Szacowanie biomasy leśnej za pomocą teledetekcji i modelowania. Eberswaldzka Seria Leśna Tom 56

Transkrypt

1 Eberswaldzka Seria Leśna Tom 56 Szacowanie biomasy leśnej za pomocą teledetekcji i modelowania Wyniki projektu ForseenPOMERANIA zrealizowanego w ramach współpracy polsko-niemieckiej

2 Stopka książki Wydawca: Redakcja: Fotografie Okładka: Wewnętrzna strona okładki: Landesbetrieb Forst Brandenburg Landeskompetenzzentrum Forst Eberswalde (LFE) Leśne Centrum Kompetencyjne Eberswalde Alfred-Möller-Straße 1 D Eberswalde Telefon: / Fax: / lfe@lfe-e.brandenburg.de Internet: Jens Schröder, LFE od autorów poszczególnych rozdziałów, chyba że zaznaczono inaczej mapa wykonana przez Martina Fimiarz, Berlin Sławomir Sułkowski, Poznań Skład:: Petra Lindemann P.L.us Kommunikation & Werbung Druk: Ruksaldruck, Berlin Nakład : 500 egzemplarzy Projekt ForseenPOMERANIA został dofinansowany przez Unię Europejską ze środków Europejskiego Funduszu Rozwoju Regionalnego (EFRR) w ramach programu INTERREG IV A pod hasłem Gemeinsame Region Gemeinsame Ziele / Wspólny Region Wspólne Cele. Eberswalde, lipiec

3 2 Metody i wyniki 2.1 Szacowanie biomasy na podstawie różnych systemów teledetekcyjnych Naziemny skaning laserowy Paweł Strzeliński, Sławomir Sułkowski Wstęp Aktualna i kompleksowa charakterystyka ekosystemów leśnych, ze szczegółowymi danymi biometrycznymi drzewostanów, z ich stanem zdrowotnym oraz walorami przyrodniczymi to w obecnych czasach podstawy realizacji założeń zrównoważonej gospodarki leśnej. W celu dokładnego opisu drzewostanów wykorzystuje się różne sposoby inwentaryzacji lasu od klasycznych metod urządzeniowych, poprzez wielkoobszarowe do metod teledetekcyjnych włącznie. Jednym z najważniejszych elementów tych prac jest pozyskanie dokładnych danych pomiarowych, niezbędnych do precyzyjnego oszacowania biomasy drzew i drzewostanów oraz ilości i jakości surowca drzewnego. Obecnie, prace inwentaryzacyjne zasobów leśnych, polegają głównie na tradycyjnych pomiarach terenowych, do których wykorzystuje się podstawowe urządzenia takie, jak taśma miernicza, średnicomierz i wysokościomierz. Jednak w ostatnich dwudziestu latach coraz powszechniej w urządzaniu lasu wykorzystuje się nowoczesne technologie geoinformacyjne. Jedną z nich jest skaning laserowy, który dzięki wysokiej wydajności pracy oraz dokładności pomiaru jest coraz częściej stosowany także w leśnictwie. Skaning laserowy, określany również jako LiDAR (ang. Light Detection And Ranging), zaliczany jest do metod teledetekcyjnych, cechujących się pozyskiwaniem informacji o wysokiej rozdzielczości. LiDAR dzięki wykorzystywaniu wiązki laserowej z zakresu bliskiej podczerwieni może pozyskiwać dane w każdych warunkach świetlnych, nawet w nocy. Skaning laserowy ze względu na pułap, z jakiego jest wykonywany dzieli się na skaning satelitarny, lotniczy oraz naziemny. W leśnictwie początkowo zastosowanie znalazł lotniczy skaning laserowy (ang. Airborne Laser Scanning ALS), natomiast w ostatnich latach szybko rozwija się metoda pozyskiwania informacji taksacyjnych drzew za pomocą naziemnego skaningu laserowego (ang. Terrestrial Laser Scanning TLS). Technologie lidarowe, pozwalające na zobrazowanie skanowanego obszaru w postaci trójwymiarowej chmury punktów, dają m.in. możliwość analizy różnych cech taksacyjnych, zarówno poszczególnych drzew jak i struktury całych drzewostanów. Interpretacja danych pod kątem cech taksacyjnych może dotyczyć lokalizacji drzew w przestrzeni, wymiarowania koron i pni oraz ich fragmentów. Oczywiście dużo większą dokładność można uzyskać stosując technologię naziemnego skaningu laserowego. Jednak jej ograniczenia, wynikające z kosztów zakupu sprzętu, a przede wszystkim braku odpowiedniego oprogramowania do automatycznych analiz, powodują że naziemny skaning laserowy jest w leśnictwie ciągle w fazie badań i testów. Natomiast doświadczenia zgromadzone w trakcie licznych projektów badawczych realizowanych przez pracowników Katedry Urządzania Lasu z Uniwersytetu Przyrodniczego w Poznaniu dowodzą, że duży potencjał tkwiący w technologii skaningu naziemnego, może być m.in. bardzo cennym uzupełnieniem danych pozyskiwanych innymi technikami fotogrametrycznymi. W niniejszym opracowaniu przedstawiono możliwości wykorzystania metod teledetekcyjnych do zautomatyzowanego szacowania nadziemnej biomasy drzew i drzewostanów, poprzez zastosowanie algorytmów do analizy i przetwarzania trójwymiarowej chmury punktów, pozyskanej technologią naziemnego skaningu laserowego. Do analiz danych lidarowych wykorzystano m.in. oprogramowanie tscan, które jest własnością Instytutu Badawczego Leśnictwa, a na mocy umowy z Wydziałem Leśnym Uniwersytetu Przyrodniczego w Poznaniu zostało udostępnione dla celów edukacyjnych oraz realizacji prac badawczo-naukowych. 15

4 2 Metody i wyniki Cel i zakres opracowania Celem niniejszego opracowania było oszacowanie za pomocą technologii naziemnego skaningu laserowego podstawowych cech biometrycznych powierzchni badawczych oraz pojedynczych drzew modelowych sosny zwyczajnej (Pinus sylvestris L.) w drzewostanach o różnym stopniu zagęszczenia. Prace terenowe, polegające na wykonaniu zobrazowań za pomocą naziemnego skanera laserowego, przeprowadzono na wszystkich powierzchniach badawczych, wytypowanych do pozyskania drzew modelowych. Powierzchnie badawcze zlokalizowane były na terenie obrębu Dominikowo w Nadleśnictwie Drawno (RDLP w Szczecinie). Do pozyskania danych w terenie wykorzystano dwa naziemne skanery laserowe FARO LS 880 (którym skanowano w roku 2011) oraz FARO Focus 3D (którym skanowano w latach ). Po zeskanowaniu stojących drzew modelowych i przetworzeniu otrzymanych chmur punktów 3D, dokonano na nich pomiarów podstawowych parametrów tych drzew w celu oszacowania ich biomasy nadziemnej. Wyniki uzyskane na podstawie pomiarów w programach FARO Scene, Auto oraz tscan (od roku 2012) porównano między sobą, a następnie z pomiarami tradycyjnymi, które traktowane były jako dane referencyjne. Oprócz drzew modelowych skanowano także centralne części powierzchni badawczych, dzięki czemu zgromadzono informacje pozwalające na oszacowanie ich podstawowych cech biometrycznych. Prace prowadzono na powierzchniach badawczych położonych na terenie Nadleśnictwa Drawno (Regionalna Dyrekcja Lasów Państwowych w Szczecinie). Łącznie, na 10 powierzchniach wykonano skaning 100 drzew modelowych (po 10 drzew modelowych na 5 powierzchniach w III i 5 powierzchniach w V klasie wieku) oraz skaning środków tych powierzchni. Wszystkie badane powierzchnie były litymi drzewostanami sosnowymi (Pinus sylvestris L.). Prace kameralne obejmowały obróbkę pozyskanych danych i dokonanie pomiarów w specjalistycznym oprogramowaniu: FARO Scene v. 5.0 ( Auto ( oraz tscan ( Przegląd literatury } Wykorzystanie naziemnego skanera laserowego Wprowadzenie do użytku naziemnego skaningu laserowego przyniosło ze sobą możliwość wykonywania złożonych analiz i opracowań, nieosiągalnych dla dotychczasowych technik pomiarowych. Dzięki skanowaniu laserowemu w niezwykle szybki sposób otrzymujemy ogromną ilość danych na podstawie których możemy tworzyć dowolną ilość widoków, rzutów i przekrojów oraz dokonywać pomiarów dla dowolnych partii zarejestrowanej chmury punktów (MITKA 2007). Zakres zastosowania naziemnego skanera laserowego jest bardzo szeroki i wraz z popularyzacją tej technologii pomiarowej pojawiają się nowe dyscypliny, w których jest on wykorzystywany. Zastosowanie naziemnego skaningu laserowego obejmuje obecnie wiele dziedzin naszego życia. TLS znajduje zastosowanie m.in. w (MITKA 2007; PILECKI 2012): architekturze i inżynierii budowlanej, ochronie zabytków, kontroli jakości i inżynierii wstecznej, inwentaryzacji przemysłowej, dokumentowaniu obiektów archeologicznych, dokumentowaniu miejsc przestępstwa lub wypadków drogowych, górnictwie, badaniach środowiska (także w leśnictwie), tworzeniu wirtualnych wycieczek, oraz wielu innych. W Polsce po raz pierwszy w leśnictwie na szerszą skalę naziemny skaning laserowy zastosowany został w projekcie badawczym pt. Opracowanie metody inwentaryzacji lasu opartej na integracji danych pozyskiwanych różnymi technikami geomatycznymi (OLENDEREK 2010). Projekt ten był realizowany w latach przez Wydział Leśny SGGW w Warszawie na zlecenie Generalnej Dyrekcji Lasów Państwowych. Celem projektu było, opracowania obrębowej metody pomiaru lasu dla potrzeb planowania okresowego z wykorzystaniem technik geomatycznych (m.in. naziemnego skaningu laserowego). 16

