Сравнение методических подходов определения высот и проекций крон деревьев по материалам лазерного сканирования с беспилотного воздушного судна в среднетаежных лесах

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Бореальные леса — важнейшие резервуары углерода суши, древесина которых запасает около 30—35% углерода таких биогеоценозов, инвентаризация которых является важнейшей национальной задачей. Мировой практикой последних десятилетий является масштабирование лесотаксационных данных при помощи беспилотных воздушных судов (БВС), являющихся эффективным и дешевым средством сбора информации на уровне отдельных биогеоценозов. Разнообразие методов съемки и обработки требует поиска оптимальных подходов к инвентаризации запасов древесины при помощи БВС. Статья посвящена сравнению двух методов (Matlab — ML и TerraScan — TS) оценки количества, высоты и проективного покрытия крон деревьев путем обработки облаков точек лазерных отражений различной плотности (100 и 2800 точек/м2; ML100, ML2800 и TS100, TS2800). Лидарная съемка осуществлена на 3 пробных площадях размером 50×50 метров. ПП 1 — лес, пересеченный ручьем; ПП 2 — лес на ровной поверхности; ПП 3 — лес на границе с олиготрофным болотом. Число деревьев, идентифицированных при помощи ML100 / ML2800, для ПП 1, 2 и 3 составило: 55 / 66, 67 / 87 и 174 / 220; для TS100 и TS2800 — 66 / 95, 85 / 156 и 82 /166. Средняя высота деревьев достигает 10—24 метров, слабо отличаясь при двух способах обработки на каждом из участков. Суммарное проективное покрытие крон для ПП 1, 2 и 3 составило 2569, 2494 и 2059 м2 в ML; 2091, 2424 и 1506 м2 — в TS. При дистанционной оценке удалось достаточно полно оценить количество лишь деревьев первого яруса: для этой задачи достаточно использования ML100. Однако для более полноценного учета деревьев, в том числе нижних ярусов, предпочтительнее использование TS2800 при условии подбора параметра минимальной высоты деревьев.

Полный текст

Доступ закрыт

Об авторах

Д. В. Ильясов

Югорский государственный университет

Автор, ответственный за переписку.
Email: d_ilyasov@ugrasu.ru
Россия, ул. Чехова, д. 16, Ханты-Мансийск, 628012

