universitatea transilvania din brașov - old.unitbv.roold.unitbv.ro/portals/31/sustineri de...
TRANSCRIPT
Universitatea Transilvania din Brașov
Școala Doctorală Interdisciplinară
Departament: Exploatări forestiere, amenajarea pădurilor
și măsurători terestre
Ing. Bogdan APOSTOL
UTILIZAREA TEHNICILOR MODERNE ALE
TELEDETECŢIEI ÎN ESTIMAREA UNOR CARACTERISTICI
DENDROMETRICE LA ARBORI ŞI ARBORETE DE MOLID
DIN VALEA LOTRULUI
THE USE OF MODERN REMOTE SENSING TECHNIQUES FOR
THE ESTIMATIONS OF SOME DENDROMETRIC
CHARACTERISTICS OF NORWAY SPRUCE TREES AND
STANDS FROM LOTRU VALLEY
Conducător ştiinţific
CS I dr. ing. Ovidiu BADEA Membru corespondent al Academiei Române
BRAȘOV, 2015
i
MINISTERUL EDUCAŢIEI ȘI CERCETĂRII ȘTIINȚIFICE
Universitatea Transi lvania din Braşov Bd. Eroilor 29, 500036 Braşov, Romania, Tel/Fax: +40 268 410525, +40 268 412088
www.unitbv.ro
D-lui (D-nei) ..............................................................................................................
COMPONENŢA
Comisiei de doctorat
Numită prin ordinul Rectorului Universităţii „Transilvania” din Braşov
Nr. 7510 din 30.09.2015
PREŞEDINTE: Prof. univ. dr. ing. Alexandru Lucian CURTU
DECAN – Fac. de Silvicultură și Exploatări Forestiere
Universitatea „Transilvania” din Brașov
CONDUCĂTOR ŞTIINŢIFIC: Cercet. şt. gr. I, dr. ing. Ovidiu BADEA
Universitatea „Transilvania” din Brașov
REFERENŢI: Acad., prof. univ. dr. doc. Victor GIURGIU
Academia Română
Cercet. şt. gr. I, dr. ing. Ionel POPA
Institutul Naţional de Cercetare-Dezvoltare în Silvicultură
,,Marin Drăcea”
Prof. univ. dr. ing. Iosif VOROVENCII
Universitatea „Transilvania” din Brașov
Data, ora şi locul susţinerii publice a tezei de doctorat: 30.10.2015, ora 1100
,
sala S I.2, Facultatea de Silvicultură și Exploatări Forestiere.
Eventualele aprecieri sau observaţii asupra conţinutului lucrării vă rugăm să le
transmiteţi în timp util, pe adresa [email protected]
Totodată vă invităm să luaţi parte la şedinţa publică de susţinere a tezei de
doctorat.
Vă mulţumim!
ii
CUPRINS
Pg.
teza
Pg.
rezumat
LISTA DE ABREVIERI 1 1
Cuvânt înainte 3 3
1. INTRODUCERE 5 5
2. SCOPUL ȘI OBIECTIVELE CERCETĂRILOR 6 6
3. STADIUL CUNOȘTINȚELOR 7 7
3.1. Stadiul cunoștințelor pe plan internațional 7 7
3.2. Stadiul cunoștințelor pe plan național 12 10
4. METODA ȘI MATERIALUL DE CERCETARE 16 13
4.1. Localizarea cercetărilor 16 13
4.2. Metodologia de cercetare 22 15
5. REZULTATE OBȚINUTE 45 24
5.1. Crearea şi integrarea bazelor de date geospaţiale obţinute prin tehnici LiDAR
şi prin procedee terestre de inventariere....................................................................
45 24
5.2. Estimarea principalelor caracteristici dendrometrice ale arborilor şi arboretelor
de molid obţinute pe baza datelor LiDAR aeropurtat................................................
53 27
5.3. Analiza structurii arboretelor din cadrul suprafeţelor de cerecetare pe baza
datelor obţinute prin măsurători efectuate în teren şi pe baza datelor LiDAR
aeropurtat.................................................................................................................... 84 41
5.3.1. Structura arboretelor în raport cu diametrul de bază al arborilor................ 84 41
5.3.2. Structura arboretelor în raport cu înălţimea arborilor................................. 91 45
5.3.3. Structura arboretelor în raport cu volumul arborilor................................... 100 49
6. CONCLUZII 126 59
7. CONTRIBUŢII ORIGINALE 132 62
BIBLIOGRAFIE 134 63
ANEXE
Anexa 1, Rezumat 140 67
Anexa 2, Curriculum vitae 142 69
iii
CONTENT
Thesis
pg.
Abstract
pg.
ABBREVIATION LIST 1 1
Foreward 3 3
1. INTRODUCTION 5 5
2. RESEARCH AIM AND OBJECTIVES 6 6
3. STATE OF THE ART 7 7
3.1. State of the art at international level 7 7
3.2. State of the art at national level 12 10
4. RESEARCH MATERIAL AND METHOD 16 13
4.1. Research location 16 13
4.2. Research methodology 22 15
5. RESULTS 45 24
5.1. Creating and integrating of the geospatial databases obtained through LiDAR
techniques and terrestrial inventory method.............................................................
45 24
5.2. The estimation of the principal dendrometric characteristics of the spruce
trees and stands extracted based on airborne LiDAR data........................................
53 27
5.3. Stand structure analysis within the research plots based on the field
measurements and airborne LiDAR data........................................................... 84 41
5.3.1. Stand structure based on tree diameter at breast height.............................. 84 41
5.3.2. Stand structure based on tree height........................................................... 91 45
5.3.3. Stand structure based on tree volume......................................................... 100 49
6. CONCLUSIONS 126 59
7. ORIGINAL CONTRIBUTIONS 132 62
REFERENCES 134 63
ANNEXES
Annex 1, Abstract 140 67
Annex 2, Curriculum vitae 144 71
1
LISTA DE ABREVIERI
ABBREVIATION LIST
ALS –Airborne LASER Scanner (scanner LASER aeropurtat)
ASPRS – American Society for Photogrammetric and Remote Sensing (Societatea Americană de
Fotogrammetrie şi Teledetecţie)
CHM – Canopy Height Model (model digital normalizat al suprafeței superioare a coronamentului)
EARSel – European Association of Remote Sensing Laboratories (Asociaţia Europeană a
Laboratoarelor de Teledetecţie)
EUREF – EUropean REFerence network (Reţea Europeană de Referinţă)
ForestSAT – conferinţă internaţională dedicată aplicaţiilor geomatice în silvicultură
GCP – Ground Control Points (puncte de control la sol)
GEDEFOR – Program Nucleu „Gestionarea Durabilă a Ecosistemelor Forestiere”
GIS – Geographic Information System (sistem informatic geografic)
GNSS – Global Navigation Satellite System (sistem de navigaţie global cu ajutorul sateliților)
GPS – Global Pozitioning System (sistem de poziționare globală (GNSS realizat de SUA)
H-STAR – tehnologie utilizată de echipamentele Trimble pentru a îmbunătăţi precizia de determinare
a coordonatelor
ICAS – Institutul de Cercetări şi Amenajări Silvice
IMU – Inertial Measurement Unit (dispozitiv inerțial de măsurare (pe baza giroscoapelor)
INCDS – Institutul Naţional de Cercetare Dezvoltare în Silvicultură
LDV – modul al aplicaţiei informatice FUSION utilizat pentru vizualizarea datelor LiDAR
LiDAR – Light Detection And Ranging (detectarea și determinarea distanței cu ajutorul luminii)
LIFE – Instrumentul Financiar pentru Mediu al Uniunii Europene
LVIS – Land, Vegetation and Ice Sensor (scanner laser aeropurtat de detectare a zonelor acoperite de
vegetație şi gheaţă al NASA)
MDC – model digital normalizat al suprafeței superioare a coronamentului
MDS – model digital al suprafeței
MDT – model digital al terenului
MERA-FEM – MARS and Environmental Related Activities – Forest Ecosystem Mapping (proiect de
colaborare internaţională finanţat de Centrul de Cercetări Comune al Comisiei Europene)
NASA – National Aeronautics and Space Agency (Agenţia Aeronautică şi Spaţială a Statelor Unite
ale Americii)
2
NOAA CSC – National Oceanic and Atmospheric Administration, Coastal Services Center
(Administraţia Naţională Oceanică şi Atmosferică a Statelor Unite ale Americii, Centrul de servicii
costiere)
PDOP – Positional Dilution of Precision (diminuare a preciziei de derminare a poziţiei, combinată (pe
orizontală şi pe verticală), pentru receptoarele GNSS
RGB – Red, Green, Blue (roşu, verde, albastru) – culorile fundamentale în sistemul aditiv
ROGVAIV – spectrul în vizibil pe culori roşu, oranj, galben, verde, albastru, indigo şi violet
SC – suprafață de cercetare
SilviLASER – conferinţă internaţională dedicată utilizării tehnologiei LiDAR în silvicultură
TAFIMRO – proiect de colaborare bilaterală cu centru de suport GIS al Agenţiei Flamande a
Teritoriului din Belgia
TLS – Terrestrial Laser Scanner (scanner laser terestru)
USDA – United States Department of Agriculture (Departamentul Agriculturii a Statelor Unite ale
Americii)
UTM – Universal Transverse Mercator (proiecţia Universală Transversală Mercator) utilizată pentru
cartografierea întregii suprafeţei terestre
WGS – World Geodetic System (Sistemul Geodezic Global de Referință)
3
Cuvânt înainte
Utilizarea tehnicilor moderne ale teledetecţiei în vederea cunoaşterii şi gestionării durabile a
ecosistemelor forestiere reprezintă unul din principalele interese manifestate de cercetarea ştiinţifică
silvică din ţara noastră.
Pe parcursul celor trei ani de desfășurare a tezei de doctorat intitulată „Utilizarea tehnicilor
moderne ale teledetecţiei în estimarea unor caracteristici dendrometrice la arbori şi arborete de
molid din Valea Lotrului“, prin activitățile de cercetare elaborate s-a urmărit atingerea scopului și
obiectivelor propuse în vederea dezvoltării cunoaşterii utilizării tehnicilor şi procedeelor moderne ale
teledetecţiei în domeniul forestier cu aplicabilitate în estimarea unor caracteristici biometrice ale
arborilor şi arboretelor.
Atingerea acestor obiective nu ar fi fost posibilă fără sprijinul necontenit al conducătorului
științific CS I dr. ing. Ovidiu BADEA, membru corespondent al Academiei Române, căruia îi adresez
întreaga mea recunoștință și sincere mulțumiri pentru efortul depus, generozitatea, susținerea și
răbdarea de care a dat dovadă în îndrumarea competentă și permanentă pe întreg parcursul elaborării
și realizării acestei teze de doctorat, precum și pentru formarea mea profesională în domeniul
biometriei forestiere.
Mulţumesc, pe această cale domnului Prof. dr. ing. Iosif VOROVENCII, pentru amabilitatea,
sfaturile și recomandările acordate cu ocazia susținerii rapoartelor științifice şi pentru disponibilitatea
domniei sale de a face parte din comisia de analiză a tezei de doctorat.
Un rol deosebit de important pe parcursul perioadei de început a cercetărilor l-a avut regretatul
Prof. dr. ing. Iosif LEAHU, ce va rămâne veșnic în amintirea mea pentru sugestiile și observațiile
făcute în elucidarea unor aspecte abordate, cu ocazia susţinerii rapoartelor științifice.
Mă simt onorat și mulțumesc pe această cale, domnului Acad. Victor GIURGIU, pentru
recomandările acordate cu prilejul elaborării unei lucrări ştiinţifice care abordează aspecte studiate în
cadrul tezei de doctorat cât şi pentru amabilitatea de a accepta să fie membru în comisia de doctorat.
Prețioase mulțumiri aduc domnului Prof. dr. ing. Lucian CURTU, decanul Facultății de Silvicultură și
Exploatări Forestiere din Brașov. Adresez de asemenea, respectuoase mulțumiri domnului CSI dr.
ing. Ionel POPA, pentru amabilitatea domniei sale de a face parte din comisia de analiză a tezei de
doctorat.
Alese mulţumiri aduc domnului Prof. dr. ing. Ştefan TAMAŞ pentru contribuţia domniei sale la
îndrumarea mea de a alege ca principale preocupări în activitatea de cercetare şi de pregătire a
doctoratului în domeniul teledetecţiei forestiere.
Îmi exprim aprecierea sinceră și le mulțumesc pentru ajutorul și încurajările permanente
colegilor mei din cadrul Institutului Naţional de Cercetare-Dezvoltare în Silvicultură (INCDS) „Marin
4
Drăcea“, în mod special domnilor dr. ing. Vladimir GANCZ , dr. ing. Marius PETRILA, ing. Adrian
LORENŢ, doamnelor geograf Cristiana MARCU, ing. Joiţa APOSTOL, geograf Sorina FARCAŞ,
domnișoarei dr. ing. Diana SILAGHI, domnilor dr. ing. Ştefan LECA, ing. Serban CHIVULESCU,
ing. Gabriel NEDEA, tehn. Răducu STĂNCULEANU.
Nu în ultimul rând doresc să mulţumesc familiei, părinţilor mei şi în mod special soției mele,
Katy, pentru susținerea morală, răbdarea și înțelegerea manifestată cu generozitate pe întreaga
perioadă de desfășurare a tezei de doctorat.
5
1. INTRODUCERE
INTRODUCTION
Cunoaşterea cât mai amănunţită a pădurii ca ecosistem terestru, cât şi gestionarea durabilă a
resurselor forestiere este susţinută într-un mod eficient cu ajutorul teledetecţiei, „ştiinţă ce se ocupă cu
detectarea şi evaluarea obiectelor şi fenomenelor de la distanţă, fără a le deranja” (Chiţea et al.,
2003). Cercetările privind utilizarea tehnicilor de teledetecţie aplicate în domeniul silviculturii
presupun utilizarea datelor de observare a Pământului (imagini satelitare – teledetecţie satelitară sau
imagini aeriene – teledetecţie aeriană, inclusiv fotogrammetrie), în scopul exploatării lor complexe şi
a obţinerii unor informaţii pentru cercetarea ecosistemelor forestiere, putându-se afirma în general, că
cele două domenii ale teledetecţiei se pot întrepătrunde sau chiar se suprapun.
