ROCZNIKI GEOMATYKI 2010 m T VIII m Z 7(43)
OPRACOWANIE METODY ZAUTOMATYZOWANEGO
OKRELANIA WYSOKOCI DRZEWOSTANÓW
NA PODSTAWIE DANYCH LOTNICZEGO SKANOWANIA
LASEROWEGO ORAZ JEJ WERYFIKACJA
W NADLENICTWIE MILICZ
DEVELOPMENT OF A METHOD FOR AUTOMATED STAND
HEIGTH DETERMINATION BASED ON AIRBORNE
LASER SCANNING DATA AND ITS EVALUATION
IN MILICZ FOREST DISCTRICT
Piotr Wê¿yk, Marta Szostak, Piotr Tompalski Laboratorium GIS i Teledetekcji, Katedra Ekologii Lasu, Wydzia³ Leny,
Uniwersytet Rolniczy w Krakowie
S³owa kluczowe: wysokoæ drzewostanu, lotniczy skaning laserowy, SILP, NMT, NMPT Keywords: stand height, airborne laser scanning, SILP, DTM, DSM
Wprowadzenie
Od ponad 15 lat w Lasach Pañstwowych stosowany jest System Informatyczny Lasów Pañstwowych (SILP) bêd¹cy standardem we wszystkich 431 nadlenictwach. System ten, w jednym z modu³ów (LAS), zawiera bazê szczegó³owych informacji opisowych (atrybu-tów) o ka¿dym z oko³o 8 milionów pododdzia³ów bêd¹cych w administracji PGL LP. Po-przez tworzenie po³¹czeñ w oprogramowaniu GIS, tablice bazy atrybutowej SILP/LAS mo¿-na po³¹czyæ relacj¹ z geometryczn¹ baz¹ danych, tj. poligomo¿-nami lenej mapy numerycznej (LMN). Razem tworz¹ one poprawn¹ topologicznie warstwê przestrzenn¹ zawieraj¹c¹ wiele atrybutów pochodz¹cych z lenej inwentaryzacji i planu urz¹dzania lasu. Bior¹c pod uwagê przepisy zawarte w Instrukcji Urz¹dzania Lasu (IUL, 2003), baza opisowa (SILP/LAS) oraz geometryczna (LMN) poza cyklicznym, wykonywanym standardowo co 10 lat, nowym planem urz¹dzania gospodarstwa lenego powinny byæ okresowo aktualizowane na pod-stawie danych zbieranych w terenie (np. wprowadzanych do rejestratora i z wykorzysta-niem odbiornika GPS), b¹d te¿ zdalnych zobrazowañ (g³ównie ortofotomap lotniczych i satelitarnych). Coraz czêciej biura urz¹dzania lasu i gospodarki lenej (BULiGL)
wykonuj¹-ce prawykonuj¹-ce inwentaryzacyjne zamawiaj¹ ortofotomapy lotnicze, by na ich podstawie weryfiko-waæ lene mapy numeryczne, ktore w przesz³oci powstawa³y na drodze wektoryzacji do-kumentów papierowych.
W ostatnich latach coraz czêciej wystêpuj¹ niekorzystne czynniki abiotyczne i biotyczne takie jak: wiatro³omy, po¿ary czy gradacje owadów st¹d opracowania kartograficzne wy-magaj¹ ci¹g³ej aktualizacji podobnie jak i bazy opisowe. Poza pilotowymi projektami (Bêd-kowski, Stereñczak, 2008; Wê¿yk, Solecki, 2008; Wê¿yk i in., 2008a; 2008b) dotycz¹cymi wykorzystania technologii lotniczego skaningu laserowego w pracach z zakresu urz¹dzania i inwentaryzacji lasu w Polsce, wci¹¿ brakuje przepisów i instrukcji wykonawczych, które umo¿liwi³yby implementacjê na szerok¹ skalê tej technologii w PGL LP. Lotniczy skaning laserowy (ang. Airborne Laser Scanning, ALS) jest aktywnym systemem teledetekcyjnym, dziêki któremu pozyskiwana jest chmura punktów o wspó³rzêdnych XYZ z wysok¹ precyzj¹ (ok. ± 15 cm Z; ± 30 cm XY). Odpowiednie metody filtracji i klasyfikacji zbiorów punktów prowadz¹ do wygenerowania precyzyjnych modeli w tym: numerycznego modelu terenu (NMT; ang. DTM), numerycznego modelu powierzchni terenu (NMPT; ang. DSM) oraz znormalizowanego numerycznego modelu powierzchni terenu (zNMPT; ang. nDSM) repre-zentuj¹cych aproksymowan¹ powierzchniê obiektów (Axelsson, 2000; Wê¿yk i in., 2008a). Precyzyjne modele terenu maj¹ bardzo wiele zastosowañ w gospodarce