Υπολογισμός υψών και στηθαίας διαμέτρου δέντρων σε αστικά πάρκα και κατά μήκος δρόμων

Από RemoteSensing Wiki

Έκδοση στις 20:40, 11 Φεβρουαρίου 2020 υπό τον/την MARIAEVANTHIA (Συζήτηση | Συνεισφορές/Προσθήκες)
('διαφορά') ←Παλιότερη αναθεώρηση | εμφάνιση της τρέχουσας αναθεώρησης ('διαφορά') | Νεώτερη αναθεώρηση→ ('διαφορά')
Μετάβαση σε: πλοήγηση, αναζήτηση
Εικόνα 1: Περιοχή Έρευνας a. Τα δέντρα κατά μήκος της οδού b Τα πλευρικά δέντρα του πάρκου. c Τα δέντρα στο κεντρικό άξονα του πάρκου.
Εικόνα 2: Απεικόνιση της διαδρομής στο Πάρκο κατά τη διάρκεια της έρευνας , υποδεικνύοντας τις διαδρομές , τις εγκαταστάσεις και τα δέντρα.
Εικόνα 3: Διαγράμματα των δεδομένων της στηθαίας διαμέτρου a. Δεδομένα με πλήρη κάλυψη γύρω από το κορμό b. Δεδομένα με μερική κάλυψη γύρω από το κορμό.
Εικόνα 4: Επεξεργασμένα Δεδομένα τα οποία συλλέχθηκαν μέσω mobile LiDAR. Κάθε δέντρο είναι ξεχωριστά χρωματισμένο σύμφωνα με το ύψος των σημείων από το έδαφος. Τα σημεία που συμπίπτουν με το έδαφος έχουν αντικατασταθεί από το εδαφικό πλέγμα. a. Συλλογή δεδομένων κατά μήκος του δρόμου b. Συλλογή δεδομένων στο πάρκο.


Εικόνα 5:Διάγραμμα Διασποράς Γραμμική Παλινδρόμηση και γραμμή που δείχνει την ιδανική σχέση μεταξύ των μετρήσεων στηθαίας διαμέτρου πεδίου και εκείνων που μετρήθηκαν με τη χρήση του Scatter plot, linear regression line, and line mobile LiDAR. a Διάγραμμα Διασποράς για τις τιμές της στηθαίας διαμέτρου των δέντρων κατά μήκος του δρόμου. b Διάγραμμα Διασποράς για τις τιμές της στηθαίας διαμέτρου των δέντρων στο πάρκο.
Εικόνα 6:Διάγραμμα Διασποράς Γραμμική Παλινδρόμηση και γραμμή που δείχνει την ιδανική σχέση μεταξύ των μετρήσεων υψών πεδίου και εκείνων που μετρήθηκαν με τη χρήση του mobile LiDAR. a Διάγραμμα Διασποράς για τις τιμές των υψών των δέντρων κατά μήκος του δρόμου. b Διάγραμμα Διασποράς για τις τιμές των υψών των δέντρων στο πάρκο.
Εικόνα 7:Κατανομή των τιμών που αποκτήθηκαν στο στηθαίο ύψος.

Υπολογισμός υψών και στηθαίας διαμέτρου δέντρων σε αστικά πάρκα και κατά μήκος δρόμων με χρήση mobile LiDAR


Landscape and Ecological Engineering (2019) 15:253–263 https://doi.org/10.1007/s11355-019-00379-6

Han Kyul Heo1 · Dong Kun Lee2 · Jin Han Park3 · James H. Thorne4

Δεκτή προς Δημοσίευση: 27 Δεκεμβρίου 2018 , Αναθεώρηση : 21 Φεβρουαρίου 2019 , Αποδεκτή : 21 Μαρτίου 2019 , Διαδικτυακή Δημοσίευση 10 Απριλίου 2019 © The Author(s) 2019

Περίληψη

Σκοπός της έρευνας η εφαρμογή του mobile LiDAR στη συλλογή μορφολογικών δεδομένων όπως τα ύψη και η στηθαία διάμετρος των δέντρων σε αστικά πάρκα και δρόμους. Στα πλαίσια της έρευνας έγινε σύγκριση των δεδομένων που συλλέχθηκαν με τη κλασσική μέθοδο του πεδίου και μέσω του mobile LiDAR. Η πυκνή κόμη, τα φυσικά εμπόδια και οι ανωμαλίες στο κορμό των δέντρων αποτέλεσαν τη κύρια πηγή των σφαλμάτων.

