Identificação De Árvores Individuais a Partir De Levantamentos Laser Aerotransportado Por Meio De Janela Inversa

Abstract

IDENTIFICAÇÃO DE ÁRVORES INDIVIDUAIS A pARTIR DE lEVANTAmENTOS lASER AEROTRANSpORTADO pOR mEIO DE JANElA INVERSARESUmO: O ponto crucial do filtro de máximos locais é a definição do tamanho da janela. Este trabalho propõe que a janela de busca seja determinada por uma relação inversa à altura do modelo digital de alturas e testa a hipótese de que uma janela de busca, inversamente proporcional, terá melhor desempenho do que a janela de busca proporcional. A área de estudo está localizada na região sudeste do Estado de British Columbia, Canadá. A vegetação natural é do tipo boreal e caracteriza-se pela predominância de duas espécies Picea engelmannii Parry ex. Engelmann (pícea de Engelmann) e Abies lasiocarpa (Hook.) Nutt. (abeto subalpino). O relevo é do tipo ondulado a montanhoso com altitudes que variam de 650 a 2400 metros. Foram lançadas 62 parcelas de campo com 256 metros quadrados. Foi usado um levantamento laser aerotransportado de retornos discretos, com densidade de 2 pontos por metro quadrado e small-footprint. As estimativas foram comparadas aos valores observados em campo durante a medição das parcelas. O desempenho das janelas de busca foi avaliado quanto ao percentual de acertos e quanto ao desvio absoluto. O filtro de máximos locais subestimou o número de árvores por hectare, considerando tanto a janela de busca proporcional quanto a inversamente proporcional. A relação inversa para a determinação da dimensão da janela resultou em melhores resultados, especialmente para regiões com maior densidade de árvores. INDIVIDUAl TREE IDENTIFICATION IN AIRbORNE lASER DATA bY INVERSE SEARCH wINDOwAbSTRACT: The local maximum filtering performance is highly dependent of the window size definition. This paper proposes that the window size should be determined by an inverse relationship to the canopy height model, and test the hypothesis that a windowsize inversely proportional will have better performance than the window proportional to the canopy height model. The study area is located in the southeastern region of the State of British Columbia, Canada. The natural vegetation is the boreal type and is characterized by the dominance of two species Picea engelmannii Parry ex. Engelmann (Engelmann spruce) and Abies lasiocarpa (Hook.) Nutt. (sub-alpine fir). The relief is mountainous with altitudes ranging from 650-2400 meters. 62 plots with 256 square meters were measured in the field. The airborne LiDAR had discrete returns, 2 points per square meter density and small-footprint. The performance of the search windows was evaluated based on success percentage, absolute average error and also compared to the observed values of the field plots. The local maximum filter underestimated the number of trees per hectare for both window sizing methods. The use of the inverse proportional window size has resulted in superior results, particularly for regions with highest density of trees.

Evaluating tropical forest classification and field sampling stratification from lidar to reduce effort and enable landscape monitoring

“…An increasing number of studies have confirmed the use of ALS to estimate, model and characterize structural and ecological variables of forest cover, such as: tree identification and quantification of tree density (Yu et al, 2011;Gorgens et al, 2015;Ferraz et al, 2016;Silva et al, 2016), crown shape (Barnes et al, 2017;Figueiredo, 2014), LAI and vertical profile of vegetation (Stark et al, 2012;Detto et al, 2015;Almeida et al, 2016), carbon and biomass (D'Oliveira et al, 2012;Mascaro et al, 2011;Naesset and Gobakken, 2008;Silva et al, 2015Silva et al, , 2018, diameter distributions of the tree population (Maltamo et al, 2018), and demographic characterization of tree populations (Stark et al, 2015). ALS has also been successfully employed to stratify forest areas into structural types with shared characteristics (Jaskierniak et al, 2011;Valbuena et al, 2013Valbuena et al, , 2016Valbuena et al, , 2017Niemi and Vauhkonen, 2016;Fedrigo et al, 2018), with some classifications validated across landscapes (Hansen et al, 2014;Moran et al, 2018;Adnan et al, 2019).…”