5 Metody i wyniki 2 Trwające już około dekady badania nad wykorzystaniem TLS w leśnictwie pozwalają na wskazanie pewnych potencjalnych zastosowań. Za główny kierunek należy uznać wykorzystanie tej technologii przy określaniu cech pojedynczych drzew na powierzchniach próbnych (ZAWIŁA-NIE- DŹWIECKI et al. 2006, CHIRREK et al. 2007): cechy taksacyjne wykorzystywane w inwentaryzacji lasu: pierśnica, wysokość drzew, długość i szerokość korony, zwarcie koron, gatunek, długość pnia bez gałęzi, zagęszczenie drzew na 1ha, cechy taksacyjne wykorzystywane w pracach badawczych: zbieżystość pnia, grubość na różnych wysokościach, indeks powierzchni liściowej, defoliacja korony, usytuowanie pnia w przestrzeni trójwymiarowej, kąt nasady gałęzi, pionowy profil zmienności biomasy. W oparciu o dane pozyskane technologią naziemnego skaningu laserowego mogą być określane cechy pochodne takie jak pierśnicowe pole przekroju, miąższości drzew i drzewostanów. W chwili obecnej skaning laserowy to nie tylko pomiar cech biometrycznych drzew, analiza chmury punktów pozwala również na zdalne określanie sortymentów dla drzew i drzewostanów. Potencjalne informacje uzyskane w wyniku użycia skanera laserowego pozwalają na zdecydowanie dokładniejsze określenie cech drzew i analizę struktury lasu, niż pomiary naziemne prowadzone technikami tradycyjnymi (STRZELIŃSKI 2010). Zastosowanie skaningu laserowego w leśnictwie nie ogranicza się tylko do pomiarów związanych z drzewostanem. Technologia ta pozwala również na inwentaryzację pomników przyrody oraz wizualizację 3D na potrzeby promocji leśnictwa i ochrony przyrody. } Charakterystyka naziemnego skanera laserowego Wzrost zapotrzebowania na dokładne i szybkie systemy pomiarowe, był bodźcem do powstania pod koniec lat dziewięćdziesiątych dwudziestego wieku pierwszych naziemnych skanerów laserowych. Od czasu wdrożenia tej technologii mamy do czynienia z coraz większym zróżnicowaniem produkowanych urządzeń i pojawianiem się na rynku coraz większej liczby producentów wśród których wymienić warto następujące firmy: FARO, Optech, Leica, 3rdTech, Riegel, Callidus, Sick, Trimble, Topcon, Zoller&Fröchlich, Surphaser, Konica Minolta, Cyrax (STRZELIŃSKI 2010, WĘŻYK 2010). Podstawowy podział, z jakim spotkać się można w przypadku skanerów naziemnych to podział ze względu na technologię pomiaru odległości. W podziale tym, w przypadku skanerów naziemnych wyróżnia trzy grupy: skanery pulsacyjne, fazowe i triangulacyjne. Drugim jest podział w zależności od maksymalnego zasięgu skanowania: skanery bardzo krótkiego zasięgu (do 1 m), skanery krótkiego zasięgu (do 100 m), skanery średniego zasięgu (do 1000 m), skanery dalekiego zasięgu (powyżej 1000 m). Poza tymi podziałami istnieje jeszcze wiele innych związanych m.in. z kryterium pola skanowania, rozdzielczością przestrzenną, prędkością skanowania, zakresem spektralnym skanera oraz sposobami rejestracji koloru. Duże zróżnicowanie naziemnych skanerów laserowych sprawia, że nie wszystkie są przydatne w leśnictwie. Ze względu na warunki pomiarów w terenach leśnych wymaga się, aby instrument cechował się możliwością rejestracji jak najszerszego kąta poziomego i pionowego a maksymalny zasięg wynosił nie mniej, niż 20 m. Kolejnym istotnym parametrem każdego skanera jest szybkość jego pracy. Aktualnie najszybsze instrumenty skanują w tempie około 1 mln pkt/s. Równie ważnym parametrem jest rozdzielczość skanerów. W przypadku skanowania drzew odpowiednie są urządzenia o rozdzielczości lepszej niż minimalna dokładność pomiaru wynosząca 10 mm (BIE- NERT et al. 2006, STRZELIŃSKI 2010). Pozyskiwanie danych } Metody wykonywania skanów i wstępna obróbka danych Wyróżnia się dwie podstawowe techniki przeprowadzania pomiarów naziemnym skanerem laserowym w obszarach leśnych (THIES i SPIECKER 2004), skany pojedyncze (tzw. single scan ) oraz 17

6 2 Metody i wyniki skany wielokrotne (tzw. multiple scan ). Metoda single scan polega na usytuowaniu skanera w centralnym punkcie powierzchni (najczęściej kołowej), z którego wykonuje się pojedyncze zobrazowanie. Jest to względnie szybka metoda pozyskania danych, ponieważ m. in. nie wymaga stosowania kul referencyjnych lub innych znaczników niezbędnych do połączenia większej liczby skanów. Ma jednak spore ograniczenia, ponieważ drzewa obrazowane są tylko z jednej strony, a ze wzrostem odległości od skanera zmniejsza się widoczność ze względu na wzajemne przesłanianie się drzew (ZASADA et al. 2013). Znacznie dokładniejszą metodą, pozwalającą na rejestrację większej liczby drzew oraz ich pełnych modeli 3D jest tryb multiple scan. W tym trybie skanowanie odbywa się z co najmniej trzech pozycji usytuowanych wokół centralnego miejsca powierzchni kołowej lub np. obrazowanego drzewa modelowego. Wadą tej metody jest znacznie dłuższy czas pozyskiwania danych, wymagający dokładnego rozplanowania poszczególnych stanowisk skanera oraz ustawienia kul lub innych elementów referencyjnych (ASCHOFF et al. 2004a, 2004b, THIES i SPIECKER 2004, BIENERT et al. 2006, WĘŻYK 2010). } Metody analizy Coraz większą popularność w analizie danych lidarowych odgrywają metody automatycznej identyfikacji drzew na chmurze punktów. Metody te mogą być stosowane zarówno w przypadku skanowania wykonanego z kilku punktów (co umożliwia m.in. charakterystykę pnia na całym jego obwodzie) oraz w sytuacji skaningu z jednego punktu, wówczas otrzymujemy ok. 160 przekroju poprzecznego obiektu (SIMONSE et al. 2003, HOPKINSON et al. 2004, BIENERT et al. 2006, ZASADA et al. 2013). Jedna z najbardziej popularnych metod automatycznych polega na wykorzystaniu transformacji dwuwymiarowej HOUGH a oraz wpasowaniu okręgów bądź łuków w skupiska punktów. W przypadku gdy promień łuku bądź wpisanego okręgu jest większy od najmniejszej wartości granicznej oraz gdy odchylenie standardowe σ odległości od łuku bądź okręgu jest mniejsze niż ustalona wartość maksymalna σmax, wówczas skupienie punktów określa się jako drzewo. Współrzędne drzewa określone są przez środek okręgu (SIMONSE et al. 2003, ASCHOFF et al. 2004a, HOPKINSON et al. 2004, BIENERT et al. 2006, ZAWIŁA-NIEDŹWIECKI et al. 2006, CHMIE- LEWSKI et al. 2010). PFEIFER i WINTERLANDER (2004) opracowali inną metodę automatycznego identyfikowania drzewa w oparciu o trójwymiarową chmurę punktów. W metodzie tej dopasowuje się kolejne walce do pnia poprzez estymację, zrealizowaną metodą nieliniową najmniejszych kwadratów. } Pomiar grubości drzew Analiza danych pozyskanych naziemnym skanerem laserowym pozwala na określenie grubości drzewa nie tylko na wysokości pierśnicy, ale również na dowolnej wysokości pnia. Wykorzystując oprogramowanie komputerowe dołączone do skanera możemy dokonać pomiaru grubości na obrazie intensywności odbicia (SIMONSE et al. 2003). Według tych samych autorów pomiar pierśnicy metodą automatyczną może bazować na algorytmach używanych do rozpoznawania drzew dzięki wpasowywaniu okręgów. HOPKIN- SON et al. (2004) przedstawiają metodę opierającą się na dopasowywaniu walca w wycinek punktów wydzielony spomiędzy dwóch przekrojów pnia (powyżej oraz poniżej pierśnicy). Posiadanie informacji o średnicy pnia na różnych wysokościach, pozwala dokładnie wyznaczyć miąższość drzew i utworzyć podłużny model kształtu (ZAWIŁA-NIE- DŹWIECKI et al. 2006). } Pomiar wysokości drzew Wyznaczanie wysokości drzew na podstawie danych pozyskanych naziemnym skaningiem laserowym polega na określeniu różnicy wysokości pomiędzy punktem położonym najwyżej spośród chmury punktów przedstawiających drzewo a numerycznym modelem terenu (BIENERT et al. 2006). Wynik pomiaru wysokości drzewa z zastosowaniem skaningu laserowego może być obarczony błędem wynikającym z tego, że wierzchołek drzewa nie zawsze jest wyznaczony przez najwyższy punkt z chmury oraz z faktu, że teren na którym znajduje się drzewo może utrudniać właściwy odczyt usytuowania podstawy pnia. Ponadto wysokość drzew w gęstych drzewostanach jest trudna do bezpośredniego zmierze- 18

