Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego

PIOTR TOMPALSKI *, KRYSTIAN KOZIOŁ ** Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego Słowa kluczowe LiDAR geomatyka inwentaryzacja leśna monitoring leśny Streszczenie W pracy badano możliwość wykorzystania naziemnego skaningu laserowego do określenia grubości, wysokości oraz położenia drzew. Skaning laserowy jest aktywnym system pozyskiwania danych, który pozwala na precyzyjne określenie położenia obiektów znajdujących się w jego zasięgu. Podstawową zasadą, na której opiera się działanie skaningu, jest pomiar odległości za pomocą wiązki laserowej. Podkreślenia wymaga również fakt, że pomiar ten przebiega automatycznie i nie wymaga udziału operatora. Pozyskane za pomocą skanera dane określa się mianem chmury punktów. Każdy z elementów ją tworzących posiada współrzędne XYZ oraz wartość intensywności odbicia. Chmury punktów pozyskane z poszczególnych stanowisk można ze sobą łączyć, stosując tzw. punkty wiążące. Pozwala to na uzyskanie pełnej przestrzennej informacji o skanowanych obiektach. Pozyskane w trakcie prac terenowych chmury punktów zostały poddane ltracji, klasy kacji oraz segmentacji. Do analizy dokładności określenia grubości drzew został użyty wycinek chmury punktów znajdujący się w przedziale 1,28 1,32 m nad gruntem. Przekroje drzew na tej wysokości zostały podzielone na trzy kategorie, w zależności od stopnia pokrycia punktami. Dla każdej z kategorii zastosowano inną metodę pomiaru. Opracowano również algorytm, który w sposób w pełni automatyczny dokonuje pomiaru pola pierśnicowego przekroju pnia. Uzyskane wyniki pozwalają na stwierdzenie, że naziemny skaning laserowy umożliwia stworzenie wiernego modelu drzew i dokonywanie na nich obiektywnych pomiarów, szczególnie jeśli chodzi o pomiar grubości. Wprowadzenie Stosowane systemy pozyskiwania danych można podzielić na aktywne oraz pasywne. Działanie systemów pasywnych opiera się o rejestrowanie odbitego promieniowania słonecznego (zdjęcia lotnicze, zobrazowania satelitarne), zaś systemy aktywne posiadają własne źródło promieniowania, które po emisji, a następnie odbiciu od obiektu jest rejestrowane. Do systemów aktywnych zalicza się radar oraz lidar. Systemy te odgrywają coraz istotniejszą rolę * mgr inż., Katedra Ekologii Lasu, Wydział Leśny, Uniwersytet Rolniczy, Kraków e-mail: piotr.tompalski@gmail.com ** dr inż., Katedra Geomatyki, Wydział Geodezji Górniczej i Inżynierii Środowiska, Akademia Górniczo-Hutnicza, Kraków e-mail: krystian.koziol@agh.edu.pl 337

Tompalski P., Kozioł K.: Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego w pozyskiwaniu danych o środowisku naturalnym i pomagają w jego monitorowaniu. Niniejsze opracowanie wpisuje się w szereg badań związanych z pozyskiwanie i integracją danych geoprzestrzennych o środowisku naturalnym. LiDAR (Light Detection and Ranging), czyli skaner laserowy, pozwala na precyzyjne odwzorowanie elementów otoczenia poprzez zapis współrzędnych XYZ punktów, od których odbita została wiązka laserowa. Współrzędne te określane są na podstawie pomiaru odległości (pomiar impulsowy lub w oparciu o przesunięcie fazowe) oraz kąta poziomego i pionowego, pod jakimi wiązka ta została wysłana. W wyniku przeprowadzenia skaningu otrzymuje się tzw. chmurę punktów (ang. point cloud). Swoją zasadą działania skanery naziemne zbliżone są do dalmierzy elektronicznych lub urządzeń total station [6], lecz pomiar odbywa się w sposób całkowicie automatyczny. Skaner pozyskuje dane o otoczeniu z prędkością kilku tysięcy punktów w ciągu sekundy i charakteryzuje się bardzo wysoką dokładnością rzędu kilku milimetrów. 1. Metodyka 1. 