Utilizarea tehnologiei LiDAR*
(termen folosit pentru prima dată de Middelton şi Spilhaus,
1953) ca parte integrantă a teledetecţiei moderne, cu senzor activ a cunoscut o dezvoltare rapidă şi
continuă susţinută de necesitatea obţinerii de informaţii geospaţiale cât mai precise referitoare la
topografia terenului, cum ar fi modelul digital al terenului (MDT) (Boş, 2011), modelul digital al
suprafeţei (MDS). Din punct de vedere constructiv, tehnologia LiDAR aeropurtat foloseşte trei
componente specifice şi anume: scannerul laser, cu ajutorul căruia se măsoară diferenţa dintre timpul
de emitere al pulsurilor laser şi cel reflectat de suprafața scanată (NOAA CSC**
, 2012), sistemul de
poziționare globală (GPS), care înregistrează continuu poziția platformei aeriene şi un dispozitiv
inerţial (giroscopic) IMU (Inertial Measurement Unit), care determină şi înregistrează înclinările
unghiulare datorate mişcării platformei aeriene pe cele trei axe, în vederea compensării deformaţiilor
geometrice. Datele LiDAR aeropurtat (ALS***
) se prezintă sub forma unor puncte ce prezintă
coordonate spaţiale şi care pot fi utilizate pentru evaluare în mai multe domenii din silvicultură, cum
ar fi: biometrie forestieră, amenajarea pădurilor, inventar forestier naţional, ameliorarea terenurilor
degradate afectate de eroziune şi alunecări, amenajarea bazinelor hidrografice torenţiale, proiectare de
drumuri forestiere, ş.a. Aplicaţiile tehnologiilor LiDAR includ estimarea parametrilor biometrici ai
arborilor şi arboretelor la nivel local, regional sau naţional. De asemenea, datele laser sunt folosite la
monitorizarea schimbărilor înregistrate de vegetaţia forestieră, estimarea riscurilor la calamităţi
cauzate de vânt sau de incendii, cartarea ecosistemelor şi habitatelor forestiere. Sistemele LiDAR pot
să opereze la sol sau pe platforme aeriene sau satelitare. Studiile întreprinse până în prezent arată că
această tehnologie poate fi utilizată atât pentru arborete de răşinoase, cât şi pentru cele de foioase
(Popescu et al., 2003; Reitberger et al., 2008; Tan şi Haider, 2010; Parent şi Volin, 2014).
* LiDAR – Light Detectiong And Ranging - Detectare şi determinarea distanţei cu ajutorul luminii
** NOAA CSC - National Oceanic and Atmospheric Administration, Coastal Services Center - Administraţia Naţională
Oceanică şi Atmosferică a Statelor Unite ale Americii, Centrul de servicii costiere *** ALS - Airborne Laser Scanner – Scanner laser aeropurtat
6
Cercetările efectuate în cadrul tezei de doctorat „Utilizarea tehnicilor moderne ale
teledetecţiei în estimarea unor caracteristici dendrometrice la arbori şi arborete de molid din Valea
Lotrului“ vizează explorarea posibilităţilor oferite de utilizarea tehnologiei LiDAR aeropurtat pentru
estimarea unor caracteristici dendrometrice la arbori şi arborete de molid. Culegerea informaţiilor din
teren în vederea corelării şi validării celor două seturi de date obţinute prin utilizarea tehnologiei
LiDAR şi prin măsurători terestre presupune aplicarea unor metodologii bine fundamentate ştiinţific,
specifice şi unitare.
Sistemul informatic geografic (GIS) constituie suportul informatic pentru finalizarea şi
exploatarea eficientă a informaţiei geografice (Tamaş şi Tereşneu, 2010) rezultate în urma exploatării
metrice şi spectrale a datelor LiDAR şi a informaţiilor măsurate în teren. De asemenea, utilizarea
sinergică a tehnologiei LiDAR cu alte date de teledetecţie (imagini aeriene ortorectificate) a stat la
baza integrării informaţiilor obţinute pe baza scanării cu LiDAR aeropurtat şi a datelor rezultate în
urma măsurătorilor efectuate în teren cu echipamentul FieldMap, ceea ce conferă cercetărilor un grad
ridicat de complexitate şi un pronunţat caracter de noutate.
2. SCOPUL ŞI OBIECTIVELE CERCETĂRILOR
RESEARCH AIM AND OBJECTIVES
În contextul actual al schimbărilor globale de mediu, al influenţei negative a acţiunii factorului
antropic asupra pădurii, în special ca urmare a reconstituirii dreptului de proprietate a unor mari
suprafeţe de pădure, a condus pe alocuri la fragmentarea fondului forestier naţional. Asigurarea unui
management eficient şi durabil al resurselor forestiere cu implicaţii directe asupra solului, reliefului,
hidrografiei, dar şi sub aspect socio-economic se poate realiza prin utilizarea metodelor moderne de
teledetecţie, deopotrivă pentru pădurile de foioase, cât şi pentru cele de răşinoase.
Având în vedere faptul că de cele mai multe ori se impune cunoaşterea în timp cât mai scurt şi
cu precizie ridicată a schimbărilor ce intervin în structura arboretelor şi a distribuţiei spaţiale a
acestora, scopul principal al cercetărilor constă în dezvoltarea cunoaşterii utilizării tehnicilor şi
procedeelor moderne ale teledetecţiei în vederea perfecţionării şi dezvoltării metodologiei de evaluare
a resurselor forestiere pe mari suprafeţe.
Obiectivul general al cercetărilor constă în perfecţionarea metodologiei şi a procedeelor de
utilizare a tehnicilor moderne ale teledetecţiei pentru estimarea unor caracteristici dendrometrice la
arbori şi arborete şi de analiză a structurii acestora.
Obiectivele specifice urmărite prin desfăşurarea cercetărilor se referă în principal la:
7
a) Crearea şi integrarea bazelor de date geospaţiale obţinute prin tehnici moderne ale
teledetecţiei şi prin procedee terestre de inventariere.
b) Determinarea principalelor caracteristici dendrometrice ale arborilor şi arboretelor de molid,
cu ajutorul informaţiilor obţinute prin utilizarea tehnicilor LiDAR aeropurtat.
c) Analiza comparativă a caracteristicilor dendrometrice ale arborilor şi arboretelor de molid
estimate prin tehnici LiDAR aeropurtat şi măsurători terestre.
d) Caracterizarea structurii arboretelor pe baza datelor obţinute prin măsurători terestre şi pe
baza informaţiilor furnizate de tehnicile LiDAR aeropurtat.
3. STADIUL CUNOŞTINŢELOR
STATE OF THE ART
3.1. Stadiul cunoştinţelor pe plan internaţional
State of the art at international level
Cercetările privind utilizarea tehnicilor clasice de teledetecţie în general şi a celor moderne, de
scanare cu laser aeropurtat în special, au cunoscut, în ultimii ani, o preocupare continuă şi din ce în ce
mai intensă atât pe plan internaţional, cât şi pe plan intern, printre domeniile importante de
aplicabilitate abordate fiind şi cel forestier.
Începând cu anul 1980, utilizarea LiDAR-ului în scopuri forestiere a avansat concomitent cu
îmbunătăţirile aduse tehnologiei. Spre exemplu, cercetări utilizând tehnologiile de început LiDAR au
fost direcţionate către inventarierile forestiere (Aldred şi Bonner, 1985; Magnussen et al., 2010), în
principal la estimarea volumului de lemn (Maclean şi Martin, 1984).
În lucrarea sa, Tiede et al. (2005) susţin că LiDAR-ul se foloseşte de viteza luminii prin
transmiterea de impulsuri laser de o sursă cunoscută către o ţintă şi determinarea diferenţei de timp
între transmitarea şi recepţionarea impulsului reflectat. Din punct de vedere al semnăturii spectrale,
deşi laserul are un spectru de aplicaţie foarte larg (50 – 30 000 nm, excluzând razele X) laserul
aeropurtat este limitat la zona de infraroşu apropiat (cu valori tipice între 1040–1060 nm) (Baltsavias,
1999).
LiDAR-ul este singura tehnologie care penetrează coronamentul arboretelor. Prin extragerea
ultimului şi primului ecou reflectate de către ţinte şi recepţionate de către sensor, se obţine modelul
digital al suprafeţei (MDS) şi modelul digital al terenului (MDT), precizia celor două modele digitale
fiind 0,5 m (Dorren et al.,2006). De asemenea, prin utilizarea datelor din două perioade diferite se pot
estima creşteri ale arboretelor (Hyyppä et al., 2006).
8
Dată fiind particularitatea tehnologiei de a măsura corect topografia terenului, s-a evidențiat
repede faptul că anumite atribute forestiere pot fi derivate din profilele coroanelor arborilor obţinute
pe baza datelor LiDAR, cum ar fi înălţimea plafonului superior al arboretelor, topografia terenului de
sub coronament şi structura verticală a coroanelor arborilor (Tiede et. al.,2005).
Alte atribute ale arboretelor pot fi estimate folosind modele empirice dezvoltate special pentru
datele LiDAR, cum ar fi biomasa aflată deasupra nivelului solului, suprafaţa de bază, diametrul mediu
al trunchiului arborelui, profilul vertical al învelişului foliar şi volumul coronamentului (Dubayah şi
Drake, 2000; Lim et al., 2003 citaţi de Tiede et al.,2005).
Cercetări recente privind exploatarea tehnologiei LiDAR continuu (full-waveform LiDAR) sau
discret (cu puls) (discrete LiDAR) au relevat noi posibile întrebuinţări ale acestor tehnologii. În cazul
tehnologiei LiDARUL-ului continuu, receptorul înregistrează întregul semnal reflectat de către ţintă şi
nu doar ecourile impulsurilor reflectate către sensor (Vorovencii, 2010). Astfel, s-a obţinut estimarea
înălţimii arborilor la nivel de arboret (Magnussen şi Boudewyn, 1998), estimarea volumului de lemn
în funcţie de înălţimi (Naesset, 1997; Lim et al., 2003) şi mai recent, diferenţierea speciilor (Holmgren
şi Persson, 2004; Vaughn et al., 2012). Totodată, sistemele de identificare automată a arborilor s-au
perfecţionat continuu. Diverse cercetări au demonstrat posibilitatea utilizării tehnologiei LiDAR în
arborete de Pinus ponderosa pentru estimarea înălţimii medii a arboretelor, biomasei totale a
arborilor, biomasei aparatului foliar, suprafeţei de bază a arboretului (Hall et al., 2005). Goodwin et
al. (2006) a testat diferite altitudini de zbor, unghiuri de scanare şi diferite mărimi ale amprentei la sol
a LiDAR-ului în vederea evaluării structurii arboretelor de eucalypt.
Cercetările LiDAR, atât pe forma discretă cât şi pe forma continuă, sunt axate pe determinarea
de parametri biometrici, cum sunt înălţimea arborilor şi dimensiunile coroanelor la nivel de arboret, la
nivel de suprafeţe de probă sau la nivel de arbori individuali, ulterior folosindu-se relaţii biometrice
sau analize statistice pentru estimarea altor caracteristici, cum ar fi biomasa, volumul sau înălţimea la
baza coroanei (Popescu şi Zhao, 2008). Cercetări privind estimarea biomasei cu ajutorul datelor
LiDAR aeropurtat reprezintă un subiect ce preocupă din ce în ce mai mulţi cercetători, biomasa fiind
esenţială pentru analiza bilanţului de carbon la nivelul ecosistemelor terestre (Tao et al., 2014).
Cercetările efectuate de Anderson și Bolstad (2013) în ceea ce privește estimarea biomasei
forestiere utilizând tehnologia LiDAR aeropurtat atât în sezonul de vegetație, cât și în afara acestuia
au confirmat relațiile statistice puternice existente între variabilele LiDAR și biomasă.
Shendryk et al. (2014), în lucrarea sa utilizează o metodă combinată de informații de
teledetecție (imagini multispectrale SPOT 5 – date LiDAR aeropurtat) aplicând pentru pădurile de
rășinoase din sud vestul Suediei, diverși algoritmi de identificare a vârfurilor arborilor menționând
totodată faptul că metodologia poate fi extinsă și în alte zone geografice și pentru alte tipuri de
imagini multispectrale, respectiv date LiDAR cu densitate mică de puncte pe m2.
9
Referitor la avantajele aplicării laserului aeropurtat în silvicultură, Baltsavias (1999) afirmă
faptul că laserul aeropurtat poate furniza măsurători la nivelul solului și că rata de penetrare a
coronamentului depinde de compoziția pădurii (foioase sau răşinoase), consistența acestora şi de
sezonul în care se efectuează înregistrările. Rezultate utile pot fi obţinute şi la rate de penetrare
cuprinse între 20-30% în funcţie de gradul de accidentare al terenului. Sisteme experimentale cum este
cel dezvoltat de NASA (National Aeronautics and Space Administration – Agenţia Aeronautică şi
Spaţială Americană), LVIS (Land Vegetation and Ice Sensor – scanner laser de detectare a zonelor
acoperite de vegetației) care are o amprentă laser foarte mare de 10-30 m au dat rezultate bune în
păduri tropicale dense cu un grad de acoperire a solului de 95%. Prin procesarea adecvată a datelor se
poate determina atât elevaţia la nivelul solului, cât şi înălţimea arborilor.
Dacă în prezent există o vastă activitate de cercetare în ceea ce priveşte estimarea parametrilor
biometrici pe baza măsurătorilor laser realizate la nivel de arbori individuali sau prin estimări
statistice bazate pe suprafeţe experimentale, caracterizarea biometrică la nivel de arboret sau
subarboret prin măsurători LiDAR este o abordare mai puţin cercetată (Koch et al., 2009).
Valbuena et al. (2014) prezintă în lucrarea lor, comparativ, mai multe metode consacrate de
utilizare a datelor LiDAR aeropurtat pentru descrierea structurii arboretelor, indicatorii studiați fiind
obținuți pe baza analizei curbei Lorenz, obținând, de exemplu, un coeficient de variație a erorii medii
pătratice pentru coeficientul Gini de 16,80%.
În ultima perioada de timp interesul manifestat de către cercetători pentru utilizarea
tehnologiei LiDAR în vederea evaluării impactului incendiilor forestiere este din ce în ce mai
pronunţat, dovedindu-se importanţa variabilelor obţinute prin manipularea datelor LiDAR aeropurtat
pentru acest domeniu (Montealegre et al., 2014).
Chiar dacă în arboretele cu specii de foioase identificarea speciilor este mai laborioasă, sunt
încurajatoare rezultatele obţinute în urma cercetărilor care utilizează atât date provenite din scanări
LiDAR cât şi din imaginile în vizibil, în culori naturale, RGB (Red Green Blue – Roşu Verde
Albastru) sau mai ales cele din imaginile multispectrale (Popescu şi Wynne, 2004; Popescu et al.,
2004, Petrila et al., 2010). Totuşi, prin utilizarea metodelor statistice şi a datelor LiDAR aeropurtat
pentru arborete amestecate de fag şi molid s-au obţinut rezultate satisfăcătoare în ceea ce priveşte
determinarea unor caracteristici biometrice ale arborilor (Heurich şi Thoma, 2008).
Cercetările efectuate de Defibaugh y Chávez şi Tullis (2013) indică faptul că utilizarea
imaginilor hiperspectrale Hyperion combinate cu datele LiDAR aeropurtat oferă posibilitatea studierii
relaţiei dintre suprafaţa de bază a arboretului calculată prin măsurători terestre şi datele obţinute pe
baza teledetecţiei spectrale. Din rezultatele acestui studiu reiese faptul că doar prin utilizarea imaginii
hiperspectrale Hyperion se pot obţine informaţii referitoare la structura verticală a pădurii.
10
Cercetările efectuate de Yao et al. (2014) referitoare la segmentarea 3D a imaginilor LiDAR
pentru identificarea arborilor individuali subliniază faptul că este necesar să se cuantifice influenţa
parametrilor de control ai algoritmului de segmentare în vederea identificarii cât mai precise a
arborilor individuali.
Tehnicile de clasificare nesupervizată pentru identificarea arboretelor pe grupe de specii
(răşinoasele, foioase), utilizând date LiDAR conduc către rezultate diferite în funcţie de momentul în
care se efectuează zborul (în sezonul de vegetaţie, respectiv în afara acestuia) (Reitberger et al., 2008).
