Predikce tloušťkové struktury lesního porostu z dat laserového skenování

Michal Ferdus

Master's thesis

Prediction of forest stand diameter distribution using LiDAR data

Abstract:

Z dat mobilního laserového skenování byly metodou odhadu Monte Carlo, která vykazovala nejnižší hodnoty úplně střední kvadratické chyby (RMSE), odhadnuty výčetní tloušťky v jednotlivých zkusných plochách porostů patřících ŠLP Kostelec nad Černými lesy. Z výčetních tlouštěk byly odvozeny v softwaru RStudio parametry tloušťkového rozdělení shape a scale. Tyto získané parametry z dat MLS byly považovány za validní a byly použity jako nástroj pro porovnání predikovaných hodnot parametrů z leteckého laserového skenování. K získání predikovaných hodnot parametrů bylo zapotřebí spočítat základní charakteristiky výškového modelu korun. Kombinací základních charakteristik, které byly použity jako prediktory byla nalezena statisticky významná závislost parametrů tloušťkového rozdělení na těchto prediktorech. Pro parametr shape byly nejvhodnější kombinací prediktory maximální hodnoty, mediánu a percentilu 80 %. Modelem bylo vysvětleno 84 % rozptylu. Pro parametr scale byly nejvhodnější kombinací prediktory maximální hodnoty a percentilu 70 %. Modelem bylo vysvětleno 91 % rozptylu. Metodou Leave One Out Cross Validation byly predikce ověřeny a bylo zjištěno, že vytvořený model predikuje oba parametry poměrně přesně, takže je možné jej použít pro jejich predikci. Průměr chyby pro parametr shape dosahuje hodnoty 0,07, hodnota RMSE je 0,176. Průměr chyby pro parametr scale je 0,17, hodnota RMSE je 0,443. Závislost parametru shape na jednotlivých prediktorech nebyla ani v jednom případě vyhodnocena jako statisticky významná, tzn. při kombinaci došlo k overfittingu z důvodu malého množství dat. Parametr scale byl predikován správně.

Abstract:

Values of Diameter at Breast Height from individual plots which belongs to ŠLP Kostelec nad Černými lesy were estimated by the Monte Carlo estimation method which showed the lowest values of Root Mean Square Error (RMSE) from Mobile Laser Scanning data. Parameters shape and scale of diameter distribution were derived in RStudio software. The obtained These parameters from the MLS data were considered as valid and they were used as a tool to compare the predicted values of the parameters from Aerial Laser Scanning. To obtain the predicted values of the parameters, it was necessary to calculate the basic characteristics from Canopy Height Model. Statistically significant dependence of the tree diamater distribution parameters was found by combining the basic characteristics, which were used as a predictors. Predictors of maximum value, median and percentile of 80% were the most suitable combination for the shape parameter. 84% of the variance was explained by the model. The most suitable combination for scale parameter was combination of maximum value and percentile of 70 %. 91% of variance was explained by the model. The predictions were verified by the Leave One Out Cross Validation method. Created model predicts both parameters relatively precisely so it can be used for their prediction. Value of the average error for the shape parameter is 0,07, RMSE value is 0,176. Value of the average error for the scale parameter is 0,17, RMSE value is 0,443. The dependence of the shape parameter on individual predictors was not found in any case as statistically significant. It means that combination of predictors was overfitted due to a small amount of data. The scale parameter was predicted correctly.

Keywords

tloušťková struktura, mobilní laserové skenování, letecké laserové skenování, detekce stromů, výčetní tloušťka

Keywords

stand diameter, ALS, MLS, tree detection, DBH

Language used: Czech

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

Thesis defence

• Supervisor: Ing. Karel Kuželka, Ph.D.

Czech University of Life Sciences Prague

Faculty of Forestry and Wood Sciences

Master programme / field:
Forestry Engineering / Forest Engineering