1. Teren badań Terenem, na którym zostały przeprowadzone badania, był fragment Plant Krakowskich ograniczony ulicą Franciszkańską od północy oraz ulicą Podwale od południa. Jego wybór determinowany był przede wszystkim dostępnością danych referencyjnych, tj. punktów nawiązania, map i danych opisowych. Dodatkowo o wyborze przesądziła dostępność do drzew i łatwość wykonania ich pomiarów oraz samego skaningu laserowego. 1. 2. Dane referenc y jne W celu pozyskania danych referencyjnych przed przystąpieniem do skaningu przeprowadzono pomiary terenowe. Zastabilizowano 11 stanowisk pomiarowych (rys. 1), z których następnie wykonano pomiary biegunowe drzew, ich pierśnic 1 (obwodów), wysokości oraz wysokości podstawy korony. Ze względu na znaczną grubość większości drzew zamiast średnicy mierzony był obwód na wysokości 1,3 m nad gruntem, z dokładnością do 0,5 cm. Wysokość drzewa oraz wysokość podstawy korony były mierzone z dokładnością do 10 cm. Rysunek 1. Zastabilizowane punkty pomiarowe Figure 1. Stabilized measuring points 1. Pierśnica grubość drzewa na wysokości 1,3 m nad gruntem. 338

Krakowska Konferencja Młodych Uczonych 2008 1. 3. Charakter y st y k a s k anera FA RO W badaniach został użyty skaner FARO LS 880 (rys. 2). Skaner ten charakteryzuje się bardzo dużym zakresem skanowania 360 w poziomie oraz 320 w pionie. Długość fali promienia lasera wynosi 785 nm. Pomiar odległości oparty jest o przesunięcie fazowe. Częstotliwość ta pozwala na relatywnie krótki czas skanowania, który w typowych zastosowaniach niewymagających stosowania pełnej rozdzielczości, wynosi około 7 minut. Pomiar odbywa się poprzez wysłanie wiązki laserowej na obracające się lustro. Lustro powoduje zmianę kierunku wiązki, która dzięki temu pionowo omiata otoczenie. Obrót całego skanera w poziomie powoduje zmianę kierunku padania wiązki. Po odbiciu od obiektu wiązka ponownie pada na lustro i tra a do odbiornika. Dzięki dokładnie znanym parametrom obrotu lustra (w pionie) oraz całego skanera (w poziomie), możliwe jest precyzyjne określenie położenia punktu, od którego nastąpiło odbicie. W ten sposób obliczane są współrzędne XYZ każdego punktu z osobna [2]. Oprócz współrzędnych każdego punktu, od którego nastąpiło odbicie, określana jest również intensywność tego odbicia, czyli stosunek energii wysłanej do powracającej [5]. Rysunek 2. Skaner FARO LS 880 Figure 2. FARO LS 880 Scanner 1. 4. Metody sk aning u rozmieszczenie stanow i sk Rezultat przeprowadzonego skaningu ściśle zależy od przyjętej metody. ies et al. [9] wyróżnia dwa podstawowe sposoby skanowania, mające zastosowanie w badaniach leśnych. Sposób pierwszy polega na skanowaniu tylko z jednego stanowiska, które znajduje się w centrum badanej powierzchni (rys. 3A). Sposób drugi zakłada skanowanie z większej liczby stanowisk (zwykle 3), które rozmieszczone są na zewnątrz badanej powierzchni (rys. 3B). Do tych dwóch sposobów można dodać trzeci (rys. 3C), który jest połączeniem obu i polega na umieszczeniu skanera w 4 miejscach, zarówno w centrum, jak i na zewnątrz powierzchni [10]. Dodatkowo można wyróżnić pomiar na Rysunek 2. Rozmieszczenie skanera na stanowiskach pomiarowych Figure 2. Spatial arrangement of scanner positions 339

Tompalski P., Kozioł K.: Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego transekcie, wtedy stanowiska rozmieszczone są jedne za drugim, wzdłuż określonej osi (rys. 3D). Ze względu na konieczność uzyskania pełnego obrazu drzew w niniejszym opracowaniu zastosowano metodę B, C, i D ustawienia skanera, a zrezygnowano z pojedynczego stanowiska skanera. Największą przewagą metody z użyciem tylko jednego stanowiska jest krótki czas pomiaru (około 15 min.), który dla wariantu z użyciem wielu stanowisk może wydłużyć się nawet do 2 godzin. Jednak ilość danych jest o wiele wyższa w przypadku drugiej metody i tylko przy jej użyciu można otrzymać kompletny trójwymiarowy obraz skanowanego obiektu [8, 9]. Przeprowadzając skaning z pojedynczego stanowiska, skanowane drzewa reprezentowane są jedynie przez fragment całości. Rezultatem skaningu jest tzw. chmura punktów. Każdy z punktów ją tworzących posiada trzy współrzędne XYZ, oraz czwarty parametr, jakim jest intensywność odbicia. 