Popis rozdílu mezi borovicí lesní a dubem sp. na úrovni bodových mračen individuálních stromů pomocí matematicko-statistických metod

Bc. Martin Divišek

Master's thesis

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

Abstract:

Biodiverzita je považována za základní prvek, který řídí důležité ekosystémové služby na Zemi. Zachování biologické rozmanitosti v rychle se měnícím světě je však náročný úkol, který vyžaduje efektivní a přesné monitorovací systémy. V této diplomové práci byly vyjádřeny a porovnány rozdíly mezi borovicí lesní (Pinus sylvestris L.) a dubem sp. (Quercus robur L., Quercus petraea (Mattyschka) Liebl.) pomocí matematicko – statistických metod na základě dat tvořených z 3D bodových mračen získaných laserovým skenováním z bezpilotního letadla ((ULS (Unmanned Laser Scanning)) na čtyřech zkusných plochách (2x BO/2x DB) v rámci Dálkového Průzkumu Země (DPZ). Úpravou získaných dat v prostředí ArcGIS 10.5.1 a následným zpracováním v prostředí Rstudio bylo stanoveno 25 statistických metrik pro rozdílné druhy stromů. Za využití zobecněného lineárního modelu a binomického rozdělení byly metriky stromů porovnány mezi sebou. Díky krokové regresy byl odvozen model, který obsahoval celkem 16 prokazatelných metrik věrohodně popisujících rozdíly. Jsou to aritmetický, kvadratický a kubický průměr, průměrná a směrodatná odchylka, koeficient šikmosti a kvantily (5, 15, 25, 45, 50, 60, 65, 70, 85 a 95 %). U borovic bylo dosaženo přesnosti klasifikace 97 %, u dubů 96 %. Byl tak představen postup vytvoření a použití algoritmu, díky kterému je možno automaticky rozlišit a klasifikovat tyto druhy dřevin.

Abstract:

Biodiversity appears to be an essential element of the Earth system, driving important ecosystem services. However, the conservation of biodiversity in a rapidly changing world is a challenging task that requires cost-efficient and precise monitoring systems. This diploma thesis presents the differences between Scots pine (Pinus sylvestris L.) and oak (Quercus robur L., Quercus petraea (Mattyschka) Liebl.); at the same time, it compares them using mathematical-statistical methods based on the data formed from 3D point clouds acquired by laser scanning from an Unmanned Laser Scanning (ULS) on four test plots (2x BO / 2x DB) within the Remote Sensing (RS). The modification of the acquired data in the ArcGIS 10.5.1 and their subsequent processing in the Rstudio resulted in 25 statistical metrics for different tree species. Using a generalized linear model (GLM) and binomial distribution enabled the comparison of tree metrics. The application of stepwise regression enabled to derive a model that contained a total of 16 demonstrable metrics reliably describing the differences comprising arithmetic, quadratic and cubic mean, mean and standard deviation, skewness coefficient, and quantiles (5, 15, 25, 45, 50, 60, 65, 70, 85 and 95%). Classification accuracy achieved: 97% for pine and 96% for oaks. In this way, it was possible to present a procedure for creating and using an algorithm that can automatically distinguish and classify these tree species

Keywords

Druhová klasifikace, UAV, LiDAR

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