Статья

Алексей Валерьевич Кабонен, аспирант кафедры технологии и организации лесного комплекса Института лесных, горных и строительных наук ФГБОУ ВО «Петрозаводский государственный университет» (185910, Россия, Республика Карелия, г. Петрозаводск, пр-т Ленина, 33); iD ORCID: https://orcid.org/0000-0002-1717-3085; e-mail: alexkabonen@mail.ru
Наталья Владимировна Иванова, к.б.н., с.н.с. Института математических проблем биологии РАН – филиал Федерального государственного учреждения «Федеральный исследовательский центр Институт прикладной математики им. М.В. Келдыша Российской академии наук» (142290, Россия, Московская область, г. Пущино, ул. Проф. Виткевича, д.1); iD ORCID: https://orcid.org/0000-0003-4199-5924; e-mail: natalya.dryomys@gmail.com

Кабонен А.В., Иванова Н.В. 2023. Оценка биометрических характеристик деревьев по данным наземного LiDAR и разносезонной аэрофотосъемки в искусственных насаждениях // Nature Conservation Research. Заповедная наука. Т. 8(1). С. 64–83. https://dx.doi.org/10.24189/ncr.2023.005

Электронное приложение. Список видов древесных растений в коллекции арборетума Ботанического сада Петрозаводского государственного университета (Республика Карелия, Россия) (Ссылка).

Достижения в области беспилотных летательных аппаратов и технологии LiDAR сделали возможным получение данных с высоким разрешением, которые можно использовать для автоматического детектирования отдельных деревьев и оценки их биометрических характеристик. Точность получаемых оценок остается малоизученной в условиях высокого видового разнообразия деревьев и разных сезонов проведения съемки. Целью данной работы стала оценка качества детектирования деревьев и их высот в смешанных и хвойных насаждениях по фотограмметрическим и наземным LiDAR данным в зависимости от фенологической фазы. В 2019–2021 гг. было проведено четыре аэрофотосъемки с квадрокоптера Phantom 4 Pro на территории арборетума (> 200 видов деревьев) Ботанического сада Петрозаводского государственного университета (Республика Карелия, Россия) в периоды безлистного состояния деревьев, роста зеленой биомассы, полного облиствения и осеннего окрашивания листьев. Дополнительно к этому было выполнено однократное наземное лазерное сканирование насаждения с помощью Leica BLK 360. Получены разносезонные RGB-ортофотопланы со сверхвысоким пространственным разрешением (1.1–2.8 см/пиксель) и трехмерные облака точек со средней плотностью 4200 точек/м² (фотограмметрическая обработка) и 11 600 точек/м² (лазерное сканирование). Дальнейший анализ проводили на трех модельных участках, различающихся по видовому составу и плотности произрастания деревьев. В среде статистического программирования R по фотограмметрическим облакам точек выполнен поиск вершин деревьев и оценены их высоты. В результате установлено, что алгоритмы обработки данных аэрофотосъемки позволили корректно детектировать большинство деревьев (78.9%) в периоды полного облиствения и осеннего окрашивания. Отмечено, что уменьшение зеленой биомассы на лиственных деревьях приводит к увеличению ложноположительных (FP) и ложноотрицательных срабатываний (FN). Показано, что корректность детектирования вершин деревьев возрастает на 9.4% в случае хвойных деревьев с конусовидной формой кроны вне зависимости от плотности крон и снижается на 10% в случае высокой сомкнутости крон широколиственных или хвойных деревьев с шарообразными кронами. Наиболее низкое значение оценки качества детектирования деревьев F (0.49) выявлено для периода безлистного состояния. Высокие значения качества F (0.84) для периодов полного облиствения и осеннего окрашивания показывают, что в целом качество детектирования деревьев было хорошим на всех исследованных участках. Значение F (0.69) для периода роста биомассы также свидетельствует о высоком качестве детектирования деревьев. При сопоставлении оценок высот деревьев выяснено, что высоты, оцененные по фотограмметрическим облакам точек, хорошо согласовывались с высотами, измеренными лазерным сканированием LiDAR (R² = 0.99). Наиболее близкие значения высот были получены для деревьев с конусовидной формой кроны. По разновременным фотограмметрическим облакам точек также выполнена оценка прироста в высоту разных видов исследуемых деревьев в период с 2019 по 2021 гг. Наибольший прирост высоты в год был получен для Pinus sibirica (52 см), а наименьший – для Pseudotsuga menziesii (32 см). В целом результаты исследования показали, что использованные методы могут быть успешно применены для подеревного картографирования древостоев и оценки высот деревьев в условиях многовидовых насаждений арборетумов или городских парков, а также в природных лесах.