1. 5. Ł ączenie chmur punktów Chmura punktów z pojedynczego stanowiska dostarcza co prawda informacji o położeniu obiektów oraz o ich wymiarach, jednak, jak zostało to omówione wcześniej, dane te dotyczą tylko jednej ze stron danego obiektu. Dodatkowo występuje problem zasłaniania jednych obiektów przez drugie. Dlatego, aby uzyskać w pełni trójwymiarowe modele obiektów przestrzennych, konieczne jest wykonanie skaningu z kilku stron, a następnie połączenie otrzymanych chmur punktów (rys. 4). Metodą najprostszą, pozwalającą połączyć chmury punktów ze sobą oraz nadać georeferencję, jest umieszczenie dodatkowych obiektów pomiędzy stanowiskami skanera, tzw. punktów wiążących (ang. tie points). Współrzędne tych obiektów nie muszą być znane, powinny one charakteryzować się prostym kształtem oraz wysokim współczynnikiem odbicia. W przypadku przeprowadzonych badań współrzędne punktów wiążących określone zostały metodą pomiaru geodezyjnego, jednakże często do tego celu wykorzystywany jest GPS. Dzięki tym właściwościom są dobrze widoczne w chmurze punktów i przez to łatwo rozpoznawalne podczas późniejszych analiz. Obiekty te rozmieszcza się w taki sposób, aby były widoczne z każdego ze stanowisk lidara. Wymagane jest, aby obiektów było co najmniej 3, jednak większa ich liczba wpływa na zwiększenie stabilności powstałego układu [7]. Rysunek 4. Trójwymiarowa wizualizacja chmury punktów z uwzględnieniem intensywności odbicia Figure 4. 3D visualization of the laser scanner point cloud with Intesity 1. 6. Fi l t rac ja oraz k l a s y f i k ac ja chmur punktów Chmura punktów bezpośrednio po skaningu zawiera dużą ilość punktów o błędnym położeniu, np. pod powierzchnią gruntu. Błędy te wynikają przede wszystkim z niedokładności pomiaru odległości. Przed przystąpieniem do analiz przeprowadzono za pomocą wybranych ltrów czyszczących oraz ręczne usuwanie punktów. Pierwszym etapem klasy kacji było zde niowanie punktów najniżej położonych jako grunt. W celu analizy dokładności określenia grubości drzew badaniom nie musi być poddawana cała chmura punktów, a jedynie jej wąski wycinek, znajdujący się na danej wysokości nad ziemią (rys. 5). Tworzenie takich wycinków wymaga jednak odniesienia w postaci klasy grunt. Wycinki takie (slices) zostały utworzone w przedziale wysokości 1,28 1,32 m na gruntem. Wysokość ta odpowiada dokładnie wysokości pierśnicy. 340

Krakowska Konferencja Młodych Uczonych 2008 Rysunek 5. Chmura punktów z zaznaczonymi wycinkami na różnych wysokościach Figure 5. Point cloud with slices on different heights 1. 7. Określenie gr ubośc i dr zew Analiza dokładności pomiarów za pomocą skaningu laserowego wymaga opracowania metod, które pozwolą w jak największym stopniu zautomatyzować ten proces. Oprogramowanie przeznaczone do pracy z chmurą punktów umożliwia wykonywanie pomiarów, jednak wymagają one wskazania przez operatora mierzonych obiektów [4, 10]. W badaniach tych wykorzystany został algorytm opracowany przez Kozioła [4] oparty o algorytm Delaunay [1, 3]. Algorytm ten został przez autora poddany mody kacji i użyty do analizy dokładności pomiaru grubości drzew za pomocą naziemnego skaningu laserowego. Pomiar grubości drzew za pomocą algorytmu składa się kilku faz. Fazą pierwszą jest utworzenie otoczki wypukłej (ang. convex hull) wokół punktów przekroju