Popis rozdílu mezi borovicí lesní a smrkem ztepilým na úrovni bodových mračen individuálních stromů pomocí matematicko-statistických metod

Bc. Tomáš Cimr

Master's thesis

Describing the difference of scots pine and norwegian spruce on individual tree point cloud level based on mathematical-statistical methods

Abstract:

Rychlý vývoj technologie bezpilotních leteckých prostředků (UAV) s technologickým pokrokem v oblasti strojového učení v kombinaci se zvyšujícími se požadavky na monitorování a sběr dat z lesních porostů, přináší nové postupy pro zpracování dat a jejich následné uplatnění pro lesní management. Tato práce popisuje, zda je možné klasifikovat druhy, konkrétně borovici lesní (Pinus sylvestris L.) a smrk ztepilý (Picea abies L.), pomocí rozdílů v matematicko-statistických veličinách mezi bodovými mračny, pořízenými pomocí technologie LiDAR na platformě UAV. Na čtyřech plochách (dvě pro každou dřevinu) byl proveden sběr dat laserovým skenováním. Z bodových mračen byl vytvořen digitální model terénu (DTM) a model výšky zápoje (CHM) v prostředí ArcGIS 10.6. Na tento model byl aplikován algoritmus Inverse Watershed Segmentation (IWS), který vytvořil horizontální průměty korun jednotlivých stromů. Pomocí těchto ploch byla vyselektována a následně vyříznuta bodová mračna pro jednotlivé stromy. Pro tato data byly v prostředí R studio vypočítány konkrétní statistické veličiny. Statistická analýza byla provedena zobecněným lineárním modelem, který byl zpřesněn pomocí krokové regrese, a následně byly porovnány rozdíly mezi daty jednotlivých druhů stromů. Celková přesnost byla vypočítána pomocí chybové matice s výsledkem úspěšností klasifikace 95,6 % u borovice lesní a 89,8 % u smrku ztepilého.

Abstract:

The rapid development of Unmanned Aerial Vehicles (UAV) technology with technological advances in machine learning, combined with the increasing demand for monitoring and data collection from forest stands, brings new processes for data processing and their subsequent application to forest management. This work describes whether it is possible to classify species, namely Pinus sylvestris and Picea abies, by using differences in mathematical-statistical variables between point clouds, obtained by using LiDAR technology on the UAV platform. Data collection by laser scanning was carried out on four areas (two for each tree species). A Canopy Height Model (CHM) was created from point clouds in the ArcGIS software. The Inverse Watershed Segmentation (IWS) algorithm was applied to this model and polygons were created bounding the areas of individual trees. Using these areas, point clouds for individual trees were selected and then cut out. For this data, specific statistical quantities were calculated in the R studio software. The statistical analysis was performed by a generalized linear model, which was refined by step regression and then the differences between the data of individual tree species were compared. The overall accuracy was calculated using a confusion matrix with a classification success rate of 95.6 % for pine and 89.8 % for spruce.

Keywords

LiDAR, druhová klasifikace, UAV

Keywords

LiDAR, species classification, UAV

Language used: Czech

Date on which the thesis was submitted / produced: 10. 4. 2022

Thesis defence

• Supervisor: Ing. Martin Slavík

Czech University of Life Sciences Prague

Faculty of Forestry and Wood Sciences

Master programme / field:
Forestry Engineering / Forest Engineering