Wykorzystanie technologii Lotniczego Skanowania Laserowego do określania wybranych cech taksacyjnych drzewostanów

Transkrypt

1 Wykorzystanie technologii Lotniczego Skanowania Laserowego do określania wybranych cech taksacyjnych drzewostanów Krzysztof Stereńczak Stanisław Miścicki*, Łukasz Jełowicki, Grzegorz Krok, Michał Laszkowski, Marek Lisańczuk, Krzysztof Mitelsztedt, Piotr Mroczek, Karolina Parkitna, Daniel Potkański, Piotr Rysiak, Martyna Wietecha, Krzysztof Ukalski*, Piotr Lenarczyk, Dariusz Balicki, Anna Markiewicz, Instytut Badawczy Leśnictwa *Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Projekt REMBIOFOR Teledetekcyjne określanie biomasy drzewnej i zasobów węgla w lasach, współfinansowany ze środków Narodowego Centrum 1Badań i Rozwoju, w ramach programu Środowisko naturalne, rolnictwo i leśnictwo BIOSTRATEG, na podstawie umowy nr BIOSTRATEG1/267755/4/NCBR/2015.

2 Skład Konsorcjum 1. Instytut Badawczy Leśnictwa w Sękocinie Starym (IBL) LIDER 2. Szkoła Główna Gospodarstwa Wiejskiego w Warszawie (SGGW) 3. Uniwersytet Przyrodniczy w Poznaniu (UP) 4. Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie (UR) 5. Instytut Dendrologii Polskiej Akademii Nauk w Kórniku (ID PAN) 6. Instytut Technologii Drewna w Poznaniu (ITD) 7. Instytut Geodezji i Kartografii w Warszawie (IGiK) 8. Dyrekcja Generalna Lasów Państwowych (DGLP) Budżet: PLN Wysokość dofinansowania projektu z NCBR: PLN 2

3 Zespół 3

4 Cele projektu W projekcie zaplanowano prace mające na celu: Dokładniejsze (niż dotychczas) określanie cech taksacyjnych drzewostanów, czego wyrazem będzie opracowanie metody inwentaryzacji zapasu (także biomasy) oraz określanie wybranych cech taksacyjnych drzewostanów z wykorzystaniem danych pozyskanych w wyniku lotniczego skanowania laserowego Opracowanie wskaźników akumulacji biomasy umożliwiających przeliczanie miąższości grubizny na biomasę i węgiel związany nadziemnej części drzew Opracowanie metody korekty ogólnych wzorów do określenia miąższości pojedynczych drzew za pomocą danych z naziemnego skanowania laserowego Opracowanie metod szacowania stanu/wielkości biomasy i retencji węgla na podstawie danych z lotniczego skanowania laserowego i danych radarowych 4

5 Struktura projektu 1 - Pozyskanie danych A ALS Zobrazowania hiperspektralne Zobrazowania wielospektralne Radar TLS Powierzchnie próbne Ścięte drzewa 2 Analiza danych radarowych analizy wstępne 4 Korekta wzorów dendrometrycznych z wykorzystaniem TLS 3 Metoda inwentaryzacji oraz zdalne określanie wielkości biomasy 5 Wzory allometryczne do przeliczania grubizny na biomasę i węgiel B 6 Przygotowanie do wdrożenia 5

6 Pozyskanie danych do analiz biomasy i węgla 432 drzewostany, 3456 drzew modelowych 6

7 Cel zadania 3 1. Modyfikacja elementów prac związanych z przygotowaniem i przeprowadzeniem prac związanych z planem urządzenia lasu. 2. Zmniejszenie pracochłonności prac terenowych związanych z przygotowaniem planu urządzenia lasu. 3. Zwiększenie dokładności szacowania wybranych cech taksacyjnych poszczególnych drzewostanów. 4. Standaryzacja metod szacowania wybranych cech taksacyjnych poszczególnych drzewostanów. 7

8 Koncepcja określania cech taksacyjnych z wykorzystaniem danych lotniczego skanowania laserowego (w połączeniu z danymi naziemnymi) 8