Concomitent cu dezvoltarea tehnologiei LiDAR aeropurtat, în ultimul deceniu s-au dezvoltat și
tehnlogiile LiDAR terestru (terrestrial laser scanning – TLS/scanner laser terestru). Spre deosebire de
scannerul laser aeropurtat, TLS măsoară arborii de la nivelul solului, deci sub coronomentul pădurii, şi
oferă date de înaltă rezoluţie pe baza cărora se pot identifica numărul arborilor şi geolocaţia
trunchiurilor arborilor, diametrul de bază al acestora, diametrul coroanei şi înălţimea arborilor (Wezyk
et al., 2007). TLS însă are o rază redusă de acţiune şi, prin urmare, o utilizare mai restrânsă, fiind
folosit cu precădere în lucrările de inventar forestier. Wezyk (2012), în urma cercetărilor efectuate în
arborete amestecate de stejar şi pin dintr-o zonă din sudul Poloniei afirmă că utilizarea concomitentă a
tehnologiei ALS şi TLS oferă mai multe informaţii pentru inventarul forestier decât prin utlizarea
separată a acestora.
Srinivasan et al. (2015) expun o metodă nouă de identificare a arborilor individuali, a
înălţimilor, a diametrelor de bază şi a dimensiunilor coroanelor, utilizând un scanner laser terestru,
obţinând o eroare medie pătratică de 1,51 m în ceea ce priveşte estimarea înălţimilor arborilor.
3.2. Stadiul cunoştinţelor pe plan naţional
State of the art at national level
Pentru a evidenţia importanţa realizărilor în domeniul fotogrammetriei cu aplicabilitate în
cubarea arboretelor şi în inventarierea arboretelor şi pe spaţii mari, Giurgiu (1979) dedică un capitol
din lucrarea de mare rezonanţă naţională şi internaţională, ,,Dendrometrie şi auxologie forestieră”,
ecuaţiilor de regresie şi tabelelor dendrometrice specifice procedeelor fotogrammetrice de cubare a
arboretelor.
În cadrul proiectului de colaborare internațională MERA-FEM*, în colaborare şi cu finanţarea
Centrului de Cercetări Comune al Comisiei Europene de la Ispra Italia (Joint Research Centre – JRC)
s-a realizat de către Colectivul de GIS şi Teledetecţie al fostului ICAS (1995), actualul Institut
Naţional de Cercetare Dezvoltare în Silvicultură (INCDS) „Marin Drăcea”, prima hartă digitală a
distribuţiei ecoregiunilor forestiere, utilizând pentru prima dată imagini satelitare de tip Landsat
* MERA FEM - MARS and Environmental Related Applications Forest Ecosystem Mapping – Realizarea hărţilor
distribuţiei ecosistemelor forestiere
11
Thematic Mapper (TM), evidenţiind avantajul imaginilor satelitare de a oferi precizie ridicată în ceea
ce priveşte delimitarea ecoregiunilor forestiere, comparativ cu metodele clasice fotogrammetrice.
În cadrul proiectului de colaborare bilaterală TAFIMRO**
, cu Regiunea Flamandă din Belgia
(2001-2002), s-au abordat, printre altele, aspecte privind ortorectificarea imaginilor satelitare de foarte
înaltă rezoluţie spaţială Ikonos, cu ajutorul aplicaţiei informatice OrthoBase specifică fotogrammetriei
digitale (Op't Eyndt et al.,2002). Imaginile Ikonos obţinute în cadrul acestei colaborări au fost utilizate
pentru prima oară în anul 2003 în vederea realizării în cadrul unui proiect de cercetare, de
otofotoplanuri digitale, infraroşu color (Gancz et al., 2003), ce au fost utilizate în lucrările de revizuire
a amenajamentului Ocolului Silvic Experimental Săcele din structura fostului Institut de Cercetări şi
Amenajări Silvice (ICAS), actualul Institut Național de Cercetare Dezvoltare în Silvicultură (INCDS)
„Marin Drăcea”.
De asemenea, între anii 2002-2003, în cadrul fostului ICAS, actualul INCDS au mai fost
efectuate cercetări privind utilizarea imaginilor Ikonos steroscopice și a imaginilor SPOT 5, în cadrul
unei colaborări bilaterale cu Universitatea Catolică Louvain din Regiunea valonă, Belgia (Gancz et
al.,2005). Cercetările au evidențiat avantajele și dezavantajele utilizării celor două tipuri de imagini,
ca de exemplu prețul scăzut al imaginilor de arhivă SPOT5, rezoluția spațială mult mai ridicată a
imaginilor Ikonos (1m față de 5m pentru imaginile SPOT5, în bandă pancromatică). Acestea au
abordat totodată, utilizarea imaginilor satelitare în vederea identificării coroanelor individuale ale
arborilor, separarea principalelor grupe de specii, determinarea structurii orizontale a arboretelor.
În cadrul proiectului LIFE „Restoration Forest Habitats from „Pietrosul Rodnei" Biosphere
Reserve” (Life 2003, Nature RO/000027), desfăşurat între anii 2004-2007 a fost utilizată o imagine
Quick Bird cu 60 cm rezoluţie spaţială pentru cartarea acoperirii terenului şi delimitarea zonelor de
interes. Datorită rezoluţiei spaţiale foarte ridicate a imaginii Quick Bird, hărţile realizate utilizând
această imagine satelitară au putut evidenţia atât habitatele forestiere cu Pinus mugo şi Pinus cembra
din Pietrosul Rodnei, cât şi vetrele de plantare (80 X 80 cm) a puieţilor de Pinus cembra. De
asemenea, cu ajutorul imaginii satelitare Quick Bird a fost realizată şi o hartă de distribuţie a speciilor
de floră şi a habitatelor de stâncărie din masivul Pietrosul Rodnei.
Cercetări mai recente referitoare la utilizarea teledetecţiei şi a imaginilor satelitare pentru
detectarea schimbărilor în acoperirea terenului relevă faptul ca acest subiect este încă unul de
actualitate şi interes pentru cercetătorii români (Gancz et al., 2010; Vorovencii şi Iordache, 2013;
Vorovencii, 2014; Gancz et al., 2014).
Scannerul laser aeropurtat (ALS) bazat pe tehnologia LiDAR reprezintă o tehnică de
teledetecţie cu senzor activ, relativ recent apărută, ce a cunoscut o dezvoltare continuă din momentul
**
Technical Assistance for Forest Information Management in Romania, cu Centrul de Suport GIS al Agenţiei Flamande a
Teritoriului
12
în care a fost semnalat pentru prima dată potenţialul său remarcabil (începutul anilor 1980). Această
tehnologie este încă neexplorată în ţara noastră la adevăratul său potenţial şi din cauza costului destul
de ridicat de achiziţie a datelor (aproximativ 130 euro/km2, la o densitate de 5-8 puncte/m
2).
Prin comparaţie cu utilizarea tehnicilor fotogrammetrice clasice, (Vorovencii, 2010) aminteşte,
printre altele, avantajele utilizării tehnicii LiDAR, subliniind faptul că în cazul acesteia post-
procesarea poate fi rapidă, de numai 2-3 ore de lucru pentru o oră de zbor, iar comparativ cu metodele
clasice, scanarea cu laser nu depinde de restricţiile sezonale şi nici de condiţiile atmosferice.
Primele cercetări privind posibilităţile de utilizare a tehnologiilor de scanare cu ajutorul
LiDAR aeropurtat au fost iniţiate în domeniul forestier de către fostul ICAS și actualul INCDS „Marin
Drăcea” prin Colectivul de Teledetecţie şi GIS în cadrul Programului Nucleu „Gestionarea durabilă a
ecosistemelor forestiere” GEDEFOR (2009, 2013). Rezultatele obţinute sunt satisfăcătoare şi arată că
datele LiDAR au un potenţial ridicat în furnizarea de informaţii cu precizie ridicată pentru
determinarea înălţimilor arborilor şi, în consecinţă, a volumului şi biomasei pentru arboretele de molid
dar şi pentru extragerea de modele digitale ale terenului cu o precizie ridicată (Apostol et al., 2011,
2012; Petrila et al., 2012a,b).
Rezultatele din ce în ce mai bune obţinute în cadrul actualului Institut Naţional de Cercetare
Dezvoltare în Silvicultură „Marin Drăcea” au făcut ca prin participarea la cel de-al 33-lea simpozion
internaţional EARSel (European Association of Remote Sensing Laboratories – Asociaţia Europeană
a Laboratoarelor de Tededetecţie) în anul 2013, cercetători din cadrul institutului să primească
premiul „cel mai bun poster” pentru lucrarea privind analiza posibilităţilor de determinare ale unor
caracteristici biometrice, prin metode automatizate, din date obţinute prin scanare cu laser aeropurtat
într-o zonă test împădurită cu molid (Apostol et al., 2013a, comunicare personală).
De asemenea, în anul 2013 cercetătorii din fostul ICAS și actualul INCDS „Marin Drăcea” dar
şi, reprezentanţi ai Universităţii „Transilvania” din Braşov au prezentat pentru prima dată o lucrare
având ca subiect utilizarea datelor LiDAR pentru estimarea volumului în arboretele de molid în
România, în cadrul conferinţei SilviLASER, România fiind nominalizată la finalul conferinţei ca o
nouă apariţie pe harta ţărilor care utilizează tehnologiile LiDAR în silvicultură (Apostol et al.,2013b,
comunicare personală).
13
4. METODA ŞI MATERIALUL DE CERCETARE
RESEARCH MATERIAL AND METHOD
4.1. Localizarea cercetărilor
Research location
Un criteriu important care a contribuit la selectarea zonei în care să fie localizate cercetările
pentru elaborarea tezei de doctorat a fost acela că, tehnicile şi procedeele de determinare a principalelor
caracteristici dendrometrice cu ajutorul tehnologiei LiDAR aeropurtat se aplică mai uşor în arborete de
răşinoase. În acest sens, au fost alese arborete de molid de vârste diferite din cadrul Direcţiei Silvice
Vâlcea, Ocolului Silvic Voineasa, Unitatea de Producţie IV – Puru și din Unitatea de Producţie V –
Obârşia Lotrului (Tabelul 4.1 şi figura 4.1).
Pentru testarea posibilităţilor de determinare a principalelor caracteristici dendrometrice ale
arborilor şi arboretelor de molid prin utilizarea tehnicilor de scanare cu laser aeropurtat (ALS) au fost
amplasate 21 de suprafeţe de probă de formă ciculară cu mărimea de 500 m2 şi trei suprafeţe de
cercetare de formă pătrată (100m X 100m) cu mărimea de un ha. La amplasarea suprafeţelor, cât şi la
adoptarea mărimii şi a formei acestora s-a avut în vedere reprezentativitatea informaţiilor obţinute în
vederea atingerii obiectivelor cercetărilor propuse.
Zona de desfăşurare a activităţilor de cercetare a fost condiţionată şi de posibilitatea
achiziţionării datelor LiDAR. Astfel, în cursul anilor 2008-2009 şi 2012 s-au efectuat zboruri cu
avioane special echipate pentru colectarea datelor LiDAR pentru cartografierea digitală a apelor de
către mai multe companii care oferă servicii de fotogrammetrie şi teledetecţie. Astfel, Compania SC
Primul Meridian SRL, a furnizat date LiDAR pentru o arie acoperită cu vegetaţie forestieră în judeţul
Vâlcea, pe Valea Lotrului.
Tabelul 4.1
Arborete pure de molid în care au fost amplasate suprafeţele de cercetare (informaţii generale)
Pure spruce stands within were placed the research plots (general information)
Nr.
crt.
Direcţia
Silvică
Ocolul
Silvic
Unitatea
de
Producţie
Unitate
amenajistică
Suprafaţa
(ha)
Consis-
tenţa
Vârsta
(ani) CLP
Panta
(g)
Compozi-
ţie
Expozi-
ţie
1. Vâlcea Voineasa IV 43C 8,2 0,9 65 III 25 10MO vestică
2. Vâlcea Voineasa
IV 62A 29,9 0,8 90 III 30
10MO sud
vestică
3. Vâlcea Voineasa V 56A 14,9 0,8 80 III 25 10MO sudică
4. Vâlcea Voineasa V 118D 31,8 0,8 110 III 35 10MO sudică
14
Fig. 4.1 Localizarea cercetărilor şi acoperirea cu date LiDAR
The location of the research and the LiDAR data coverage
15
4.2. Metodologia de cercetare
Research methodology
Metoda de lucru impune integrarea datelor obţinute prin măsurători terestre intensive cu date
oferite de tehnologia modernă de teledetecţie (LiDAR aeropurtat) pentru caracterizarea atât a
structurii verticale a pădurii (Petrila et al., 2010), cât şi pentru estimarea unor parametri dendrometrici
ai arborilor şi arboretelor de molid din regiunea Valea Lotrului.
Pentru preluarea datelor LiDAR a fost folosit un aparat Riegl LMS-Q560 (Fig. 4.2) asistat de un
sistem de poziţionare globală (GPS) de precizie şi un dispozitiv inerţial de măsurare (IMU – Inertial
Measurement Unit) ceea ce permite ca datele să fie corectate în timp real şi transmise ca atare. Aparatul
permite colectarea detaliată a parametrilor ţintei prin digitizarea semnalelor ecou în timpul achiziţiei de
date, acest fapt fiind extrem de util atât pentru determinarea înălţimilor arborilor cât şi pentru
clasificarea ţintelor.
Fig. 4.2 Aparat de colectare a datelor LiDAR - Riegl LMS-Q560 (Riegl Laser Measurement Systems, 2010)
LiDAR data collection device Riegl LMS-Q560 (Riegl Laser Measurement Systems, 2010)
Procesul de scanare cu LiDAR aeropurtat se poate realiza prin utilizarea unor platforme
echipate special, avioane respectiv elicoptere. În cazul de faţă, sistemul de colectare a datelor LiDAR
s-a realizat cu un avion destinat colectării datelor de teledetecţie şi produs de Diamond Aircraft
Industries, respectiv modelul DA42 MPP (Fig. 4.3), ai căror parametri de zbor, respectiv ai senzorului
LiDAR se prezintă în tabelul 4.2.
Echipamentul folosit la scanarea LiDAR este compus din două scannere Riegl LMS-Q560, unul
fix şi unul mobil (care baleiază stânga - dreapta în timpul zborului şi permite culegerea de puncte pe
versanţi atunci când se zboară pe un fir de vale, ceea ce duce la dublarea numărului de puncte
înregistrate), dispozitivul inerţial IMU, o cameră digitală de rezoluţie medie – DigiCam H/39, toate
prinse într-o carcasă de fibră de carbon (Fig. 4.4). Astfel pe parcursul procesului de scanare LiDAR au
putut fi preluate şi imagini digitale.
