Wykorzystanie cech określonych na podstawie wysokościowego modelu koron w dwufazowej metodzie inwentaryzacji zapasu drzewostanu

ROCZNIKI GEOMATYKI 2012 m T X m Z 5(55)

WYKORZYSTANIE CECH OKREŒLONYCH

NA PODSTAWIE WYSOKOŒCIOWEGO MODELU KORON

W DWUFAZOWEJ METODZIE INWENTARYZACJI

ZAPASU DRZEWOSTANU*

USING CHARACTERISTICS BASED ON CROWN HEIGHT

MODEL IN DOUBLE SAMPLING METHOD

OF FOREST STOCK INVENTORY

Katedra Urz¹dzania Lasu, Geomatyki i Ekonomiki Leœnictwa, Wydzia³ Leœny Szko³a G³ówna Gospodarstwa Wiejskiego w Warszawie

S³owa kluczowe: lotnicze skanowania laserowe (LSL), leœnictwo, Park Narodowy Gór Sto³o-wych, modelowanie

Keywords: Airborne Laser Scanning (ALS), forestry, Sto³owe Mountains National Park, modeling

Wstêp

Lotnicze skanowanie laserowe (ALS) jest od ponad dekady technologi¹ wykorzystywan¹ do pozyskiwania informacji o œrodowisku leœnym (Stereñczak, 2010). Analiza danych lotni-czego skanowania laserowego, w zale¿noœci od technologii i mo¿liwoœci, mo¿e byæ prowa-dzona na kilka sposobów:

m analiza chmury punktów i na jej podstawie okreœlenie wielkoœci charakteryzuj¹cych

drzewa i drzewostany,

m wygenerowanie, na podstawie chmury punktów, modeli: numerycznego modelu

tere-nu (NMT) i tere-numerycznego modelu pokrycia teretere-nu (NMPT) – w wyniku odejmowa-nia odpowiadaj¹cych sobie pikseli obu modeli uzyskanie ró¿nicowego modelu pokry-cia terenu dla obszarów leœnych, nazywanego wysokoœciowym modelem koron (WMK),

m ³¹czne przetwarzanie chmury punktów i modelu terenu.

* Praca wykonana w ramach projektu N N309 111937 „Opracowanie metody pomiaru zasobów leœnych z wykorzystaniem lotniczego scanningu laserowego (na przyk³adzie terenu górskiego objêtego ochron¹)” finanso-wanego przez Ministerstwo Nauki i Szkolnictwa Wy¿szego ze œrodków na naukê w latach 2009-2012.

W odniesieniu do okreœlania wielkoœci zapasu stosowane s¹ na œwiecie dwa zasadnicze podejœcia:

m metoda bazuj¹ca na wykorzystaniu parametrów pojedynczych drzew (ang:

Individu-al Tree Detection – ITD),

m metody oparte na modelowaniu parametrów uzyskanych z powierzchni próbnych

(ang: area-based approach – ABA).

Z punktu widzenia stosowanych metod statystycznych (metoda reprezentacyjna), szaco-wanie zapasu z wykorzystaniem materia³ów teledetekcyjnych mo¿e odbywaæ siê wed³ug „dwufazowej metody dla stratyfikacji” lub „dwufazowej metody z estymatorami regresyjny-mi” (Cochran, 1977; Chojnacky, 1998; Spencer, Czaplewski, 1998; Parker, Evans, 2004; Köhl i in., 2006). W obu metodach konieczne jest wykorzystanie danych naziemnych – na ogó³ zbieranych na losowo rozmieszczonych powierzchniach próbnych. Za bardziej efek-tywn¹ uwa¿ana jest metoda dwufazowa z estymatorami regresyjnymi. Szacowanie zapasu odbywa siê tu dwuetapowo (dwufazowo). W pierwszym okreœlana jest zale¿noœæ miêdzy zasobnoœci¹ zmierzon¹ na naziemnych powierzchniach próbnych a cechami zmierzonymi z poziomu lotniczego w miejscach, które odwzorowa³y fragmenty lasu, w których by³y zloka-lizowane naziemne powierzchnie próbne. W drugim etapie, korzystaj¹c z dodatkowych (na ogó³ bardzo licznych) powierzchni próbnych, zmierzonych ju¿ tylko na poziomie lotniczym, nastêpuje rozszerzenie obliczeñ. Pierwotnie w tym procesie wykorzystywano pomiary wy-konywane na zdjêciach lotniczych (Chojnacky, 1998; Miœcicki, 2000; 2009; Korpela, Toko-la, 2006). Obecnie coraz szerzej s¹ stosowane pomiary wykonywane z wykorzystaniem danych pozyskiwanych za pomoc¹ lotniczego skanowania laserowego (Parker, Evans, 2004). Charakterystyki drzew i drzewostanów mog¹ byæ okreœlane w oparciu o dane punktowe (chmurê punktów ALS), modele terenu b¹dŸ obydwa zestawy danych jednoczeœnie (Naesset, 2004; Hyyppä i in., 2006, 2012; Straub, Koch, 2012; Stereñczak, Miœcicki, 2012).