9 Obszar badawczy 9

10 Dane naziemne 10

11 Dane naziemne 11

12 Dane teledetekcyjne LIDAR Wizualizacja chmury punktów z lotniczego skanowania laserowego 12

13 Dane teledetekcyjne dane optyczne Zobrazowanie hiperspektralne Ortofotomapa kompozycja w podczerwieni (CIR) 13

14 Określanie cech taksacyjnych z ALS Dane terenowe Pozyskanie danych Dane ALS Nr Pow Cecha 1 Cecha 2 Cecha Relacja statystyczna (model) 20 Dane terenowe Nr Pow Gat D 1,3 H V 1 So So Db Św Dane ALS 14

15 Modelowanie zasobności 1. Obszar badawczy 2. Wysokościowy Model Koron 3. Granice wydzieleń 4. Siatka przylegających komórek 5. Obliczenie wartości zmiennych 6. Wyniki na poziomie wydzieleń 15

16 Zadanie właściwe: Oszacowanie zasobności drzewostanów 16

17 Modelowanie zasobności metoda ABA PC relatywnie najłatwiejsza do przetworzenia wymaga referencji na poziomie powierzchni próbnej, a nie na poziomie pojedynczych drzew wymaga przetworzenia chmury punktów lotniczego skanowania laserowego 17

18 Modelowanie zasobności Porównanie wyników modelu globalnego z modelami lokalnymi poziom powierzchni kołowych 18

19 Modelowanie zasobności Dodanie zmiennych pomocniczych z danych taksacyjnych: wiek gatunku panującego (jako cecha ciągła) lub klasa wieku od II do V oraz VI i starsze udział gatunków iglastych (jako cecha ciągła), wszystkie gatunki z górnej warstwy drzewostanu lub grupa gatunkowa (klasy) określona na podstawie gatunku panującego: IGLASTE udział 70% gatunku dominującego iglastego LIŚCIASTE udział 70% analogicznie MIESZANE IGLASTE udział < 70% MIESZANE LIŚCIASTE udział < 70% 19

20 Modelowanie zasobności Porównanie wyników dla modeli uwzględniających cechy pomocnicze 20

21 Modelowanie zasobności Ocena dokładności w klasach wiekowych w zależności od zastosowania w modelu zmiennych pomocniczych (udział gatunków iglastych i wiek gatunku panującego) 0,70 24,19 0,78 20,06 0,73 13,50 0,78 12,21 0,69 17,08 0,71 16,36 0,73 15,43 0,74 15,20 0,73 22,67 0,73 22,17 1,0 0,8 0,6 0,4 0,2 0,0 WSPÓŁCZYNNIK DETERMINACJI R 2 Model bez zmiennych pomocniczych Model ze zmiennymi pomocniczymi II III IV V VI PIERWIASTEK BŁĘDU ŚREDNIOKWADRATOWEGO - RMSE[%] II III IV V VI+ 21

22 Program do szacowania zasobności - ALSgator 22

23 Program do szacowania zasobności - ALSgator Widok głównego ekranu aplikacji wprowadzanie danych wejściowych 23

24 Program do szacowania zasobności - ALSgator 24

25 Program do szacowania zasobności - ALSgator Wykres zależności między zasobnością oszacowaną a określoną na naziemnych powierzchniach próbnych. 25

26 Program do szacowania zasobności - ALS Rezultat szacowania zasobności pola podstawowe. 26

27 Program do szacowania zasobności - ALS Rezultat szacowania zasobności poziom wydzieleń. 27

28 Dokładność oszacowania zasobności poszczególnych drzewostanów ( statystyka małych obszarów ) 28

29 Zasobność drzewostanów Ocena błędu oszacowania zasobności w drzewostanach kontrolnych (z pełnym pomiarem zasobności) na przykładzie Obrębu Milicz Obręb Liczba drzewostanów kontrolnych ogółem Udział drzewostanów z zasobnością kontrolną w granicach oszacowanego błędu Milicz 54 91% Herby % Gorlice 58 88% Supraśl 59 93% Katrynka 47 96% Pieńsk 59 90% Łącznie %* *wynik zgodny z założeniem ponieważ przedział ufności wynosi 89,4-95,5% 29