7 Metody i wyniki 2 nia za pomocą skanera laserowego. Wówczas wysokość wyznaczana jest przy pomocy modeli zbieżystości. Dokładność uzyskanych wyników Brak jest obecnie metody pozwalającej na bezbłędne określenie cech biometrycznych drzewostanu. Jednak wykorzystując naziemny skaning laserowy jesteśmy w stanie w znacznym stopniu wyeliminować błąd pomiaru. Czynnikami decydującymi o precyzji pomiarów skanerem laserowym są: skład gatunkowy, struktura przestrzenna drzewostanu oraz specyfikacja techniczna instrumentu. Przeprowadzone badania dowiodły, że wykorzystanie TLS jest najefektywniejsze w drzewostanach o prostej strukturze (HOPKINSON et al. 2004, THIES i SPIECKER 2004, FLECK et al. 2007). W drzewostanach o złożonej budowie występują następujące problemy w zbieraniu danych (FLECK et al. 2007): geometria niektórych skanerów powoduje brak dostępu do okapu drzewostanu, co generuje błędy pomiarowe w szczególności przy skanowaniu obiektu z dalszej odległości, brak regularnych kształtów głównie starszych drzew jest powodem błędów wśród pozyskanych danych, oraz komplikuje wykorzystanie algorytmów do pomiarów półautomatycznych i automatycznych, przesłanianie nawzajem koron w znaczącym stopniu ogranicza pozyskiwanie danych z górnych partii drzewostanu. } Dokładność identyfikacji drzew Budowa przestrzenna drzewostanu oraz skład gatunkowy to czynniki determinujące dokładność pomiaru. THIES i SPIECKER (2004) przeprowadzając badania w mieszanym drzewostanie charakteryzującym się wielopiętrową strukturą pionową, usytuowanym na stromym stoku. Wykonując skaning z jednej pozycji zidentyfikowano 22 % drzew, natomiast z wielu pozycji dokładność wyniosła 52 %. Pomimo niskiego poziomu identyfikacji drzew, uzyskano wysoką dokładność przy określaniu współrzędnych drzew. W innych badaniach poprawnie określono % drzew (HOP- KINSON et al. 2004). Odmienne wyniki uzyskano w wyniku przeprowadzonych prac badawczych w Saksonii na siedlisku lasu mieszanego, gdzie wykazano, że przy użyciu naziemnego skaningu laserowego, wykonując skaning z dwóch jak i z trzech pozycji, zidentyfikowano poprawnie wszystkie drzewa. W przypadku wykonywania skaningu z jednego miejsca otrzymano dokładność identyfikacji drzew na poziomie od 87 do 100 % (BIENERT et al. 2006). Dokładniejsze wyniki przy użyciu skaningu laserowego uzyskuje się wg wielu autorów, stosując tę metodę w drzewostanach charakteryzujących się lepszą dostępnością oraz prostą strukturą. } Dokładność pomiaru grubości na różnych wysokościach pnia W badaniach wykonanych na terenie Saksonii, gdzie zastosowano metodę wpasowywania okręgów, uzyskano odchylenie standardowe pierśnic drzew na poziomie 0,5 cm. Różnica wyników odchyleń standardowych między pierśnicami otrzymanymi ze skanera i za pomocą średnicomierza wyniosła przeciętnie 1,5 cm. Niedokładność ta może być efektem wielkości wiązki lasera (BIENERT et al. 2006). W badaniach przeprowadzonych przez HENNIN- Ga i RADKE (2003) wykazano niewielkie różnice przy pomiarze średnicy na różnych wysokościach przetwarzając dane pozyskane naziemnym skaningiem laserowym. Wyniki pomiarów uzyskane średnicomierzem wahały się od -2,76 cm do +1,32 cm. HOPKINSON et al. (2004) wykazali w badaniach znaczącą dokładność pomiaru pierśnicy, jednocześnie nie stwierdzili trendu do zaniżania czy zawyżania wyników pomiaru. Dokonując pomiarów skanerem laserowym autorzy napotkali większe trudności z określeniem pierśnicy w jednogatunkowym drzewostanie iglastym niż w mieszanym drzewostanie liściastym o zróżnicowanej strukturze, co wydaje się być sprzecznością. W badaniach przeprowadzonych przez THIESa i SPIECKERa (2004) pomiaru pierśnicy drzew dokonano różnymi technikami. Pozyskanie danych metodą skaningu laserowego z pojedynczego miejsca wykazało największe różnice procentowe od 82,3 do 109,5 %, przeciętnie 4,1 %. Pierśnice pomierzone ręcznie, wykorzystując obraz intensywności wykazały różnice procentowe 19

8 2 Metody i wyniki o mniejszych wartościach, a mianowicie od 90 do 103,4 %, przeciętnie -3,5 %. Z kolei średnie różnice o najmniejszych wartościach zostały otrzymane za pomocą automatycznego określania pierśnic drzew z danych pozyskanych z pięciu skanów. Ww. wyniki cechują się znaczna zmiennością wynoszącą od 84,0 do 111,6 %. Błąd pomiarowy w dwóch pierwszych metodach związany jest z niedokładnymi pomiarami odległości oraz intensywności. Spowodowane jest to kolistym przekrojem poprzecznym pnia, na który skierowany jest laser. Obraz pierśnicy charakteryzuje się w 70 % niejednorodną intensywnością odbicia (THIES i SPIECKER 2004, WATT et al. 2003). Natomiast badania przeprowadzone w Polsce, na terenie Nadleśnictwa Sławno w drzewostanie wielogatunkowym wykazały, że różnica pomiaru pierśnic przy wykorzystaniu skanera FARO LS 880 a pomiarem tradycyjnym średnicomierzem wynosiła średnio 2,4 cm (WENCEL et al. 2007, ZAWIŁA-NIEDŹWIECKI et al. 2007). Kolejne prace prowadzone przez ten sam zespół na powierzchniach zlokalizowanych w litych drzewostanach bukowych wykazały średnią różnicę pomiędzy danymi odczytywanymi ze skanów a pomiarem tradycyjnym (próba 102 drzew) na poziomie 0,07 cm (przy różnicach min.: -5,80 cm i max.: 3,98 cm, co przy wartościach bezwzględnych daje średnią różnicę 1,37 cm) (STRZELIŃSKI 2008). } Dokładność pomiaru wysokości Prace badawcze BIENERTa et al. (2006) wykazały różnice wysokości w pomiarach dwóch drzew, wyniosły one 0,22 m i 1,47 m, natomiast średni błąd dla czterech drzew wyniósł 80 cm. Jednakże z ww. wyników nie wyciągnięto wniosków, ze względu na wątpliwości dotyczące dokładności informacji referencyjnych przedstawionych przez autorów. Podobne wnioski wysunęli CHIRREK et al. (2007) oraz ZAWIŁA-NIEDŹWIECKI et al. (2007) w badaniach przeprowadzonych w Nadleśnictwie Sławno. Wykazali oni przeciętną różnicę wysokości drzew wynoszącą 2,70 m. W badaniach przeprowadzonych przez THIESa i SPIECKERa (2004) wykazano że średnia wysokość określana w oparciu o dane pozyskane skanerem laserowym, była o 7 % większa od przeciętnej wysokości pomierzonej wysokościo- 20 mierzem. Wysoka wartość odchylenia standardowego wyznaczania wysokości wynoszącą 5,6 m oraz znaczne różnice wysokości w poszczególnych przypadkach drzew wynoszące od 54,6 do 190,7 % wartości rzeczywistej są przyczyną braku zastosowania tych pomiarów w inwentaryzacji lasu. Łączenie danych lidarowych z innymi danymi Metoda naziemnego skaningu laserowego jest idealnym dopełnieniem informacji uzyskanym za pośrednictwem satelitarnego lub lotniczego skaningu laserowego, które nie są w stanie uzyskać danych o wewnętrznej strukturze drzewostanu. Dzięki połączeniu uzyskanych danych ww. technikami daje nam to możliwość rozszerzenia analizy i tym samym poprawę dokładności pozyskanych informacji (ZAWIŁA-NIEDŹWIECKI et al. 2006). Aby dane lidarowe, były poprawnie połączone z geodanymi, istotne jest ich właściwe usytuowanie w przestrzeni geograficznej, dzięki zastosowaniu tego samego układu współrzędnych, np. WGS 84 (WĘŻYK 2006). Możliwości integracji danych wieloźródłowych (w tym danych z naziemnego skaningu laserowego) dotyczył m.in. projekt badawczy Opracowanie metody inwentaryzacji (OLENDEREK 2010). Il. 2: Skaner FARO LS 880, (Fot. P. Strzeliński)