lenej, ale mog¹ s³u¿yæ tak¿e badaniom ekologicznym nad biomas¹ czy sekwestracj¹ wêgla (Go³uch et al., 2009; Wê¿yk i in., 2008b). Technologia ALS jest w stanie dostarczaæ precyzyjnych informa-cji dla du¿ych obszarów zarówno o rzebie terenu, jak i o cechach opisuj¹cych strukturê samej rolinnoci, w tym o wybranych parametrach drzewostanów, takich jak choæby o wysokoci drzew (McGaughey et al., 2004). Jest ona niezmiernie wa¿n¹ cech¹ taksacyjn¹ okrelan¹ tradycyjnymi metodami (wysokociomierze) podczas prac z zakresu inwentaryza-cji lasu. Wysokoæ drzew jest wypadkow¹ takich zmiennych jak: gatunek i wiek drzewa, jakoæ siedliska czy kondycja drzewa, jednoczenie obrazuj¹c efekty zabiegów gospodar-czych i zdarzeñ losowych zachodz¹cych w drzewostanie. Pomiar wysokoci wszystkich drzew w drzewostanie by³ do tej pory niemo¿liwy do przeprowadzenia ze wzglêdu na wy-sok¹ czasoch³onnoæ i stosowan¹ metodykê prac inwentaryzacyjnych. Czêsto b³¹d okrele-nia wysokoci przez taksatora pos³uguj¹cego siê nawet precyzyjnym wysokociomierzem (np. Vertex III; Haglöf) mo¿e przekraczaæ dopuszczalne w instrukcjach 5% i wi¹¿e siê zwy-kle z du¿¹ subiektywnoci¹ wskazania wierzcho³ka drzewa oraz jego pochyleniem. Pomiar wysokoci stosuje siê jedynie do nielicznej reprezentacji drzew na powierzchniach ko³owych w wybranych drzewostanach poszczególnych grup stratyfikacyjnych. Wybór miejsca loka-lizacji powierzchni ko³owej, choæ ma charakter stochastyczny (regularna siatka), mo¿e pro-wadziæ do analizy niereprezentatywnej grupy (np. lokalna zmiennoæ mikrosiedliska). Zalet¹ technologii ALS w takim przypadku jest okrelenie wartoci redniej dla ca³ego analizowane-go pododdzia³u, z pominiêciem luk czy biogrup innych gatunków, na podstawie statystyk pionowego rozk³adu chmury punktów ALS.
Celem prezentowanej pracy by³o opracowanie zautomatyzowanych procedur weryfikacji atrybutu wysokoci drzewostanów zapisanych w bazie danych SILP/LAS dla zasiêgu ca³ego obrêbu nadlenictwa, w oparciu o dane pozyskane technologi¹ lotniczego skaningu lasero-wego. Badania mia³y potwierdziæ przydatnoæ stosowania w praktyce lenej nowoczesnych technologii teledetekcyjnych, które poza mo¿liwoci¹ pomiaru wysokoci wszystkich drze-wostanów, w szybkim czasie daj¹ wyniki weryfikowalne i obiektywne w odniesieniu nie
tylko do wybranych cech taksacyjnych drzew, ale równie¿ zasiêgu (granic) i przestrzennej zmiennoci cechy w obrêbie pododdzia³u.
W ramach prowadzonych badañ opracowano i przetestowano metodykê automatyczne-go procesu przetwarzania chmur punktów ALS, któr¹ zintegrowano z analizami przestrzen-nymi GIS, w celu korekcji b³êdów geometrii obiektów podstawowych tworz¹cych LMN, a tak¿e detekcji: luk, polan, obszarów nowych zrêbów, wiatro³omów czy obszarów o niskim zwarciu drzewostanu (halizny). Wyniki automatycznego procesu weryfikacji i aktualizacji baz danych geometrycznych i atrybutowych (wysokoæ) w oparciu o technologiê ALS po-równano do danych referencyjnych opracowanych metodami tradycyjnymi na drodze ekra-nowej wektoryzacji ortofotomapy lotniczej, wzmocnionej informacj¹ o wysokoci drzewo-stanu (zNMPT). Dane referencyjne dotycz¹ce wysokoci drzewodrzewo-stanu pochodzi³y z baz SILP/LAS, które by³y aktualizowane w oparciu o informacje zebrane w terenie metodami tradycyjnymi w roku 2006, tj. w roku poprzedzaj¹cym nalot ALS.
