Визначення висоти дерев за даними растрових зображень різної роздільної здатності

Автор(и)

DOI:

https://doi.org/10.31548/forest2020.03.002

Анотація

Збір інформації про ріст і розвиток дерев є основою для планування господарських заходів у лісовому та садово-парковому господарстві, актуальність та достовірність таких даних дозволяє ефективно провести лісо- та парко-інвентаризаційні роботи. На сьогоднішній день в Україні вимірювання висоти ростучих дерев та чагарників у більшості випадків здійснюється висотомірами. Розвиток технологій використання безпілотних літальних апаратів (БПЛА) та методів обробки зібраної інформації дозволяють перейти на інший рівень якості та точності зібраної інформації.

Метою дослідження було розглянути можливості визначення висоти дерев за матеріалами аерофотозйомки отриманими за допомогою БПЛА та оцінити точність отриманих показників з моделей висоти крон (СНМ) різної роздільної здатності.

Використано методи створення цифрової моделі висоти крон з аерофотознімків отриманих за допомогою БПЛА. Створено 8 цифрових моделей рельєфу та місцевості для розрахунків СНМ. Аналіз растрових зображень було виконано за допомогою програмного забезпечення ArcGIS пакету інструментів «Spatial Analyst« з використанням фільтру «Focal statistics». Встановлені значення висоти дерев порівнювали з істинними показниками, які одержано способом прямого вимірювання звалених модельних дерев з додаванням висоти пня.

Відображено 4 з 8 розрахованих СНМ з накладанням модельних дерев в системі координат WGS 84 / UTM зона 36N (EPSG::32636). Описано зміну таксаційних показників висоти дерев сосни звичайної (Pinus sylvestris L.) та можливість їх ідентифікації в насадженні за допомогою СНМ різної роздільної здатності. Проаналізовано показники висоти для модельних дерев, які отримані  з CHM різної роздільної здатності. В результаті чого, встановлено, що растри з роздільною здатністю 0,04 м/пікс та 0,1 м/пікс мають найменші відхилення показників висоти у деревостані порівняно з фактичними значеннями. Відносні відхилення середніх арифметичних висоти дерев на цих растрах склали 2,3 % та 2,6 %.

Растрові зображення з роздільністю понад 0,3 м/пікс втрачають можливість ідентифікації верхівки дерева та збільшують значення похибки у визначенні висоти дерев. В даному досліді для растрового зображення СНМ з роздільною здатністю в 1 м/пікс похибка вимірювання становила понад 17 % та зростає зі зниженням роздільної здатності, що перевищує допустимі відхилення для визначення висоти дерев згідно діючих інструкцій з впорядкування лісового фонду в Україні.

Ключові слова: модель висоти крон, цифрова модель місцевості, цифрова модель рельєфу, безпілотний літальний апарат, сосна звичайна, хмара точок.

Посилання

Bidolah, D. I., Bilous, A. M., & Kuzevich, V. S. (2020). Determination of the canopy density of forest stand by the materials of UAV survey. Ukrainian Journal of Forest and Wood Science, 11(1), 13-23. https://doi.org/10.31548/forest2020.01.013

Bidolakh, D. I., Bilous, A. M., & Kuzyovych, V. S. (2018). Measurement of the tree and shrub height with the help of unmanned aerial vehicles. Scientific Bulletin of UNFU, 28(1), 24-27. https://doi.org/10.15421/40280104

Bidolakh, D. I., Bilous, А. М., & Kuziovych, V. S. (2019). The accuracy of measuring the height of trees with the use of a quadrocopter. Ukrainian Journal of Forest and Wood Science, 10(3), 19-26. https://doi.org/10.31548/forest2019.03.019

Emery, W. J., & Camps, A. (2017). Introduction to satellite remote sensing: Atmosphere, ocean, land and cryosphere applications. https://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&db=nlabk&AN=1158605. https://doi.org/10.1016/B978-0-12-809254-5.00011-7

Fengabcd, H., Panabe, L., Yan, F., Peiabg, H., Wang, H., Yang, G., Liuabg, M., & Wuabg, Z. (2018). Height and Biomass Inversion of Winter Wheat Based on Canopy Height Model. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, 7711-7714. https://doi.org/10.1109/IGARSS.2018.8518726

Forsman, M., Börlin, N., & Holmgren, J. (2016). Estimation of Tree Stem Attributes Using Terrestrial Photogrammetry with a Camera Rig. Forests, 7(12), 61. https://doi.org/10.3390/f7030061

Frey, J., Kovach, K., Stemmler, S., & Koch, B. (2018). UAV Photogrammetry of Forests as a Vulnerable Process. A Sensitivity Analysis for a Structure from Motion RGB-Image Pipeline. Remote Sensing, 10(6), 912. https://doi.org/10.3390/rs10060912