А. Б. Алексеев

Центр по проблемам экологии и продуктивности лесов РАН

Email: poxpox@mail.ru
Россия, ул. Профсоюзная, д. 84/32, стр. 14, Москва, 117997

Список литературы

  1. Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А., Шабанов Н.В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
  2. Замолодчиков Д.Г., Грабовский В.И., Краев Г.Н. Динамика бюджета углерода лесов России за два последних десятилетия // Лесоведение. 2011. № 6. С. 16—28.
  3. Замолодчиков Д.Г., Грабовский В.И., Честных О.В. Динамика баланса углерода в лесах федеральных округов Российской Федерации // Вопросы лесной науки. 2018. Т. 1. № 1. С. 1—24.
  4. Иванов К.Е., Новиков С.М. Болота Западной Сибири, их строение и гидрологический режим. Л.: Гидрометеоиздат, 1976. 447 с.
  5. Пинаевская Е.А. Рост разных форм сосны обыкновенной (Pinus sylvestris L.) на болотных почвах северной тайги // Вестник Красноярского государственного аграрного университета. 2016. № 11. С. 163—170.
  6. Приказ Федерального агентства лесного хозяйства от 6 мая 2022 г. № 556 “Об утверждении Регламента организации и проведения мероприятий по государственной инвентаризации лесов центральным аппаратом Рослесхоза, территориальными органами Рослесхоза и подведомственными Рослесхозу организациями”. URL: https://rosleshoz.gov.ru/doc/пр_№ 556_2022.05.06 (дата обращения: 14.01.2024).
  7. Сочилова Е.Н., Сурков Н.В., Ершов Д.В., Хамедов В.А. Оценка запасов фитомассы лесных пород по спутниковым изображениям высокого пространственного разрешения (на примере лесов Ханты-Мансийского АО) // Вопросы лесной науки. 2018. Т. 1. № 1. С. 1—23.
  8. Тюрин А.В. Таксация леса. М.: Государственное лесотехническое изд-во, 1938. 300 с.
  9. Указ Президента Российской Федерации от 4 ноября 2020 г. № 666 “О сокращении выбросов парниковых газов”. URL: http://www.kremlin.ru/acts/bank/45990 (дата обращения: 13.08.2024).
  10. Щепащенко Д.Г., Мухортова Л.В., Швиденко А.З., Ведрова Э.Ф. Запасы органического углерода в почвах России // Почвоведение. 2013. № 2. С. 123—132.
  11. Anderson K., Gaston K.J. Lightweight unmanned aerial vehicles will revolutionize spatial ecology // Frontiers in Ecology and the Environment. 2013. V. 11. № 3. P. 138—146.
  12. Brede B., Calders K., Lau A., Raumonen P., Bartholomeus H.M., Herold M., Kooistra L. Non-destructive tree volume estimation through quantitative structure modelling: Comparing UAV laser scanning with terrestrial LIDAR // Remote Sensing of Environment. 2019. V. 233. Article № 111355.
  13. Brede B., Terryn L., Barbie, N., Bartholomeus H.M., Bartolo R., Calders K., Derroire G., Krishna Moorthy S.M., Lau A., Levick S.R., Raumonen P., Verbeeck H., Wang D., Whiteside T., van der Zee J., Herold M. Non-destructive estimation of individual tree biomass: Allometric models, terrestrial and UAV laser scanning // Remote Sensing of Environment. 2022. V 280. Article № 113180.
  14. Cao L., Liu H., Fu X., Zhang Z., Shen X., Ruan H. Comparison of UAV LiDAR and digital aerial photogrammetry point clouds for estimating forest structural attributes in subtropical planted forests // Forests. 2019. V. 10. № 2. Article № 145.
  15. Chen Q., Baldocchi D., Gong P., Kelly M. Isolating individual trees in a savanna woodland using small footprint lidar data // Photogrammetric Engineering and Remote Sensing. 2006. V. 72. № 8. P. 923—932.
  16. Dixon R.K., Solomon A.M., Brown S., Houghton R.A., Trexier M.C., Wisniewski J. Carbon pools and flux of global forest ecosystems // Science. 1994. V. 263. № 5144. P. 185—190.
  17. Extract Forest Metrics and Individual Tree Attributes from Aerial Lidar Data. https://www.mathworks.com/help/lidar/ug/extraction-of-forest-metrics-and-individual-tree-attributes.html).
  18. Ganz S., Käber Y., Adler P. Measuring tree height with remote sensing — A comparison of photogrammetric and LiDAR data with different field measurements // Forests. 2019. V. 10. № 8. Article № 694.
  19. Gyawali A., Aalto M., Peuhkurinen J., Villikka M., Ranta T. Comparison of individual tree height estimated from LiDAR and digital aerial photogrammetry in young forests // Sustainability. 2022. V. 14. № 7. Article № 3720.
  20. Hyyppä E., Yu X., Kaartinen H., Hakala T., Kukko A., Vastaranta M., Hyyppä J. Comparison of backpack, handheld, under-canopy UAV, and above-canopy UAV laser scanning for field reference data collection in boreal forests // Remote Sensing. 2020. V.12. № 20. Article № 3327.
  21. Ilyasov D.V., Kaverin A.A., Zhernov S.N., Glagolev M.V., Niyazova A.V., Kupriianova I.V., Filippov I.V., Terentieva I.E., Sabrekov A.F., Lapshina E.D. Estimation of tree cover height on oligotrophic bog based on UAV lidar surveying // Environmental Dynamics and Global Climate Change. 2023. V. 14. № 4. P. 237—248.
  22. IPCC, 2023: Climate Change 2023: Synthesis Report. Contribution of Working Groups I, II and III to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [Core Writing Team, H. Lee and J. Romero (eds.)]. IPCC, Geneva, Switzerland. 184 p. doi: 10.59327/IPCC/AR6-9789291691647
  23. Kupriianova I.V., Kaverin A.A., Filippov I.V., Ilyasov D.V., Lapshina E.D., Logunova E.V., Kulyabin M.F. The main physical and geographical characteristics of the Mukhrino field station area and its surroundings // Environmental Dynamics and Global Climate Change. 2022. V. 13. № 4. P. 215—252.
  24. Kuželka K., Slavík M., Surový P. Very high density point clouds from UAV laser scanning for automatic tree stem detection and direct diameter measurement // Remote Sensing. 2020. V. 12. № . 8. Article № 1236.
  25. Lister A.J., Andersen H., Frescino T., Gatziolis D., Healey S., Heath L.S., Liknes G.C., McRoberts R., Moisen G.G., Nelson M., Riemann R., Schleeweis K., Schroeder T.A., Westfall J., Wilson B.T. Use of remote sensing data to improve the efficiency of national forest inventories: A case study from the United States national forest inventory // Forests. 2020. V. 11. № 12. Article № 1364.
  26. Mielcarek M., Stereńczak K., Khosravipour A. Testing and evaluating different LiDAR-derived canopy height model generation methods for tree height estimation // International Journal of Applied Earth Observation and Geoinformation. 2018. V. 71. P. 132—143.
  27. Puliti S., Breidenbach J., Schumacher J., Hauglin M., Klingenberg T.F., Astrup R. Above-ground biomass change estimation using national forest inventory data with Sentinel-2 and Landsat // Remote Sensing of Environment. 2021. V. 265. Article № 112644.
  28. Reese H., Nilsson M., Sandström P., Olsson H. Applications using estimates of forest parameters derived from satellite and forest inventory data // Computers and Electronics in Agriculture. 2002. V. 37. № 3. P. 37—55.
  29. Rogers S.R., Manning I., Livingstone W. Comparing the spatial accuracy of digital surface models from four unoccupied aerial systems: Photogrammetry versus LiDAR // Remote Sensing. 2020. V. 12. № 17. Article № 2806.
  30. Sibona E., Vitali A., Meloni F., Caffo L., Dotta A., Lingua E., Motta R., Garbarino M. Direct measurement of tree height provides different results on the assessment of LiDAR accuracy // Forests. 2016. V. 8. № 1. Article № 7.
  31. Sun W., Liu X. Review on carbon storage estimation of forest ecosystem and applications in China // Forest Ecosystems. 2020. V. 7. № 1. P. 1—14.
  32. Wallace L., Lucieer A., Watson C., Turner D. Development of a UAV—LiDAR system with application to forest inventory // Remote Sensing. 2012. V. 4. № . 6. P. 1519—1543.
  33. Wang D., Wan B., Liu J., Su Y., Guo Q., Qiu P., Wu X. Estimating aboveground biomass of the mangrove forests on northeast Hainan Island in China using an upscaling method from field plots, UAV—LiDAR data and Sentinel-2 imagery // International Journal of Applied Earth Observation and Geoinformation. 2020. V. 85. Article № 101986.
  34. Zhao K., Suarez J.C., Garcia M., Hu T., Wang C., Londo A. Utility of multitemporal lidar for forest and carbon monitoring: Tree growth, biomass dynamics, and carbon flux // Remote Sensing of Environment. 2018. V. 204. P. 883—897.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Район проведения исследования и местоположение закладки пробных площадей на участке лесоболотного комплекса «Мухрино».