Teren badañ
Jako obiekt badañ wybrano obrêb nr 1 (Milicz) zlokalizowany w Nadlenictwie Milicz (RDLP Wroc³aw; 51° 27" N; 17° 12" E; rys. 1). Przy wyborze obiektu badawczego kiero-wano siê przede wszystkim jego redni¹ wielkoci¹ (w polskich warunkach), a tak¿e aktual-noci¹ bazy danych opisowych. Pozosta³a charakterystyka obiektu badañ zwi¹zana by³a z jego kszta³tem (kompaktowy, regularny), wiekiem drzewostanu (rednio 60 lat) oraz zró¿ni-cowaniem gatunkowym (udzia³ sosny zwyczajnej Pinus sylvestris > 80%; tab. 1) i uk³adem siedlisk lenych, jak równie¿ zró¿nicowaniem rzeby terenu.
Rys. 1. Teren badañ Nadlenictwo Milicz (RDLP Wroc³aw)
Tabela 1. Sk³ad gatunkowy drzewostanów w obrêbie Milicz k e n u t a G Powierzchnia a n a w o z il a n a e i b ê r b o w ] a h [ ³ a i z d U i n h c z r e i w o p ] % [ a n a w o z il a n A a b z c il -a i z d d o d o p w ó ³ ]. t z s [ o S 4393,43 82,06 1084 k B 356,33 6,66 73 b D 308,21 5,76 95 z cl O 104,92 1,96 75 e n n i 190,93 3,57 107 m e z a R 5353,82 100,00 1434
Metodyka
Dane ALS dla Nadlenictwa Milicz zosta³y pozyskane w ramach projektu badawczego realizowanego na zlecenie Dyrekcji Generalnej Lasów Pañstwowych w lipcu 2007 roku z wykorzystaniem skanera Falcon II firmy TopoSys. Podczas nalotu dokonano rejestracji wie-lospektralnym skanerem linijkowym Toposys (16 Bit; 4 kana³y: R, G, B, NIR; rozdzielczoæ terenowa 0,25 m; GoeTIFF), uzyskuj¹c ortoobraz bliski tzw. rzeczywistej ortofotografii (ang. true ortho). Wyrównane dane ALS przekazane zosta³y przez wykonawców w postaci plików ASCII z zapisem kolejnego echa sygna³u (FE i LE) oraz jego intensywnoci (Stereñ-czak, 2009; Wê¿yk i in., 2008b).
W oprogramowaniu Terrascan i Terramodeler (Terrasolid Ltd.), a tak¿e FUSION (USDA Forest Service, McGaughey, 2007) wygenerowano: numeryczny model terenu (algorytm w oprogramowaniu Terrascan autorstwa Axelsson 2000) oraz numeryczny model powierzchni terenu zapisuj¹c je do postaci siatki o oczku 1,0 m (ASCII). Bardzo wa¿nym etapem prze-twarzania danych by³o uzyskanie poprawnego znormalizowanego numerycznego modelu powierzchni terenu (zNMPT), na który wp³yw ma zarówno dok³adnoæ NMT jak i NMPT. Parametry generowanego modelu NMPT dobrano na podstawie wczeniejszych prac zespo-³u (Tompalski et al., 2009). Na poszczególnych etapach przetwarzania danych, takich jak: wektoryzacja ekranowa czy generowanie modeli rastrowych (GRID) z danych referencyj-nych (SILP) oraz automatyzacja analiz przestrzenreferencyj-nych GIS, wykorzystano oprogramowa-nie ArcGIS 9.3 (ESRI), w tym narzêdzie ModelBuilder. Ze wzglêdu na du¿¹ iloæ danych zastosowano makropolecenia i tryb wsadowy, przy czym chmurê punktów przetwarzano w oknie o wielkoci 1000 x 1000 m. Pozyskanie danych referencyjnych do aktualizacji bazy opisowej polega³o na weryfikacji przebiegu granic pododdzia³ów zapisanych w geometrycz-nej bazie danych LMN (SHAPE ESRI) wykonywageometrycz-nej przez operatora na ekranie komputera. Wiêkszoæ modyfikacji dotyczy³a zmiany przebiegu granic pododdzia³ów (linii podzia³u), ale wektoryzowano tak¿e nowe obiekty (tzw. luki) wewn¹trz drzewostanów. Weryfikacji i aktu-alizacji dokonano na obrazie cyfrowej ortofotomozaiki wzmocnionej barwn¹ kompozycj¹ modelu zNMPT (Wê¿yk i in., 2008b; Tompalski et al, 2009). Model ten poddano reklasyfika-cji na wartoci: powy¿ej oraz poni¿ej 1,0 m. Wygenerowano obszary z pokryw¹ drzewosta-nu (ID = 0) oraz obszary jej pozbawione (luki, zrêby, halizny; ID = 1). Na uzyskanych w ten sposób klasach przeprowadzono generalizacjê, eliminuj¹c obszary mniejsze ni¿ 200 m2, nie spe³niaj¹ce warunków zdefiniowanych w IUL (2003), traktuj¹cych je jako luki.