16
Fig. 4.3 Avion DA42 MPP echipat cu aparatură LiDAR şi utilizat în procesul de scanare LiDAR pentru
zona Valea Lotrului de către S.C. Primul Meridian (Riegl Laser Measurement Systems, 2010)
DA42 MPP aircraft model equipped with LiDAR device and used for the scanning of Lotrului Valley by
the Company Primul Meridian (Riegl Laser Measurement Systems, 2010)
Tabelul 4.2
Detalii tehnice referitoare la parametrii de zbor şi la scannerul LiDAR
Technical details of the flight parameters and LiDAR scanner
Parametrii scannerului LiDAR
Rata pulsurilor pe secundă [Hz] 100000
Raza unghiului de scanare [grade] 60
Frecvenţa scanării [linii secundă-1
] 58,9
Parametrii zborului
Înălţimea de zbor [m] 750,0
Viteza [ms-1
] 54,0
Modelul folosit la scanarea LiDAR
Distanţa de scanare între liniile paralele [m] 0,9168
Distanţa între punctele LiDAR pentru o singură linie
de zbor [m] 0,6938
Densitatea punctelor [1m-²] 1,6
Lăţimea benzii de zbor [m] 866,0254
Distanţa maximă între puncte [m] 0,925
Fig. 4.4 Platformă integrată pe avionul DA42 MPP pentru culegere simultană de date (date LiDAR şi imagini
digitale) utilizată de către S.C. Primul Meridian
Integrated platform for the the simultaneous collection of data (LiDAR data and digital images) used by the
Company Primul Meridian
17
Datele LiDAR au fost achiziţionate sub forma unor fişiere codate după un anumit standard.
Formatul fişierelor de date LiDAR este în conformitate cu standardul ASPRS* şi au extensia LAS,
datele fiind înregistrate sub forma unor puncte ce prezintă mai multe caracteristici dintre care cele mai
importante sunt: coordonatele X, Y, Z ale punctului, numărul de întoarceri (ecouri), intensitatea
semnalului. Intenţia acestui nou tip de fişier este de a oferi un format liber pentru a putea fi folosit de
cât mai mulţi distribuitori de software LiDAR.
De asemenea, sistemul de proiecţie al datelor LiDAR achiziţionate este Universal Transverse
Mercator (UTM) pentru zona 34 Nord.
În vederea obţinerii de date dendrometrice corespunzătoare din punct de vedere al preciziei şi
utilizarea acestora ca date de referinţă pentru validarea rezultatelor obţinute din prelucrarea şi
procesarea datelor LiDAR s-a procedat la efectuarea de măsurători în suprafeţele experimentale,
amplasate cu ajutorul echipamentul FieldMap, care oferă posibilitatea poziţionării informaţiilor şi
obţinerii unor hărţi specifice utilizabile direct în teren (Petrila et al., 2010).
Inițial în cadrul u.a 56A a fost amplasat un număr de 17 suprafeţe de probă de formă circulară
cu mărimea de 500 m2 fiecare, iar pentru asigurare statistică sub raportul reprezentativității, ulterior au
mai fost amplasate încă patru astfel de suprafeţe de cercetare luând în considerare o probabilitate de
acoperire (p) de 90 %, o eroare de reprezentativitate (∆) de 10% şi un coeficient de variație al
volumului de s%=25%, stabilit pe cale experimentală (Fig. 4.5).
În cadrul u.a.-urilor 118D, 43C respectiv 62A au fost amplasate câte o suprafaţă de cercetare
de formă pătrată cu mărimea de un ha (100m X 100m) (Fig. 4.6).
Fig. 4.5 Amplasarea centrelor suprafeţelor de probă în cadrul SC 56A (culoare galbenă, respectiv roşie pentru
ultimele 4 amplasate ulterior), indicarea limitei suprafeței de cercetare înregistrată cu receptor GNSS (culoare
roşie)
The center location for the sample surfaces in RP 56A (yellow colour coded, red colour coded for the last 4
center placed later), the limit of the research plot recorded with GNSS receiver (red colour coded)
* American Society for Photogrammetry & Remote Sensing
18
Fig. 4.6 Suprafaţa de cercetare cu mărimea de un ha (culoare roşie) amplasată în cadrul u.a. 118D, suprapusă
peste harta amenajistică la scara 1:20.000 (a) şi imagine aeriană ortorectificată (b)
One hectar research plot (colour coded red) located in the compartment 118D, overlapped with forest
management planning map scale 1: 20.000 (a) and aerial orthorectified image (b)
Centrele suprafeţelor circulare au fost înregistrate cu un echipament GNSS (Global Navigation
Satellite System – sistem de navigaţie global cu ajutorul sateliților) în dublă frecvenţă L1/L2, Trimble
ProXH echipat cu antenă Zephir I staţionându-se pe punct minimum 30 de minute. Acelaşi tip de
echipament a fost utilizat pentru realizarea reperajului fotogrammetric în vederea estimării erorii
maxime de deplasare a măsurătorilor faţă de datele LiDAR aeropurtat (Fig. 4.7).
Fig. 4.7 Receptor Trimble ProXH echipat cu antenă externă Zephir utilizat pentru înregistrarea centrelor
suprafeţelor de probă circulare şi a punctelor de reperaj fotogrammetric
Trimble ProXH device equipped with an external Zephir antenna used to record the centers of the circular plot
samples and the location of the photogrammetric ground control points
Colţurile suprafeţelor de cercetare de formă pătrată au fost înregistrate cu receptor GNSS de
tip Trimble GeoXH echipat cu antenă externă Zephir II, în aceleaşi condiţii de durată de staţionare
(Fig. 4.8).
Pentru a putea fi integrate cu măsurătorile terestre intensive, datele LiDAR au fost mai întâi
clasificate, acestea fiind achiziţionate în formă brută, neclasificate.
a b
19
Fig. 4.8 Receptor Trimble GeoXH echipat cu antenă externă Zephir II utilizat pentru înregistrarea colţurilor
suprafeţelor de cercetare de formă pătrată
Trimble Geo XH device equipped with an external Zephir II antenna used to record the corners of the
square plots
Modelul digital al terenului (MDT) şi al suprafeţei (MDS) s-au obţinut pe baza punctelor
LiDAR (Birjaru, 2011), respectând anumite criterii de selecţie şi de clasificare ale acestora (Apostol et
al., 2012; Petrila et al.,2012a,b).
Modelul digital al suprafeţei superioare a coronamentului (MDC) se obţine prin diferenţa celor
două modele digitale (MDS şi MDT), rezultând astfel un model digital normalizat, a căror cote
absolute sunt înlocuite de cote relative ce au ca punct de referinţă nivelul terenului.
Pentru măsurarea înălţimii arborilor individuali din datele LiDAR a fost folosită aplicaţia
informatică FUSION. Acesta este un program disponibil gratuit, dezvoltat de Serviciul Forestier al
Departamentului Agriculturii a Statelor Unite ale Americii (USDA – Forest Service) şi dedicat
exploatării datelor LiDAR în scopuri silvice.
Astfel, măsurarea înălţimii arborilor cu ajutorul aplicaţiei FUSION pentru suprafeţele de probă
din cadrul u.a 56A s-a realizat prin parcurgerea unor etape specifice (Apostol et al., 2012, Petrila et
al.,2012a). Problema realizării corespondenței dintre arborii măsurați pe teren și cei identificați
automat pe baza datelor LiDAR a fost rezolvată prin efectuarea unor operaţiuni specifice (Petrila et
al.,2012a).
În ceea ce priveşte suprafeţele de cercetare amplasate în u.a. 118D, 43C şi respectiv 62A
pentru estimarea automată a numărului de arbori, a înălţimii acestora şi a diametrului coroanei s-au
folosit coeficienţii unei ecuaţii de regresie a diametrului coroanei în funcţie de înălţimea arborelui,
stabilite pe date măsurate în teren.
Astfel de ecuaţii de regresie ar putea fi obţinute la nivel naţional şi pe specii în cazul în care în
cadrul Inventarului Forestier Naţional s-ar culege date referitoare şi la diametrul coroanei, sau în
cadrul altor lucrări de cercetare cu reprezentativitate la nivel național.
În lipsa acestor ecuaţii la nivel naţional s-a recurs la obţinerea unei ecuaţii locale de regresie
utilizând datele dendrometrice măsurate în teren cu echipamentul FieldMap.
20
Astfel, ecuaţia locală de regresie a diametrului coroanei în funcţie de înălţimea arborelui
obţinută pe baza măsurătorilor de teren efectuate pentru suprafaţele de cercetare 118D, 43 C şi 62A
este de forma unei curbe de tip parabolic :
di,cor =a + b* hi + c* hi2,
(4.1)
unde : di,cor reprezintă diametrul coroanei obţinut pe baza proiecţiei coroanei măsurată în
teren, în m;
hi – înălţimea arborelui obţinută pe baza măsurătorilor din teren, în m;
a,b,c – coeficienţi de regresie obţinuţi pentru fiecare SC în parte.
Coeficienţii acestei ecuaţii de regresie se introduc în FUSION, iar prin rularea algoritmului
”canopymaxima” (McGaughey, 2014) pentru modelul digital normalizat al suprafeţei superioare a
coronamentului (MDC), algoritmul identifică automat vârfurile fiecărui arbore, respectiv înălţimile şi
diametrele coroanelor.
În vederea obținerii de înălțimi corectate ale arborilor identificaţi automat pe date
LiDAR, s-au utilizat ecuaţii de regresie liniară de forma :
hi LiDAR = a* hi teren + b, (4.2)
unde: hi LiDAR reprezintă înălţimile arborilor individuali identificaţi automat pe date LiDAR,
în m;
hi teren – înălţimile arborilor individuali măsuraţi pe teren, în m;
a,b – coeficienţi de regresie obţinuţi pentru fiecare suprafață de cercetare.
În lucrarea „Modele matematico-auxologice şi tabele de producţie pentru arborete” (Giurgiu
și Drăghiciu, 2004) este definită următoarea relaţie între înălţimea dominantă şi înalţimea arborelui
mediu al suprafeţei de bază a arboretului, utilă pentru determinări terestre:
hdom = hgT + a1 hgTa0 e
a2
hgt (4.3)
unde:
hdom reprezintă înălţimea dominantă, în m;
hgT – înalţimea arborelui mediu al suprafeţei de bază a arboretului, în m;
a0, a1, a2 – coeficienţi de regresie stabiliţi pe specii (pentru molid în arealul natural
a0=1,532424, a1 =0,173958, a2= - 0,083050) (Giurgiu și Drăghiciu, 2004)
Pentru calculul înălţimii dominante pe baza datelor LiDAR s-a utilizat ipoteza conform
căreia înălţimea dominantă este considerată ca fiind egală cu înălţimea medie a arborilor identificați
pe baza datelor LiDAR.
Pentru obținerea de diametre corectate ale coroanelor arborilor identificaţi automat pe
baza datelor LiDAR au fost adoptate ecuaţii de regresie liniară de forma :
dcor i,LiDAR = a* dcor i,teren + b, (4.4)
unde: dcor i,LiDAR reprezintă diametrele coroanelor arborilor individuali identificaţi automat pe
21
date LiDAR, în m;
dcor i,teren – diametrele coroanelor arborilor individuali măsuraţi pe teren,
în m;
a,b – coeficienţi de regresie obţinuţi pentru fiecare suprafață de
cercetare.
Determinarea diametrului de bază al arborilor identificaţi pe baza datelor LiDAR a fost
realizată în raport cu diametrului de bază al arborilor măsuraţi în teren și exprimat în raport cu
diametrul coroanei și înălţimea arborilor (Giurgiu, 1979) corespondenţi celor măsuraţi în teren dar
identificaţi pe baza datelor LiDAR, ecuaţia de regresie aleasă fiind de forma:
𝑑𝑖,𝐿𝑖𝐷 = 𝑎 + 𝑏 ∗ ℎ𝑖,𝐿𝑖𝐷𝐴𝑅+𝑐 ∗ 𝑑𝑐𝑜𝑟𝑖,𝐿𝑖𝐷𝐴𝑅 + 𝑑 ∗ ℎ𝑖,𝐿𝑖𝐷𝐴𝑅2 + 𝑒 ∗ ℎ𝑖,𝐿𝑖𝐷𝐴𝑅 ∗ 𝑑𝑐𝑜𝑟𝑖,𝐿𝑖𝐷𝐴𝑅 (4.5)
unde: 𝑑𝑖,𝐿𝑖𝐷 reprezintă diametrele de bază al arborilor identificaţi automat pe baza datelor LiDAR,
în cm;
𝑑𝑐𝑜𝑟𝑖,𝐿𝑖𝐷𝐴𝑅 – diametrele coroanelor arborilor individuali identificaţi automat pe date LiDAR,
în m;
ℎ𝑖,𝐿𝑖𝐷𝐴𝑅 – înălţimile arborilor individuali identificaţi automat pe date LiDAR, în m;
a,b,c,d,e – coeficienţi de regresie determinați experimental pentru fiecare suprafață de
cercetare.
Calculul volumului arborilor indentificaţi pe baza datelor LiDAR s-a realizat cu ajutorul
datelor experimentale pentru fiecare suprafaţă de cercetare în parte prin intermediul unei ecuaţii
exponenţiale de regresie, obţinută local, de forma :
𝑉𝑖 = 𝑎 ∗ 𝑒𝑏∗ℎ𝑖,𝐿𝑖𝐷𝐴𝑅 (4.6)
unde:
Vi reprezintă volumul determinat pe baza datelor LiDAR aeropurtat, în m3;
hi,LiDAR – înălţimile arborilor individuali identificaţi pe baza datelor LiDAR, în m;
a,b – coeficienţi de regresie obţinuţi pentru fiecare suprafaţă de cercetare în parte.
De asemenea pentru suprafeţele de cercetare 118D, 43C şi 62A determinarea volumului
pe baza datelor LiDAR aeropurtat a fost realizată prin utilizarea unor ecuaţii de regresie ce
utilizează direct diametrul coroanelor şi înălţimea sau diametrul de bază şi înălţimea (Giurgiu, 1979)
determinate pe baza datelor LiDAR, ecuaţii de forma:
log vLiD = a0 + a1 log dcor LiD + a2 log2 dcor LiD + a3 log hLiD + a4 log
2 hLiD (4.7)
log vLiD = a0 + a1 log dLiD + a2 log2 dLiD + a3 log hLiD + a4 log
2 hLiD (4.8)
unde :
vLiD reprezintă volum arborelui determinat pe baza datelor LiDAR, în m3;
dcor LiD – diametrul coroanei arborelui determinat automat pe baza datelor LiDAR, în m;
dLiD – diametrul de bază al arborelui determinat pe baza datelor LiDAR, în cm;
22
hLiD – înălţimea arborelui determinată automat pe baza datelor LiDAR, în m;
a0,a1, – coeficienţi de regresie stabiliţi experimental pentru arboretele din
a2,a3,a4 cuprinsul fiecărei suprafeţe de cercetare.
Pentru determinarea înălţimii arborilor neidentificaţi pe baza datelor LiDAR s-a utilizat
relația dintre diametru de bază măsurat în suprafeţele de cercetare şi înălţimea determinată automat pe
baza datelor LiDAR (pentru aceeaşi colectivitate de arbori corespondenţi), apelând la o ecuaţie de
regresie de forma (Giurgiu și Decei, 1997) :
ln ℎ𝐿𝑖𝐷 = 𝑎0 + 𝑎1𝑑𝑎2 (4.9)
unde : ℎ𝐿𝑖𝐷 reprezintă înălțimea arborelui determinată pe date LiDAR, în m;
d – diametrul de bază al arborelui măsurat pe teren, în cm;
a0, a1, a2 – coeficienți de regresie calculați conform metodologiei
(Giurgiu et al., 2004)
Utilizând procedeul descris de V. Giurgiu (Badea et al., 2008, Badea şi Neagu, 2013), pentru
calculul coeficienţilor de regresie (a0, a1, a2) s-a utilizat ecuația de serviciu de forma :
log h = b0 + b1logd + b2log2d (4.10)
unde h reprezintă înălțimea arborelui, în m;
d – diametrul de bază al arborelui, în cm.
b0, b1, b2 – coeficienți de regresie stabiliți experimental pentru arboretele cercetate.