W metodzie dwufazowej z estymatorami regresyjnymi o dok³adnoœci oszacowania zapa-su decyduje – oprócz liczby zmierzonych powierzchni próbnych – si³a zwi¹zku miêdzy zasobnoœci¹ okreœlon¹ na ziemi, a cechami zmierzonymi na zobrazowaniu (Cochran, 1977). Z tego powodu te ostatnie cechy powinny byæ tak dobrane, aby by³y mo¿liwie silnie skore-lowane z zasobnoœci¹ zmierzon¹ na ziemi. W przypadku stosowania pomiarów fotograme-trycznych, dodatkowym zadaniem jest znalezienie jak najmniejszego zestawu cech mierzo-nych na zdjêciach lotniczych, silnie skorelowamierzo-nych z zasobnoœci¹ mierzon¹ na ziemi. W tym wypadku wa¿nym aspektem jest ograniczenie zakresu zdalnych pomiarów powierzchni i wynikaj¹ce z tego zredukowanie ich kosztów.

W przesz³oœci, gdy w metodzie estymacji do regresji stosowano pomiary fotograme-tryczne, najczêœciej wykorzystywanymi cechami by³y: wysokoœæ drzew (czêsto œrednia jej wartoœæ) i stopieñ pokrycia powierzchni przez korony drzew (Loetsch, Haller, 1964). W lasach strefy umiarkowanej pomiar tych cech by³ trudny i zapewne obarczony b³êdem. W przypadku wysokoœci wynika³o to faktu, ¿e na ogó³ miejsce wyrastania drzew (rzêdna wysokoœci terenu) by³o niewidoczne, st¹d konieczne by³o stosowanie metod poœrednich do okreœlenia wysokoœci drzew. Z kolei dok³adny pomiar pokrycia powierzchni przez korony drzew by³ bardzo pracoch³onny. W tym przypadku na ogó³ stosowano szybsze oszacowanie z u¿yciem wzorców.

Zastosowanie pomiarów na zobrazowaniu lidarowym stworzy³o nowe mo¿liwoœci, ze wzglêdu na pomiar cech charakteryzuj¹cych poszczególne drzewa, jak i ca³¹ powierzchniê próbn¹. Dotyczy³o to zarówno zwiêkszenia dok³adnoœci pomiaru cech stosowanych

trady-cyjnie, mo¿liwoœci stosowania nowych, jak i przyœpieszenia i automatyzacji samego procesu pomiarów. Doœwiadczenia wczeœniejsze wskazuj¹ na wysok¹ skutecznoœæ opisanych metod w drzewostanach iglastych jednogatunkowych. W niniejszej pracy postanowiono dokonaæ oceny, które cechy mog¹ byæ wartoœciowe w dwufazowej metodzie inwentaryzacji zapasu w drzewostanach liœciastych i mieszanych. Przyjêto przy tym, ¿e sposób obliczeñ inwenta-ryzacyjnych jest taki, ¿e wybrane cechy s¹ okreœlone dla poszczególnych drzew wyodrêb-nionych na podstawie wysokoœciowego modelu koron (Stereñczak, 2008; 2011), ale poszu-kiwanie zwi¹zku z zasobnoœci¹ zmierzon¹ na ziemi dotyczy sum lub œrednich wartoœci cech uzyskanych w obrêbie poszczególnych powierzchni próbnych.