Λέξεις Κλειδιά

Αστική Οικολογία, Υλωρική, Τηλεπισκόπηση, Ταυτόχρονος Εντοπισμός και Χαρτογράφηση

Εισαγωγή

Η μέθοδος Τηλεπισκόπησης που επιλέχθηκε για την αποτελεσματικότερη συλλογή των μορφολογικών χαρακτηριστικών των δέντρων ονομάζεται Light Detection and Ranging (LiDAR). Συγκεκριμένα στην έρευνα χρησιμοποιήθηκε το Mobile LiDAR, το οποίο μπορεί να τοποθετηθεί σε οχήματα, σακίδια και UAV και επιτρέπει την αποτελεσματική συλλογή δεδομένων σε ευρύ φάσμα. Η έρευνα αποκοπεί μέσω της χρήσης του Mobile LiDAR να απαντήσει σε ερωτήματα που αφορούν την ακρίβεια της μεθόδου, τους παράγοντες που την επηρεάζουν αλλά και το πεδίο εφαρμογής της.

Περιοχή μελέτης

  • Δρόμος στη περιοχή του Εθνικού Πανεπιστημίου της Σεούλ.

Χαρακτηριστικά Δρόμου : 100 m μήκος και 11 m πλάτος.

Αριθμός Δέντρων : 15 και στις δύο πλευρές του δρόμου.

  • Πάρκο για παιδία στη περιοχή Moraenae της Σεούλ.

Χαρακτηριστικά Πάρκου : Εμβαδό 30 × 50 m.

Αριθμός Δέντρων : 39 Δέντρα.

Συλλογή δεδομένων μέσω mobile LiDAR και συλλογή πεδίου

Οι μετρήσεις με το Mobile LiDAR και οι μετρήσεις πεδίου έγιναν με μια μέρα διαφορά. Στη συνέχεια έγινε σύγκριση των δύο διαφορετικών μετρήσεων. Στην παρούσα μελέτη, τα δένδρα με στηθαία διάμετρο μικρότερη από 5 cm εξαιρέθηκαν από την ανάλυση, με αποτέλεσμα να αποκλειστούν 8 δέντρα. Ως αποτέλεσμα αυτού, μετρήθηκαν 15 και 39 δέντρα κατά μήκος του δρόμου και στο πάρκο, αντίστοιχα.

Προεπεξεργασία δεδομένων του Mobile LiDAR Βήματα της προεπεξεργασίας :

  • Αφαίρεση θορύβου με χρήση φίλτρου , εφαρμογή ακτίνα κύκλου από 0.3 εώς 1.0.
  • Ταξινόμηση Εδάφους με χρήση φίλτρου.
  • Τα δεδομένα καταγράφθηκαν ξεχωριστά για κάθε δέντρο και αντιστοιχίστηκαν στο καθένα ξεχωριστά.

Υπολογισμός Υψών

Το ύψος πάνω από το έδαφος υπολογίστηκε αφαιρώντας την τιμή ύψους του υψηλότερου σημείου της κόμης του δέντρου από την τιμή ύψους της επιφάνειας του εδάφους. Υπολογισμός Στηθαίας Διαμέτρου Στην μελέτη, η στηθαία διάμετρος υπολογίστηκε για κάθε δέντρο με βάση δεδομένα LiDAR για σημεία 1,19-1,21 m πάνω από το έδαφος. Τα δεδομένα κινητού LiDAR που χρησιμοποιήθηκαν σε αυτή τη μελέτη παρείχαν ατελείς πληροφορίες για τους κορμούς των δένδρων επειδή δεν μπορούσε να επιτευχθεί πλήρης κάλυψη σημείων για ορισμένους κορμούς δέντρων. Χρειάστηκε λοιπόν μια μέθοδος που θα μπορούσε να χρησιμοποιήσει τα ελλιπή δεδομένα για να εξαγάγει τις πληροφορίες που λείπουν. Η μέθοδος που επιλέχθηκε για να γίνει αυτό ήταν μια μέθοδος τοποθέτησης κύκλου ελαχίστων τετραγώνων.