În continuare, ecuaţiile (4.6), (4.7) şi (4.8) au fost utilizate pe rând pentru determinarea
volumului arborilor neidentificaţi pe baza datelor LiDAR în raport cu înălţimile, diametrele
coroanelor şi înălţimile şi respectiv diametrele de bază şi înălţimile acestora.
Volumul total al arboretului determinat pe baza datelor LiDAR a fost calculat prin însumarea
volumului arborilor identificaţi (Videntificaţi_LiDAR) cu cel al arborilor neidentificaţi pe date LiDAR
(Vneidentificaţi_LiDAR).
De asemenea pentru calcularea diferenţelor procentuale faţă de volumul determinat în
teren al arborilor identificaţi LiDAR s-a folosit relaţia :
100*%_
__mindet
terentotal
terentotalLiDARater
vV
VV (4.11)
În cazul datelor măsurate în teren, pentru determinarea volumului arborilor s-a folosit
ecuaţia de regresie dublu logaritmică (Giurgiu, 1979) de forma :
log v = a0 + a1 log d + a2 log2 d + a3 log h + a4 log
2 h (4.12)
unde :
v reprezintă volum arborelui, în m3;
d – diametrul de bază al arborelui, în cm;
h – înălţimea arborelui, în m;
23
a0, a1, – coeficienţi de regresie stabiliţi pentru molid (Giurgiu et al., 2004).
a2, a3, a4
Testarea semnificației diferenţei dintre media diametrelor de bază, respectiv a volumelor
determinate pe date măsurate în teren, respectiv cea a diametrelor şi volumelor determinate pe date
LiDAR s-a utilizat testul Wilcoxon, care verifică ipoteza nulă (vteren= vLiDAR sau dteren= dLiDAR) pentru
două eșantioane pereche, întrucât valorile individuale nu au urmat distribuția normală.
Pentru analiza distribuţiei numărului de arbori în raport cu diametrul, înălţimea şi
volumul acestora, atât pentru arborii măsuraţi pe teren, cât şi pentru cei identificaţi pe baza datelor
LiDAR s-au utilizat diferite funcții teoretice de repartiție (Beta, Normală, Gamma sau Weibull).
Testarea semnificației diferențelor dintre distribuțiile experimentale a numărului de
arbori pe categorii de diametre și cele teoretice s-a realizat cu ajutorul testelor statistice
Kolmogorov- Smirnov (Stephens, 1979), Anderson – Darling (Anderson și Darling, 1954) și
criteriului χ2(Giurgiu, 1972).
Pentru suprafaţa de cercetare 118D ajustarea distribuţiei experimentale a numărului de arbori
pe categorii de diametre s-a realizat şi cu ajutorul funcţiilor mixte Gamma şi Weibull, prelucrarea
statistică a datelor fiind realizată cu pachetul de lucru mixdist (Macdonald și Du, 2004) al programului
informatic R, testarea semnificației diferenței dintre distribuția experimentală și cele teoretice
realizându-se cu ajutorul criteriului χ2.
Referitor la legătura curbilinie dintre diametru şi înălţimea arborelui corespondent, atât
pentru datele obţinute pe baza măsurătorilor din teren, cât şi pentru cele obţinute utilizând datele
LiDAR aeropurtat s-au folosit ecuaţiile (4.9) şi (4.10).
Analiza distribuţiei numărului de arbori în raport cu înălţimea acestora, atât pentru
arborii măsuraţi pe teren, cât şi pentru cei identificaţi pe baza datelor LiDAR s-a realizat prin
utilizarea funcțiilor teoretice de repartiție (Beta, Gamma sau Weibull), iar testarea semnificaţiei
diferenţei între cele două distribuţii s-a realizat cu ajutorul testului de conformitate Kolmogorov-
Smirnov (Stephens, 1979).
În ceea ce priveşte analiza distribuţiei numărului de arbori în raport cu volumul, pentru
arborii măsuraţi pe teren şi pentru cei identificaţi pe baza datelor LiDAR, corespondenţi arborilor
măsuraţi în teren a fost realizată prin utilizarea funcţiilor teoretice de repartiţie (Beta, Gamma) şi prin
testarea semnificaţiei diferenţei dintre cele două distribuţii (experimentală şi teoretică) cu ajutorul
testului statistic Kolmogorov-Smirnov (Stephens, 1979).
În vederea studierii legăturii dintre diametrul arborilor şi volumul acestora, atât pentru
arborii măsuraţi pe teren, cât şi pentru cei identificaţi pe baza datelor LiDAR au fost testate mai multe
ecuaţii de regresie, cea mai potrivită dovedindu-se ecuaţia de forma (Giurgiu, 1979):
24
log Vi = a + b*log di +c*log2 di (4.13)
unde:
Vi reprezintă volum arborelui, în m3;
di – diametrul de bază al arborelui, în cm;
a , b, c – coeficienţi de regresie stabiliţi pentru fiecare suprafaţă de cercetare.
De asemenea a fost realizată o analiză comparativă a distribuției volumelor pe categorii de
diametre atât pentru arborii măsurați pe teren cât și pentru cei identificați pe baza datelor
LiDAR aeropurtat, testarea semnificației diferenței între cele două distribuții experimentale fiind
efectuată cu ajutorul criteriul χ2(Giurgiu, 1972).
5. REZULTATE OBŢINUTE
RESULTS
5.1. Crearea şi integrarea bazelor de date geospaţiale obţinute prin tehnici LiDAR
şi prin procedee terestre de inventariere
Creating and integrating of the geospatial databases obtained through LiDAR
techniques and terrestrial inventory methods
Bazele de date geospaţiale obţinute în urma măsurătorilor efectuate în teren cu ajutorul
echipamentului FieldMap au fost importate într-o bază de date de tip ESRI file geodatabase.
Pentru fiecare suprafaţă de cercetare s-a creat o colecție de straturi tematice denumită Feature
Dataset în care au fost importate din FieldMap următoarele straturi (feature class-uri) :
- conturul suprafeţei de cercetare în format linie;
- conturul suprafeţei de cercetare în format poligon;
- stratul cu proiecţiile coroanelor arborilor din suprafaţa de cercetare în format poligon;
- stratul cu poziţiile arborilor din suprafaţa de cercetare în format punct;
- stratul cu poziţiile arborilor din suprafaţa de cercetare în format poligon.
Fiecărui strat i-a fost ataşat un tabel cu caracteristicile descriptive ale arborilor, măsurate în
teren. În vederea afişării şi utilizării ulterioare în format tridimensional, fiecărui strat tematic i-a fost
adăugată informaţia referitoare la coordonata Z (rezultată în urma măsurătorilor efectuate cu receptorul
GNSS) care reprezintă înălţimea deasupra elipsoidului de referință (Height Above Elipsoid).
Astfel, a fost creată baza de date cu informaţiile referitoare la arborii măsuraţi, limitele
suprafeţelor de cercetare şi măsurătorile dendrometrice efectuate în cadrul acestora (Fig. 5.1). În
continuare s-a trecut la determinarea suprafeţei de bază, a volumului şi a indicelui de acoperire
calculate pentru fiecare dintre suprafeţele de cercetare respective (Tabelul 5.1).
25
Fig. 5.1 Arbori măsuraţi pe teren în cadrul suprafeței de cercetare 43C
Field measured trees within 43C research plot
Tabelul 5.1
Suprafaţa de bază, volumul şi indicele de acoperire calculate pe baza inventarierilor efectuate în teren
pentru suprafeţele de cercetare 56A, 118D, 43C şi 62A
Basal area, the volume and the crown density of the stand calculated based on the field measurements
for the research plots 56A, 118D, 43C and 62A
Suprafaţa de
cercetare Nr. de arbori inventariaţi
Indicele de acoperire
calculat pe baza
măsurătorilor efectuate
în teren
Suprafaţa de
bază totală
G
(m2)
Volumul
(m3)
56A 1142 0,8* 69,37 763,31
118D 414 0,56 55,31 792,89
43C 820 0,71 62,47 875,95
62A 748 0,82 66,45 880,50
*Valoare rezultată ca medie a valorilor indicilor de acoperire pentru cele 21 de suprafeţe de probă din cadrul suprafeţei de
cercetare 56A
Conform metodologiei descrise în capitolul 4.2, modelele digitale de elevaţie, de precizie
ridicată (modelul digital al suprafeţei – MDS şi modelul digital al terenului – MDT) au fost obţinute
prin selectarea din datele LiDAR a diferitelor ecouri (întoarceri) (figurile 5.2 şi 5.3).
26
Fig. 5.2 Modelul digital al suprafeței (MDS) realizat pentru suprafaţa de cercetare 43C - vedere bidimensională
The digital surface model (DSM) for the 43C research plot – bidimensioanl view
Fig. 5.3 Modelul digital al terenului (MDT) pentru suprafaţa de cercetare 118D obţinut prin utilizarea
algoritmului implementat în aplicaţia FUSION (de filtrare a punctelor aflate la sol) - vedere tridimensională peste
care este suprapus norul de puncte LiDAR
The digital terrain model (DTM) for the 118D research plot extracted using FUSION algorithm (of ground
filtering points) – tridimensional view, overlapped with LiDAR point cloud
La baza obţinerii modelului digital normalizat al suprafeţei superioare a coronamentului (MDC)
au stat modelul digital al suprafeţei (MDS) şi modelul digital al terenului (MDT). Astfel, puncte filtrate
ale MDS au fost interpolate în FUSION şi au fost aplicate noi filtre cum ar fi, filtrul median, care
utilizează o fereastră de mărime 3x3 pentru a căuta punctul de cotă maximă. În vederea obţinerii
modelului digital normalizat al suprafeţei superioare a coronamentului a fost utilizat MDT obţinut
anterior, cotele absolute ale punctelor LiDAR fiind înlocuite de cote relative.
De asemenea, ţinând cont de faptul că densitatea punctelor LiDAR este de 4 puncte pe m2,
rezoluţia spaţială selectată pentru realizarea modelului digital normalizat al suprafeţei superioare a
coronamentului a fost de 0,5 m.
Odată creat, MDC a putut fi afişat în aplicaţia FUSION, utilizând modulul LiDAR Data Viewer
(LDV) în care s-a realizat şi măsurarea arborilor pentru suprafaţele de cercetare 56A, 118D, 43C şi
respectiv 62A (Fig. 5.4).
27
Fig. 5.4 Reprezentarea grafică 3D în FUSION a modelului digital normalizat al suprafeţei superioare a
coronamentului pentru suprafaţa de cercetare 43C
3D FUSION graphic view of the canopy height model for the 43C research plot
5.2. Estimarea principalelor caracteristici dendrometrice ale arborilor şi
arboretelor de molid obţinute pe baza datelor LiDAR aeropurtat
The estimation of the principal dendrometric characteristics of the spruce trees
and stands extracted based on airborne LiDAR data
Pentru suprafaţa de cercetare 56A, estimarea înălţimilor arborilor s-a realizat printr-un
procedeu semiautomat. După reprezentarea grafică în aplicaţia informatică FUSION a arborilor
măsuraţi pe teren şi a modelului digital normalizat al suprafeţei superioare a coronamentului (MDC)
împreună cu datele LiDAR s-a constatat că există o anumită deplasare între datele LiDAR şi datele
măsurate în teren, în sensul că vârfurile arborilor din cele două surse de date nu coincid, existând o
abatere sistematică unică pentru fiecare dintre cele 21 de suprafeţe de probă de formă circulară, pe cele
două axe X şi Y. Valorile deplasărilor sunt variabile de la o suprafaţă de probă la alta dar sunt constante
în cadrul aceleeaşi suprafeţe.
După pregătirea datelor pentru efectuarea măsurătorilor pe baza datelor LiDAR, a fost posibilă
identificarea punctelor aparţinând unui anumit arbore din suprafaţa de probă fără confuzii, putându-se
proceda în continuare la măsurarea înălţimii arborilor din fiecare suprafaţă de probă (Fig. 5.5).
Deplasarea pe axele X şi Y dintre datele LiDAR şi cele măsurate pe teren nu a afectat procesul
de măsurare întrucât, devierea fiind aproximativ egală de la arbore la arbore, vârfurile au putut fi uşor
recunoscute. S-au identificat şi măsurat cei mai înalţi arbori din fiecare suprafaţă de probă, iar după
măsurarea a 2-3 arbori a rezultat direcţia şi distanţa de deplasare pe cele două axe care a putut fi apoi
aplicată şi pentru restul arborilor.
28
Fig. 5.5 Măsurarea înălţimii unui arbore cu ajutorul softului FUSION, pentru una dintre cele 21 de suprafeţe
circulare din cuprinsul suprafeţei de cercetare 56A
The tree height measurement using FUSION software for one of the 21 circular sample areas from the 56A
research plot
Din totalul celor 1142 de arbori din cele 21 de suprafeţe de probă din cuprinsul suprafeţei de
cercetare 56A au putut fi măsurate pe date LiDAR înălţimile pentru 641 de arbori ceea ce reprezintă
un procent de 56%. Această colectivitate a arborilor corespondenți în teren celor identificați pe datele
LiDAR totalizează un procent de 89,8% din volumul total al arboretului calculat prin metode terestre.
Pentru suprafeţele de cercetare 118D, 43C şi 62A, în vederea estimării principalelor
caracteristici dendrometrice ale arborilor şi arboretelor de molid a fost utilizată metoda
automată de identificare a poziţiei arborilor, înălţimii şi diametrului coroanei arborilor pe baza datelor
LiDAR aeropurtat.
Astfel, pentru fiecare dintre suprafeţele de cercetare 118D, 43C şi 62A pe baza legăturii
corelative semnificative (α<5%) dintre diametrul coroanei şi înălţimea fiecărui arbore (r=0,49-0,57)
rezultate în urma măsurătorilor de teren au fost obţinute ecuaţii de regresie specifice (Fig. 5.6).
b)
a)
29
Fig. 5.6 Diametrul coroanei arborilor în raport cu înălţimea acestora pentru arborii măsuraţi în teren din cadrul
suprafeţelor de cercetare a)118D, b)43C şi c)62 A
The correlation between crown diameter and height of the trees measured in the field for the research plots
a)118D, b)43C and c)62A
Asfel, prin utilizarea ecuaţiilor de regresie pentru fiecare suprafaţă de cerecetare în parte şi a
algoritmului de obţinere automată a înălţimilor şi diametrelor coroanelor a fost posibilă identificarea pe
baza datelor LiDAR a unei părţi din numărul total de arbori inventariaţi la teren în cadrul suprafeţelor
de cercetare 118D, 43C şi 62 A (Tabelul 5.2) (Apostol et al., 2014, comunicare personală).
Tabelul 5.2
Numărul de arbori măsuraţi pe teren şi identificaţi pe baza datelor LiDAR pentru suprafeţele de cercetare 118D,
43C şi 62 A
Number of trees measured in the field and identified based on LiDAR data for the research plots 118D, 43C and
62A
Suprafaţ
a
de
cercetare
Nr de
arbori
măsuraţi
în teren
Nr. arbori
corespondenţi
celor măsuraţi
în teren şi
identificaţi pe
baza datelor
LiDAR
% Arbori
corespondenţi
celor măsuraţi în
teren şi
identificaţi pe
baza datelor
LiDAR
118D 414 251 61
43C 820 434 53
62A 748 299 40
În vederea comparării şi corelării măsurătorilor obţinute atât prin procedee terestre cât şi prin
utilizarea tehnicilor de scanare cu laser aeropurtat au fost efectuate cercetări cu privire la poziţia
planimetrică (X,Y) a datelor obţinute prin utilizarea tehnologiei LiDAR aeropurtat faţă de poziţia
planimetrică a datelor obţinute în urma măsurătorilor efectuate cu ajutorul echipamentului FieldMap.