Guimarães, N., Pádua, L., Marques, P., Silva, N., Peres, E., & Sousa, J. J. (2020). Forestry Remote Sensing from Unmanned Aerial Vehicles: A Review Focusing on the Data, Processing and Potentialities. Remote Sensing, 12(6), 1046. https://doi.org/10.3390/rs12061046

Hansen, M. C., Potapov, P. V., Moore, R., Hancher, M., Turubanova, S. A., Tyukavina, A., Thau, D., Stehman, S. V., Goetz, S. J., Loveland, T. R., Kommareddy, A., Egorov, A., Chini, L., Justice, C. O., & Townshend, J. R. G. (2013). High-Resolution Global Maps of 21st-Century Forest Cover Change. Science, 342(6160), 850-853. https://doi.org/10.1126/science.1244693

Holiaka, D., Kato, H., Yoschenko, V., Igarashi, Yа., Onda, Yu., Holiaka, M., Gumeniuk, V., Lesnik, O., Diachuk, P., & Zadorozhniuk, R. (2018). Identification and estimation of heights of the scots pine trees in the chernobyl exclusion zone using stereophotogrammetry method. Abstracts of Reports of the Participants of the International Scientific-Practical Conference 'Problems of Development of Forest Taxation, Forest Management and Forest Inventory', December 6-8, 2018., 21-22. https://nubip.edu.ua/sites/default/files/u32/zbirnik_tez_mizhnarodnoyi_konferenciyi_nikitina_k.ie_._6-7.12.18r.pdf

Holiaka, D., Kato, H., Yoschenko, V. І., Igarashi, Yа., Onda, Yu., Avramchuk, O. O., Holiaka, M. A., Humenyuk, V. V., & Lesnyk, O. M. (2018). Identification and estimation of heights of scots pine trees in forest stands in the chernobyl exclusion zone using stereophotogrammetry method. Scientific Bulletin of UNFU, 28(10), 18-21. https://doi.org/10.15421/40281003

Joseph, G. (2011). Fundamentals of remote sensing (2. ed., reprinted). Universities Press.

Litkey, P., Yu, X., Haggrén, H., Rönnholm, P., Pyysalo, U., Pitkänen, J., & Maltamo, M. (2004). Algorithms and Methods of Airborne Laser Scanning for Forest Measurements.

Liu, H., & Dong, P. (2014). A new method for generating canopy height models from discrete-return LiDAR point clouds. Remote Sensing Letters, 5(6), 575-582. https://doi.org/10.1080/2150704X.2014.938180

Liu, L., Lim, S., Shen, X., & Yebra, M. (2019). A multiscale morphological algorithm for improvements to canopy height models. Computers & Geosciences, 130, 20-31. https://doi.org/10.1016/j.cageo.2019.05.012

Medvedev, A. A., Telnova, N. O., Kudikov, A. V., & Alekseenko, N. A. (2020). Use of photogrammetric point clouds for the analysis and mapping of structural variables in sparse northern boreal forests. Sovremennye Problemy Distantsionnogo Zondirovaniya Zemli Iz Kosmosa, 17(1), 150-163. https://doi.org/10.21046/2070-7401-2020-17-1-150-163

Myroniuk, V., Bilous, A., Diachuk, P., & Fedyna, K. (2018). Accuracy of sample-based forest inventory obtained from different plot configurations. Bìoresursi ì Prirodokoristuvannâ, 10(5-6). https://doi.org/10.31548/bio2018.05.018

Myroniuk, V., Bilous, А., & Diachuk, P. (2019). Predicting forest stand parameters using the k-NN approach. Ukrainian Journal of Forest and Wood Science, 10(2), 51-63. https://doi.org/10.31548/forest2019.02.051

Roy, P. S., Behera, M. D., & Srivastav, S. K. (2017). Satellite Remote Sensing: Sensors, Applications and Techniques. Proceedings of the National Academy of Sciences, India Section A: Physical Sciences, 87(4), 465-472. https://doi.org/10.1007/s40010-017-0428-8

Strochinskiy, A. A. (1992). Methodical and normative-information provision of a system for regulating the forest plantations productivity in Ukraine (UACA).

Instruktsiia Z Vporiadkuvannia Lisovoho Fondu Ukrainy [Instructions for arranging the forest fund of Ukraine] in Ukraine, (2014). http://dklg.kmu.gov.ua/forest/control/uk/publish/article?art_id=119314

Wada, Y. (2017). Case Study of Forest Inventory using Drone for Deforestation and Forest Degradation Monitoring. Journal of the Japan Society of Photogrammetry and Remote Sensing, 56(5), 191-195. https://doi.org/10.4287/jsprs.56.191

Завантаження

Опубліковано

2020-09-30

Номер

Том 11 № 3 (2020)

Розділ

ЛІСОВЕ ГОСПОДАРСТВО

Ліцензія

Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  • Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
  • Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
  • Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).