Po uzyskaniu poprawnej wektorowej LMN przeprowadzono prace zmierzaj¹ce do aktu-alizacji wysokoci drzewostanu w opisowej bazie danych SILP/LAS. Wysokoæ zweryfiko-wanych geometrycznie pododdzia³ów (rednia wartoæ dla ca³ego pododdzia³u z wy³¹cze-niem wykrytych luk, oznaczona dalej symbolem H95ALS) okrelano stosuj¹c algorytmy za-warte w programie FUSION (McGaughey, 2007), wykorzystuj¹c w tym celu wartoæ 95 percentyla wysokoci znormalizowanej chmury punktów.
Na podstawie bazy danych SILP/LAS wygenerowano obrazy rastrowe (GRID) repre-zentuj¹ce wysokoæ drzewostanów gatunku g³ównego (HSILP) wg inwentaryzacji przepro-wadzonej metodami tradycyjnymi. W dalszych krokach model rastrowy reprezentuj¹cy HSILP porównywano z modelem wysokoci ALS (H95ALS), uzyskuj¹c w ten sposób raster obrazu-j¹cy ró¿nice wysokoci drzewostanów (HDiff) okrelanych tymi dwoma metodami. W bazie danych SILP utworzono dwa nowe pola: H95ALS oraz HDiff i wype³niono je wartociami (w trybie automatycznym) z wykorzystaniem aplikacji ModelBuilder ESRI (rys. 2).
Wyniki
Weryfikacja i aktualizacja bazy geometrycznej LMN
W wyniku przeprowadzonej fotointerpretacji i wektoryzacji ekranowej ortofotomozaiki, wzmocnionej wartociami modelu zNMPT, wykryto automatycznie 928 luk (94% wiêcej w stosunku do danych referencyjnych), które stanowi³y 375,54 ha (10,1% wiêcej ni¿ wskazu-je referencja). rednia wielkoæ automatycznie wykrytej luki by³a wieksza a¿ o 43,3% od redniej wartoci okrelonej manualnie przez operatora, przy czym zgodnoæ lokalizacji luk (wystêpowanie w tym samym miejscu, wyra¿one jako procent czêci wspólnej z analizy przestrzennej GIS) wynios³a 85,6% (tab. 2).
Rys. 2. Schemat automatycznej metody aktualizacji baz danych SILP oraz LMN z wykorzystaniem danych lotniczego skanowania laserowego
Tabela. 2. Wyniki aktualizacji bazy geometrycznej LMN metodami: manualnej wektoryzacji ekranowej oraz na drodze automatycznego przetwarzanie danych ALS.
ij c a z il a u t k a p y T Powierz -a i n h c ] a h [ k u l a b z c i L ]. t z s [ powrieerdzncihania ] a h [ a n w a r p o P a j c a z il a k o l ]. t z s [ T P M N z / e ci a z o m o t o f o tr o a n a n l a u n a M 341,18 478 0,71 478 ) S L A ( T P M N z a n z c y t a m o t u A 375,54 928 0,40 409 d o t e m u b o a ci n ¿ ó R 34,36 450 0,31 69
W celu weryfikacji wysokoci drzewostanów zapisanych w bazie SILP dokonano po-równania do wartoci H95ALS drzewostanów dla analizowanego obrêbu. Sprawdzono istot-noæ ró¿nic (STATISTICA 9) wykorzystuj¹c nieparametryczny test Wilkoxona dla par zmien-nych. Wykaza³ on, i¿ ró¿nice dla badanego obrêbu, jak i w rozbiciu na poszczególne g³ówne gatunki lasotwórcze, by³y wysoce istotne (p < 0,05).