9 Metody i wyniki 2 Tab. 2: Podstawowe parametry charakteryzujące FARO LS 880 Zasięg: Rozdzielczość: Błąd linowy: Moc lasera: Długość fali: 70 m 17 bit - odległość / 9 bit - intensywność ±3 mm na 25 m 20 mw 785 nm Odchylenie wiązki: 0,25 mrad (0,014 ) Średnica wiązki (na wyjściu): Pole widzenia w pionie: 3 mm Pol widzenia w poziomie: (niewidoczny jest obszar pod skanerem) Rozdzielczość pionowa: 0,009 ( pikseli 3D na 360 ) Rozdzielczość pozioma: 0,00076 ( pikseli 3D na 360 ) Maks. szybkość skanowania 250 tys. pkt/sek (pion): Czas skanowania: 1/10 ok. 1,5 min; ¼ ok. 8 min; ½ ok. 40 min.; pełna rozdzielczość ok. 1 godz. 45 min Wewnętrzny PC: Pentium III 700 MHz, 256 MB RAM, 40GB HDD; Windows XP Zapis danych: na wewnętrznym dysku twardym lub zewnętrznie przez Ethernet na PC lub laptopie Transfer danych: online w czasie skanowania przez Fast-Ethernet Opcja koloru: Nikon D70 lub Nikon D200 + obiektyw fish-eye Nikkor AF DX 10,5 mm f/2.8 G ED (UWAGA ta opcja nie była wykorzystywana w projekcie ForseenPOMERANIA) Waga zestawu 18 kg (skaner, bateria): Metodyka badań Charakterystyka wykorzystanych skanerów Do skanowania powierzchni badawczych i drzew modelowych wykorzystane zostały dwa skanery firmy FARO [ We wrześniu 2011 roku do prac terenowych wykorzystano naziemny skaner laserowy FARO LS 880 (Il. 2). Podstawowe pramatery skanera prezentuje Tab. 2. Ze względu na zastosowany w skanerze FARO LS 880 rodzaj montażu kamery cyfrowej i powstający w efekcie kolorowania chmury punktów błąd paralaksy, podczas pracy nie wykorzystywano opcji koloru. W kolejnych latach realizacji projektu (w 2012 i w 2013) wykorzystywano skaner FARO Focus 3D (Il. 3). Zmiana sprzętu do skanowania w trakcie realizacji projektu podyktowana była przede wszystkim o wiele lepszymi parametrami urządzenia, a prze to także warunkami pracy (m.in. mniejsza waga, szybszy montaż, dotykowy wyświetlacz, wbudowana kamera, szybsze kopiowanie danych). Np. dotykowy wyświetlacz wbudowany w korpus skanera FARO Focus 3D umożliwia szybką zmianę parametrów jego pracy, natomiast cyfrowa kamera RGB pozwala tworzyć fotorealistyczne i jednocześnie fotogrametryczne chmury punktów. Szczegółowa charakterystyka skanera FARO Focus 3D jest zestawiona w Tab. 3. Ze względu na wagę skanera FARO LS 880 (14,5 kg) oraz akumulatora (3,5 kg) konieczne było wykorzystywanie stabilnego statywu, co podnosiło ciężar zestawu do 21,5 kg. W przypadku o wiele lżejszego skanera FARO Focus 3D możliwe 21

10 2 Metody i wyniki Tab. 3: Podstawowe parametry charakteryzujące FARO Focus 3D Zasięg: 120 m Błąd linowy: ±2 mm na 25 m Moc lasera: 20 mw Długość fali: 905 nm Odchylenie wiązki: 0,16 mrad (0,009 ) Średnica wiązki (na wyjściu): 3,8 mm Pole widzenia w pionie: 305 (niewidoczny jest obszar pod skanerem) Pol widzenia w poziomie: 360 Rozdzielczość pionowa: 0,009 ( pikseli 3D na 360 ) Rozdzielczość pozioma: 0,00076 ( pikseli 3D na 360 ) Maks. szybkość skanowania (pion): 976 tys. pkt/sek Czas skanowania: 1/10 ok. 1,5 min; ¼ ok. 8 min; ½ ok. 40 min.; pełna rozdzielczość ok. 1 godz. 45 min Zapis danych: na kartach pamięci SD, SDHC, SDXC (do 32 GB) Transfer danych: online w czasie skanowania przez WiFi Opcja koloru: wbudowana kamera RGB, 84 zdjęcia składające się na obraz do 70 MP Waga zestawu (skaner, bateria): 5,0 kg było stosowanie lżejszego statywu o wadze ok. 1,5 kg, dzięki czemu cały zestaw waży 6,5 kg. W przypadku obydwóch skanerów wykorzystywano zestaw pięciu kul referencyjnych o standardowej średnicy 200 mm, które mocowano na tyczkach geodezyjnych. Prace terenowe Il. 3: Skaner FARO Focus 3D, (Fot. P. Strzeliński) 22 } Skanowanie drzew modelowych Zasadniczym celem prac terenowych było zeskanowanie drzew modelowych. Na każdej powierzchni wykonywano skaning 10 drzew modelowych. Pierwszymi czynnościami, jakie wykonano przed przystąpieniem do skanowania były prace przygotowawcze polegające na skonfigurowaniu oprogramowania FARO Scene w celu

11 Metody i wyniki 2 odpowiedniego łączenia się z instrumentem i przyporządkowywaniu właściwych nazw plikom. Zastosowano podstawową konfigurację rozdzielczości tj. ¼ pełnych możliwości urządzenia. Takie ustawienie rozdzielczości pozwala na zebranie ok. 50 mln punktów z jednego stanowiska pomiarowego w ciągu ok. 8 min. (użycie pełnej rozdzielczości wymaga ok. 1 godz. i 56 min). W celu jak najlepszego zobrazowania drzew modelowych zdecydowano się na pobieranie danych z trzech pozycji skanera. Il. 5: Skaner z kulami referencyjnymi przygotowany do skanowania drzewa modelowego o numerze 164 (Fot. P. Strzeliński) Il. 4: Schemat rozmieszczenia skanera oraz kul referencyjnych na stanowisku pomiarowym (PROCYK 2008, zmienione) Punkty pomiarowe rozmieszczone były od siebie w odległości od 10 do 15 m. Przyjęto założenie, że z miejsc skanowania powinno być dobrze widoczne drzewo modelowe. Kolejnym etapem było rozmieszczenie pięciu kul referencyjnych, w taki sposób, aby z każdej z trzech pozycji skanera była widoczna każda kula oraz aby nie przysłaniała pozostałych lub skanowanego drzewa (Il. 4). Program FARO Scene do prawidłowego połączenia skanów w chmurę punktów wymaga, aby co najmniej trzy te same kule były widoczne na każdym skanie. Po złożeniu elementów zestawu, ustawiano oraz spoziomowano skaner nad miejscem pomiarowym i rozpoczynano skanowanie drzewa modelowego (Il. 5). Podczas skanowania oddalano się od urządzenia na bezpieczną dla oczu odległość, która przy rozdzielczości ¼ dla skanera FARO LS 880 wynosi ok. 9,5 m. Ważne było również, a by w czasie skanowania nie znajdować się pomiędzy skanerem a skanowanych obiektem, gdyż może to powodować zniekształcenia pozyskiwanych danych. Po wykonaniu skanowania przenoszono urządzenie do kolejnych punktów pomiarowych. Pozyskane dane w trakcie skanowania zapisywane były w pamięci skanera, natomiast po zakończeniu pracy na danym stanowisku kopiowano je na podłączony do skanera notebook, w którym następnie sprawdzano poprawność wykonanych skanów. Procedura ta dotyczyła tylko skanera FARO LS 880, który raz na kilkadziesiąt skanów generował błędny obraz, będący wynikiem przesunięcia głowicy (Il. 6). W przypadku zaistnienia takiej sytuacji skanowany obszar nie był poprawnie zarejestrowany, co można było zauważyć dopiero po wczytaniu obrazu intensywności chmury punktów. W porównaniu do zwyczajowo stosowanych procedur kopiowania i sprawdzania danych (wykonywanych np. na kwaterze, po zakończeniu dnia pracy) czynności te były o wiele bardziej czasochłonne. Jednakże o wiele więcej czasu wymagałby powrót do danego drzewostanu i powtórne skanowanie całego drzewa modelowego lub środka powierzchni. Il. 6: Obraz intensywności chmury punktów wygenerowany przez skaner FARO LS 880 z widoczną przerwą w rejestrowanym obszarze (oznaczona kolorem czerwonym). Opracował P. Strzeliński 23

12 2 Metody i wyniki Po stwierdzeniu błędu wadliwe dane usuwano ze skanera i powtarzano procedurę skanowania na danym stanowisku. Dużo prostsza procedura dotyczyła pracy ze skanerem FARO Focus 3D. Dzięki zastosowaniu w tym urządzeniu wyświetlacza, po zakończeniu skanowania można było na nim dokonać ogólnego przeglądu pozyskanych danych. Skaner FARO Focus 3D automatycznie wyświetla obraz intensywności chmury punktów (Il. 7), na którym można ocenić zarówno poprawność wyznaczonego obszaru (czy np. całe drzewo i wszystkie kule referencyjne zostały zarejestrowane), jak i kompletność skanu (czy np. nie pojawiły się błędy opisywane wcześniej przy pracy ze skanerem FARO LS 880). A B Il. 8: Porównanie obrazu intensywności chmury punktów zarejestrowanych w odcieniach szarości (fot. A) i chmury pokolorowanej zdjęciami z kamery wbudowanej w skaner FARO Focus 3D (fot. B). (Fot. P. Strzeliński) Il. 7: Obraz intensywności chmury punktów na panelu dotykowym w skanerze FARO Focus 3D, wyświetlany automatycznie po zakończeniu pracy (Fot. P. Strzeliński) Kolejnym udogodnieniem przy pracy ze skanerem FARO Focus 3D była możliwość ustawienia opcji koloru, co oznacza wykonywanie cyklu zdjęć (w barwach naturalnych) przez kamerę zintegrowaną ze skanerem. W przypadku tego skanera, zdjęcia są materiałem w pełni fotogrametrycznym, umożliwiającym kolorowanie chmury punktów bez błędu paralaksy. Zdjęcia takie dają m.in. możliwość weryfikacji niektórych elementów, trudnych do zidentyfikowania na chmurze punktów, która standardowo jest rejestrowana w maksymalnie 256 odcieniach szarości (Il. 8). } Skanowanie środków powierzchni Na każdej powierzchni badawczej, oprócz skanowania 10 drzew modelowych, wykonywano także skaning ze środka powierzchni. Należy jedno- 24 cześnie zaznaczyć, że miejsca tego nie wyznaczono za pomocą pomiarów lecz był to punkt spełniający wymogi skanowania i leżący orientacyjnie w pobliżu środka geometrycznego powierzchni. Punkt ten był wyznaczany już podczas numerowania drzew na powierzchniach badawczych. Ustalano go, przyjmując założenie, że powinien on znajdować się jak najbliżej środka geometrycznego powierzchni i jednocześnie być oddalony minimum około 1,5 m od najbliższych drzew (aby podczas skanowania nie przesłaniały one zbyt dużej liczby drzew). Po wybraniu takiego punktu oznaczano go palikiem, który malowano białą farbą i opisywano literami śr (czyli środek ). Kolejną czynnością, którą należało wykonać było dodatkowe oznaczenie drzew (numerem i znacznikiem miejsca pomiaru pierśnicy) w taki sposób, aby było to widoczne do środka powierzchni. Przyjęto założenie, że dodatkowe oznaczenia zastosowano do drzew znajdujących się w odległości do około 20 m od palika wyznaczającego środek powierzchni Podczas skanowania środków powierzchni założono, że skaner będzie rejestrował drzewostan w całym dostępnych zakresie kątowym, tj. 360 st. kątowych w poziomie i 320 st. kątowych