lidR, беспилотные летательные аппараты, ботанический сад, лазерное сканирование, арборетум, фенология, фотограмметрия

Поступила: 04.04.2022. Исправлена: 26.09.2022. Принята к опубликованию: 04.10.2022.

Алешко Р.А., Алексеева А.А., Шошина К.В., Богданов А.П., Гурьев А.Т. 2017. Разработка методики актуализации информации о лесном участке с использованием снимков со спутников и малых БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. Т. 14(5). С. 87–99. DOI: 10.21046/2070-7401-2017-14-5-87-99
Громцев А.Н., Китаев C.П., Крутов В.И., Кузнецов О.Л., Линдхольм Т., Яковлев Е.Б. (ред.). 2003. Разнообразие биоты Карелии: условия формирования, сообщества, виды. Петрозаводск: Карельский научный центр РАН. 262 с.
Иванова Н.В., Шашков М.П., Шанин В.Н. 2021. Определение характеристик смешанных древостоев по данным аэрофотосъёмки с применением беспилотного летательного аппарата (БПЛА) // Вестник Томского государственного университета. Биология. Т. 54. С. 158–175. DOI: 10.17223/19988591/54/8
Кабонен А.В., Андрюсенко В.В. 2018. Веб-геоинформационная система Ботанического сада Петрозаводского государственного университета // Hortus Вotanicus. Т. 13. С. 356–360. DOI: 10.15393/j4.art.2018.5382
Кищенко И.Т. 2014. Рост и развитие интродуцированных лиственных видов деревьев в условиях Карелии. Петрозаводск: Петрозаводский государственный университет. 161 с.
Лантратова А.С., Марковская Е.Ф., Обухова E.Л., Платонова E.A., Прохоров А.А. 2001. 50-летняя история Ботанического сада Петрозаводского университета // Hortus Вotanicus. Т. 1. С. 9–18.
Медведев А.А., Тельнова Н.О., Кудиков А.В. 2019. Дистанционный высокодетальный мониторинг динамики зарастания заброшенных сельскохозяйственных земель лесной растительностью // Вопросы лесной науки. Т. 2(3). DOI: 10.31509/2658-607x-2019-2-3-1-12
Минин А.А., Ананин А.А., Буйволов Ю.А., Ларин Е.Г., Лебедев П.А., Поликарпова Н.В., Прокошева И.В., Руденко М.И., Сапельникова И.И., Федотова В.Г., Шуйская Е.А., Яковлева М.В., Янцер О.В. 2020. Рекомендации по унификации фенологических наблюдений в России // Nature Conservation Research. Заповедная наука. Т. 5(4). С. 89–110. DOI: 10.24189/ncr.2020.060
Низаметдинов Н.Ф., Моисеев П.А., Воробьев И.Б. 2021. Лазерное сканирование и аэрофотосъемка с БПЛА в исследовании структуры лесотундровых древостоев Хибин // Известия вузов. Лесной журнал. №4. С. 9–22. DOI: 10.37482/0536-1036-2021-4-9-22
Портнов А.М., Быховец С.С., Дин Е.С., Иванова Н.В., Фролов П.В., Шанин В.Н., Шашков М.П. 2021. Количественная оценка размеров окон в пологе старовозрастного широколиственного леса наземными и дистанционными методами // Математическое моделирование в экологии». Пущино: ФИЦ ПНЦБИ РАН. С. 99–102.
Прохоров А.А., Платонова Е.А., Шредерс М.А., Тарасенко В.В., Андрюсенко В.В., Куликова В.В. 2013. Компоненты информационного пространства ботанического сада. Геоинформационная система Ботанического сада ПетрГУ // Hortus Вotanicus. Т. 8. С. 66–74.
Рыбаков Д.С., Белашев Б.З. 2020. Погодно-климатические условия, загрязнение атмосферного воздуха, вызовы скорой медицинской помощи и смертность населения в Петрозаводске // Экология человека. Т. 27(5). С. 21–30. DOI: 10.33396/1728-0869-2020-5-21-30
Agisoft LLC. 2019. Agisoft Metashape (Version 1.5). Software. Available from https://www.agisoft.com/
Alonzo M., Andersen H.E., Morton D.C., Cook B.D. 2018. Quantifying Boreal Forest Structure and Composition Using UAV Structure from Motion // Forests. Vol. 9(3). Article: 119. DOI: 10.3390/f9030119
Bennett G., Hardy A., Bunting P., Morgan P., Fricker A. 2020. A Transferable and Effective Method for Monitoring Continuous Cover Forestry at the Individual Tree Level Using UAVs // Remote Sensing. Vol. 12(13). Article: 2115. DOI: 10.3390/rs12132115
Birdal A.C., Avdan U., Türk T. 2017. Estimating tree heights with images from an unmanned aerial vehicle // Geomatics, Natural Hazards and Risk. Vol. 8(2). P. 1144–1156. DOI: 10.1080/19475705.2017.1300608
Blaskow R., Lindstaedt M., Schneider D., Kersten T. 2018. Untersuchungen zum Genauigkeitspotential des terrestrischen Laserscanners Leica BLK360 // Photogrammetrie, Laserscanning, Optische 3D-Messtechnik – Beiträge der Oldenburger 3D-Tage 2018 / T. Luhmann, C. Schumacher (Eds.). Berlin/Offenbach: VDE Verlag GmbH. P. 284–296.