Materia³ badawczy

Materia³ badawczy stanowi³y dane zebrane na naziemnych powierzchniach próbnych oraz na odpowiadaj¹cych im powierzchniach próbnych tzw. aerolidarowych, zmierzonych w miejscach i w granicach odpowiadaj¹cych po³o¿eniu naziemnych powierzchni próbnych. Naziemne powierzchnie próbne by³y po³o¿one w terenie górskim, w po³udniowo-zachodniej czêœci Parku Narodowego Gór Sto³owych, rozmieszczone systematycznie w siatce kwadra-tów 400 × 400 metrów. Zmierzono je w lipcu 2009 roku. W pracy wykorzystano 47 po-wierzchni o obszarze 500 m2_{, po³o¿onych na wysokoœci od 472 do 737 (œrednio 601)}

me-trów n.p.m. Powierzchnie próbne aerolidarowe zmierzono na zobrazowaniu pozyskanym w sierpniu 2008 roku. Lokalizacjê powierzchni na tle ortofotomapy Parku Narodowego przed-stawiono na rysunku 1.

Drzewostany, w których by³y zlokalizowane powierzchnie próbne, by³y w wiêkszoœci wielogatunkowe, zró¿nicowane ze wzglêdu na wiek i wymiary drzew. Na 8 powierzchniach próbnych dominowa³ buk, na 6 œwierk, na 2 modrzew, na 1 jesion, na 1 brzoza, a na 29 udzia³ ¿adnego gatunku nie przekracza³ 40% – choæ najczêœciej najwiêkszy by³ udzia³ buka. Oprócz wymienionych gatunków wystêpowa³ te¿ jawor. Œrednia wysokoœæ drzew na po-wierzchni próbnej zawiera³a siê w przedziale 9-35 (œrednio 25) metrów, a zasobnoœæ w przedziale 73-983 (œrednio 480) m3_/ha.

Metodyka analizy zmiennych

Na wysokoœciowym modelu koron, w miejscach i w granicach odpowiadaj¹cych po³o-¿eniu naziemnych powierzchni próbnych, dokonano segmentacji drzewostanu (Stereñczak, 2011). Po wyodrêbnieniu korony drzew okreœlono automatycznie ich wysokoœæ (maksymal-na wartoœæ WMK w obrêbie korony), wysokoœæ po³o¿enia podstawy korony (minimal(maksymal-na wartoœæ WMK w obrêbie korony) oraz powierzchniê rzutu korony. Drzewa zaliczano do próby na podstawie po³o¿enia centroidy, tj. punktu reprezentuj¹cego œrodek masy rzutu po-ziomego korony drzewa na p³aszczyznê. Z dalszych opracowañ wyeliminowano drzewa o wysokoœci poni¿ej 7 m zak³adaj¹c, ¿e takie drzewa nie maj¹ mi¹¿szoœci grubizny. Na podsta-wie tych obliczeñ dla ka¿dej popodsta-wierzchni próbnej przygotowano zestaw cech u¿ytych do dalszych analiz (rys. 2). By³y to:

m LD = liczba drzew w obrêbie powierzchni próbnej, m SUMH = suma wysokoœci drzew na powierzchni próbnej,

Rys. 2. Graficzna reprezentacja cech drzew i drzewostanów okreœlanych na podstawie wysokoœciowego modelu koron

m VZ = suma objêtoœci koron (dla poszczególnych drzew liczona jako objêtoœæ sto¿ka o

podstawie równej powierzchnia rzutu korony i wysokoœci równej d³ugoœci korony, tj. ró¿nicy miêdzy wysokoœci¹ drzewa a najni¿sz¹ obserwowan¹ czêœci¹ korony),

m POW = suma powierzchni rzutów koron,

m Hœr = œrednia arytmetyczna wysokoœci drzew na powierzchni próbnej.

Dodatkowo wprowadzono cechy, które by³y iloczynem dwóch innych:

m VZ*Hœr,

m SUMH*VZ.