pnia danego drzewa. Następnie, w fazie drugiej, przekrój ten kwali kowany jest do jednej z trzech kategorii w zależności od stopnia pokrycia obwodu pnia punktami. Do kategorii 1 należą te przekroje, których pokrycie wynosi mniej niż połowę pnia drzewa (skanowane tylko z jednego stanowiska), do kategorii 2 te przekroje, których pokrycie wynosi więcej niż połowę pnia drzewa (drzewa skanowane z więcej niż 1 stanowiska). Kategoria 3 to przekroje drzew zeskanowanych z kilku stanowisk, w całości pokrytych punktami (rys. 6). Rysunek 6. Kategorie pokrycia pnia punktami Figure 6. Stem point coverage categories Dla każdej z wymienionych kategorii konieczne było opracowanie różnej metody określenia pola przekroju. Dla kategorii 3 jest to po prostu pole otoczki wypukłej [4]. Dla kategorii 2 konieczne było przeprowadzenie dodatkowych analiz w celu obliczenia pola przekroju. W pierwszym kroku wyznaczany jest środek powłoki S oraz dwa punkty skrajne P1 i P2. Następnie obliczany jest kąt α pomiędzy kierunkami ze środka S na punkty P1 i P2. Dzięki znajomości tego kąta możliwe jest obliczenie pola brakującego fragmentu przekroju A popr : 341

Tompalski P., Kozioł K.: Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego (1) Pole całego przekroju będzie równe: W przypadku kategorii 1 zastosowanie powyższej metody zaowocowało wysokim niedoszacowaniem powierzchni przekroju. Wynika to z bardzo dużego błędu określenia położenia środka przekroju. Z tego względu zastosowano korekcję położenia środka przekroju. Korekcja ta przeprowadzona jest w kilku krokach (rys. 7): 1) wyznaczana jest cięciwa a, łącząca punkty P1, P2 oraz jej środek P3, 2) cięciwa a obracana jest o 90 (odcinek b), 3) wyznaczany jest punkt przecięcia odcinka b z przekrojem pnia; dla drzew kategorii 1 istnieją dwa punkty przecięcia, z których jeden pokrywa się z punktem P3, 4) w punkcie przecięcia P4 tworzony jest okrąg o promieniu równym połowie długości cięciwy a, 5) nowy środek drzewa S znajduje się w miejscu przecięcia okręgu z odcinkiem b. Pole powierzchni pierśnicowego przekroju dla kategorii 1 po obliczeniu poprawki położenia środka pnia obliczane jest podobnie jak w przypadku kategorii 2. (2) Rysunek 7. Wyznaczenie nowego środka pnia dla kategorii 1 Figure 7. Determining new stem center position for category 1 1. 8. Położenie dr zew Jedną z funkcji opisanego wyżej algorytmu jest obliczanie współrzędnych środka pnia drzewa. Obliczenia te są wykonywane na podstawie odległości drzewa od skanera oraz azymutu pomiędzy skanerem a drzewem. Aby wyznaczenie tej pozycji było możliwe konieczne jest wcześniejsze ustalenie współrzędnych stanowiska skanera. 1. 9. Wy s o kość Pomiar wysokości wykonano w programie TerraScan. Ze względu na brak algorytmów do jej automatycznego pomiaru, konieczny był pomiar wysokości każdego drzewa ręcznie. Dlatego nie podlega wątpliwości fakt, iż dokładność tych pomiarów zależy w pewnym stopniu od wykonującego ją użytkownika. Pomiarowi podlegała wysokość całego drzewa mierzona od gruntu (najniższego punktu w pobliżu pnia drzewa zaklasy kowanego jako grunt) do jego wierzchołka (najwyższego punktu należącego do danego drzewa). Oprócz tego mierzono również wysokość podstawy korony, od gruntu do pierwszej gałęzi. Oba pomiary wykonywano dwukrotnie, pierwszy w kierunku N-S, drugi W-E. Wyniki uśredniano. 342

