Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 1. С. 150-163

Анализ и картографирование структурных параметров редкостойных северотаёжных лесов на основе фотограмметрических облаков точек

А.А. Медведев 1 , Н.О. Тельнова 1 , А.В. Кудиков 1 , Н.А. Алексеенко 1 
1 Институт географии РАН, Москва, Россия
Одобрена к печати: 21.01.2020
DOI: 10.21046/2070-7401-2020-17-1-150-163
Работа посвящена методике получения и обработки данных оптической съёмки с малых беспилотных летательных аппаратов (БПЛА) ― фотограмметрических облаков точек и производных трёхмерных моделей ― для автоматизированного определения и картографирования структурных параметров древостоя на примере редкостойных северотаёжных лесов центральной части Кольского п-ва. Рассматриваются основные технологические подходы к организации и проведению съёмок на разных высотных эшелонах, алгоритмы классификации фотограмметрических облаков точек для извлечения модели древесного полога, анализа модели древесного полога для извлечения структурных характеристик отдельных деревьев и лесных насаждений в целом. На уровне отдельных деревьев картографируются проекции и высоты крон; на уровне лесных насаждений ― высоты древесного полога, пики крон, плотность древостоя, сомкнутость крон. Для преодоления ограничений использования фотограмметрических облаков точек, связанных с извлечением и анализом модели древесного полога в сомкнутых древостоях, предложено комплексирование материалов разносезонных оптических съёмок и независимая обработка моделей полога для древостоев различной сомкнутости.
Ключевые слова: трёхмерная структура древостоев, лесные насаждения, модели древесного полога, плотность полога, фотограмметрические облака точек, БПЛА
Полный текст

Список литературы:

  1. Алешко Р. А., Алексеева А. А., Шошина К. В., Богданов А. П., Гурьев А. Т. Разработка методики актуализации информации о лесном участке с использованием снимков со спутников и малых БПЛА // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 87–99.
  2. Лесной план Мурманской области. Схема распределения лесов по преобладающим породам и группам возраста. 2019. URL: https://mpr.gov-murman.ru/documents/lesplan/ (дата обращения: 07.12.2019).
  3. Медведев А. А., Алексеенко Н. А. Перспективы применения беспилотных летательных аппаратов для тематического крупномасштабного картографирования // Вопросы географии. 2017. Т. 144. С. 408–426.
  4. Руководство пользователя Agisoft Metashape, Professional Editon: версия 1.5. 2019. 163 с. URL: https://www.agisoft.com/pdf/metashape-pro_1_5_ru.pdf.
  5. Санников П. Ю., Андреев Д. Н., Бузмаков С. А. Выявление и анализ сухостоя при помощи беспилотного летательного аппарата // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 3. С. 103–113.
  6. Alexander C., Korstjens A. H., Hankinson E., Usher G., Harrison N., Nowak M. G., Abdullah A., Wich S. A., Hill R. A. Locating emergent trees in a tropical rainforest using data from an Unmanned Aerial Vehicle (UAV) // Intern. J. Applied Earth Observation and Geoinformation. 2018. V. 72. P. 86–90.
  7. Bohlin J., Wallerman J., Fransson J. E. S. Deciduous forest mapping using change detection of multi-temporal canopy height models from aerial images acquired at leaf-on and leaf-off conditions // Scandinavian J. Forest Research. 2016. V. 31. No. 5. P. 517–525.
  8. Dandois J. P., Ellis E. C. High spatial resolution three-dimensional mapping of vegetation spectral dynamics using computer vision // Remote Sensing of Environment. 2013. V. 136. P. 259–276.
  9. Giannetti F., Chirici G., Gobakken T., Næsset E., Travaglini D., Puliti S. A new approach with DTM-independent metrics for forest growing stock prediction using UAV photogrammetric data // Remote Sensing of Environment. 2018. V. 213. P. 195–205.
  10. Gobakken T., Korhonen L., Næsset E. Laser-assisted selection of field plots for an area-based forest inventory // Silva Fennica. 2013. V. 47. No. 5. Article ID 943. P. 1–20.
  11. Goodbody T. R. H., Coops N. C., White J. C. Digital aerial photogrammetry for updating area-based forest inventories: a review of opportunities, challenges, and future directions // Current Forestry Reports. 2019. V. 5. No. 2. P. 55–75.
  12. Granholm A.-H., Olsson H., Nilsson M., Allard A., Holmgren J. The potential of digital surface models based on aerial images for automated vegetation mapping // Intern. J. Remote Sensing. 2015. V. 36. No. 7. P. 1855–1870.
  13. Lisein J., Pierrot-Deseilligny M., Bonnet S., Lejeune P. A photogrammetric workflow for the creation of a forest canopy height model from small unmanned aerial system imagery // Forests. 2013. V. 4. No. 4. P. 922–944.
  14. Mohan M., Silva C. A., Klauberg C., Jat P., Catts G., Cardil A., Hudak A. T., Dia M. Individual tree detection from unmanned aerial vehicle (UAV) derived canopy height model in an open canopy mixed conifer forest // Forests. 2017. V. 8. No. 9. Article ID 340. P. 1–17.
  15. Næsset E. Determination of mean tree height of forest stands by digital photogrammetry // Scandinavian J. Forest Research. 2002. V. 17. No. 5. P. 446–459.
  16. Ni W., Sun G., Pang Y., Zhang Z., Liu J., Yang A., Wang Y., Zhang D. Mapping three-dimensional structures of forest canopy using UAV stereo imagery: evaluating impacts of forward overlaps and image resolutions with LIDAR data as reference // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2018. V. 11. No. 10. P. 3578–3589.
  17. Puliti S., Ene L. T., Gobakken T., Næsset E. Use of partial-coverage UAV data in sampling for large scale forest inventories // Remote Sensing of Environment. 2017. V. 194. P. 115–126.
  18. Puliti S., Saarela S., Gobakken T., Ståhl G., Næsset E. Combining UAV and Sentinel-2 auxiliary data for forest growing stock volume estimation through hierarchical model-based inference // Remote Sensing of Environment. 2018. V. 204. P. 485–497.
  19. Tang L., Shao G. Drone remote sensing for forestry research and practices // J. Forestry Research. 2015. V. 26. No. 4. P. 791–797.
  20. Tanhuanpää T., Saarinen N., Kankare V., Nurminen K., Vastaranta M., Honkavaara E., Karjalainen M., Yu X., Holopainen M., Hyyppä J. Evaluating the performance of high-altitude aerial image-based digital surface models in detecting individual tree crowns in mature boreal forests // Forests. 2016. V. 7. No. 7. Article ID 143. P. 1–17.
  21. Tuominen S., Balazs A., Saari H., Pölönen I., Sarkeala J., Viitala R. Unmanned aerial system imagery and photogrammetric canopy height data in area-based estimation of forest variables // Silva Fennica. 2015. V. 49. No. 5. Article ID 1348. P. 1–19.
  22. White J. C., Coops N. C., Wulder M. A., Vastaranta M., Hilker T., Tompalski P. Remote Sensing Technologies for Enhancing Forest Inventories: A Review // Canadian J. Remote Sensing. 2016. V. 42. No. 5. P. 619–641.
  23. Zhang J., Hu J., Lian J., Fan Z., Ouyang X., Ye W. Seeing the forest from drones: Testing the potential of lightweight drones as a tool for long-term forest monitoring // Biological Conservation. 2016. V. 198. P. 60–69.