Acest fapt este deosebit de important pentru siguranţa că aceeaşi arbori individuali pot fi recunoscuţi
atât prin utilizarea tehnologiei LiDAR aeropurtat cât şi utilizând datele obţinute în urma măsurătorilor
de teren cu ajutorul echipamentului FieldMap.
c)
30
Astfel, pornind de la rezultatele obţinute la noi (Petrila et al., 2012b), în cazul poziţionării
imaginilor aeriene faţă de punctele înregistrate cu receptorul GNSS Trimble ProXH s-a obţinut
o deplasare medie a punctelor de reper de pe imagine faţă de aceleaşi puncte înregistrate cu
echipamentul specific GNSS (Fig. 5.7) de 1,31 metri, pe o direcţie de aproximativ 226o, calculată ca
medie ponderată a direcţiilor individuale.
În ceea ce priveşte poziţionarea datelor LiDAR faţă de imaginile aeriene, s-a observat că
deplasările relative între imaginile aeriene şi datele LiDAR depăşesc doar în trei cazuri doi metri, în
rest fiind mai mici de doi metri. Media deplasărilor relative este în acest caz, 1,56 metri iar azimutul
mediu ponderat este aproximativ 268o (Fig. 5.8).
Prin compunerea vectorială a celor două deplasări medii, a imaginilor aeriene faţă de punctele
de control măsurate la sol (GCP) şi a datelor LiDAR faţă de imaginile aeriene, s-a estimat deplasarea
datelor LiDAR faţă de punctele determinate cu ajutorul receptorului GNSS, aceasta fiind aproximativ
2,68 metri pe direcţia medie ponderată de 249o (Fig. 5.9).
Fig. 5.7 Deplasarea relativă a imaginii faţă de punctele de reperaj fotogrammetric înregistrate cu
receptorul Trimble ProXH (Săgeata mov reprezintă distanţa medie şi direcţia medie ponderată a azimuturilor)
The relative dispalcement between aerial imagine and photogrammetric points measured with Trimble
ProXH receiver (Purple arrow represents the azimuth weighted average distance)
31
Fig.5.8 Deplasarea relativă a datelor LiDAR faţă de imaginile aeriene în punctele determinate
The relative displacement between the LiDAR data and the aerial images in the measured points
Fig.5.9 Deplasarea relativă a datelor LiDAR faţă de punctele determinate cu receptorul GNSS
The relative displacement between the LiDAR data and the measured points wtih the GNSS equipment
Această deplasare maximă de 2-3 metri, ne permite să tragem concluzia că nu se vor crea
confuzii în recunoaşterea arborilor identificaţi pe baza datelor LiDAR, corespondenţi celor măsuraţi în
teren.
În ceea ce priveşte suprafeţele de cercetare 56A, 118D, 43C şi 62A media deplasărilor relative
între poziţiile arborilor măsuraţi în teren şi cei identificaţi pe baza datelor LiDAR se situează sub 3
metri, iar direcţia medie ponderată este cuprinsă între aproximativ 173o şi 256
o (Tabelul 5.3).
Tabelul 5.3
Deplasarea medie relativă şi direcţia medie ponderată a azimutului pentru suprafeţele de cercetare 56A,
118D, 43C şi 62A
The mean relative displacement and the azimuth weighted mean direction for the research plot 56A,
118D, 43C and 62A
Suprafaţa
de
cercetare
(SC)
Deplasarea
medie
relativă
(m)
Deplasare
maximă
(m)
Deplasare
minimă
(m)
Direcţie
medie
ponderată
(o)
56A 2,22 7,7 0,49 173
118D 1,89 5,60 0,06 190
43C 2,83 7,76 0,38 180
62A 2,19 5,56 0,38 256
32
În urma procesului de măsurare automată a înălţimilor efectuată pe baza datelor LiDAR a
rezultat prin utilizarea acestui tip de date, pentru fiecare suprafaţă de cercetare un şir de valori cu
înălţimile arborilor şi diametrele coroanelor acestora.
În continuare au fost exprimate înălţimile arborilor determinate pe baza datelor LiDAR (pentru
aceeaşi colectivitate de arbori corespondenţi) în raport cu cele măsurate în teren la arborii din
cuprinsul suprafeţelor de cercetare 118D, 43C şi 62 A cu ajutorul unor drepte de regresie conform
ecuaţiei (4.2) din capitolul 4.2 (Fig. 5.10), observându-se o corelaţie puternic semnificativă (α<5%)
(r=0,93 – 0,96) între înălțimile arborilor măsurați pe teren și cele identificate pe date LiDAR. Valori
similare ale coeficienților de corelație (0,93) au fost obținuți utilizând o altă metodă de indentificare a
arborilor individuali pe baza datelor LiDAR (Yu et al., 2011).
Analizând figura 5.10, se observă că în jurul înălțimii de 20 – 25 m (abscisa punctului de
intersecţie al dreptelor de regresie teroretică şi experimentală), valorile determinate pe date LiDAR
sunt aproximativ egale cu cele măsurate în teren pentru arborii corespondenți. În general, la valori mai
mari ale înălţimilor măsurate în teren decât abscisa punctului de intersecție al celor două drepte de
regresie, înălțimile determinate pe date LiDAR sunt mai mici, fapt ce poate fi explicat prin aceea că
scannerul laser nu reușește să identifice vârfurile arborilor predominanți, rezultând în general, înălțimi
mai mici decât cele măsurate în teren la arborii corespondenți. În cazuri specifice unui număr redus de
arbori, în care înălțimile determinate pe date LiDAR sunt mai mari decât cele măsurate în teren pentru
arborii corespondenți (valori ale înălţimilor măsurate în teren mai mici decât abscisa punctului de
intersecţie a celor două drepte de regresie), scannerul laser identifică așa-numite „vârfuri false”,
interceptând puncte din coroanele arborilor predominanți și dominanți din imediata vecinătate a
arborilor codominanți, puncte situate în zona vârfurilor acestor arbori.
a) b)
33
Fig. 5.10 Înălțimea arborilor determinată pe baza datelor LiDAR în raport cu cea măsurată în teren pentru
arboretele din cadrul suprafețelor de cercetare a) 118D; b) 43C; c) 62A
Tree height determined based on LIDAR data and the measured field one for the stands within the
research plots a) 118D; b) 43C; c) 62A
Diametrele coroanelor determinate pe baza datelor LiDAR au fost exprimate în raport cu
înălţimile corespunzătoare determinate pe baza aceloraşi date pentru arborii din cadrul suprafeţelor de
cercetare 118D, 43C şi 62A, corelațiile dintre cele două caracteristici dendrometrice fiind de
asemenea semnificative ca și în cazul datelor măsurate în teren (r= 0,48-0,61, pentru α<5%) (Fig.
5.11).
Fig. 5.11 Diametrul coroanei arborilor în raport cu înălţimea acestora pentru arborii identificați pe baza datelor
LiDAR din cadrul suprafeţelor de cercetare a)118D, b)43C şi c)62 A
The correlation between crown diameter and height of the trees identified based on LiDAR data for the research
plots a)118D, b)43C and c)62A
c)
a) b)
c)
34
Referitor la analiza comparativă a diametrelor coroanelor arborilor calculate pe baza
măsurătorilor de teren şi a celor determinate pe baza datelor LiDAR se observă o supraestimare a
dimensiunilor coroanelor mici (diametrul coroanei mai mic decât 4 m) comparativ cu cele mari, când
diametrele coroanelor determinate pe date LiDAR au valori mai reduse (Fig. 5.12).
O explicație a supraestimării diametrelor coroanelor mici pe date LiDAR față de valorile
măsurate în teren poate fi dată de identificarea cu dificultate a vârfului și diametrului acestora pentru
arborii dominanți și codominanți, unde coroanele se întrepătrund, fenomen mai frecvent întâlnit în
cazul coroanelor de mici dimensiuni, identificându-se coroane de dimensiuni mai mari prin
recepţionarea unor puncte din coroanele arborilor dominanţi situaţi în imediata vecinătate.
Fig. 5.12 Diametrul coroanei arborilor determinați pe baza datelor LiDAR în raport cu cel măsurat în teren
pentru arboretele din cadrul suprafețelor de cercetare a) 118D; b) 43C; c) 62A
Tree crown diameter determined based on LIDAR data and the calculated field one for the stands
within the research plots a) 118D; b) 43C; c) 62A
De asemenea, între diametrele coroanelor arborilor obținute pe baza măsurătorilor din teren și
cele identificate pe date LiDAR există o corelaţie semnificativă (α<5%), mai redusă (r=0,23 – 0,41)
decât în cazul înălțimilor acestora.
Diametrul de bază al arborilor identificați pe datele LiDAR a fost determinat utilizând
măsurătorile terestre ale acestuia și a fost exprimat în raport cu înălțimile și diametrele coroanelor
determinate pe baza datelor LiDAR (ecuaţia 4.5 din capitolul 4.2).
a) b)
c)
35
Rezultatele testului Wilcoxon, arată că între diametrul mediu al arborilor măsuraţi pe teren şi
diametrul mediu al celor identificaţi pe baza datelor LiDAR, corespondenți celor măsuraţi pe teren nu
s-au constatat diferenţe semnificative (p>0,05, pentru suprafaţa 43C p>0,01) (Tabelul 5.4).
Tabelul 5.4
Analiza semnificației diferenţei dintre diametrul mediu al arborilor măsuraţi pe teren şi diametrul mediu al
celor identificaţi pe date LiDAR, corespondenţi celor măsuraţi pe teren pentru suprafeţele de cercetare studiate
The significance analysis between the field measured tree mean diameters at breast height and the mean
diameter at breast height of the LiDAR corresponding field measured identified ones for the research plots
Suprafaţa de cercetare Zexperimental Zteoretic, p=95% p Zteoretic,
p=90%
118D -0,427
1,96
0,669
2,576 43C -2,034 0,042
62A -0,283 0,777 Notă : În cazul valorii evidențiate, ipoteza nulă este confirmată pentru o probabilitate de acoperire (p=90%).
Volumul arborilor identificaţi pe baza datelor LiDAR a fost calculat cu ajutorul măsurătorilor
terestre şi exprimat în raport cu înălţimile arborilor determinate pe baza datelor LiDAR (Fig. 5.13).
Fig. 5.13 Volumul arborilor măsuraţi pe teren în raport cu înălţimea acestora determinată pe baza datelor
LiDAR pentru aceeaşi arbori corespondenţi a) SC 56A ; b) SC 118D; c) SC 43C; d) SC 62A
The correlation between the field measured tree volume and the estimated tree height identified based on
LiDAR data for the same corresponding trees within the research plot a) 56A; b) 118D; c) 43C(b); d) 62A
În vederea determinării înălţimilor arborilor neidentificaţi pe baza datelor LiDAR s-a utilizat
relaţia 4.9 (capitolul 4.2) dintre înălţimea determinată pe baza datelor LiDAR şi diametrul de bază
a) b)
c) d)
36
măsurat pe teren, obţinând coeficienţi de regresie (Tabelul 5.5) şi coeficienţii de corelaţie ai celor
două caracteristici dendrometrice cuprinşi între 0,67 şi 0,80 (Tabelul 5.6).
Tabelul 5.5
Determinarea coeficienților ecuației de regresie de forma ln ℎ = 𝑎0 + 𝑎1𝑑𝑎2 (Giurgiu et al., 2004) dintre
diametrele arborilor măsurate pe teren și înălțimile determinate pe baza datelor LiDAR, pentru aceeaşi arbori
corespondenţi
Determination of 𝑙𝑛 ℎ = 𝑎0 + 𝑎1𝑑𝑎2 equation regression coefficients (Giurgiu et al., 2004) between the field
measured tree diameters and their identified heights based on LiDAR data for the same corresponding trees
Suprafaţa de
cercetare
(SC)
Coeficienţi de regresie
ai ecuaţiei de serviciu
log h = b0 + b1logd + b2log2d
Coeficienţii ecuaţiei de
regresie
2
10lna
daah
a0 a1 a2 b0 b1 b2
56A -1,017 2,681 -0,718 3,592 -22,325 -1,166
118D -2,201 4,136 -1,132 3,635 -799,039 -2,379
43C 0,158
1,279
-0,272
4,265
-5,298
-0,516
62A -1,361
3,135
-0,844
3,663
-80,381
-1,597
Tabelul 5.6
Valorile coeficienților de corelație (r) și a rapoartelor de corelație (r2) dintre diametrele arborilor
măsurate pe teren și înălțimile determinate pe baza datelor LiDAR, pentru aceeaşi arbori corespondenţi
Correlation coefficients between the field measured tree diameters and their identified heights based on
LiDAR data for the same corresponding trees
Suprafaţa de cercetare
(SC)
Coeficient
de
corelaţie
(r)
Raport de
corelație
(r2)
56A 0,799 0,72
118D 0,772 0,77
43C 0,802 0,64
62A 0,679 0,55
Prin compararea înălţimilor dominante determinate (cu ajutorul relaţiei 4.3 din capitolul 4.2)
pentru măsurătorile efectuate pe teren cu cele obţinute pe baza datelor LiDAR se poate observa că
acestea din urmă sunt mai mici, fapt confirmat și prin aceea că, în general înălţimile determinate pe
baza datelor LiDAR sunt mai mici decât cele reale măsurate în teren (Tabelul 5.7).
37
Tabelul 5.7
Înălțimea dominantă determinată utilizând atât date măsurate în teren cât și date obținute pe baza
informațiilor LiDAR pentru suprafeţele de cercetare SC 56A, 118D, 43C şi 62A
The dominant height determined using all the measured field tree heights and based on LiDAR data for
the reasearch plots 56A, 118D, 43C and 62A
Suprafaţa
de
cercetare
(SC)
Diametrul
mediu al
suprafeței
de bază
(dg)
(cm)
Înălțimea
arborelui
mediu al
suprafeței
de bază
(hgT)
(m)
Înălțimea
dominantă
pentru
măsurători
în teren
(hdom)
(m)
Înălțimea
dominantă
pentru
măsurători
LiDAR
(hdomLiDAR)
(m)
56A 27,12 22,83 25,98 23,81
118D 41,25 33,70 36,02 33,37
43C 31,17 30,60 33,19 29,78
62A 33,64 30,41 33,01 30,47
În mod similar cu testarea diferenței dintre medii pentru diametrul de bază s-a realizat și
testarea semnificaţiei diferenţei dintre volumul mediu al arborilor măsuraţi pe teren şi volumul mediu
al arborilor identificaţi pe baza datelor LiDAR (determinat prin trei metode distincte, în funcţie de
înălţimea arborilor, de diametrul coroanelor şi înălţime şi respectiv, diametrul de bază şi înălţimea
acestora) corespondenţi celor măsuraţi în teren, observându-se diferenţe statistic nesemnificative
(p>0,05) între volumele medii determinate prin cele două metode (prin inventarieri terestre şi pe baza
datelor LiDAR) (tabelele 5.8, 5.9 şi 5.10).