Analiza wartoci ró¿nic wysokoci (HDiff) przeprowadzona dla wszystkich drzewosta-nów w badanym obrêbie wykaza³a, i¿ metoda tradycyjna (referencja) przy uwzglêdnianiu znaków odchy³ek, zani¿a wynik o wartoæ +2,28 m. Przy analizowaniu jedynie wartoci bezwzglêdnych (modu³ów liczb) ró¿nic dla wszystkich drzewostanów, wzrastaj¹ one do wartoci 3,19 m (tab. 3). Uwzglêdniaj¹c powierzchniê poszczególnych pododdzia³ów (wa-guj¹c HDiff powierzchni¹ poligonu) uzyskano wartoci wynosz¹ce +2,38 m (przy uwzglêd-nieniu znaków odchy³ek) oraz 2,70 m (wartoci bezwzglêdne bez znoszenia siê znaków odchy³ek). Stwierdzono jednoznacznie zani¿enie wartoci wysokoci dostêpnej w bazie SILP/ LAS, wprowadzanej na podstawie naziemnych pomiarów wykonywanych wysokociomie-rzem (bardzo du¿e wartoci ró¿nic np. niezaktualizowane zrêby) (rys. 3 i 4).
rednia ró¿nica okrelenia wysokoci wszystkich drzewostanów sosnowych metod¹ ALS w stosunku do tradycyjnej wykaza³a wartoæ na poziomie +2,21 m, wskazuj¹c na zani¿enie wartoci przez pomiar tradycyjny. Jeli wszystkie wartoci HDiff potraktowaæ jako wartoci bezwzglêdne to okazuje siê, ¿e rednia ró¿nica utrzymuje siê na podobnym poziomie (2,83 m; tab. 3). Analizuj¹c te wyniki pod k¹tem udzia³u powierzchniowego poszczególnych drzewosta-nów sosnowych stwierdzono, i¿ redni b³¹d wysokoci drzewostanu sosnowego okrelonego metod¹ ALS w stosunku do danych referencyjnych obni¿y³ siê do +2,33 m. Analizuj¹c jedynie wartoci bezwzglêdne ró¿nic wagowanych powierzchni¹, b³¹d osi¹gn¹³ poziom 2,55 m.
Przeprowadzona analiza ró¿nic wysokoci (przy uwzglêdnianiu wartoci odchy³ek z prze-ciwstawnymi znakami) dla poszczególnych klas wieku drzewostanów sosnowych wykaza-³a, i¿ w przypadku m³odszych klas wieku (do oko³o 60 lat), wyniki otrzymane na drodze przetwarzania chmury punktów ALS maj¹ wy¿sze wartoci o ponad 2,0 m w stosunku do danych zapisanych w bazach SILP/LAS. Wartoci ró¿nic HDiff okaza³y siê najwiêksze dla klasy I: +3,13 m (odch. std.= 4,48 m), malej¹ dla klasy II do wartoci +2,96 m (odch. std. = 1,86 m) oraz ostatecznie dla klasy III +2,33 m (odch. std. = 2,10 m). Wskazuje to na zasadniczy problem aktualizacji danych i ich w³aciwej oceny w sytuacji szybko rosn¹cych upraw (m³odniki, tyczkowiny) oraz ich dostêpnoci dla taksatora. Odchy³ki ró¿nic wysoko-ci w starszych klasach wieku (powy¿ej 60 lat) charakteryzowa³y siê mniejszymi wartowysoko-cia- wartocia-mi ró¿nic, nawet zaledwie do 0,5 m. rednio odchy³ki te w znacz¹cych klasach wieku wynosi³y: +1,13 m (odch. std. = 3,52 m) w IV klasie, +1,35 m (odch. std. = 4,38 m) w V klasie oraz +0,48 m (odch. std. = 6,40 m) w VI klasie.