13 Metody i wyniki 2 w pionie (w przypadku skanera FARO LS 880) lub 305 st. (w przypadku skanera FARO Focus 3D). Rozdzielczość skanera ustawiano na ½ pełnych możliwości. Podobnie, jak podczas skanowania drzew modelowych, wykorzystując skaner FARO Focus 3D, uruchamiano opcję kolor. Takie parametry powodowały, że skan środka powierzchni trwał ok. 45 minut. Prace kameralne } Wstępna obróbka pozyskanych danych Prace te polegały na przefiltrowaniu skanów oraz połączeniu ich w chmury punktów 3D, odpowiadających obrazom poszczególnych drzew modelowych. Pozyskane przez skaner laserowy dane pierwotnie były zapisane w formie cyfrowej chmury punktów na dysku twardym w plikach o rozmiarze około MB w przypadku skanera FARO LS 880 oraz o rozmiarze około 100 MB w przypadku skanera FARO Focus 3D. Za pomocą oprogramowania FARO Scene 5.0 usunięto wszystkie zniekształcenia, będące wynikiem zróżnicowania środowiska, w którym zostały pozyskane. Znaczna część występujących zakłóceń, tzw. szumów, będących wynikiem rejestracji nieistniejących voxeli, była lokalizowana i usuwana Il. 9: Połączone chmury punktów z trzech ustawień skanera wokół drzewa modelowego automatycznie przez oprogramowanie skanera na podstawie znacznej różnicy intensywności między skanami a także odległości pomiędzy obrazami. Następnie za pomocą programu FARO Scene wyszukiwano, oznaczano oraz numerowano kule referencyjne w trzech obrazach zeskanowanego drzewa aby uzyskać jedną chmurę punktów dla danego drzewa modelowego (Il. 9). Kolejnym etapem obróbki obrazu było wycięcie chmury punktów dla pnia 1 drzewa modelowego (Il. 10). Uzyskane punkty skanu eksportowano o formatu *.xyz oraz *.dxf. Il. 10: Drzewo modelowe wyodrębnione z chmury punktów za pomocą oprogramowania SCENE Następnie zapisany obraz pnia 3D w formacie *.xyz analizowano w programie tscan, który generował podstawowe parametry pnia drzewa (tj. miąższość, wysokość oraz pierśnicę pnia drzewa modelowego) (Il. 11). Natomiast pliki w formacie *.dxf były opracowywane w programie AutoCad, w którym mierzono wysokość oraz pierśnicę pnia drzewa. Oprócz podstawowych cech biometrycznych analizowanego pnia (pierśnica, wysokość, miąższość, wysokość podstawy korony, wysokość korony), program tscan podaje także lokalizację pnia (w wewnętrznym układzie odniesienia: X, Y) oraz azymut i odległość liczone od punktu, w którym był ustawiony skaner. Omawiane cechy program zestawia w oknie oznaczonym na rycinie czerwoną ramką. Dodatkowo, program wykonuje klasyfikac- 1 Pień zdefiniowano jako odcinek strzały od poziomu gruntu do podstawy korony drzewa, za którą przyjęto najniższe położenie ulistnienia na pędach o grubości powyżej 2,5 cm; przyjmuje się ponadto, że do korony nie są zaliczane pędy o grubości mniejszej niż 2,5 cm rosnące poza obrębem korony (np. w dolnej części pnia) oraz pojedyncze, żywe gałęzie i pędy o grubości większej niż 2,5 cm, jeżeli odległość pomiędzy nimi a podstawą korony przekracza 1,5 m. 25

14 2 Metody i wyniki oraz w programach tscan i AutoCad. Dokładność pomiaru zgodnie z Instrukcją wykonywania Wielkoobszarowej Inwentaryzacji Stanu Lasu (2004) wynosiła 1 mm. Il. 11: Okno programu tscan z wynikami analizy dla chmury punktów drzewa modelowego ję jakościowo-wymiarową, szacując możliwe do wyrobienia sortymenty (żółta ramka). Inne możliwości oprogramowania tscan prezentuje Il. 12. Il. 12: Okno programu tscan z wynikami analizy dla chmury punktów reprezentującej fragment drzewostanu Il. 13: Drzewa z oznaczonym miejscem pomiaru pierśnicy oraz numerem ustalonym w ramach powierzchni próbnej (Fot.: P. Strzeliński) Na Il. 12 przedstawione są możliwości analityczne programu tscan w zakresie obliczeń podstawowych cech biometrycznych pojedynczych drzew (czerwona ramka) oraz parametrów taksacyjnych całego zeskanowanego fragmentu drzewostanu (żółta ramka). Ważnym apspektem jest zestawienie wyników analizy dotyczącej klasyfikacji jakościowo-wymiarowej drzewostanu (niebieska ramka). Ciekawą cechą programu jest także możliwość zmiany wielkości analizowanego obszaru, np. poprzez wybór promienia powierzchni kołowej, która ogranicza zeskanowany obszar (zielona ramka). Kolejne narzędzie umożliwia przesuwanie środka takiej powierzchni kołowej na planie lokalizacji zeskanowanych pni (pomarańczowa ramka). Dzięki oznaczeniu na drzewie białej linii na wysokości 1,3 m podczas pomiaru średnicy metodą tradycyjną określenie pierśnicy w programie FARO Scene było znacznie ułatwione (Il. 13). Ułatwienie takie jest bardzo przydatne, ponieważ podczas pomiaru w programie FARO Scene 5.0 niewidoczny jest podgląd wartości pomiaru w czasie rzeczywistym, co stwarza problem z wyznaczeniem wysokości, na której znajduje się pierśnica. Podczas pomiaru wysokości napotykano na problem związany z trudnością wyznaczenia podstawy pnia ze względu na przesłaniającą go roślinność runa oraz inne elementy znajdujące się w dnie lasu. Wysokość pnia została pomierzona z dokładnością do 1 cm w programie FARO Scene 5.0 oraz po wyeksportowaniu wyciętej chmury punktów w programach AutoCad i tscan. } Pomiary pierśnic i wysokości Pierśnicę poszczególnych drzew modelowych pomierzono przy wykorzystaniu obrazu intensywności i narzędzi programu FARO Scene } Dane referencyjne Referencją dla pomiarów wykonywanych w oprogramowaniu były wyniki pomiarów wykonanych