Krakowska Konferencja Młodych Uczonych 2008 2. Wyniki 2. 1. Określenie gr ubośc i dr zew Różnice określenia grubości drzew za pomocą skaningu laserowego w odniesieniu do pomiarów referencyjnych prezentuje poniższa tabela 1 oraz wykres regresji (rys. 8). Rysunek 8. Wykres powierzchni pnia ze skaningu i pomiaru terenowego Figure 8. Graph showing relation between basal area measured in the eld and using the laser scanning Tabela 1. Wyniki porównania pomiaru powierzchni przekroju pni w kategoriach (g 1.3 pole pierśnicowego przekroju [m 2 ], d 1.3 pierśnica [m]) Table 1. Results of the comparison of the basal area measurements for categories (g 1.3 basal area [m 2 ], d 1.3 diameter breast height [m]) błąd średni błąd maksymalny błąd minimalny odchylenie standardowe kat 1 bez korekcji kat 1 kat 2 kat 3 razem g 1.3 m 2 0,121-0,001 0,025 0,045 0,013 d 1.3 m 0,150-0,003 0,027 0,042 0,013 g 1.3 m 2 0,553 0,202 0,385 0,155 0,385 d 1.3 m 0,437 0,379 0,313 0,114 0,379 g 1.3 m 2-0,098-0,402-0,178 0,001-0,402 d 1.3 m -0,293-0,444-0,126 0,002-0,444 g 1.3 m 2 0,121 0,088 0,084 0,047 0,085 d 1.3 m 0,129 0,114 0,073 0,030 0,096 Na dokładność pomiaru grubości wpływ ma przede wszystkim zagęszczenie punktów, które wiąże się bezpośrednio z odległością skanowanych obiektów od stanowiska skanera. Im odległość ta jest większa, tym mniejsza gęstość punktów oraz mniejsza dokładność pomiaru (rys. 9). 2. 2. Położenie dr zew Przedstawiona w tabeli 2 krótka charakterystyka pomiarów położenia drzew uzyskanego metodą skaningu laserowego pokazuje, że rozkład błędów jest podobny. Z tabeli 2 wynika także, że pojawiły się błędy grube (prawdopodobne 343

Tompalski P., Kozioł K.: Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego Rysunek 9. Wykresy zależności między błędem pomiaru a gęstością punktów oraz odległością od skanera Figure 9. Diagrams of the relationship between measurement error vs. point density and vs. distance from the scanner błędy nawiązania pomiaru LiDAR). Uzyskany błąd średni na poziomie 0,5 m jest zadawalający z punktu widzenia danych o środowisku naturalnym czy w inwentaryzacji leśnej. Tabela 2. Porównanie błędów położenia drzew Table 2. Comparison of the differences in tree position measurements m pomiary terenowe materiały ZGK błąd średni 0,573 0,575 błąd maksymalny 6,464 5,062 błąd minimalny 0,023 0,033 odchylenie standardowe 0,613 0,750 2. 3. Wysokość i w ysokość pod staw y korony Niska dokładność pomiaru wysokości (0,98 m) wynika przede wszystkim ze wzajemnego przesłaniania się gałęzi i w związku z tym z trudnością lokalizacji wierzchołka drzewa (tabela 3). Należy również wspomnieć o zmniejszającej się gęstości punktów wraz ze wzrostem odległości od skanera. Oba wymienione zjawiska znacząco utrudniają pomiar wysokości. Średni błąd pomiaru wysokości świadczy, że w większości przypadków była ona zaniżona. Tabela 3. Porównanie błędów wysokości drzew Table 3. Comparison of the differences in tree height measurement wysokość m podstawy korony drzewa błąd średni -0,35 0,98 błąd maksymalny 8,37 10,18 błąd minimalny -8,98-4,82 odchylenie standardowe 1,58 2,37 344

Krakowska Konferencja Młodych Uczonych 2008 Podsumowanie Użycie naziemnego skaningu laserowego pozwala na dokonanie dokładnych pomiarów grubości drzewa na dowolnej wysokości nad gruntem. Informacje zawarte w chmurze punktów (współrzędne XYZ każdego z tworzących ją punktów) pozwalają na stworzenie modelu terenu oraz klasy kację punktów w zadanym przedziale wysokości. Opracowany algorytm umożliwił dokładny pomiar pola pierśnicowego przekroju drzew (błąd średni równy 0,013 m 2 ). Najważniejszą jego cechą jest uwzględnienie kształtu przekroju pnia podczas obliczeń. Przekroje drzew są automatycznie dzielone na trzy kategorie. Kategorie te zależą od stopnia pokrycia obwodu przekroju pnia przez punkty ze skaningu laserowego. Taki podział umożliwił stworzenie osobnej metody pomiaru dla każdej z kategorii. Najdokładniejszy pomiar uzyskano dla przekroi pni równomiernie pokrytych punktami na całym obwodzie (kategoria 3), nieco mniej dokładny dla przekroi pokrytych punktami w przeważającej