Die Regeneration von Waldsetzlingen ist für den Erhalt der Artenvielfalt und der Ökosystemproduktivität von entscheidender Bedeutung und erfordert innovative Bewirtschaftungstechniken für eine kontinuierliche Waldbedeckung. Die herkömmliche zweidimensionale Fernerkundung hat Schwierigkeiten, die komplexe Dynamik von Schösslingen im Unterholz genau zu erfassen. Um dieses Problem anzugehen, untersuchen Forscher den Einsatz von Luftlaserscanning (ALS) auf sein Potenzial, detaillierte dreidimensionale Erkenntnisse zu liefern.
Trotz der Fortschritte bei der Verwendung von ALS-Daten zur Schätzung von Baummetriken bleibt die genaue Identifizierung und Quantifizierung der phänotypischen Parameter von Unterwuchssetzlingen eine Herausforderung. Die aktuelle Forschungslücke liegt in der Verfeinerung und Anwendung von Algorithmen, die Unterholzsetzlinge in ALS-Datensätzen effektiv unterscheiden können, ein entscheidender Schritt zur Verbesserung der Waldbewirtschaftung und zum Verständnis der Regenerationsprozesse von Setzlingen.
Pflanzenphänomik veröffentlichte Forschungsarbeit mit dem Titel „Identifizierung regenerierter Setzlinge durch Schichtung des Waldüberstands mithilfe luftgestützter LiDAR-Daten.“
In dieser Studie entwickelten die Forscher eine umfassende Methodik, um phänotypische Parameter von Setzlingen zur Regeneration des Unterholzes mithilfe fortschrittlicher LiDAR-Daten mit hoher Dichte aus der Luft zu extrahieren. Zunächst fusionierten sie Daten aus mehreren Flügen, um eine dichte Laserpunktwolke zu erzeugen, die dann mithilfe eines Nyström-basierten Spektralclusteralgorithmus zur Segmentierung oberer ausgewachsener Bäume verarbeitet wurde.
Um die häufigen Probleme der Über- und Untersegmentierung anzugehen, wurde eine neuartige Nachbearbeitungsmethode eingeführt, die die Positionsgenauigkeit ausgewachsener Bäume deutlich verbessert.
Die Ergebnisse waren beeindruckend und zeigten eine deutliche Verbesserung der Erkennungs- und Übereinstimmungsraten der Baumsegmentierung nach Implementierung der Nachbearbeitungsschritte; Die Erkennungsrate für die Nyström-basierte Spectral Clustering Postprocessing (NSCP)-Methode erreichte 110,21 %, mit einer Übereinstimmungsrate von 96,69 %.
Durch diese Optimierung wurden Stammpositionsfehler reduziert, was indirekt der Genauigkeit der Erkennung von Unterholzsetzlingen zugute kam. Unter Verwendung des lokalen adaptiven Mittelwertverschiebungsalgorithmus wurden Setzlinge unter ausgewachsenen Bäumen erfolgreich erkannt und eine Übereinstimmungsrate von etwa 83 % mit einer Extraktionsrate zwischen 102 % und 105 % erreicht, wenn der Kernel-Bandbreitenparameter optimal eingestellt war.
Eine weitere Validierung anhand von Referenzdaten aus mehreren Quellen bestätigte die Wirksamkeit der Methode. Vergleiche zwischen luftgestützten LiDAR-Daten (ALS) und terrestrischen Laserscanning-Daten (TLS) ergaben eine starke Korrelation (R2 = 0,79) für die Baumhöhe, was eine deutliche Verbesserung des RMS-Fehlers nach Berücksichtigung der Unfähigkeit des ALS, Endtriebe zu erkennen, zeigt.
Diese Anpassung führte zu einer genaueren Darstellung der Setzlingshöhen mit einem Gesamt-R2 von 0,71 und einem RMSE von 0,26 m beim Vergleich der ALS-extrahierten Setzlingshöhen mit Feldmessungen. Darüber hinaus ergaben die aus ALS-Daten geschätzten Kronenbreiten der Setzlinge beim Abgleich mit TLS-Messungen einen akzeptablen R2-Wert von 0,64 und einen RMSE von 0,24 m, trotz der Herausforderungen, die sich aus der Obstruktion im oberen Blätterdach ergaben.
Zusammenfassend zeigte die Studie nicht nur eine erfolgreiche Anwendung von ALS-Daten mit hoher Dichte zur Charakterisierung von Unterholzsetzlingen, sondern verdeutlichte auch das Potenzial dieser Technologie zur Verbesserung der Waldbewirtschaftung und von Studien zum Setzlingswachstum. Die vorgeschlagene Methode zeichnet sich durch die genaue Segmentierung und Vermessung von Unterholzsetzlingen aus und stellt einen bedeutenden Fortschritt beim Einsatz von Fernerkundungstechnologien für detaillierte Waldinventur und -analyse dar.
Mehr Informationen:
Liming Du et al., Identifizierung regenerierter Setzlinge durch Schichtung des Waldüberstandes mithilfe luftgestützter LiDAR-Daten, Pflanzenphänomik (2024). DOI: 10.34133/plantphenomics.0145