Tabelul 5.8
Analiza semnificației diferenţei dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în
teren şi volumul mediu al arborilor identificaţi pe date LiDAR (v=f(hLiD)), corespondenţi celor măsuraţi pe teren
pentru suprafeţele de cercetare studiate
The significance analysis between the field measured tree mean volume and the mean volume of the LiDAR
(v=f(hLiD)) corresponding field measured identified ones for the research plots
Suprafaţa de
cercetare Zexperimental p
Zteoretic,
p=95%
56A -1,361 0,174
1,96 118D -0,387 0,698
43C -0,728 0,466
62A -0,514 0,608
38
Tabelul 5.9
Analiza semnificației diferenţei dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în
teren (v=f(d,h)) şi volumul mediu al arborilor identificaţi pe date LiDAR (v=f(dcorLiD,hLiD)) corespondenţi
celor măsuraţi pe teren pentru suprafeţele de cercetare studiate (testul Wilcoxon)
The significance analysis between the field measured tree mean volume (v=f(d,h)) and the mean volume of the
LiDAR corresponding (v=f(dcorLiD,hLiD)) field measured identified ones for the research plots (Wilcoxon test)
Suprafaţa de
cercetare Zexperimental p
Zteoretic,
p=95%
118D -0,935 0,350
1,96 43C -0,803 0,422
62A -1,238 0,216
Tabelul 5.10
Analiza semnificației diferenţei dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în
teren (v=f(d,h)) şi volumul mediu al arborilor identificaţi pe date LiDAR (v=f(d1,3LiD,hLiD)), corespondenţi celor
măsuraţi pe teren pentru suprafeţele de cercetare studiate (testul Wilcoxon)
The significance analysis between the field measured tree mean volume (v=f(d,h)) and the mean volume of the
LiDAR (v=f(d1,3LiD,hLiD)) corresponding field measured identified ones for the research plots (Wilcoxon test)
Suprafaţa de
cercetare Zexperimental p
Zteoretic,
p=95%
118D -0,908 0,364
1,96 43C -0,518 0,604
62A -0,918 0,358
Pentru determinarea diferenţei procentuale (∆v%) a volumului total estimat pe baza datelor
LiDAR (v=f(hLiD)) și a celui determinat prin măsurători terestre (v=f(d,h)) s-a folosit relaţia 4.11
(capitolul 4.2), obţinându-se diferenţe procentuale care variază între 1% şi 7,85% (Tabelul 5.11).
39
Tabelul 5.11
Diferenţe procentuale de estimare a volumului arborilor identificaţi şi neidentificaţi pe baza datelor
LiDAR (v=f(hLiD)) din volumul total al arborilor inventariaţi în teren (v=f(d,h)) pentru suprafeţele de cercetare
SC 56A, 118D, 43C şi 62A
Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data
(v=f(hLiD)) from the total field volume (v=f(hLiD)) calculated for the research plots 56A, 118D, 43C and 62A
Suprafa-
ţa de
cerceta-
re
(SC)
Suprafa-
ța
(ha)
Volum
total
deter-
minat
prin
măsu-
rători
teres-
tre
(m3)
Volum
determi-
nat pe
date
LiDAR
(m3)
Volum
determinat
pentru
arborii
corespon-
denţi din
teren și
identificați
pe date
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul
determinat
în teren al
arborilor
identificaţi
LiDAR
(%)
Volum
determi-
nat
LiDAR
al
arborilor
neidenti-
ficaţi
(m3)
Volum
total
determi-
nat
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul total
determinat
prin
măsurători
terestre
(%)
0 1 2 3 4
5
((3) − (4)
(4)∗
∗ 100)
6 7
8
((7) − (2)
(2)∗
∗ 100)
56A 1,05 763,31 667,48 685,55 -2,63 110,08 777,56 1,86
118D 1 792,89 601,57 620,34 -3,02 224,27 825,84 4,16
43C 1 875,95 595,96 621,31 -4,08 288,83 884,79 1,01
62A 1 880,50 512,98 530,99 -3,39 436,62 949,60 7,85
Referitor la determinarea volumului pe baza datelor LiDAR folosind ecuaţia dublu logaritmică
în raport cu diamtetrul coroanei şi înălţimea (v=f(dcorLiD,hLiD)) se obţin diferenţe procentuale faţă de
volumul total al arboretului determinat prin măsurători terestre (v=f(d,h)) pentru arboretelor cercetate
între 1% şi 7,95%.(Tabelul 5.12).
Analizând comparativ, volumul arborilor identificaţi pe baza datelor LiDAR şi volumul total al
arboretului, stabilit în raport cu diametrele de bază şi înălţimile corespunzătoare (determinate pe baza
datelor LiDAR şi respectiv, prin inventarieri de teren) s-a constatat că pe baza datelor LiDAR poate fi
estimat un procent cuprins între 58 şi 75 % din volumul real al arboretului (Tabelul 5.13). Acest fapt
poate fi explicat prin aceea că pe măsură ce indicele de acoperire creşte volumul estimat pe baza
datelor LiDAR scade.
40
Tabelul 5.12
Diferenţe procentuale de estimare a volumului arborilor identificaţi şi neidentificaţi pe baza datelor
LiDAR (v=f(dcorLiD,hLiD)) din volumul total al arborilor inventariaţi în teren (v=f(d,h)) pentru suprafeţele de
cercetare 118D, 43C şi 62A
Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data
(v=f(dcorLiD,hLiD)) from the total field volume (v=f(d,h)) calculated for the research plots 118D, 43C and 62A
Suprafa-
ţa de
cerceta-
re
(SC)
Suprafa-
ța
(ha)
Volum
total
deter-
minat
prin
măsu-
rători
teres-
tre
(m3)
Volum
determi-
nat pe
date
LiDAR
(m3)
Volum
determi-
nat pentru
arborii
corespon-
denţi din
teren și
identificați
pe date
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul
determinat
în teren al
arborilor
identificaţi
LiDAR
(%)
Volum
determi-
nat
LiDAR
al
arborilor
neidenti-
ficaţi
(m3)
Volum
total
determi-
nat
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul
total
determinat
prin
măsurători
terestre
(%)
0 1 2 3 4
5
((3) − (4)
(4)∗
∗ 100)
6 7
8
((7) − (2)
(2)∗
∗ 100)
118D 1 792,89 596,07 620,34 -3,91 226,46 822,53 3,73
43C 1 875,95 596,14 621,31 -4,05 288,62 884,76 1,01
62A 1 880,50 508,60 530,99 -4,21 441,91 950,51 7,95
Tabelul 5.13
Diferenţe procentuale de estimare a volumului arborilor identificaţi şi neidentificaţi pe baza datelor
LiDAR (v=f(d1,3LiD,hLiD)) din volumul total al arborilor inventariaţi în teren (v=f(d,h)) pentru suprafeţele de
cercetare 118D, 43C şi 62A
Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data
(v=f(d1,3LiD,hLiD)) from the total field volume (v=f(d,h)) calculated for the research plots 118D, 43C and 62A
Supra-
faţa de
cerce-
tare
(SC)
Suprafa-
ța
(ha)
Volum
total
determi-
nat prin
măsură-
tori
terestre
(m3)
Volum
deter-
minat
pe date
LiDAR
(m3)
Volum
determinat
pentru
arborii
corespon-
denţi din
teren și
identificați
pe date
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul
determinat
în teren al
arborilor
identificaţi
LiDAR
(%)
Procentul
volumului
arborilor
identificaţi
pe baza
datelor
LiDAR în
raport cu
volumul
total
terestru
(%)
Volum
determi-
nat
LiDAR
al
arbori-
lor
neidenti-
ficaţi
(m3)
Volum
total
determi-
nat
LiDAR
(m3)
Diferenţe
procentuale
faţă de
volumul total
determinat
prin
măsurători
terestre
(%)
0 1 2 3 4
5
((3) − (4)
(4)∗
∗ 100)
6 7 8
9
((8) − (2)
(2)∗
∗ 100)
118D 1 792,89 595,66 620,34 -3,98 75 228,58 824,24 3,95
43C 1 875,95 598,27 621,31 -3,70 68 288,94 887,21 1,28
62A 1 880,50 511,11 530,99 -3,74 58 431,29 924,4 7,03
41
5.3. Analiza structurii arboretelor din cadrul suprafeţelor de cerecetare pe baza
datelor obţinute prin măsurători efectuate în teren şi pe baza datelor LiDAR
aeropurtat
Stand structure analysis within the research plots based on the field
measurements and airborne LiDAR data
5.3.1. Structura arboretelor în raport cu diametrul de bază al arborilor Stand structure based on tree diameter at breast height
Cunoașterea distribuţiei numărului de arbori pe categorii de diametre constituie informaţia
de bază în vederea elaborării unor modele structurale ale arboretelor pentru asigurarea unei gestionări
durabile a ecosistemelor forestiere. Obţinerea acestor distribuţii s-a realizat pe baza măsurătorilor
efectuate în teren cu ajutorul echipamentului FieldMap. Caracterizarea structurii în raport cu diametrul
de bază al arboretelor din cadrul suprafeţelor de cercetare studiate este relativ dificil de realizat din
cauza eterogenităţii acestora chiar dacă sunt amplasate în arborete pure de molid și relativ echiene.
Prin aplicarea funcţiilor teoretice de frecvenţă (Beta, Normală, Weibull şi Gamma) în vederea
ajustării distribuţiilor experimentale caracteristice arboretelor studiate şi prin testarea semnificaţiei
diferenţei dintre distribuţiile teoretice şi cele experimentale utilizând testele statistice de conformitate
Kolmogorov-Smirnov (KS), Anderson - Darling(AD) şi criteriul χ2 s-a dovedit că funcţia Beta este
cea mai flexibilă, fiind potrivită în toate cazurile (Tabelul 5.14).
În cazul suprafeţei de cercetare 118D (Fig. 5.14) se observă o frecvenţă redusă a numărului de
arbori în categoriile mici de diametre situate sub valorile diametrului mediu, fapt ce poate fi explicat
prin existenţa a două elemente de arboret generate de executarea unor extrageri cu o intensitate mai
mare a arborilor subțiri, rău conformaţi sau prin acțiunea unor cauze naturale (eliminare naturală) sau
antropice în urma cărora arboretul a suferit o destructurare evidentă în zona arborilor cu diametre
mici.
Potrivit criteriului χ2, aplicat în cazul comparării distribuției experimentale cu cele teoretice
obținute cu ajutorul funcțiilor mixte Gamma și Weibull (Fig. 5.14) nu există diferențe semnificative
(p>0,05) ceea ce confirmă faptul că aceste funcții mixte sunt potrivite pentru ajustarea distribuției
experimentale a arborilor din cuprinsul suprafeței de cercetare 118D, în raport cu diametrul lor
(Tabelul 5.15).
42
Tabelul 5.14
Testarea semnificației diferențelor dintre distribuțiile experimentale ale numărului de arbori pe categorii de diametre și distribuțiile teoretice Beta, Normală, Gamma și
Weibull
Significance of goodness-of-fit tests between experimental and theoretical distributions using Beta, Normal, Gamma and Weibull functions Suprafaţa de
cercetare
Tipul distribuţiei teoretice Testarea ipotezei nule cu ajutorul testului
Denumire Parametrii distribuției Testul Kolmogorov-Smirnov Testul Anderson-Daring Criteriul χ2
Valoare
experimen
tala
Valoare
teroetica
(pentru
α=0,05)
Diferențe Valoa-
re
expe-
rimen-
tală
Valoare
teroetică
(pentru
α=0,05)
Diferențe Valoare
experi-
mentală
Valoare
teroetică
(pentru
α=0,05)
Diferențe
118D
Beta α 1= 16,694 ; α 2= 11,076;
a= -50,37; b= 98,202
0,03746 0,06674 Nesemnificative 0,9454
9
2,5018 Nesemnificative 8,3407 15,507 Nesemnificative
Normală =13,588; =38,948 0,04251 0,06674 Nesemnificative 1,238 2,5018 Nesemnificative 6,6703 15,507 Nesemnificative
Weibull
(3P) =4,096; =54,035;
=-10,085
0,03767 0,06674 Nesemnificative 0,9676
2
2,5018 Nesemnificative 7,947 15,507 Nesemnificative
43C
Normală 0,07689 0,04742 Semnificative 6,9906 2,5018 Semnificative 60,592 16,919 Semnificative
Beta 1= 9,4889; 2= 1070,7;
a= -2,4006; b= 3624,3
0,03725 0,04742 Nesemnificative 1,3122 2,5018 Nesemnificative 11,246 16,919 Nesemnificative
Gamma = 8,0729; = 3,6394 0,03018 0,04742 Nesemnificative 1,2177 2,5018 Nesemnificative 11,639 16,919 Nesemnificative
62A Beta
0,02905 0,04965 Nesemnificative 0,6449 2,5018 Nesemnificative 6,4907 16,919 Nesemnificative
Weibull 0,03234 0,04965 Nesemnificative 1,2666 2,5018 Nesemnificative 10,134 16,919 Nesemnificative
Normală 0,03457 0,04965 Nesemnificative 1,2167 2,5018 Nesemnificative 11,665 16,919 Nesemnificative
Notă : În cazul valorilor evidențiate ipoteza nulă este respinsă.
Fig. 5.14 Ajustarea distribuţiei experimentale a numărului de arbori în raport cu diametrul de bază (d1,3) pentru arboretul din cadrul suprafeţei de cercetare 118D cu
ajutorul funcíilor mixte Gamma(a) și Weibull(b)
Fitting experimental diameter at breast height distributions for the stand research plot 118D using two-component Gamma (a) and Weibull(b) models
a) b)
43
Tabelul 5.15
Analiza semnificației ajustării distribuției experimentale cu ajutorul funcțiilor mixte Gamma și Weibull
(criteriul χ2)
Significance of goodness-of-fit test between experimental and theoretical distributions using mixed Gamma and
Weibull models (The chi-squared test (χ2))
Suprafață de
cerecetare Funcția
f χ2 p
118D Weibull 28 26,549 0,1647
Gamma 28 35,179 0,3502
În vederea analizei relaţiei diametru – înălţime, pe baza măsurătorilor de teren referitoare la
înălţimile măsurate ale arborilor din cadrul suprafeţelor de cercetare s-au construit curbele înălţimilor în
raport cu diametrul arborilor (ecuaţia 4.9 din capitolul 4.2) şi s-au determinat coeficienţii de corelaţie
(r) şi rapoartele de corelaţie (r2) dintre aceste caracterisitici dendrometrice (Tabelul 5.16 şi figura 5.15).
Tabelul 5.16
Valorile coeficienților de corelație (r) și a rapoartelor de corelație (r2) dintre diametrele arborilor și
înălțimile acestora
Correlation coefficients between trees diameters and their height
Suprafaţa de cercetare
(SC)
Coeficient
de
corelaţie
(r)
Raport de
corelație
(r2)
118D 0,848 0,854
43C 0,853 0,859
62A 0,804 0,745
a) b)
44
Fig. 5.15 Curbele înălţimilor compensate pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b),
62A(c)
Height curves calculated for the stands research plots 118D(a), 43C(b), 62A(c)
În mod similar pentru analiza relaţiei diametru – înălţime determinată pe baza datelor
LiDAR s-au construit și curbele înălțimilor astfel determinate în raport cu diametrul arborilor măsurat
în teren (Fig. 5.16), utilizând aceeași ecuație de regresie (ecuaţia 4.9 din capitolul 4.2) și obținând
coeficienți de corelaţie (r) cuprinşi între 0,679 și 0,802, mai mici decât cei existenţi dintre diametrul şi
înălţimea arborilor măsuraţi în teren (Tabelul 5.6 din capitolul 5.2).