15 Metody i wyniki 2 na stojących drzewach modelowych metodami tradycyjnymi. Pierśnicę mierzono średnicomierzem elektronicznym Mantax (z dokładnością do 1 mm) a wysokość Suunto oraz Vertex IV (z dokładnością do 0,1 m) Wyniki Wyniki pomiarów pierśnic i wysokości W niniejszym rozdziale przedstawiono przykładowe wyniki pomiarów pierśnic i wysokości otrzymanych dla drzew modelowych z trzech powierzchni badawczych zlokalizowanych w wydzieleniu 6f (2 powierzchnie) oraz w wydzieleniu 100f. Wyniki pomiarów wysokości oraz pierśnicy na powierzchniach badawczych, otrzymanych przy użyciu skanera laserowego FARO LS 880 oraz wyniki pomiarów uzyskanych metodą tradycyjną (opisanych na wykresach i w tabelach, jako dane referencyjne) przedstawiają Tab. 4 do Tab. 9. W tabelach znajdują się również różnice między pomiarami wykonanymi FARO a tscan, metodą tradycyjną a FARO, i metodą tradycyjną a tscan. Tab. 4: Zestawienie wyników pomiarów pierśnicy różnymi metodami na powierzchni nr 1 Powierzchnia nr drzewa modelowego pierśnica [cm] Auto różnice [cm] FARO tscan -Auto -FARO -tscan FARO - tscan 1. 6f_W ,8 17,5 17,0 15,6-0,7-0,2 1,2 1, ,1 24,9 23,7 22,2-0,8 0,4 1,9 1, ,1 22,3 21,0 19,3-0,2 1,1 2,8 1, ,9 20,2 20,0 19,7-0,3-0,1 0,2 0, ,9 19,7 20,1 18,3 0,2-0,2 1,6 1, ,9 21,3 20,7 19,6 0,6 1,2 2,3 1, ,4 29,0 28,4 27,9 0,4 1,0 1,5 0, ,0 16,8 17,2 15,5 0,2-0,2 1,5 1,7 15aryt1 26,1 26,9 26,3 24,9-0,8-0,2 1,2 1, ,8 15,0 16,7 14,7 1,8 0,1 2,1 2,0 liczebność Pn średnia X 21,40 21,36 21,11 19,77 0,04 0,29 1,63 1,34 arytmetyczna mediana Me 20,90 20,75 20,40 19,45 0,00 0,00 1,55 1,45 kwartyl Q1 16,95 17,33 17,15 15,58-0,72-0,20 1,20 0,95 dolny kwartyl Q3 24,60 25,40 24,35 22,88 0,45 1,03 2,15 1,73 górny minimum Min 16,80 15,00 16,70 14,70-0,80-0,20 0,20 0,30 maksimum Max 29,40 29,00 28,40 27,90 1,80 1,20 2,80 2,00 rozstęp R 12,60 14,00 11,70 13,20 2,60 1,40 2,60 1,70 odchylenie S 4,00 4,27 3,75 4,03 0,76 0,56 0,68 0,53 standardowe wariancja S3 17,81 20,30 15,65 18,01 0,64 0,35 0,51 0,31 współ- VQ [%] 18,71 % 20,01 % 17,78 % 20,36 % czynnik zmienności przedział ufności P [α=0,05] 0,08 0,08 0,07 0,08 0,02 0,01 0,01 0,01 27

16 2 Metody i wyniki } Powierzchnia nr 1 wydzielenie 6f_W Największa różnica przy pomiarze pierśnicy między FARO a tscan wyniosła 2,0 cm (drzewo nr 206), natomiast najmniejsza różnica wyniosła 0,3 cm (drzewo nr 344). Średnia różnica między pomiarami w FARO a tscan wyniosła 1,34 cm. Zauważalna jest wyraźna tendencja do zaniżania wyników pomiaru przez tscan (100 % pomiarów było mniejszych od pomiarów w oprogramowaniu FARO) (Tab. 4). Różnica przy pomiarze pierśnicy między metodą tradycyjną a FARO jest niewielka i osiąga maksymalnie wartość 0,1 cm (drzewo 206) oraz -0,1 cm (drzewo nr 344). Natomiast przeciętna różnica stanowiła 0,29 cm. Największa różnica pomiaru pierśnicy między metodą tradycyjną a tscan wyniosła 2,8 cm (drzewo modelowe nr 299), natomiast najmniejsza wartość wyniosła 0,2 cm (drzewo nr 344). Występuje wyraźna tendencja do zaniżania wyników przy pomiarze programem tscan w stosunku do metody tradycyjnej (100 % pomiarów było mniejszych od danych referencyjnych). Średnia różnica pomiarów ww. metodami wyniosła 1,63 cm (Tab. 4). Różnica wyników pomiaru wysokości pomiędzy FARO a tscan osiąga największą wartość -3,0 m Tab. 5: Zestawienie wyników pomiarów wysokości różnymi metodami na powierzchni nr 1 Powierzchnia nr drzewa modelowego pierśnica [cm] Auto różnice [cm] FARO tscan - Auto -FARO -tscan FARO - tscan 1. 6f_W 19 6,7 6,8 6,6 9,6-0,1 0,1-2,9-3, ,7 11,4 11,7 13,0 0,4 0,1-1,2-1, ,1 12,3 12,1 14,3-0,2 0,0-2,2-2, ,4 12,4 12,3 14,3 0,0 0,1-1,9-2, ,5 13,6 13,5 13,6 0,0 0,1-0,1-0, ,0 12,7 12,8 13,9 0,3 0,2-0,9-1, ,4 13,3 13,2 13,2 0,1 0,2 0,3 0, ,3 13,2 13,3 14,0 0,1 0,0-0,7-0, ,3 12,4 12,4 10,0 0,0 0,0 2,3 2, ,1 11,2 11,2-0,1 0,0 liczebność Pn średnia X 11,96 11,91 11,88 12,87 0,05 0,08-0,81-0,90 arytmetyczna mediana Me 12,36 12,37 12,32 13,60 0,01 0,08-0,90-1,05 kwartyl Q1 11,59 11,35 11,55 11,49-0,07 0,01-2,04-2,12 dolny kwartyl Q3 13,31 13,19 13,19 14,14 0,16 0,14 0,10-0,07 górny minimum Min 6,72 6,78 6,60 9,60-0,15-0,04-2,88-3,00 maksimum Max 13,54 13,55 13,45 14,32 0,35 0,24 2,31 2,35 rozstęp R 6,82 6,77 6,85 4,72 0,50 0,28 5,19 5,35 odchylenie S 1,90 1,86 1,89 1,70 0,15 0,08 1,45 1,47 standardowe wariancja S3 3,99 3,83 3,97 3,24 0,03 0,01 2,37 2,44 współ- VQ [%] 15,84 % 15,58 % 15,91 % 13,19 % czynnik zmienności przedział ufności P [α=0,05] 0,04 0,04 0,04 0,03 0,00 0,00 0,03 0,03 28

17 Metody i wyniki 2 Tab. 6: Zestawienie wyników pomiarów pierśnicy różnymi metodami na powierzchni nr 2 Powierzchnia nr drzewa modelowego pierśnica [cm] Auto różnice [cm] FARO tscan - Auto -FARO -tscan FARO - tscan 2. 6f_E 8 33,7 34,2 35,2 30,1-0,5-1,5 3,6 5, ,8 22,7 24,7 22,3 1,1-0,9 1,5 2, ,9 25,6 25,2 23,2 0,3 0,7 2,7 2, ,0 24,3 25,0 21,9-0,3-1,0 2,1 3, ,1 29,8 30,0 28,4-0,7-0,9 0,7 1, ,3 17,1 16,6 15,8 0,2 0,7 1,5 0, ,1 22,1 22,7 21,1 0,0-0,6 1,0 1, ,9 19,9 20,9 19,1 0,0-1,0 0,8 1, ,1 25,8 25,7 24,6-3,7-3,6-2,5 1, ,9 25,7 27,7 23,7 0,2-1,8 2,2 4,0 liczebność Pn średnia X 24,38 24,72 25,37 23,02-0,34-0,99 1,36 2,35 arytmetyczna mediana Me 23,90 24,95 25,10 22,75 0,00-0,95 1,50 1,90 kwartyl Q1 21,55 21,55 22,25 20,60-0,55-1,58 0,77 1,48 dolny kwartyl Q3 26,70 26,80 28,28 25,55 0,22-0,27 2,33 3,33 górny minimum Min 17,30 17,10 16,60 15,80-3,70-3,60-2,50 0,80 maksimum Max 33,70 34,20 35,20 30,10 1,10 0,70 3,60 5,10 rozstęp R 16,40 17,10 18,60 14,30 4,80 4,30 6,10 4,30 odchylenie S 4,41 4,59 4,78 3,94 1,21 1,17 1,55 1,28 standardowe wariancja S3 21,65 23,44 25,36 17,22 1,64 1,51 2,65 1,82 współ- VQ [%] 18,11 % 18,58 % 18,83 % 17,10 % czynnik zmienności przedział ufności P [α=0,05] 0,09 0,09 0,09 0,08 0,02 0,02 0,03 0,03 (drzewo nr 19), z kolei najmniejsza wynosi 0,02 m (drzewa nr 299). Występuje wyraźna tendencja do zaniżania wyników pomiaru wysokości przez program tscan (80 % wyników było mniejszych niż FARO). Średnia różnica wyników pomiaru FARO a tscan wyniosła -0,9 m (Tab. 5). } Powierzchnia nr 2 wydzielenie 6f Największa różnica pomiaru pierśnicy między FARO a tscan wyniosła 5,1 cm (drzewo nr 8). Natomiast najmniejsza rozbieżność w tych pomiarach wyniosła 0,8 cm (drzewo nr 113). Średnia różnica pomiaru pierśnicy pomiędzy ww. metodami wyniosła 2,35 cm. Wszystkie wyniki pomiaru w tscan były zaniżone w stosunku do metody FARO (Tab. 6). Różnica wyników pomiaru wynosząca -3,6 cm (drzewo nr 212), była największą między pomiarami tradycyjnymi a FARO. Ponadto wyniki pomiarów pierśnicy za pomocą oprogramowania Auto były najbardziej zbliżone do metody tradycyjnej, średnia różnica wyniosła -0,34 cm. Największą różnicę w pomiarach pierśnicy między metodą tradycyjną a oprogramowaniem tscan (3,6 cm) uzyskano przy drzewie nr 8; zaś najmniejsza różnica wyniosła 0,7 cm przy 29

