Instytut Badawczy Leśnictwa www.ibles.pl 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 30.11-2.12.2016 r..
Plan prezentacji PLAN PREZENTACJI 1. Wprowadzenie do problematyki 2. Metodyka detekcji drzew 3. Integracja z innymi danymi teledetekcyjnymi 4. Wyniki 5. Przyszłość 6. Podsumowanie
Wprowadzenie do problematyki Z ziemi łatwo policzyć
Wprowadzenie do problematyki Z tej perspektywy widać inaczej
Wprowadzenie do problematyki LiDAR = automatyzacja
Wprowadzenie do problematyki Wysokościowy Model Koron
Wprowadzenie do problematyki Detekcja pojedynczych drzew
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: http://www.imagemet.com/webhelp6/default.htm#pnpmethods/watershed_segmentation.htm Rozbudowane rozwiązanie (Stereńczak, 2013)
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
Metodyka detekcji drzew Segmentacja drzew trzy poziomy wysokości = trzy zestawy parametrów h2 h1 Źródłowy WMK < h1 h1 h2 > h2
Metodyka detekcji drzew Segmentacja drzew filtracja kształtu segmentów Promień korony Pokrycie granicy między segmentami Kształt segmentu Wysokość punktów w segmencie Luki
Metodyka detekcji drzew Atrybuty drzew Wysokość maksymalna Wysokość minimalna Powierzchnia korony Objętość korony Rodzaj drzewa Miąższość
Metodyka detekcji drzew
Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Zobrazowanie CIR
Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Klasyfikacja martwe iglaste liściaste
Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Analiza pokrycia martwe iglaste liściaste
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
Integracja z innymi danymi teledetekcyjnymi Segmentacja drzew + Klasyfikacja Klasyfikacja segmentów martwe iglaste liściaste
Integracja z innymi danymi teledetekcyjnymi Wyniki integracji Martwe drzewa Rodzaj drzew
Wyniki W procesie segmentacji wyznaczono: 326 tys. drzew martwych 9 914 tys. drzew iglastych 9 592 tys. drzew liściastych Razem 19.8 mln drzew Liczba drzew 0e+00 1e+05 2e+05 3e+05 4e+05 5e+05 10 20 30 40 Wysokość [m]
Wyniki
Przyszłość GATUNKI ANALIZA CHMURY PUNKTÓW DLA POJEDYNCZYCH DRZEW
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,
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.
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