Tabela. 3. Ró¿nica wysokoci (HDiff) drzewostanów okrelanych metodami ALS oraz tradycyjnymi pomiarami podczas inwentaryzacji lasu (baza SILP)
y n w ó ³ g k e n u t a G redniaró¿nica f fi D H ] m [ j e i n d e r ³ u d o M f fi D H ] m [ f fi D H a i n d e r a n a w o g a w ¹ i n h c z r e i w o p u ³ a i z d d o d o p ] m [ j e i n d e r ³ u d o M j e n a w o g a w f fi D H ¹ i n h c z r e i w o p u ³ a i z d d o d o p ] m [ m e z a r .t a G +2,28 3,19 +2,38 2,70 o S +2,21 2,83 +2,33 2,55 k B +3,61 3,93 +2,59 2,85 b D +2,28 4,96 +2,84 3,86 z cl O +1,22 4,06 +2,07 3,58
W przypadku analizowanych liciastych gatunków g³ównych, rednia ró¿nica wysoko-ci (HDiff), w wariancie uwzglêdnienia znaków odchy³ek i przy zastosowaniu wartoci bez-wzglêdnych, przyjê³a odpowiednio wartoci: Bk +3,61 m (3,93 m), Db +2,28 m (4,96 m) i Olcz +1,22 m (4,96 m). Po zastosowaniu wagowania powierzchni¹ poszczególnych podod-dzia³ów uzyskano odpowiednio wyniki dla drzewostanów: Bk +2,59 m (2,85 m), Db +2,84 m (3,86 m) i Olcz +2,07 m (3,58 m).
Uzyskane wyniki dla wszystkich analizowanych gatunków by³y przeciwne w stosunku do wyników podawanych przez wielu autorów, polegaj¹cych na zani¿aniu pomiaru wysoko-ci drzew w przypadku stosowania metody ALS (Andersen et al., 2006; Hyyppä, Inkinen, 2004; Persson et al., 2002; Maltamo et al., 2004; McGaughey et al., 2004; Abraham, Adolt, 2006). Uzyskane wyniki by³y jednoczenie zgodne z podobn¹ analiz¹ wykonan¹ dla obrêbu Piasek w nadlenictwie Chojna (Wê¿yk et al., 2010). Poniewa¿ chmura punktów ALS nie mo¿e fizycznie przewy¿szaæ wierzcho³ków drzew, nale¿y przypuszczaæ, ¿e dane referencyj-ne obarczoreferencyj-ne by³y b³êdem pomiarowym.
Wnioski
Otrzymane dla obrêbu Milicz wyniki dowiod³y jednoznacznie mo¿liwoci wykorzystania danych ze skanowania laserowego ALS w zautomatyzowanym procesie aktualizacji baz da-nych GIS, tj. geometrycznej (rozumiada-nych jako korekcja przebiegu granic obiektów podsta-wowych LMN) oraz opisowej (atrybutów wysokoci drzewostanu w polach bazy SILP/ LAS). Wykorzystanie automatycznego trybu analizy modelu zNMPT mo¿e znacznie przy-spieszyæ bardzo kosztowne prace z zakresu pomiarów geodezyjnych granic wydzieleñ oraz daæ precyzyjn¹ informacjê o lokalizacji powsta³ych zrêbów czy gniazd. Do chwili obecnej brak jest cis³ej regulacji w IUL (2003) dotycz¹cej okrelania lokalizacji wiêkszych luk czy biogrup w poszczególnych wydzieleniach. Istnieje jedynie wymóg opisu miejsca bez podania cis³ej lokalizacji, choæ s¹ one elementami LMN. Przewaga technologii ALS nad ortofotoma-pami polega na tym, i¿ na modelu zNMPT brak jest przesuniêcia radialnego jakim obci¹¿ona jest ortofotomapa generowana zazwyczaj na NMT i przez wielu u¿ytkowników traktowana jako obraz referencyjny. Automatyczna analiza rozk³adu przestrzennego wysokoci na mo-delu zNMPT daje mo¿liwoæ obiektywnego wyboru lokalizacji powierzchni ko³owych w drzewostanie, eliminuj¹c w ten sposób brak jego homogenicznoci. Analiza chmury punk-tów ALS w obrêbie ca³ego pododdzia³u lenego, pod k¹tem redniej wysokoci wszystkich rosn¹cych w jego granicach drzew, jest znacznie bardziej obiektywna ni¿ pomiar kilku loso-wo wybranych powierzchni ko³owych. Dane z lotniczego skanowania laserowego stanowi¹ dobr¹ podstawê dla zaawansowanego modelowania statystycznego, którego celem jest pre-cyzyjne oszacowanie tych cech drzewostanu, które koreluj¹ z przestrzennym (pionowym i poziomym) rozmieszczeniem punktów z chmury ALS. Dotyczy to przede wszystkim: pier-nicy drzew i wysokoci, a w konsekwencji zasobnoci drzewostanów, parametru bêd¹ce-go podstaw¹ sporz¹dzania planu urz¹dzania bêd¹ce-gospodarstwa lenebêd¹ce-go (etatów, planów pozy-skania). Inne cechy podlegaj¹ce modelowaniu to np.: wysokoæ podstawy korony, wyso-koæ Loreya, liczba drzew (zagêszczenie) czy ich jawyso-koæ (Andersen, Breidenbach 2007; Hollaus et al., 2009; Maltamo et al., 2009; Næ sset, 2002).