Скачать (645KB)
Метаданные
3. Рис. 2. Вершины деревьев, идентифицированные в Matlab (ML, красный) и TerraScan (TS, зеленый) на основе облака ТЛО плотностью 100 точек/м2 на участках (сверху вниз): ПП 1 (смешанный лес на пересеченном рельефе), ПП 2 (лес на ровной поверхности) и ПП 3 (лес на границе с облесенным болотом). Слева — на фоне схемы крон растительного покрова; справа — на фоне цифровой модели местности. Крестиками показаны совпавшие с точностью до 1 м деревья (между ML и TS), цифры рядом — разница их высот в метрах.

Скачать (1MB)
Метаданные
4. Рис. 3. Проекции крон деревьев, идентифицированные в TerraScan (TS, слева) и Matlab (ML, справа) на основе облака ТЛО плотностью 100 точек/м2 на участках: ПП 1 (смешанный лес на пересеченном рельефе), ПП 2 (лес на ровной поверхности) и ПП 3 (лес на границе с облесенным болотом). Цифрами показана площадь проекций крон, м.

Скачать (1MB)
Метаданные
5. Рис. 4. Плотность вероятности высот деревьев (слева, синий) и площади их крон (справа, зеленый). Расчет на основе TerraScan показан темным, Matlab — светлым.

Скачать (336KB)
Метаданные

© Российская академия наук, 2025