30 Zasobność drzewostanów Zależność błędu procentowego oszacowania zasobności od powierzchni drzewostanu i jego zasobności Wyłączeniu uległy drzewostany o powierzchni mniejszej niż 0,5 ha, a także o niskiej wartości zasobności mniejszej niż 50 m 3 /ha Poziom ufności 95% We wszystkich obrębach zaobserwowano analogiczne trendy. 30

31 Modelowanie wysokości, pierśnicy i zagęszczenia drzew 31

32 Wyniki na powierzchniach próbnych 6,5 0,87 6,0 0,88 18,1 0,65 12,9 0,58 38,0 0,63 3,3 0,95 3,0 0,96 11,0 0,69 8,8 0,79 27,7 0,66 4,0 0,95 3,2 0,97 12,4 0,69 7,7 0,86 28,4 0,60 3,9 0,97 3,6 0,97 15,9 0,76 12,5 0,82 0,80 30,7 0,95 3,8 0,96 3,3 0,77 11,3 0,79 10,0 0,78 25,6 0,93 4,9 0,95 4,0 0,71 12,2 0,82 9,0 0,61 30,4 1,0 0,8 0,6 0,4 0,2 0,0 WSPÓŁCZYNNIK DETERMINACJI R 2 Średnia wysokość Wysokość górna Średnia pierśnica Średnia pierśnica ze 100 najgrubszych drzew Zagęszczenie GORLICE HERBY KATRYNKA MILICZ PIEŃSK SUPRAŚL 40 PIERWIASTEK BŁĘDU ŚREDNIOKWADRATOWEGO - RMSE[%] GORLICE HERBY KATRYNKA MILICZ PIEŃSK SUPRAŚL 32

33 Przeliczenie na przylegające komórki 33

34 Przeliczenie na drzewostany 34

35 Dodatkowe badania zastosowanie danych teledetekcyjnych w określaniu składu gatunkowego drzewostanów 35

36 Klasyfikacja gatunkowa Ortofotomapa CIR 36

37 Klasyfikacja gatunkowa Dokładność klasyfikacji dla obrębów: 82-91% 37

38 Klasyfikacja gatunkowa Dane hiperspektralne 38

39 Klasyfikacja gatunkowa Dokładność klasyfikacji: 83% - Obręb Herby, 91% - Obręb Milicz 39

40 Udział gatunkowy Obręb Milicz Dokładność określania gatunku panującego na naziemnej powierzchni próbnej: 92% Dokładność określania udziału gatunkowego na naziemnej powierzchni próbnej : 75-94%* Dokładność określania formy zmieszania w drzewostanach: 69% *w zależności od gatunku (z progiem tolerancji 10 p. p.) 40

41 Podsumowanie 41

42 Podsumowanie Lotnicze skanowanie laserowe umożliwia automatyczne, precyzyjne i jednorodne metodycznie określenie wielu cech taksacyjnych drzewostanów. Zastosowanie danych lotniczego skanowania laserowego umożliwia wysoką precyzję określenia cech taksacyjnych na poziomie drzewostanu i jednocześnie zmniejsza pracochłonność prac taksacyjnych wartość dodana. Koszty pozyskania danych lotniczego skanowania laserowego, podobnie jak ortofotomapy, powinny spoczywać na zleceniodawcy i być elementem danych przekazywanych wykonawcy planu urządzenia lasu. 42

43 Podsumowanie Pierwszy pomiar stałych powierzchni próbnych jest bardziej pracochłonny niż pomiar czasowych powierzchni próbnych. Przy kolejnym terminach pomiarów stałych powierzchni różnica kosztów jest znikoma. Specyfikacja zamawiania danych powinna być opracowana centralnie co pozwoli m.in. na obniżenie kosztów prac, poprawi standaryzację danych, może przyczynić się do wykorzystania tych danych podczas opracowań o zasięgu regionalnym (kilka nadleśnictw itp.). 43

44 Dziękuję za uwagę 44