W celu ustalenia, które cechy zmierzone na powierzchniach aerolidarowych najlepiej wi¹¿¹ siê z zasobnoœci¹ na ziemi (VOL), przeprowadzono analizê regresji. Sprawdzono, czy zale¿-noœæ miêdzy VOL a poszczególnymi cechami ma charakter prostoliniowy. Spodziewano siê, ¿e w przypadku nieliniowej zale¿noœci konieczne by³oby dokonanie transformacji danej ce-chy. Obliczono macierz wspó³czynników korelacji prostoliniowej miêdzy parami wszystkich analizowanych cech. Celem tego etapu by³o wstêpne ustalenie cech najlepiej objaœniaj¹cych zmiennoœæ VOL, a tak¿e wykrycie wspó³liniowoœci danych (Stanisz, 2007). Wybór cech aerolidarowych przeprowadzono za pomoc¹ metody regresji krokowej „wstecz”.

Wyniki

Stwierdzono, ¿e w przypadku wszystkich cech zmierzonych na powierzchniach prób-nych aerolidarowych mo¿na by³o przyj¹æ, ¿e ich zwi¹zek z VOL ma charakter prostoliniowy. Najsilniejsza zale¿noœæ by³a miêdzy VOL a Hœr, ale niewiele mniejsza miêdzy VOL a iloczyna-mi VZ*Hœr lub SUMH*VZ (tab. 1). Cechailoczyna-mi s³abo skorelowanyiloczyna-mi z VOL okaza³a siê liczba (zagêszczenie) drzew, a tak¿e powierzchnia rzutów koron.

Przyjmuj¹c, ¿e pierwsz¹ cech¹ wybran¹ do modelu objaœniaj¹cego zale¿noœæ miêdzy VOL a cechami z prób aerolidarowych jest Hœr, nale¿a³o odrzuciæ VZ oraz VZ*Hœr jako cechy wspó³liniowe. Kierowano siê przy tym kryterium, ¿e wspó³czynniki korelacji miêdzy nimi a Hœr (odpowiednio 0,754 oraz 0,857) by³y wiêksze ni¿ miêdzy VOL a Hœr (0,750). Kolejnymi cechami w tym modelu móg³ byæ iloczyn SUMH*VZ, ewentualnie tak¿e SUMH.

Tabela 1. Macierz korelacji miêdzy cechami aerolidarowymi i zasobnoœci¹ zmierzon¹ na ziemi (zale¿noœci istotne na poziomie P<0,05 oznaczono pogrubion¹ czcionk¹)

Objaœnienia skrótów jak w tekœcie. a h c e C Cecha D L SUMH VZ POW Hœr VZ*Hœr SUMH*VZ VOL D L 1,000 0,766 0,133 0,524 -0,144 -0,002 0,473 0,103 H M U S 0,766 1,000 0,578 0,642 0,485 0,530 0,858 0,596 Z V 0,133 0,578 1,000 0,680 0,754 0,953 0,876 0,688 W O P 0,524 0,642 0,680 1,000 0,354 0,541 0,692 0,419 r œ H -0,144 0,485 0,754 0,354 1,000 0,857 0,651 0,750 r œ H * Z V -0,002 0,530 0,953 0,541 0,857 1,000 0,844 0,745 Z V * H M U S 0,473 0,858 0,876 0,692 0,651 0,844 1,000 0,741 L O V 0,103 0,596 0,688 0,419 0,750 0,745 0,741 1,000

Na podstawie metody regresji krokowej „wstecz” potwierdzono powy¿szy wybór. Zmien-noœæ cechy zale¿nej VOL na powierzchniach próbnych by³a najlepiej objaœniana przez zmien-ne niezale¿zmien-ne Hœr oraz SUMH*VZ (odrzucono SUMH). Wspó³czynnik korelacji wielorakiej wyniós³ R=0,820 (P<0,001), co oznacza, ¿e wyjaœniono 67% zmiennoœci. Cecha HL obja-œnia³a 53% zmiennoœci, a cecha SUMH*VZ – 50%. Dodanie kolejnych cech tylko w niewiel-kim stopniu polepsza³o dopasowanie modelu. Ostatecznie przyj¹³ on postaæ:

(1) Zale¿noœæ miêdzy zasobnoœci¹ obliczon¹ wed³ug powy¿szego modelu (VOL*), a zasob-noœci¹ VOL zmierzon¹ na ziemi przedstawia rysunek 3.