18 2 Metody i wyniki Tab. 7: Zestawienie wyników pomiarów wysokości różnymi metodami na powierzchni nr 2 Powierzchnia nr drzewa modelowego wysokość [m] Auto różnice [m] FARO tscan - Auto - FARO - tscan FARO - tscan 2. 6f_E 8 13,4 13,7 13,3 14,1-0,3 0,1-0,7-0, ,8 13,8 13,8 15,9-0,1 0,0-2,1-2, ,6 15,6 15,6 15,8 0,0 0,0-0,2-0, ,6 13,5 13,5 8,8 0,1 0,1 4,8 4, ,9 11,9 11,9 13,4 0,0 0,0-1,5-1, ,2 12,4 12,1 13,6-0,1 0,1-1,4-1, ,2 12,1 12,2 14,5 0,1 0,1-2,3-2, ,5 13,5 13,5 13,7 0,1 0,0-0,1-0, ,4 13,4 13,4 14,3 0,1 0,1-0,9-0, ,0 13,9 14,4 13,6 0,2-0,4 0,4 0,8 liczebność Pn średnia X 13,36 13,36 13,34 13,77 0,00 0,02-0,41-0,43 arytmetyczna mediana Me 13,49 13,46 13,41 13,90 0,04 0,05-0,80-0,89 kwartyl Q1 12,22 12,30 12,14 13,55-0,08 0,01-1,66-1,67 dolny kwartyl Q3 13,82 13,82 13,93 14,81 0,10 0,09 0,00 0,05 górny minimum Min 11,90 11,89 11,87 8,80-0,34-0,36-2,27-2,33 maksimum Max 15,58 15,61 15,56 15,88 0,18 0,13 4,75 4,65 rozstęp R 3,68 3,72 3,69 7,08 0,52 0,49 7,02 6,98 odchylenie S 1,02 1,02 1,07 1,85 0,14 0,13 1,90 1,91 standardowe wariancja S3 1,15 1,15 1,27 3,82 0,02 0,02 4,03 4,05 współ- VQ [%] 7,62 % 7,62 % 8,0 % 13,47 % czynnik zmienności przedział ufności P [α=0,05] 0,02 0,02 0,02 0,04 0,00 0,00 0,04 0,04 drzewie nr 91. Występuje wyraźna tendencja do zaniżania wyników pomiaru przez program tscan (90 % wyników było mniejszych od pomiarów tradycyjnych). Średnia różnica pomiarów tymi metodami wyniosła 1,36 cm. Największa różnica pomiaru wysokości między FARO a tscan wyniosła 4,7 m (drzewo nr 65). Natomiast najmniejsza różnica wyniosła -0,2 m (drzewa nr 22 i 115). Zauważalna jest tendencja do zawyżania wyników pomiaru przez program tscan. Średnia różnica pomiarów pomiędzy FARO a tscan wyniosła -0,43 m (Tab. 7). } Powierzchnia nr 3 wydzielenie 100f Największą różnicę pomiarów pierśnicy między FARO a tscan wynoszącą 3 cm uzyskano przy drzewie nr 228. Natomiast najmniejsza różnica w ww. pomiarach wyniosła 0,2 cm (drzewo nr 248). Zauważalna jest tendencja do zaniżania wyników pomiar pierśnicy przez program tscan (60 % pomiarów mniejszych niż w FARO). Średnia różnica pomiarów wyniosła 0,82 cm (Tab. 8). Porównując wyniki pomiaru pierśnic metodą tradycyjną i FARO, największą różnicę wynoszącą 1,8 cm otrzymano dla drzewa nr 193, natomiast 30

19 Metody i wyniki 2 Tab. 8: Zestawienie wyników pomiarów pierśnicy różnymi metodami na powierzchni nr 3 Powierzchnia nr drzewa modelowego wysokość [m] Auto różnice [m] FARO tscan - Auto - FARO - tscan FARO - tscan f 19 20,0 19,0 19,3 20,2 1,0 0,7-0,2-0, ,3 16,1 16,4 14,6 1,2 0,9 2,7 1, ,1 30,6 29,7 27,6-0,5 0,4 2,5 2, ,9 26,4 26,3 24,6 1,5 1,6 3,3 1, ,0 22,1 21,6 21,9-0,1 0,4 0,1-0, ,0 24,7 24,2 26,2 1,3 1,8-0,2-2, ,3 34,4 34,4 31,4-0,1-0,1 2,9 3, ,9 23,4 22,9 23,1 0,5 1,0 0,8-0, ,1 24,6 24,0 22,6-0,5 0,1 1,5 1, ,3 16,9 16,7 15,1 0,4 0,6 2,2 1,6 liczebność Pn średnia X 24,29 23,82 23,55 22,73 0,47 0,74 1,56 0,82 arytmetyczna mediana Me 24,00 24,00 23,45 22,85 0,45 0,65 1,85 1,50 kwartyl Q1 19,33 18,48 18,65 18,93-0,20 0,32 0,03-0,45 dolny kwartyl Q3 28,45 27,45 27,15 26,55 1,23 1,15 2,75 1,88 górny minimum Min 17,30 16,10 16,40 14,60-0,50-0,10-0,20-2,00 maksimum Max 34,30 34,40 34,40 31,40 1,50 1,80 3,30 3,00 rozstęp R 17,00 18,30 18,00 16,80 2,00 1,90 3,50 5,00 odchylenie S 5,21 5,48 5,33 4,96 0,71 0,58 1,28 1,49 standardowe wariancja S3 30,16 33,31 31,56 27,33 0,57 0,37 1,81 2,48 współ- VQ [%] 21,4 % 23,0 % 22,6 % 21,8 % czynnik zmienności przedział ufności P [α=0,05] 0,10 0,11 0,11 0,10 0,01 0,01 0,03 0,03 najmniejszą rozbieżność wyników, która wyniosła -0,1/0,1 cm uzyskano dla drzew nr 249 i 228. Średnia różnica pomiędzy wynikami pomiarów w FARO i danymi referencyjnymi wyniosła 0,74 cm. Największą różnicę wyników pomiaru pierśnicy metodą tradycyjną a tscan wynoszącą 3,3 cm uzyskano dla drzewa nr 130, a najmniejszą, która wyniosła 0,1 dla drzewa nr 166. Zauważalna jest tendencja do zaniżania wyników pomiaru pierśnicy przez program tscan (80 % wyników jest mniejszych niż w metodzie tradycyjnej). Różnica wyników pomiaru wysokości między programem FARO a tscan była największa dla drzewa nr 19 i wyniosła -4,7 m, natomiast dla drzewa nr 258 odnotowano najmniejszą różnicę wynoszącą 0,1 m. Średnia różnica pomiarów wyniosła -1,02 m (Tab. 9). Lepsze wyniki uzyskano w oprogramowaniu tscan, gdzie średnia różnica w porównaniu do danych referencyjnych wyniosła -0,97 m, przy największym błędzie na poziomie -4,5 m (drzewo nr 19). Pomiary wysokości w tscan dla 80% drzew dały wyniki wyższe od referencyjnych. Na Il. 14 do Il. 16 zamieszczono graficzne 31

20 2 Metody i wyniki Tab. 9: Zestawienie wyników pomiarów wysokości różnymi metodami na powierzchni nr 3 Powierzchnia nr drzewa modelowego różnice [m] Auto FARO tscan - Auto - FARO - tscan FARO tscan 19 10,7 10,6 10,6 15,2 0,1 0,1-4,5-4, ,0 12,0 11,9 13,8 0,0 0,1-1,8-1, ,7 14,6 14,6 12,1 0,2 0,1 2,6 2, ,0 11,9 12,0 13,9 0,0 0,0-1,9-1, ,3 10,2 10,2 12,5 0,0 0,1-2,3-2, ,0 13,0 13,1 13,7 0,1 0,0-0,7-0, ,8 13,8 13,8 14,0-0,1 0,0-0,2-0, ,1 14,1 14,0 14,7 0,0 0,2-0,6-0, ,2 14,0 14,0 14,2 0,3 0,2 0,0-0, ,5 14,5 14,6 14,7 0,0-0,1-0,3-0, średnia X arytmetyczna 12,93 12,87 12,87 13,89 0,06 0,06-0,97-1,02 mediana Me 13,40 13,40 13,43 13,95 0,04 0,09-0,63-0,69 kwartyl dolny Q1 11,65 11,60 11,56 13,40 0,01-0,04-2,02-2,02 kwartyl górny Q3 14,29 14,21 14,17 14,71 0,10 0,15-0,18-0,18 minimum Min 10,25 10,21 10,15 12,14-0,06-0,12-4,50-4,65 maksimum Max 14,72 14,57 14,64 15,20 0,25 0,20 2,58 2,50 rozstęp R 4,47 4,36 4,49 3,06 0,31 0,32 7,08 7,15 odchylenie S standardowe 1,53 1,52 1,55 0,91 0,08 0,10 1,75 1,77 wariancja S3 2,60 2,56 2,67 0,92 0,01 0,01 3,40 3,47 współczynnik zmienności VQ [%] 11,8 % 11,8 % 12,0 % 6,6 % przedział ufności P [α=0,05] 0,03 0,03 0,03 0,02 0,00 0,00 0,03 0,04 liczebność Pn Il. 14: Porównanie wyników pomiarów pierśnicy drzew modelowych różnymi metodami ( Referenz = dane referencyjne) 32 Pierśnica [cm] f wysokość [m] Numery drzew modelowych