Brieger F., Herzschuh U., Pestryakova L.A., Bookhagen B., Zakharov E.S., Kruse S. 2019. Advances in the derivation of northeast siberian forest metrics using high-resolution UAV-based photogrammetric point clouds // Remote Sensing. Vol. 11(12). Article: 1447. DOI: 10.3390/rs11121447
Budilovskaia A., Shao Y. 2021. Study on Russian Botanical Garden construction characteristics – on the example of Russia Northern-West botanical gardens // IOP Conference Series: Earth and Environmental Science. Vol. 787. Article: 012073. DOI: 10.1088/1755-1315/787/1/012073
Burt A.P. 2017. New 3D-measurements of forest structure. PhD Thesis. London: University College. 288 p.
Dalponte M., Coomes D.A. 2016. Tree-centric mapping of forest carbon density from airborne laser scanning and hyperspectral data // Methods in Ecology and Evolution. Vol. 7(10). P. 1236–1245. DOI: 10.1111/2041-210X.12575
Dempewolf J., Nagol J., Hein S., Thiel C., Zimmermann R. 2017. Measurement of within-season tree height growth in a mixed forest stand using UAV imagery // Forests. Vol. 8. Article: 231. DOI: 10.3390/f8070231
Goutte C., Gaussier E. 2005. A probabilistic interpretation of precision, recall and F-score, with implication for evaluation // Advances in Information Retrieval. ECIR 2005. Lecture Notes in Computer Science / D.E. Losada, J.M. Fernández-Luna (Eds.). Vol. 3408. Berlin; Heidelberg: Springer. P. 345–359. DOI: 10.1007/978-3-540-31865-1_25
Hudak A.T., Haren A.T., Crookston N.L., Liebermann R.J., Ohmann J.L. 2014. Imputing forest structure attributes from stand inventory and remotely sensed data in western Oregon, USA // Forest Science. Vol. 60(2). P. 253–269. DOI: 10.5849/forsci.12-101
Hyyppä J., Hyyppä H., Leckie D., Gougeon F., Yu X., Maltamo M. 2008. Review of methods of small-footprint airborne laser scanning for extracting forest inventory data in boreal forests // International Journal of Remote Sensing. Vol. 29(5). P. 1339–1366. DOI: 10.1080/01431160701736489
Jackson M., Portillo-Quintero C., Cox R., Ritchie G., Johnson M., Humagain K., Subedi M.R. 2020. Season, classifier, and spatial resolution impact honey mesquite and yellow bluestem detection using an Unmanned Aerial System // Rangeland Ecology and Management. Vol. 73(5). P. 658–672. DOI: 10.1016/j.rama.2020.06.010
Kabonen A.V. 2022. Orthophoto mosaics of the Arboretum of Botanical Garden of Petrozavodsk State University // Zenodo. DOI: 10.5281/zenodo.6370597
Kolarik N., Ellis G., Gaughan A., Stevens R.F. 2019. Describing seasonal differences in tree crown delineation using multispectral UAS data and structure from motion // Remote Sensing Letters. Vol. 10(9). P. 864–873. DOI: 10.1080/2150704X.2019.1629708
Kolarik N.E., Gaughan A.E., Stevens F.R., Pricope N.G., Woodward K., Cassidy L., Salerno J., Hartter J. 2020. A multi-plot assessment of vegetation structure using a micro-unmanned aerial system (UAS) in a semi-arid savanna environment // ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 164. P. 84–96. DOI: 10.1016/j.isprsjprs.2020.04.011
Larjavaara M., Muller-Landau H.C. 2013. Measuring tree height: A quantitative comparison of two common field methods in a moist tropical forest // Methods in Ecology and Evolution. Vol. 4(9). P. 793–801. DOI: 10.1111/2041-210X.12071
Lau A., Martius C., Bartholomeus H., Shenkin A., Jackson T., Malhi Ya., Herold M., Bentley L.P. 2019. Estimating architecture-based metabolic scaling exponents of tropical trees using terrestrial LiDAR and 3D modelling // Forest Ecology and Management. Vol. 439. P. 132–145. DOI: 10.1016/j.foreco.2019.02.019
Li W., Guo Q., Jakubowski M.K., Kelly M. 2012. A new method for segmenting individual trees from the LiDAR point cloud // Photogrammetric Engineering and Remote Sensing. Vol. 78(1). P. 75–84. DOI: 10.14358/PERS.78.1.75