9=

680+

+VU

92/















˜













˜

Rys. 3. Zale¿noœæ miêdzy zasobnoœci¹ obliczon¹ wed³ug modelu z u¿yciem cech zmierzonych na powierzchniach próbnych aerolidarowych a zasobnoœci¹ zmierzon¹ na naziemnych powierzchniach

próbnych we fragmencie lasu w Parku Narodowym Gór Sto³owych; R2_{=0,673, P<0,001}

Dyskusja

Uzyskany model objaœniaj¹cy zale¿noœæ miêdzy zasobnoœci¹ zmierzon¹ na powierzch-niach próbnych naziemnych a cechami zmierzonymi na powierzchpowierzch-niach próbnych aerolida-rowych nale¿y uznaæ za satysfakcjonuj¹cy i porównywalny z pracami innych autorów (Bre-idenbach i in., 2007; Hollaus i in., 2007). Ocena taka wynika nie tylko z faktu uzyskania stosunkowo wysokiego wspó³czynnika korelacji wielorakiej. Dodatkow¹ okolicznoœci¹ jest to, ¿e materia³ by³ zebrany w trudnym terenie górskim, z silnymi spadkami terenu (miejscami przekraczaj¹cymi 35°), w drzewostanach zró¿nicowanych ze wzglêdu na wymiary oraz gatunki drzew. Ponadto ca³kowicie zrezygnowano z u¿ycia cech innych ni¿ zmierzone na

powierzchniach próbnych aerolidarowych, które mo¿na by³oby uzyskaæ w poœredni sposób, np. wysokoœæ po³o¿enia powierzchni próbnej n.p.m. lub wiek drzewostanu.

Przeprowadzone badania potwierdzi³y wysok¹ skutecznoœæ wykorzystania wysokoœcio-wego modelu koron w analizach œrodowiska leœnego (Stereñczak, 2008). G³ówn¹ zalet¹ tego typu analiz jest ich szybkoœæ, gdy¿ w porównaniu do analiz wykorzystuj¹cych chmurê punktów s¹ one o wiele mniej pracoch³onne.

Wnioski

1. Cechami aerolidarowymi szczególnie przydatnymi do obliczenia zasobnoœci drzewosta-nów przy pomocy cech zmierzonych na powierzchniach próbnych aerolidarowych by³y: œrednia arytmetyczna wysokoœci drzew, suma wysokoœci drzew oraz suma objêtoœci koron. Pozosta³e cechy: powierzchnia rzutów koron i liczba (zagêszczenie) drzew s³abo wyjaœnia³y zmiennoœæ zasobnoœci na powierzchniach próbnych.

2. Silna zale¿noœæ miêdzy zasobnoœci¹ na powierzchniach próbnych naziemnych a cechami na powierzchniach próbnych aerolidarowych (z pominiêciem cech poœrednich, takich jak np. wiek drzewostanu) wskazuje, ¿e mo¿liwe jest stosowanie dwufazowej metody in-wentaryzacji lasów silnie zró¿nicowanych, a tak¿e zbli¿onych do naturalnych, wystêpu-j¹cych w parkach narodowych.

3. Zaprezentowany w pracy procedura pozwala na ca³kowite zautomatyzowanie procesu pomiaru i analizy ca³ych drzewostanów/kompleksów leœnych.

Literatura

Breidenbach J., McGaughey R.J., Andersen H.E., Kandler G., Reutebuch S.E., 2007: A mixed-effects model to estimate stand volume by means of small footprint airborne LiDAR data for an American and a German study site. ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007, Espoo, Wrzesieñ 12-14, 2007, Finlandia.

Chojnacky D.C., 1998: Double sampling for stratification: a forest inventory application in the Interior West. Res. Pap. RMRS-RP-7. Ogden, UT: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station: 15 p.

Cochran W.B., 1977: Sampling techniques. Wiley, New York.

Hollaus M., Dorigo W., Wagner W., Schadauer K., Maier B., 2007: Large-area stem volume estimation based on airborne laser scanner data and national forest inventory data. Materia³y konferencyjne z ForestSAT 2007. Montpellier, Francja.

