Detekcja drzew z wykorzystaniem lotniczego skanowania laserowego

Transkrypt

1 Instytut Badawczy Leśnictwa Detekcja drzew z wykorzystaniem lotniczego skanowania laserowego Bartłomiej Kraszewski, Krzysztof Stereńczak, Żaneta Piasecka, Miłosz Mielcarek Zakład Zarządzania Zasobami Leśnymi Instytut Badawczy Leśnictwa I Konferencja Naukowa pt.: Aktualny stan Puszczy Białowieskiej na podstawie wstępnych wyników projektu Life+ ForBioSensing, Białowieża r..

2 Plan prezentacji PLAN PREZENTACJI 1. Wprowadzenie do problematyki 2. Metodyka detekcji drzew 3. Integracja z innymi danymi teledetekcyjnymi 4. Wyniki 5. Przyszłość 6. Podsumowanie

3 Wprowadzenie do problematyki Z ziemi łatwo policzyć

4 Wprowadzenie do problematyki Z tej perspektywy widać inaczej

5 Wprowadzenie do problematyki LiDAR = automatyzacja

6 Wprowadzenie do problematyki Wysokościowy Model Koron

7 Wprowadzenie do problematyki Detekcja pojedynczych drzew

8 Metodyka detekcji drzew Segmentacja drzew algorytm Pouring różne parametry filtracji WMK zależne od wysokości drzew prowadzona w wydzieleniach / poligonach filtracja na podstawie kształtu i wysokości proces w pełni automatyczny zapis wyników do bazy przetwarzanie wielowątkowe Źródło: Rozbudowane rozwiązanie (Stereńczak, 2013)

9 Metodyka detekcji drzew Segmentacja drzew Wysokościowy Model Koron (WMK) Filtracja dla <h1 Segmentacja Ekstrakcja wysokości dla segmentów z WMK Wybór segmentów po wysokości Segmenty o wysokości <= h1 Segmenty o wysokości > h1 i <= h2 Segmenty o wysokości > h2 Wycięcie WMK dla segmentów Filtracja WMK Złączenie segmentów Segmentacja

10 Metodyka detekcji drzew Segmentacja drzew trzy poziomy wysokości = trzy zestawy parametrów h2 h1 Źródłowy WMK < h1 h1 h2 > h2

11 Metodyka detekcji drzew Segmentacja drzew filtracja kształtu segmentów Promień korony Pokrycie granicy między segmentami Kształt segmentu Wysokość punktów w segmencie Luki

12 Metodyka detekcji drzew Atrybuty drzew Wysokość maksymalna Wysokość minimalna Powierzchnia korony Objętość korony Rodzaj drzewa Miąższość

13 Metodyka detekcji drzew

14 Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Zobrazowanie CIR

15 Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Klasyfikacja martwe iglaste liściaste

16 Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Analiza pokrycia martwe iglaste liściaste

17 Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Czy martwe? Odległość + procent pokrycia Analiza pokrycia 20% 41% Jak nie martwe 39% Iglaste czy liściaste? Procent pokrycia

18 Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Klasyfikacja segmentów martwe iglaste liściaste

19 Integracja z innymi danymi teledetekcyjnymi Wyniki integracji Martwe drzewa Rodzaj drzew

20 Wyniki W procesie segmentacji wyznaczono: 326 tys. drzew martwych tys. drzew iglastych tys. drzew liściastych Razem 19.8 mln drzew Liczba drzew 0e+00 1e+05 2e+05 3e+05 4e+05 5e Wysokość [m]

21 Wyniki

22 Przyszłość GATUNKI ANALIZA CHMURY PUNKTÓW DLA POJEDYNCZYCH DRZEW

23 Podsumowanie Automatyczne metody detekcji drzew umożliwiają opracowanie dowolnego obszaru, Skuteczność metody wynosi ok. 75% i uzależniona jest od typu analizowanego drzewostanu, Automatyczna optymalizacja dobory parametrów pozwala na wybór najlepszych ustawień algorytmu,

24 Podsumowanie Zastosowanie wieloetapowej segmentacji i korekcji segmentów pozwala na uzyskanie lepszych wyników, Integrując dane z różnych źródeł uzyskujemy dodatkowe informacje, Segmenty reprezentujące pojedyncze drzewa mogą zostać wykorzystane do wybiórczej analizy danych źródłowych.

25 Tytuł slajdu Dziękuję za uwagę finansowego Unii Europejskiej LIFE + oraz ze środków Narodowego Funduszu Ochrony Środowiska i Gospodarki Wodnej (NFOŚiGW), nr umowy: LIFE13 ENV/PL/000048; nr umowy NFOŚiGW :485/2014/WN10/OP-NM-LF/D