Liang X., Kankare V., Hyyppä J., Wang Y., Kukko A., Haggrén H., Yu X., Kaartinen H., Jaakkola A., Guan F., Holopainen M., Vastaranta M. 2016. Terrestrial laser scanning in forest inventories // ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 115. P. 63–77. DOI: 10.1016/j.isprsjprs.2016.01.006
Lin Y., Hyyppä J., Kukko A., Jaakkola A., Kaartinen H. 2012. Tree height growth measurement with single-scan airborne, static terrestrial and mobile laser scanning // Sensors. Vol. 12(9). P. 12798–12813. DOI: 10.3390/s120912798
Lisein J., Pierrot-Deseilligny M., Bonnet S., Lejeune P. 2013. A photogrammetric workflow for the creation of a forest canopy height model from small Unmanned Aerial System imagery // Forests. Vol. 4. P. 922–944. DOI: 10.3390/f4040922
Liu H., Wu C. 2020. Developing a scene-based triangulated irregular network (TIN) technique for individual tree crown reconstruction with LiDAR data // Forests. Vol. 11. Article: 28. DOI: 10.3390/f11010028
Luhmann T., Chizhova M., Gorkovchuk D., Hastedt H., Chachava N., Lekveishvili N. 2019. Combination of terrestrial laserscanning, UAV and close-range photogrammetry for 3D reconstruction of complex churches in Georgia // International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. 42-2/W11. P. 753–761. DOI: 10.5194/isprs-archives-XLII-2-W11-753-2019
Meier U. (Ed.). 2018. Growth stages of mono- and dicotyledonous plants: BBCH Monograph. Quedlinburg: Open Agrar Repositorium. 204 p.
Meier U., Bleiholder H., Buhr L., Feller C., Hack H., Heß M., Lancashire P.D., Schnock U., Stauß R., van den Boom T., Weber E., Zwerger P. 2009. The BBCH system to coding the phenological growth stages of plants – history and publications // Journal für Kulturpflanzen. Vol. 61(2). P. 41–52. DOI: 10.5073/JfK.2009.02.01
Miller E., Dandois J.P., Detto M., Hall J.S. 2017. Drones as a tool for monoculture plantation assessment in the steepland tropics // Forests. Vol. 8(5). Article: 168. DOI: 10.3390/f8050168
Nuijten R.J.G., Coops N.C., Goodbody T.R.H., Pelletier G. 2019. Examining the Multi-Seasonal Consistency of Individual Tree Segmentation on Deciduous Stands Using Digital Aerial Photogrammetry (DAP) and Unmanned Aerial Systems (UAS) // Remote Sensing. Vol. 11(7). Article: 739. DOI: 10.3390/rs11070739
Onishi M., Ise T. 2021. Explainable identification and mapping of trees using UAV RGB image and deep learning // Scientific Reports. Vol. 11(1). Article: 903. DOI: 10.1038/s41598-020-79653-9
Otero V., Van De Kerchove R., Satyanarayana B., Martínez-Espinosa C., Fisol M.A.B., Ibrahim M.R.B., Sulong I., Mohd-Lokman H., Lucas R., Dahdouh-Guebas F. 2018. Managing mangrove forests from the sky: forest inventory using field data and unmanned aerial vehicle (UAV) imagery in the Matang Mangrove Forest Reserve, peninsular Malaysia // Forest Ecology and Management. Vol. 411. P. 35–45. DOI: 10.1016/j.foreco.2017.12.049
Panagiotidis D., Abdollahnejad A., Surový P., Chiteculo V. 2017. Determining tree height and crown diameter from high-resolution UAV imagery // International Journal of Remote Sensing. Vol. 38(8–10). P. 2392–2410. DOI: 10.1080/01431161.2016.1264028
Peerbhay K.Y., Mutanga O., Ismail R. 2013. Commercial tree species discrimination using airborne AISA Eagle hyperspectral imagery and partial least squares discriminant analysis (PLS-DA) in KwaZulu–Natal, South Africa // ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 79. P. 19–28. DOI: 10.1016/j.isprsjprs.2013.01.013
Petrie G., Toth C.K. 2009. Terrestrial laser scanners // Topographic laser ranging and scanning: principles and processing / J. Shan, C.K. Toth (Eds.). Boca Raton: CRS Press. P. 87–128.