części (kategoria 2). Dzięki zastosowanej korekcji położenia środka przekroju dla drzew skanowanych tylko z pojedynczego stanowiska (kategoria 1) uzyskano podwyższoną dokładność pomiaru, znacznie większą w porównaniu do pomiarów bez korekcji. Potwierdza to możliwość uzyskania dokładnych informacji o wymiarach drzew przy zastosowaniu tylko jednego stanowiska skanera. Jednak należy podkreślić, że stworzenie w pełni wiernego modelu drzewa możliwe jest tylko przy zastosowaniu kilku stanowisk lidaru. Stosunkowo niska dokładność określenia pozycji drzew wynika z błędów metodycznych popełnionych w trakcie wykonywania prac terenowych. Zależy ona bowiem nie tylko od dokładności oferowanej przez skaner, ale przede wszystkim od dokładności określenia jego pozycji. Zastosowanie innych, dokładniejszych metod jej określenia, skutkowałoby zwiększeniem dokładności określenia pozycji drzew. Dokładność oferowana przez pomiary technikami DGPS, wynosząca powyżej 0,5 m, okazała się niewystarczająca. Wysokość podstawy korony została zmierzona z mniejszym błędem (-0,35 m) niż wysokość drzew. Z jednej strony potwierdza to wymienione wyżej problemy związane z pomiarem wysokości. Z drugiej strony dokładność ta jest również niska. Wynika to z problemu identy kacji położenia najniższej gałęzi drzewa. Rozsądnym posunięciem okazał się również wybór terenu badań. Dostępne materiały kartogra czne, łatwość przeprowadzenia pomiarów w terenie, a także możliwość wykorzystania obiektów terenowych jako punktów wiążących lub punktów nawiązania znacząco wpłynęło na przeprowadzone analizy. Przeprowadzenie tego typu analiz w warunkach leśnych byłoby o wiele trudniejsze. Dlatego konieczne wydaje się opracowanie metod pozwalających na uzyskanie georeferencji chmur punktów pozyskanych w drzewostanie. Podkreślenia wymaga również czasochłonność przeprowadzonych analiz. Ogromna ilość danych pochodzących ze skaningu wymaga dużej mocy obliczeniowej komputera. Dane pochodzące z naziemnego skaningu laserowego były w trakcie analiz, począwszy od ltracji, poprzez klasy kację i selekcję, poddawane ciągłej redukcji. Do pomiaru grubości wykorzystany został jedynie wycinek o grubości 4 cm, podobnie podczas określania położenia. Konieczne do ich utworzenia operacje pochłonęły najwięcej czasu. Główną przewagą skaningu laserowego nad obecnie stosowanymi metodami pomiaru drzew jest fakt możliwości pomiaru nie tylko fragmentu drzewa, ale jego całości. Umożliwia to dokładne określenie miąższości całego pnia lub wybranego fragmentu oraz biomasy całego drzewa. Ta przewaga nad tradycyjnymi metodami odbywa się jednak kosztem czasochłonności i pracochłonności. Dlatego można spodziewać się, że w obecnej postaci skaning naziemny nie zastąpi tradycyjnych metod inwentaryzacji lasu, a będzie cennym uzupełnieniem danych. Dowodem tego może być fakt nabycia przez Instytut Badawczy Leśnictwa skanera naziemnego. Może on stanowić niezastąpione narzędzie nie tylko przy pracach naukowo-badawczych, ale także może służyć do utrwalenia stanu aktualnego drzewostanu oraz do celów porównawczych. Wykorzystany na stałych powierzchniach badawczych pozwala na ułatwienie śledzenia zmian, jakie zachodzą w drzewostanie. W pracy badano dokładność wykorzystania naziemnego skaningu laserowego do określenia grubości i wysokości drzew oraz ich położenia. Uzyskane wyniki pozwalają na stwierdzenie, że naziemny skaning laserowy umożliwia stworzenie wiernego modelu drzew i dokonywanie na nich obiektywnych pomiarów. Wyniki te potwierdzają również tezy postawione jako cel pracy. 345

