1. ISTCGCAP
  2. Всі випуски
  3. Випуск 98, 2023
  4. Особливості інвентаризації зелених насаджень автоматизованими методами наземного лазерного сканування

Особливості інвентаризації зелених насаджень автоматизованими методами наземного лазерного сканування

ISTCGCAP.
2023;
Випуск 98, 2023, Номер 98
: 24-31
https://doi.org/10.23939/istcgcap2023.98.024
Надіслано: Вересень 06, 2023
Автори:
  1. Ярослав Ваш
1
Національний університет «Львівська політехніка»

Мета цієї роботи – дослідження процесу отримання необхідної інформації про метричні показники невеликих за площею масивів, лінійно розташованих та поодиноких зелених насаджень на переважно урбанізованих територіях та застосування результатів опрацювання даних при складанні топографічних та спеціальних карт з відповідних матеріалів сканування території. Методика. З цією метою дослідженню підлягають методи наземного лазерного сканування, динамічного лазерного сканування як джерело даних для подеревної зйомки території та як інформаційна база для наповнення відповідних кадастрів. Досліджено можливості використання даних методів для отримання інформації про зелені насадження з використанням сучасних програмних засобів. На основі даних наземного лазерного сканування, виконаного відповідно до вимог нормативних документів з геопросторовою прив’язкою, проведено опрацювання даних наземного лазерного сканування з використанням автоматизованих методів а саме програмного комплексу Terrasolid.  Підтверджено необхідність наявності більше 40% покриття стовбура дерева хмарою точок, отриманою з лазерного сканування для усунення можливих помилок при визначенні відповідних показників у зв’язку з неоднорідністю будови різних стовбурів дерев. Попереднє опрацювання матеріалів сканування виконано за допомогою програмного забезпечення FARO Scene 2020. Наукова новизна та практична значущість. Проведено експериментальний аналіз створення планово-висотної основи та інформаційної бази про зелені насадження на обраних об’єктах на території Закарпатської області. Удосконалено технологію отримання даних про зелені насадження, без використання класичних методів топографо-геодезичних робіт, із застосуванням наземного лазерного сканування та частково GNSS вимірювань. В результаті на території досліджуваних об’єктів автоматизованими методами створено таблицю даних зелених насаджень з інформацією про їх розташування у прийнятій системі координат та діаметром стовбура на висоті 1.3 метра.