Okresowa inwentaryzacja drzewostanów z wykorzystaniem technologii ALS i fotogra-metrii cyfrowej gwarantuje z ca³¹ pewnoci¹ utrzymanie baz danych SILP oraz LMN na
wysokim poziomie aktualnoci i poprawnoci, a jednoczenie pozwala na ograniczenie kosz-townych prac terenowych. W aspekcie zapowiadanych w Polsce projektów laserowego skanowania lotniczego, które maj¹ pokryæ oko³o 145 000 km2, nale¿y jak najszybciej wpro-wadziæ odpowiednie wewnêtrzne modyfikacje do IUL (PGL LP) tak, aby umo¿liwiæ wyko-rzystanie danych ALS w inwentaryzacji lasu oraz ca³ym pakiecie innych zadañ zwi¹zanych z bioró¿norodnoci¹ czy zrównowa¿onym rozwojem lasów.
Literatura
Abraham J., Adolt R., 2006: Stand height estimations using aerial images and laser scanning data. International Workshop 3D Remote Sensing in Forestry. Wien, 24-31.
Andersen H.E., Reutebuch S.E., Mcgaughey R.J. 2006: A rigorous assessment of tree height measurements obtained using airborne lidar and conventional field methods. Canadian Journal of Remote Sensing, Vol. 32 (5), 355-366.
Andersen H.-E., Breidenbach J., 2007: Statistical Properties of Mean Stand Biomass Estimators in a Lidar-Based Double Sampling Forest Survey Design. [In:] Rönnholm P., Hyyppä H., Hyyppä J., (eds.), ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007. International Archives of Photogrammetry, Remo-te Sensing and Spatial Information Sciences, Espoo, Finland.
Axelsson P., 2000: DEM generation from laser scanner data using adaptive TIN models. International Archi-ves of Photogrammetry and Remote Sensing, Vol. XXXIII/4B, Amsterdam, 203-210.
Bêdkowski K., Stereñczak K., 2008: Przestrzenny rozk³ad punktów odbiæ impulsów skanera laserowego a wybrane cechy drzewostanu. Roczniki Geomatyki t.6, z.8, PTIP, Warszawa, 55-60.
Go³uch P., Borkowski A., Jóków G., Tymków P., Mokwa M., 2009: Application of Digital Terrain Model generated from Airborne Laser Scanning data in Hydrodynamic Modelling. Studia Geotechnica et
Mecha-nica, Vol. XXXI No. 3, 61-72.
Hollaus M., Wagner W., Schadauer K., Maier B., Gabler K., 2009: Growing stock estimation for alpine forests in Austria: A robust lidar-based approach. Canadian Journal of Forest Research, 39(7): 1387-1400. Hyyppä J., Inkinen M., 1999: Detecting and estimating attributes for single trees using laser scanner. The
Photogrammetric Journal of Finland, vol. 16, No. 2, 27-42.
IUL, 2003: Instrukcja Urz¹dzania Lasu za³¹cznik do Zarz¹dzenia nr 43 Dyrektora Generalnego Lasów Pañstwowych z dnia 18 kwietnia 2003 r.
http://www.lasy.gov.pl/dokumenty/gospodarka-lesna/urzadzanie/iul
Maltamo M., Mustonen K., Hyyppä J., Pitkänen J., Yu X., 2004: The accuracy of estimating individual tree variables with airborne laser scanning in boreal nature reserve. Absract. Canadian Journal of Forest
Research, 17911801.
Maltamo M., Peuhkurinen J., Malinen J., Vauhkonen J., Packalén P., Tokola, T., 2009: Predicting tree attributes and quality characteristics of scots pine using airborne laser scanning data. Silva Fennica, 43(3): 507-521. McGaughey R.J., 2007: Fusion/ldv: Software for lidar data analysis and visualization. Software manaul.