Tompalski P., Kozioł K.: Określanie wybranych parametrów drzew za pomocą naziemnego skaningu laserowego Podziękowania Za umożliwienie wykonania pomiarów i udostępnienie skanera Firmie FARO TECHNOLOGIES POLS oraz za wsparcie w pracach terenowych i analizach związanych z charakterystyka drzewostanów dr inż. Piotrowi Wężykowi z Uniwersytetu Rolniczego w Krakowie. PIOTR TOMPALSKI, KRYSTIAN KOZIOŁ Literatura [1] de Kok R., Kozioł K., Wężyk P.: Zastosowanie klasy kacji obiektowej wysokorozdzielczych obrazów teledetekcyjnych oraz analiz przestrzennych GIS w kartowaniu drzewostanów, Roczniki Geomatyki, 2005, Tom III, Zeszyt 4, s. 99 108. [2] Faro: Faro laser scanner ls techsheet, 2007, h p://faro.com/faroip/files/file/techsheets/download/04ref201_ 041_Laser_Scanner_LS.pdf. [3] Guibas, L., Stol, J.: Primitives for the Manipulation of General Subdivisions and the Computation of Voronoi Diagrams, ACT TOG, 1985, 4 (2), April. [4] Kozioł K., Wężyk P.: Zastosowanie Algorytmu Delaunay a w eliminacji i klasy kacji chmury punktów naziemnego skaningu laserowego, Roczniki Geomatyki, 2007, Tom V, Zeszyt 5, s. 33 418. [5] Lichti D.D., Gordon S.J., Stewart M.P.: Ground-based Laser Scanners: Operation, Systems and Applications, Geomatica, 2002, Vol: 56 (1), s. 21 33. [6] Pfeifer N., Briese C.: Geometrical Aspects of Airborne and Terrestrial Laser Scanning, [w:] Rönnholm P., Hyyppä H. i Hyyppä J. (eds.): ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007. Espoo, Finland. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. XXXVI, Part 3/W52. [7] Scaioni M.: Direct Georeferencing of TLS in Surveying of Complex Sites, International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 2005, Vol: XXXVI, Part 5/W17 [8] ies M., Aschoff T., Spiecer H.: Terrestrische Laserscanner im Forst fuer forstliche Inventur und wissenscha liche Datenerfassung, AFZ/Der Wald, 2003, Vol: 58, s. 1430 2713. [9] ies M., Pfeifer N., Winterhalder D., Gorte B.G.H.: ree-dimensional Reconstruction of Stems for Assessment of Taper, Sweep and Lean Based on Laser Scanning of Standing Trees, Scandinavian Journal of Forest Research, 2004, Vol: 19 (6), s. 571 581. [10] Wezyk P., Koziol K., Glista M., Pierzchalski M.: Terrestrial Laser Scanning versus Traditional Forest Inventory. First results om the Polish Forests, [w:] Rönnholm P., Hyyppä H. i Hyyppä J. (eds.): ISPRS Workshop on Laser Scanning 2007 and SilviLaser 2007. Espoo, Finland. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences. XXXVI, Part 3/W52, s. 424 429. De ning Selected Tree Parameters using Terrestrial Laser Scanning Keywords LiDAR geomatics forest inventory forest monitoring Abstract Paper provides a study about application of terrestrial laser scanning to determine tree diameter, height and its position. Laser scanning is an active remote sensing technique, which allows collecting precise coordinates of objects in its range. e main principle in the laser scanner is the range measurement done by the laser beam. Data collected by the laser scanner is a so called point cloud. Each component of it has three coordinates (XYZ) and a re ection intensity value. Point clouds from different laser positions can be merged together by means of tie points. is process results with a full, three-dimensional information about scanned objects. Point clouds collected during the eld work were ltered, classi ed and then segmented. e slice between 1.28 1.32 m above the ground was used to analyze the accuracy of dbh measurement. Trunk sections from this slice were divided into three categories depending on the degree of point coverage. For each category different measurement method was applied. An algorithm was also created that made the measurement process completely automatic. e results lead to a statement that terrestrial laser scanning enables a creation of a true tree model, that can be then reliably measured. 346