наземне лазерне сканування
автоматизовані методи
стовбур дерева
діаметр
цифрові моделі поверхні
інвентаризація зелених насаджень
  1. Ваш Я., Губар Ю., Калинич  І., Четверіков Б.  Інвентаризація об’єктів садово-паркового господарства скверу Т. Масарика м. Ужгород із використанням НЛС. Сучасні досягнення геодезичної науки та виробництва: збірник наукових праць Західного геодезичного товариства УТГК. 2022. Вип. 2 (44). С. 121–129. https://doi.org/10.33841/1819-1339-2-44-121-129
  2. Верховна Рада України (1998). Про затвердження Інструкції з топографічної знімання в масштабах 1: 5000, 1: 2000, 1: 1000 та 1: 500 (ДСТУ 2.04-02-98). Укргеодезкартографія; Розпорядження 9 квітня № 56.
  3. Верховна Рада України (2001).  Про затвердження Інструкції з інвентаризації зелених насаджень у населених пунктах України Державний комітет будівництва, архітектури та житлової політики України Наказ від 24 грудня № 226
  4. Верховна Рада України (2011).  Про містобудівний кадастр Кабінет Міністрів України Постанова від 25 травня № 559
  5. Семко І. Д. Метод визначення надземної фітомаси деревостану сосни звичайної на основі матеріалів авіаційної лідарної зйомки: дисертація на здобуття наукового ступеня кандидата технічних наук. Київ, 2015. 135
  6. Роговський С. В., О. Г. Олешко О. Г., Жихарєва К. В., Струтинська Ю. В., Колотницька А. В. Сучасні проблеми інвентаризації рослин у міських насадженнях і досвід їх вирішення». Науковий вісник національного лісотехнічного університету України: збірник наукових праць. Львів: РВВ НЛТУ України, 2021. Том 31. №5. С. 60-66.
  7. Ялова К. М. Концептуальні положення автоматизації моніторингу стану зелених насаджень міста. Комп’ютерно-інтегровані технології: освіта, наука, виробництво. Луцьк. 2019. Вип. С. 112–116. http://cit-journal.com.ua/index.php/cit/article/view/84
  8. Abegg, M., Kükenbrink, D., Zell, J., Schaepman, M. E., & Morsdorf, F. (2017). Terrestrial laser scanning for forest inventories – tree diameter distribution and scanner location impact on occlusion. Forests, 8(6), 184. https://doi.org/10.3390/f8060184
  9. Fol C. R., Kükenbrink D., Rehush N., Murtiyoso A., Griess V. C. (2023). Evaluating state-of-the-art 3D scanning methods for stem-level biodiversity inventories in forests. International Journal of Applied Earth Observation and Geoinformation, 122, 103396, https://doi.org/10.1016/j.jag.2023.103396
  10. Gollob, C., Ritter, T., Kraßnitzer, R., Tockner, A., & Nothdurft, A. (2021). Measurement of forest inventory parameters with Apple iPad pro and integrated LiDAR technology. Remote Sensing, 13(16), 3129. https://doi.org/10.3390/rs13163129
  11. Kalvoda P., Nosek J, Kuruc M., Volarik T. and Kalvodova P. (2020) Accuracy Evaluation and Comparison of Mobile Laser Scanning and Mobile Photogrammetry Data. 2020. IOP Conference Series: Earth and Environmental Science, Volume 609. https://doi.org/10.1088/1755-1315/609/1/012091
  12. Kuželka K., Surový P. (2021) Mathematically optimized trajectory for terrestrial close-range photogrammetric 3D reconstruction of forest stands. ISPRS Journal of Photogrammetry and Remote Sensing, 178, 259-281. https://doi.org/10.1016/j.isprsjprs.2021.06.013
  13. Li J., Yang B., Yang Y., Zhao X., Liao Y., Zhu N., Dai W., Liu R., Chen R., Dong Z. (2023). Real-time automated forest field inventory using a compact low-cost helmet-based laser scanning system. Int. J. Appl. Earth Obs. Geoinf., 118, 103299, https://doi.org/10.1016/j.jag.2023.103299
  14. Liang, X., Hyyppä, J., Kaartinen, H., Lehtomäki, M., Pyörälä, J., Pfeifer, N., ... & Wang, Y. (2018). International benchmarking of terrestrial laser scanning approaches for forest inventories. ISPRS journal of photogrammetry and remote sensing, 144, 137-179. https://doi.org/10.1016/j.isprsjprs.2018.06.021
  15. Liang, X., Kankare, V., Hyyppä, J., Wang, Y., Kukko, A., Haggrén, H., ... & Vastaranta, M. (2016). Terrestrial laser scanning in forest inventories. ISPRS Journal of Photogrammetry and Remote Sensing, 115, 63-77.
  16. Serrano, F. L., Rubio, E., Morote, F. G., Abellán, M. A., Córdoba, M. P., Saucedo, F. G., ... & González, J. G. (2022). Artificial intelligence-based software (AID-FOREST) for tree detection: A new framework for fast and accurate forest inventorying using LiDAR point clouds. International Journal of Applied Earth Observation and Geoinformation, 113, 103014.. 113.2022. https://doi.org/10.1016/j.jag.2022.103014.
  17. Maas, H. G., Bienert, A., Scheller, S., & Keane, E. (2008). Automatic forest inventory parameter determination from terrestrial laser scanner data. International journal of remote sensing, 29(5), 1579-1593.
  18. Ritter, T., Schwarz, M., Tockner, A., Leisch, F., & Nothdurft, A. (2017). Automatic mapping of forest stands based on three-dimensional point clouds derived from terrestrial laser-scanning. Forests, 8(8), 265 https://doi.org/10.3390/f8080265
  19. Stoli, S., & Rex, D. (2014). Applications of 3D Laser Scanning in a Production Environment.
  20. Strzeliński P., Jagodziński A. M., Wencel A., Zawiła Niedźwiecki T. (2008). Szacowanie zasobów węgla w lasach z wykorzystaniem technik geomatycznych. Techniki geomatyczne w inwentaryzacji lasu — potrzeby i  możliwości. Warszawa: Wyd. SGGW, 114–125.
  21. TerraScan User Guide URL: https://www.terrasolid.com/guides/tscan/crtrees.html
  22. Tockner, A., Gollob, C., Kraßnitzer, R., Ritter, T., & Nothdurft, A. (2022). Automatic tree crown segmentation using dense forest point clouds from Personal Laser Scanning (PLS). International Journal of Applied Earth Observation and Geoinformation, 114, 103025. https://doi.org/10.1016/j.jag.2022.103025
  23. Trochta, J., Krůček, M., Vrška, T., & Král, K. (2017). 3D Forest: An application for descriptions of three-dimensional forest structures using terrestrial LiDAR. PloS one, 12(5), e0176871. https://doi.org/10.1371/journal.pone.0176871
  24. Vash, Y., Hubar, Yu. (2022) The method of optimizing measurements with a ground laser scanner of the green plants of T. Masarik park in Uzhgorod. In International Conference of Young Professionals, GeoTerrace 2022, 1, 1-5. European Association of Geoscientists & Engineers. https://doi.org/10.3997/2214-4609.2022590048
  25. Wang, Y., Pyörälä, J., Liang, X., Lehtomäki, M., Kukko, A., Yu, X., ... & Hyyppä, J. (2019). In situ biomass estimation at tree and plot levels: What did data record and what did algorithms derive from terrestrial and aerial point clouds in boreal forest. Remote Sensing of Environment, 232, 111309. https://doi.org/10.1016/j.rse.2019.111309
  26. Wilkes, P., Disney, M., Armston, J., Bartholomeus, H., Bentley, L., Brede, B., ... & Yang, W. (2022). TLS2trees: A scalable tree segmentation pipeline for TLS data. Methods in Ecology and Evolution. https://doi.org/10.1101/2022.12.07.518693
  27. Witzmann, S., Matitz, L., Gollob, C., Ritter, T., Kraßnitzer, R., Tockner, A., ... & Nothdurft, A. (2022). Accuracy and precision of stem cross-section modeling in 3D point clouds from TLS and caliper measurements for basal area estimation. Remote Sensing, 14(8), 1923. https://doi.org/10.3390/rs14081923