Στατιστική Ανάλυση

Διεξήχθη στατιστική ανάλυση για την αξιολόγηση της ακρίβειας του ύψους των δένδρων και των τιμών στηθαίας διαμέτρου που λήφθηκαν με χρήση του LiDAR. Η ακρίβεια των αποτελεσμάτων επαληθεύτηκε με τον υπολογισμό του συντελεστή συσχέτισης (R2) και του μέσου τετραγωνικού σφάλματος ρίζας (RMSE). Όσο υψηλότερο είναι το R2 και όσο χαμηλότερο είναι το RMSE, τόσο μεγαλύτερη είναι η ακρίβεια. Το R2 και το RMSE υπολογίστηκαν για κάθε θέση μελέτης και υπολογίστηκαν τόσο για τη στηθαία διάμετρο όσο και για το ύψος των δένδρων.

Αποτελέσματα

Συλλογή Δεδομένων

Λήφθηκε μικρότερος αριθμός σημείων στις κορυφές των δέντρων σε σύγκριση με έδαφος. Αυτό συμβαίνει επειδή το κινητό LiDAR έχει χαμηλό κατακόρυφο οπτικό πεδίο (FOV) 30 και τα λέιζερ που χρησιμοποιούνται στο LiDAR παρεμποδίστηκαν από τις κόμες των γειτονικών δέντρων. Υπολογισμός Υψών Για να εκτιμηθεί η ακρίβεια των υψών των δένδρων έγινε σύγκριση των τιμών πεδίου και LiDAR. Κατά μήκος του δρόμου, η μέση διαφορά εκτιμώμενων υψών ήταν 0,24 μ. Και το μέγιστο σφάλμα ήταν 0,8 μ. Στο πάρκο, η μέση διαφορά μεταξύ του πραγματικού και του εκτιμώμενου ύψους ήταν 0,4 m και το μέγιστο σφάλμα ήταν 1 m. Τα σφάλματα ήταν επομένως ελαφρώς υψηλότερα για τα δέντρα στο πάρκο παρά για τα δέντρα κατά μήκος του δρόμου. Στατιστική Ανάλυση Για να εκτιμηθεί η ακρίβεια των εκτιμώμενων τιμών LiDAR , αυτές συγκρίθηκαν με τις αντίστοιχες μετρημένες τιμές πεδίου. Τα σφάλματα ήταν πολύ υψηλότερα για τα δέντρα στο πάρκο παρά για τα δέντρα κατά μήκος του δρόμου.

Συμπεράσματα

Οι προκύπτουσες μετρήσεις υψών των δέντρων ήταν αρκετά ακριβείς, αν και ελαφρώς παρεκκλίνουν, ενώ οι μετρήσεις στηθαίας διαμέτρου έδειξαν ελαφρώς μεγαλύτερα σφάλματα. Η δυσκολία που σχετίζεται με τη σάρωση των δένδρων που χρησιμοποιούν το LiDAR είναι ο λόγος για την υποεκτίμηση του ύψους, ενώ η έλλειψη πλήρους κάλυψης δεδομένων γύρω από τον κορμό και τα ακανόνιστα σχήματα κορμού προκάλεσε το σφάλμα εκτίμησης της στηθαίας διαμέτρου. Οι διαφορές μεταξύ των μετρήσεων πεδίου και των εκτιμώμενων τιμών μέσω LiDAR ήταν υψηλότερες για τα δέντρα του πάρκου παρά για τα δέντρα του δρόμου.

Με σκοπό την επίτευξη ακριβέστερων δεδομένων πρέπει:

  • Nα βελτιστοποιηθεί η διαδρομή που πραγματοποιείται μέσω της περιοχής για τη σάρωση των δένδρων, ώστε να εξασφαλιστεί η πλήρης κάλυψη σημείων δεδομένων για κάθε δέντρο.
  • Να απαιτείται μια μέθοδος υπολογισμού της στηθαίας διαμέτρου με υψηλή ακρίβεια για ακανόνιστα σχήματα κορμού.
  • Να δημιουργηθεί ένα σύνολο δεδομένων για μια ευρεία περιοχή και η κατασκευή ενός αποθέματος σε επίπεδο πόλης.
  • Η ποιότητα των δεδομένων (όπως η πυκνότητα σημείων και η ακρίβεια) όταν η μέθοδος που χρησιμοποιείται σε αυτή τη μελέτη είναι κλιμακωτή θα συνεχίζει να δημιουργηθεί ανακρίβειες.
  • Η σάρωση μιας μεγάλης περιοχής θα απαιτήσει αύξηση της ταχύτητας με την οποία ο κινητός εξοπλισμός LiDAR θα μετακινείται γύρω από την περιοχή ενδιαφέροντος, η οποία με τη σειρά της θα οδηγήσει σε μείωση της πυκνότητας σημείου δεδομένων.
Προσωπικά εργαλεία