USDA Forest Service. Pacific Northwest Research Station.
McGaughey R., Carson W., Reutebuch S., Andersen H.-E., 2004 Direct measurement of individual tree characteristics from LIDAR data. Proceedings of the Annual ASPRS Conference, 2328 May 2004. Denver: American Society of Photogrammetry and Remote Sensing (ASPRS).
Naesset E., 2002: Predicting forest stand characteristics with airborne scanning laser using a practical two-stage procedure and field data. Remote Sensing of Environment, 80(1): 88-99.
Persson A., Holmgren J., Söderman U., 2002: Detecting and measuring individual trees using an airborne laser scanner. Photogrammetric Engineering and Remote Sensing, Vol. 68, No. 9, 925932.
Stereñczak K., 2009: Single tree detection based on airborne LIDAR (ALS) data. Annals of Geomatics, Vol. VII, 2 (32), 121-126. PTIP, Warszawa.
Tompalski P., Wê¿yk P., de Kok R., Kukawski M., 2009: Determining the number of trees using airborne laser scanning and true orthoimagery. Annals of Geomatics, Vol. VII, 2 (32), 133-141. PTIP, Warszawa.
Wê¿yk P., Borowiec N., Szombara S., Wañczyk R., 2008a: Generowanie numerycznych modeli powierzchni oraz terenu w Tatrach na podstawie chmury punktów z lotniczego skaningu laserowego (ALS). Geoinfor-macja obrazowa w wietle aktualnych potrzeb. Archiwum Fotogrametrii, Kartografii i Teledetekcji. Vol. 18, 651-661.
Wê¿yk P., Solecki K., 2008: Okrelanie wysokoci drzewostanów Nadlenictwa Chojna w oparciu o lotniczy skaning laserowy (ALS). [In:] Geoinformacja obrazowa w wietle aktualnych potrzeb. Archiwum
Foto-grametrii, Kartografii i Teledetekcji. Vol. 18, 663-672.
Wê¿yk P., Tompalski P., Szostak M., Glista M., Pierzchalski M., 2008b: 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. Sept. 17-19. Edinburgh, UK. (CD), 636-645. Wê¿yk P., Szostak M., Tompalski P., Zaj¹czkowski G., 2010: The role of Airborne Laser Scanning in
updating and revision of GIS databases a case study in the Polish State Forest (Chojna District). Proceedings of SilviLaser 2010, the 10th International Conference on LiDAR Applications for Assessing Forest Ecosystems, 14-17.09.2010, Freiburg, Germany.
Abstract
The aim of the research was implementation of airborne laser scanning (ALS) data for automated updating of compartment borders (LMN forest digital map) and height attribute (SILP descriptive database). The Milicz forest district was chosen as the test area. New fields in the database were filled with the mean stand height value and the difference to existing height value from the last inventory (2006). The updated compartment height values were calculated without gaps and without the 5 m
border buffer belt of the stand as 95th percentile of normalized height point cloud values. In order to
compare these results with tree height values from the forest inventory, raster layers (GRID)
represen-ting both heights were generated and map algebra was used to calculate the differences (HDiff).
The study area consisted of 1,434 compartments with total area equal to 5,353.82 ha, from which 1084 compartments were pine stands (4,393.43 ha; 82.06%). The height values from the descriptive SILP/ LAS database were on average lower with regard to all analyzed tree species and stands than the heights from ALS data. The difference was equal to +2,3m (3.2m for absolute values). It was found that numerous pine young stands significantly contributed to the height difference value due to their outda-ted height parameter, which sometimes even reached the value by 3.13m lower then ALS data. The research confirmed that the use of modern remote sensing technologies like ALS in forest practice opens a new space in the quick and precise forest inventory. The proposed automated procedures of stand height verification based on airborne laser scanning data allow for fast assessment of geometric and descriptive data update status.
dr in¿. Piotr Wê¿yk rlwezyk@cyf-kr.edu.pl dr in¿. Marta Szostak rlszosta@cyf-kr.edu.pl mgr in¿. Piotr Tompalski piotr.tompalski@ur.krakow.pl tel.: +48 12-662-5082
Rys. 3. a histogram liczebnoci pododdzia³ów w poszczególnych stopniach odchy³ki, b wykres rozrzutu odchy³ki [m] w zale¿noci od powierzchni pododdzia³ów [ha]
