisk skanera były dobierane jedynie pod kątem standardowych procedur związanych z inwentaryzacją lasu na kołowych powierzchniach próbnych (500 m2). Można sądzić, iż czynnikiem który miał decydujący wpływ na dokładność określenia liczby drzew (tym samym zagęszczenia) było rozmieszczenie stanowisk skanera w drzewostanie, których lokalizacja była determinowana przez rozmieszczenie pni drzew na powierzchni kołowej. Rozszerzenie analiz poza standardową kołową powierzchnię próbną wskazuje, iż można wykorzystać pozyskane dane TLS w celu zwiększenia próby, co zapewnia większa powierzchnia pozyskania danych. Im większa powierzchnia próbna tym lepiej odzwierciedla ona charakter drzewostanu, jednak parametr zagęszczenia nie powinien być określany powyżej progowej wartości (oko?o 19,5 m). Uzyskanie odpowiedzi na pytanie - czy skanować więcej mniejszych powierzchni czy też mniejszą liczbę większych obszarów - wciąż wydaje się niemożliwe bez odpowiednich danych referencyjnych i integracji wielu źródeł informacji, takich jak lotniczy skaning laserowy czy pomiar DGPS.
EN
Modern multifunctional forestry model requires accurate knowledge of the amount of wood stock, which is controlled by means of forest inventory. One of many important forest parameters is density understood as the number of trees per area unit (1ha). This paper presents a method for defining this parameter with the use of terrestrial laser scanning data (TLS), based on data from one or a couple of scans (circular plot). The analysis was performed on 5 plots located in 107 year old pine stand (Milicz Forest District), on which TLS data was collected with the use of FARO LS 880. The results are highly correlated with ground-truth data from forest inventory. Increasing the radius of the analysis outside the borders of study plot leads to lowering of the density parameter, which is mainly caused by the shadowing effect. The maximum measurement distance of the FARO scanner is equal to 76m but stems and understory are limiting this value. Over 20m (r=19,54m; 1200m2) the errors of the TLS method exceed 5%. Further work of the authors is directed at selecting statistically representative TLS plots based on Airborne Laser Scanning.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
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.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.