Picos J., Bastos G., Míguez D., Alonso L., Armesto J. 2020. Individual Tree Detection in a Eucalyptus Plantation Using Unmanned Aerial Vehicle (UAV)-LiDAR // Remote Sensing. Vol. 12(5). Article: 885. DOI: 10.3390/rs12050885
R Core Team. 2020. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing. Available from https://www.R-project.org/
Raumonen P., Kaasalainen M., Åkerblom M., Kaasalainen S., Kaartinen H., Vastaranta M., Holopainen M., Disney M., Lewis P. 2013. Fast Automatic Precision Tree Models from Terrestrial Laser Scanner Data // Remote Sensing. Vol. 5(2). P. 491–520. DOI: 10.3390/rs5020491
Reshetyuk Y. 2009. Self-calibration and direct georeferencing in terrestrial laser scanning. Doctoral thesis. Stockholm, Sweden: Royal Institute of Technology. 174 p.
Roussel J., Auty D., Coops N.C., Tompalski P., Goodbody T.R., Meador A.S., Bourdon J., de Boissieu F., Achim A. 2020. lidR: An R package for analysis of Airborne Laser Scanning (ALS) data // Remote Sensing of Environment. Vol. 251. Article: 112061. DOI: 10.1016/j.rse.2020.112061
Safonova A., Hamad Y., Dmitriev E., Georgiev G., Trenkin V., Georgieva M., Dimitrov S., Iliev M. 2021. Individual tree crown delineation for the species classification and assessment of vital status of forest stands from UAV images // Drones. Vol. 5(3). Article: 77. DOI: 10.3390/drones5030077
Sokolova M., Japkowicz N., Szpakowicz S. 2008. Beyond accuracy, F-score and ROC: A family of discriminant measures for performance evaluation // Advances in Artificial Intelligence. AI 2006. Lecture Notes in Computer Science / A. Sattar, Bh. Kang (Eds.). Vol. 4304. Berlin; Heidelberg: Springer. P. 1015–1021. DOI: 10.1007/11941439_114
Tasoulas E., Varras G., Tsirogiannis I., Myriounis C. 2013. Development of a GIS application for urban forestry management planning // Procedia Technology. Vol. 8. P. 70–80. DOI: 10.1016/j.protcy.2013.11.011
Véga C., St-Onge B. 2009. Mapping site index and age by linking a time series of canopy height models with growth curves // Forest Ecology and Management. Vol. 257(3). P. 951–959. DOI: 10.1016/j.foreco.2008.10.029
Vosselman G., Maas H.G. (Eds.) 2011. Airborne and Terrestrial Laser Scanning. Dunbeath: Whittles Publishing. 336 p.
Watts A.C., Ambrosia V.G., Hinkley E.A. 2012. Unmanned aircraft systems in remote sensing and scientific research: classification and considerations of use // Remote Sensing. Vol. 4(6). P. 1671–1692. DOI: 10.3390/rs4061671
Wehr A., Lohr U. 1999. Airborne laser scanning–an introduction and overview // ISPRS Journal of Photogrammetry and Remote Sensing. Vol. 54(2–3). P. 68–82. DOI: 10.1016/S0924-2716(99)00011-8
Zahawi R.A., Dandois J.P., Holl K.D., Nadwodny D., Reid J.L., Ellis E.C. 2015. Using lightweight unmanned aerial vehicles to monitor tropical forest recovery // Biological Conservation. Vol. 186. P. 287–295. DOI: 10.1016/j.biocon.2015.03.031
Zhang J., Hu J., Lian J., Fan Z., Ouyang X., Ye W. 2016. Seeing the forest from drones: testing the potential of lightweight drones as a tool for long-term forest monitoring // Biological Conservation. Vol. 198. P. 60–69. DOI: 10.1016/j.biocon.2016.03.027
Zhang W., Qi J., Wan P., Wang H., Xie D., Wang X., Yan G. 2016. An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation // Remote Sensing. Vol. 8(6). Article: 501. DOI: 10.3390/rs8060501
Zhou J., Proisy C., Descombes X., Le Maire G., Nouvellon Y., Stape J.L., Viennois G., Zerubia J., Couteron P. 2013. Mapping local density of young Eucalyptus plantations by individual tree detection in high spatial resolution satellite images // Forest Ecology and Management. Vol. 301. P. 129–141. DOI: 10.1016/j.foreco.2012.10.007