21 Wysokość [m] Metody i wyniki 2 Wysokość [m] Numery drzew modelowych Il. 15: Porównanie wyników pomiarów wysokości drzew modelowych różnymi metodami ( Referenz = dane referencyjne) Pierśnica [cm] porównanie wyników pomiaru pierśnic i wysokości w zależności od zastosowanych metod pomiaru. Kolejność drzew modelowych na wykresie przyjęto wg. rosnącej wysokości pomierzonej metodą tradycyjną, opisaną jako. Dla ostatniego drzewa na wykresie (nr drzewa modelowego = 409) nie podano wysokości referencyjnej; przedstawiono tylko porównanie wysokości zmierzonych w programach Auto, FARO i tscan Dyskusja wyników 2 Pomiary pierśnic i wysokości pni wykonane w FARO oraz obliczoną na ich podstawie miąższość porównano z wynikami uzyskanymi w tscan. Przeciętna różnica pomiaru pierśnicy między pomiarami otrzymanymi w metodzie tradycyjnej a FARO, była niewielka i wyniosła 0,7 cm. Natomiast zestawienie uzyskanych wyników pierśnicy metodą tradycyjną z pomiarami w tscan oraz pomiarów FARO z tscan dało znacznie większe różnice wynoszące 1,6 cm. Wyniki pomiarów wysokości w FARO i tscan różniły się między sobą nieznacznie, średnia różnica wyniosła 0,10 m. Zauważalna jest tendencja do zawyżania pomiarów wysokości przez FARO, 73,33 % wyników było większych niż otrzymane w tscan. Il. 16: Porównanie krzywych wysokości dla drzew modelowych Bezpośrednie porównanie niektórych wyników badań z wynikami uzyskanymi przez innych autorów może być utrudnione, a czasami wręcz niemożliwe. Powodem tego są nie tylko różnice w zastosowanej metodyce badań lub w budowie drzewostanów, w których prowadzono badania oraz wciąż niewielka liczba publikacji wydana na temat wykorzystania skaningu laserowego w leśnictwie, ale przede wszystkim rodzaj sprzętu, jakim się posłużono. Porównanie wyników zaprezentowanych w kilku publikacjach zawiera Tab. 10. Tak, jak w przypadku pomiarów pierśnicy, tak i przy pomiarze wysokości uzyskano zarówno dodatnie jak i ujemne różnice pomiędzy metodą tradycyjną, a skanerem FARO LS 880. Należy wspomnieć, że badania, do których się odniesiono (tj. pomiary pierśnicy i wysokości) przeprowadzono przy użyciu różnych skanerów: ILRIS-3D (HOPKINSON et al. 2004), Riegl LMS Z210 (HENNING i RADTKE 2003), Riegl LMS Z420i (BIENERT et al. 2006a) i Z&F Imager 5003 (THIES i SPIECKER 2004). W pozostałych przypadkach był to FARO LS 880. Jedynie CHIRREK et al. (2007) i częściowo HOPKINSON et al. (2004) prowadzili badania w drzewostanie sosnowym. W pozostałych przypadkach powierzchnie badawcze zlokalizowane były w drzewostanach mie- 33

22 2 Metody i wyniki Tab. 10: Przykłady różnic cech biometrycznych drzew mierznych w sposób tradycyjny oraz na chmurze punktów z naziemnego skaningu laserowego Źródło Użyty skaner Liczba drzew Średnie różnice pomiarów drzew h [m] HOPKINSON et al. (2004] ILRIS-3D 121/ ,5 BIENERT et al. (2006a] Riegl LMS Z420i 32 0,9 0,85 CHIRREK et al. (2007] FARO LS ,5 0,3 ZAWIŁA-NIEDŹWIECKI et al. (2007) FARO LS ,40-2,70 PROCYK (2008) FARO LS ,4-0,07 Projekt ForseenPOMERANIA FARO LS ,7 0,8 szanych o zróżnicowanym składzie gatunkowym. W zasadzie wszystkie badania, do których się odniesiono posiadały inną metodykę. Różniła się ona przede wszystkim kształtem powierzchni badawczych i sposobem przeprowadzania skanów (tj. ilością skanów z jednej powierzchni badawczej). Należy podkreślić również fakt, iż tylko niektórzy autorzy posługiwali się algorytmami umożliwiającymi automatyczny lub półautomatyczny pomiar. Zestawienia wyników pomiarów skaningu laserowego w odniesieniu do danych referencyjnych wykazują, że pomiary przeprowadzone przy pomocy skanera nie pokrywają się z pomiarami uzyskanymi przy pomocy metody tradycyjnej. Jednakże w większości wypadków różnice te są niewielkie, zarówno w przypadku pomiarów pierśnicy, wysokości oraz obliczonej miąższości, zwłaszcza w odniesieniu do średnich z pomiarów. Istotnym aspektem jest fakt, że owe różnice mogą wynikać zarówno z błędów lub niedokładności zaistniałych przy pomiarach wykonywanych na skanach, jak i z niedokładności pomiarów referencyjnych. Obie metody mogą być również obarczone błędem związanym z subiektywnością pomiarów. Również przeprowadzone analizy statystyczne potwierdzają brak istotnych różnic pomiędzy wynikami pomiarów uzyskanymi przy pomocy skanera w odniesieniu do pomiarów tradycyjnych. Pozwala to wnioskować, że ciągłe doskonalenie metody skaningu naziemnego przynosić będzie coraz to lepsze efekty w postaci dokładniejszych i bardziej wiarygodnych informacji o poszczególnych drzewach i całym drzewostanie. Podsumowanie i wnioski Spośród oprogramowania, jakie było wykorzystywane do analiz cech biometrycznych drzew zdecydowanie największy potencjał kryje się w oprogramowaniu tscan. Przedstawione w opracowaniu wyniki pozwalają na sformułowanie następujących wniosków: Program tscan umożliwia w pełni automatyczne pomiary podstawowych parametrów taksacyjnych drzew (m. in. pierśnicy i wysokości). Program tscan pozwala na dokładne określenie wysokości średni błąd pomiaru wyniósł 0,8 m. P omiary pierśnicy były obarczone większym błędem, w odniesieniu do pomiarów tradycyjnych jak i FARO Scene, różnice przy obydwu metodach wyniosły 1,5 cm. Program tscan wykazuje wyraźną tendencje do zaniżania wyników pomiaru pierśnicy zarówno w porównaniu do pomiarów tradycyjnych (90,0 %), jak i w porównaniu do uzyskanych w oprogramowaniu FARO Scene (86,7 %). Oprogramowanie tscan nie jest jednak pozbawione wad. Obecnie podstawowym mankamentem oprogramowania tscan jest konieczność specjalnego przygotowania danych program nie wczytuje oryginalnych plików tworzonych przez skaner. Wymóg przygotowania plików w formacie *.txt powoduje, że po eksporcie (z oryginalnych plików tworzonych przez skaner) powstają pliki o bardzo dużych rozmiarach. To z kolei wymaga 34

23 Metody i wyniki 2 dużej mocy obliczeniowej od wykorzystywanego sprzętu komputerowego. Program nie pozwala także na wnikliwą analizę koron, a zwłaszcza aparatu asymilacyjnego (np. obliczanie współczynnika LAI lub ażurowości). Oprogramowanie tscan posiada jednak inne ważne zalety to przede wszystkim możliwość automatycznej klasyfikacji jakościowo-wymiarowej pni analizowanych drzew. Te unikalne możliwości posiada obecnie jeszcze tylko jedno oprogramowanie AutoStem irlandzkiej firmy Treemetrics Lotnicze skanowanie laserowe dla Nadleśnictwa Drawno Radomir Bałazy, Krzysztof Gajko, Wojciech Gdaniec, Kamil Kondracki, Jacek Ksepko, Marek Ksepko, Krzysztof Stereńczak ykonanie lotniczego skanowania W laserowego i innych zobrazowań teledetekcyjnych dla Nadleśnictwa Drawno Przedmiot zamówienia Dnia r. Nadleśnictwo Drawno ogłosiło przetarg na Wykonanie lotniczego skaningu laserowego i innych zobrazowań teledetekcyjnych dla Nadleśnictwa Drawno. Przedmiotem zamówienia było wykonanie następujących usług: (1) Wykonanie lotniczego skanowania laserowego (Il. 17), wraz z jednoczesną rejestracją zdjęć RGB i termalnych, obszaru znajdującego się w granicach administracyjnych Nadleśnictwa Drawno i sporządzenie na jego podstawie Numerycznego Modelu Pokrycia Terenu (NMPT) i Numerycznego Modelu Terenu (NMT). Wymagania techniczne: rozdzielczość 16 pkt./m², dla pięciu obszarów prostokątnych o powierzchni 10 ha każdy, rozdzielczość 4 pkt./m², dla pozostałego obszaru, pokrycie poprzeczne 60 %, format danych lotniczego skanowania laserowego LAS, format modeli terenu GRID o rozdzielczości 5 m. Warunki atmosferyczne przy jakich należało wykonać skanowanie: bezwietrzna pogoda. (2) Wykonanie ortofotomapy na podstawie cyfrowych zdjęć lotniczych RGB i CIR zrobionych dla obszaru znajdującego się w granicach administracyjnych Nadleśnictwa Drawno. (3) Wykonanie zdjęć termalnych dla obszaru znajdującego się w granicach administracyjnych Nadleśnictwa Drawno. (4) Dostarczenie zortorektyfikowanych obrazów satelitarnych dla obszaru znajdującego się w granicach administracyjnych Nadleśnictwa Drawno. (5) Wykonanie mobilnego skanowania laserowego otoczenia dróg o łącznej długości 30 km z równoczesną rejestracją zdjęć cyfrowych w systemie MMS. (6) Skatalogowanie, opisanie i dostarczenie materiałów teledetekcyjnych na zabezpieczonych nośnikach magnetycznych. Wymagania techniczne: łączna pojemność dysków 24 TB, czas dostępu do pojedynczego dysku nie większy niż 8,5 ms, zabezpieczenie dysku co najmniej na poziomie RAID 6, Il. 17: Wizualizacja fragmentu chmury punktów lotniczego skanowania laserowego (chmura punktów pokolorowana na podstawie wysokości położenia punktów w przestrzeni) (opracowanie: K. Kondracki, źródło danych: archiwum Nadleśnictwa Drawno) 35