Hyyppä J., Yu X., Hyyppä H., Maltamo M., 2006: Methods of airborne laser scanning for forest information extraction. [In:] Koukal T., Schneider W. (eds.) 3-D Remote Sensing in Forestry, Vienna. EARSeL SIG Forestry. ISPRS WG VIII/11: 63-78.

Hyyppä J., Yu X., Hyyppä H., Vastaranta M., Holopainen M., Kukko A., Kaartinen H., Jaakkola A., Vaaja M., Koskinen J., Alho P., 2012: Advances in Forest Inventory Using Airborne Laser Scanning. Remote Sensing 4(5): 1190-1207.

Köhl M., Magnussen S.S., Marchetti M., 2006: Sampling methods, remote sensing and GIS multiresource forest inventory. Springer-Verlag, Berlin Heidelberg.

Korpela I.S., Tokola T.E., 2006: Potential of Aerial Image-Based Monoscopic and Multiview Single-Tree Forest Inventory: A Simulation Approach. Forest Science 52(2): 136-137.

Loetsch F., Haller K. E., 1964: Forest inventory, vol. I. BLV Verlagsgesselschaft, München, Bern, Wien. Miœcicki S. (red.) 2000: Kombinowana dwufazowa inwentaryzacja lasów nizinnych z wykorzystaniem zdjêæ

lotniczych i sta³ych-kontrolnych powierzchni próbnych. Fundacja „Rozwój SGGW” Warszawa 2000. Miœcicki S. 2009: Pomiar zapasu grubizny z wykorzystaniem zdjêæ lotniczych. Sylwan 153 (6): 373-385.

Naesset E., 2004: Practical large-scale forest stand inventory using a small footprint airborne scanning laser. Scandinavian Journal of Forest Research No 19: 164-179.

Parker R.C., Evans D.L., 2004: An application of LIDAR in a double-sample forest inventory. Western Journal of Applied Forestry 19(2): 95-101.

Spencer R.D., Czaplewski R.L., 1998: National forest inventory in the USA: an outline of the procedure. Aust. For. 60 (1): 56-66.

Stanisz A., 2007: Przystêpny kurs statystyki z zastosowaniem STATISTICA PL na przyk³adach z medycy-ny, Tom2. Modele liniowe i nieliniowe. StatSoft Polska, Kraków.

Stereñczak K., 2008: Mo¿liwoœci wykorzystania wysokoœciowego modelu koron w badaniach œrodowiska leœnego. Czasopismo Techniczne 2-Œ: 273-279.

Stereñczak K., 2010: Technologia lotniczego skanowania laserowego jako Ÿród³o danych w pó³automatycznej inwentaryzacji lasu. Sylwan 154 (2): 88-99.

Stereñczak K., 2011: Wykorzystanie danych lotniczego skanowania laserowego do okreœlania zagêszczenia drzew w jednopiêtrowych drzewostanach sosnowych. Praca doktorska. Wydzia³ Leœny, Szko³a G³ówna Gospodarstwa Wiejskiego w Warszawie.

Stereñczak K., Miœcicki S., 2012: Crown delineation influence on standing volume calculations in protected area. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences (w druku).

Straub C., Koch B., 2012: Estimating Single Tree Stem Volume of Pinus sylvestris Using Airborne Laser Scanner and Multispectral Line Scanner Data. Remote Sensing 3(5): 929-944.

Abstract

The paper presents an analysis of selected tree and tree stand characteristics measured on aerial-lidar samples, in terms of their usefulness for remote and automatic determination of the growing stock volume. Characteristics specified for single trees were based on Crown Height Model (CHM). The study was conducted in mountainous area, in the south-western part of the Sto³owe Mountains Natio-nal Park. Seven stand and tree characteristics based on CHM and single tree segmentation were analyzed. The variability of the dependent features - growing stock volume on the sample plots - were best explained by the following independent variables: the average height of trees (HL) and the multiplication of the sum of crown volume (VZ) and the total tree height (SUMH) within the sample plot area. The obtained multiple correlation coefficient for those features was relatively high and significant (R=0.820, P <0.001).

prof. dr hab. Stanis³aw Miœcicki stanislaw.miscicki@wl.sggw.pl tel. 22 593 82 08

dr in¿. Krzysztof Stereñczak krzysztof.sterenczak@wl.sggw.pl tel. 22 593 82 17