Aceste curbe sunt deosebit de utile pentru determinarea înălțimii stabilite pe baza datelor
LiDAR ale arborilor ce nu pot identificați prin acest procedeu în funcție de diametrul de bază măsurat
în teren, informații folositoare pentru stabilirea volumului total al arboretului pe date LiDAR în raport
cu înălțimea, diametrul coroanei și diametrul de bază al arborilor.
c)
a) b)
45
Fig. 5.16 Curbele înălţimilor compensate determinate
pe baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
Height curves calculated based on LiDAR data for the stands research plots 118D(a), 43C(b), 62A(c)
5.3.2. Structura arboretelor în raport cu înălţimea arborilor
Stand structure based on tree height
În ceea ce priveşte structura arboretelor în raport cu înălţimea arborilor măsuraţi pe teren
se observă ca distribuţiile experimentale ale numărului de arbori pe clase de înălţimi respectă regulile
generale de distribuţie specifice arboretelor echiene şi relativ echiene, frecvenţele absolute fiind
distribuite asimetric, prezentând asimetrie de dreapta (negativă) (Giurgiu, 1979; Leahu, 1994) (Fig.
5.17).
Rezultatele testului statistic de conformitate Kolmogorov-Smirnov (KS) aplicat în vederea
verificării nivelului de semnificaţie a funcţiilor teoretice aplicate, dovedesc faptul că funcţia Beta este
cea mai flexibilă, fiind potrivită pentru două dintre cele trei arborete cercetate (Tabelul 5.17).
c)
a) b)
46
Fig. 5.17 Ajustarea distribuţiilor experimentale ale numărului de arbori în raport cu înălţimea pentru arboretele
din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
Fitting experimental height distributions for the stands research plots 118D(a), 43C(b), 62A(c)
Tabelul 5.17
Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălţimi măsurate la arbori în teren
(testul Kolmogorov-Smirnov)
Significance of goodness-of-fit tests between experimental and theoretical height distributions
(Kolmogorov-Smirnov test)
Suprafaţa de cercetare Funcția D experimental D teoretic
118D Beta 0,18451 0,40925
43C Gamma 0,22692 0,40925
62A Weibull 0,1501
0,43001 Beta 0,11139
Referitor la structura arboretelor în raport cu înălţimea arborilor identificaţi pe baza
datelor LiDAR, se observă aceeaşi asimetrie de dreapta (negativă) specifică arboretelor echiene şi
relativ echiene (Fig. 5.18), iar rezultatele aplicării testului statistic de conformitate Kolmogorov-
Smirnov (KS) arată faptul că funcţia Beta se dovedeşte a fi şi în acest caz cea mai potrivită (Tabelul
5.18).
c)
a) b)
47
Fig. 5.18 Ajustarea distribuţiilor experimentale ale numărului de arbori în raport cu înălţimea determinată pe
baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
Fitting experimental height distributions based on the identified LiDAR trees within the stands
research plots 118D(a), 43C(b), 62A(c)
Tabelul 5.18
Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălţimi determinate pe baza datelor
LiDAR (testul Kolmogorov-Smirnov)
Significance of goodness-of-fit tests between experimental and theoretical height distributions based on LiDAR
identified trees (Kolmogorov-Smirnov test)
Suprafaţa de cercetare Funcția D experimental D teoretic
118D Beta 0,231
0,43001 Weibull 0,25783
43C Beta 0,22683
0,45427 Gamma 0,21001
62A Beta 0,2079
0,45427 Weibull 0,22894
Comparând distribuțiile numărului de arbori pe clase de înălţimi și luând în considerare
arborii identificați pe baza datelor LiDAR și arborii corespondenți măsurați pe teren se observă
că în general, în clase superioare de înălţimi (mai mari decât înălțimea medie) frecvența arborilor
identificați este mai mică decât frecvența arborilor corespondenți măsurați pe teren pentru aceeași
clasă de înălțimi (Fig. 5.19). Acest fapt poate fi explicat prin aceea că scannerul laser aeropurtat nu
reușește să capteze exact vârful arborelui, înălțimile determinate pe baza datelor LiDAR fiind în
general mai mici decât cele măsurate în teren, existând astfel o încadrare a arborilor în clase inferioare
de înălţimi stabilite conform măsurătorilor de teren.
În cazul arborilor încadraţi în clase inferioare de înălţimi se poate observa că frecvența celor
identificați pe baza datelor LiDAR este în general mai mare comparativ cu frecvența arborilor
măsurați în teren, fapt ce poate fi explicat prin aceea că algoritmul de identificare automată înălțimilor
arborilor pe baza datelor LiDAR nu reuşeşte să localizeze cu precizie vârful arborilor încadraţi în
categoria arborilor codominanţi, localizând puncte în coroana arborilor dominanţi şi predominanţi
aflaţi în imediata vecinătate a arborilor codominanţi.
c)
48
Funcţiile teoretice de repartiţie Beta (Fig. 5.19a,c), respectiv Gamma (Fig. 5.19b) ajustează
distribuția experimentală a numărului de arbori pe clase de înălțimi atât pentru arborii măsurați pe
teren cât și pentru cei corespondenţi identificați pe baza datelor LiDAR, testarea semnificației
diferenței dintre distribuţiile teoretice şi cele experimentale realizându-se cu ajutorul testului
Kolmogorov-Smirnov (Tabelul 5.19).
Fig. 5.19 Distribuţiile experimentale ale numărului de arbori în raport cu înălţimea pentru arborii corespondenți
măsurați pe teren și cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare
118D(a), 43C(b), 62A(c)
Fitting experimental height distributions for the field measured trees and corresponding identified
LiDAR ones within the stands research plots 118D(a), 43C(b), 62A(c)
Tabelul 5.19
Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălţimi măsurate pe teren ce
corespund arborilor identificaţi pe baza datelor LiDAR (testul Kolmogorov-Smirnov)
Significance of goodness-of-fit tests between experimental and theoretical height distributions based on field
measured trees corresponding to the LiDAR identified ones
(Kolmogorov-Smirnov test)
Suprafaţa de cercetare Funcția D experimental D teoretic
118D Beta 0,22725 0,43001
43C Gamma 0,18802 0,45427
62A Beta 0,16216 0,45427
a) b)
c)
49
Referitor la distribuțiile numărului de arbori pe clase de înălţimi pentru toţi arborii
măsurați pe teren și arborii identificați pe baza datelor LiDAR se poate observa că frecvența
claselor de înălţimi ale arborilor identificați este mai mică decât cea a claselor de înălţimi ale arborilor
măsurați pe teren (Fig. 5.20), iar distribuţia numărului de arbori pe clase de înălţimi stabilite pe baza
datelor LiDAR aeropurtat se regăseşte în distribuţia generală a numărului de arbori măsuraţi în teren
pe clase de înălţimi, fără ca aceasta să fie considerată ca o estimaţie a populaţiei generale.
Fig. 5.20 Distribuţiile experimentale ale numărului de arbori în raport cu înălţimea pentru toţi arborii măsurați
pe teren și cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare
118D(a), 43C(b), 62A(c)
Fitting experimental height distributions for all the field measured trees and the LiDAR identified ones
within the stands research plots 118D(a), 43C(b), 62A(c)
5.3.3. Structura arboretelor în raport cu volumul arborilor
Stand structure based on tree volume
Structura arboretelor în raport cu volumul arborilor este cea mai importantă componentă
utilizată pentru evaluarea ecosistemelor forestiere. Volumul fiecărui arbore s-a determinat utilizând
ecuaţia de regresie dublu logaritmică a volumului (Giurgiu, 1979).
Analizând structura arboretelor în raport cu volumul arborilor determinat prin
inventarieri terestre se observă că distribuţiile experimentale prezintă curbe de frecvenţă cu
asimetrie pozitivă de stânga ca și în cazul distribuției experimentale a numărului de arbori în raport cu
a) b)
c)
50
diametrul lor, fiind de asemenea specifice arboretelor echiene şi relativ echiene (Giurgiu, 1979) (Fig.
5.21).
Rezultatele testului statistic de conformitate Kolmogorov-Smirnov (KS) dovedesc faptul că
funcţiile teoretice Beta și Gamma sunt în acest caz potrivite pentru toate arboretele studiate (Tabelul
5.20).
Fig. 5.21 Ajustarea distribuţiilor experimentale ale numărului de arbori în raport cu volumul lor determinat prin
măsurători terestre pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
Fitting experimental tree volume based on field measurements for the stands research plots 118D(a),
43C(b), 62A(c)
Tabelul 5.20
Analiza semnificației ajustării distribuției numărului de arbori pe clase de volum pentru arboretele studiate
(testul Kolmogorov-Smirnov)
Significance of goodness-of-fit tests between experimental and theoretical tree volume distributions based on
field measured trees (Kolmogorov-Smirnov test)
Suprafaţă de cercetare Funcția D experimental D teoretic
118D Beta 0,018
0,364 Gamma 0,064
43C Beta 0,052
0,376 Gamma 0,068
62A Beta 0,005
0,405 Gamma 0,052
a) b)
c)
51
Prin reprezentarea volumelor unitare ale arborilor măsuraţi în teren în cadrul suprafeţelor de
cercetare 118D, 43C, respectiv 62A în funcţie de diametrul lor se observă că acestea sunt distribuite
într-un nor de puncte grupat în jurul unor curbe de tip parabolic (Fig. 5.22), iar corelaţia dintre
volumnul arborilor determinat prin inventarieri terestre şi diametrul de bază al arborilor prezintă
valori foarte mari ale coeficientului de corelaţie de 0,94 – 0,96 (Tabelul 5.21).
Fig. 5.22 Repartiţia volumului unitar în raport cu diametrul de bază al arborilor în arboretele din cadrul
suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
The tree volume distribution and the corresponding field measured diameter at breast height for the stands
research plots 118D (a), 43C (b), 62A (c)
a) b)
c)
52
Tabelul 5.21
Valorile coeficienților de corelație (r) dintre diametrele și volumele unitare ale arborilor din cadrul
suprafețelor de cerceare
Correlation coefficients between trees volume and their field measured diameter at breast height, for
the stands research plot
Suprafaţa de cercetare
(SC)
Coeficient
de
corelaţie
(r)
118D 0,955
43C 0,962
62A 0,944
Referitor la distribuţia volumului pe categorii de diametre se constată în general, o pondere
ridicată în categoriile de diametre situate în apropierea categoriei centrale, dată fiind frecvenţa foarte
mare a arborilor în această zonă a distribuţiei, dar şi în zona situată în imediata apropiere a acesteia,
arborii de dimensiuni mari fiind purtătorii unui volum considerabil la nivelul arboretului (Fig. 5.23).
Fig. 5.23 Distribuţia experimentală a volumelor pe categorii de diametre pentru arboretele din cadrul
suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
The tree volume distributions of the field measured diameter at brest height for the stands research plots
118D(a), 43C(b), 62A(c)
Analizând structura arboretelor in raport cu volumul arborilor determinat pe baza datelor
LiDAR se constată că distibuțiile experimentale prezintă, de asemenea curbe de frecvență cu
asimetrie pozitivă de stânga (Fig. 5.24), iar rezultatele testului statistic Kolmogorov-Smirnov, arată că
funcțiile Beta şi Gamma s-au dovedit cele mai flexibile, fiind potrivite în toate cazurile (Tabelul 5.22).
a) b)
c)
53
Fig. 5.24 Ajustarea distribuţiilor experimentale ale numărului de arbori în raport cu volumul lor stabilit pe baza
datelor LiDAR aeropurtat pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
Fitting experimental tree volume distributions based on LiDAR data for the stands research plots
118D(a), 43C(b), 62A(c)
Tabelul 5.22
Analiza semnificației ajustării distribuției numărului de arbori pe clase de volume determinate pe baza datelor
LiDAR pentru arboretele cercetate (testul Kolmogorov-Smirnov)
Significance of goodness-of-fit tests between experimental and theoretical tree volume distributions based on
LiDAR data (Kolmogorov-Smirnov test)
Suprafaţă de cercetare Funcția D experimental D teoretic
118D Beta 0,035
0,376 Gamma 0,048
43C Gamma 0,134
0,448 Beta 0,044
62A Beta 0,017
0,448 Gamma 0,044
Comparând distribuțiile numărului de arbori pe clase de volume și luând în considerare
arborii măsurați pe teren corespondenți arborilor identificați pe baza datelor LiDAR şi cei
identificaţi pe baza datelor LiDAR se observă existenţa unor frecvenţe în general apropiate la
nivelul acestora (Fig. 5.25b) sau mai mari a arborilor identificaţi pe baza datelor LiDAR care sunt
a) b)
c)
54
încadraţi în clase centrale de volum (Fig. 5.25a şi c). În acest din urmă caz, situaţia se poate explica
prin ponderea mare a arborilor identificaţi în zona categoriilor medii de diametre şi înălţimi.
Fig. 5.25 Distribuţiile experimentale ale numărului de arbori în raport cu volumul pentru arborii corespondenți
măsurați pe teren (1) și cei identificați pe baza datelor LiDAR (2) pentru arboretele din cadrul suprafeţelor de
cercetare 118D(a), 43C(b), 62A(c)
Fitting experimental tree volume distribution of the correspondent field measured trees (1) and the
identified ones based on LiDAR data (2) for the stands research plots 118D(a), 43C(b), 62A(c)
În ceea ce priveşte distribuțiile numărului de arbori pe clase de volum pentru toţi arborii
măsurați pe teren și cei identificați pe baza datelor LiDAR se poate constata că, în general,
55
frecvența pe clase de volum a arborilor identificați este mai redusă decât cea a claselor de volum a
arborilor măsurați pe teren (Fig. 5.26). Astfel, se poate observa că distribuţia numărului de arbori pe
clase de volum, determinat pe baza datelor LiDAR aeropurtat, se regăseşte în distribuţia generală a
numărului de arbori pe clase de volum, specifică întregului arboret.
Fig. 5.26 Distribuţiile experimentale ale numărului de arbori în raport cu volumul pentru toți arborii măsurați
pe teren(1) și cei identificați pe baza datelor LiDAR(2) pentru arboretele din cadrul suprafeţelor de cercetare
118D(a), 43C(b), 62A(c)
Fitting experimental tree volume distributions for all the field measured trees(1) and the LiDAR
identified ones (2) within the stands research plots 118D(a), 43C(b), 62A(c)
56
Legatura corelativă a volumului determinat pe baza datelor LiDAR şi a diametrului de
bază (Fig. 5.27) este exprimată prin valori mai reduse ale coeficientului de corelaţie (r=0,67 – 0,80)
faţă de cele obţinute pe baza inventarierilor terestre.
Fig. 5.27 Repartiţia volumului unitar determinat pe baza datelor LiDAR aeropurtat în raport cu
diametrul de bază al arborilor în arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
The tree estimated volume distribution based on LiDAR data and the corresponding field measured diameter at
breast height for the stands research plots 118D (a), 43C (b), 62A(c)
Asemănător distribuţiei volumului pe categorii de diametre la nivelul arboretelor cercetate,
şi în cazul distribuţiei volumului determinat pe baza datelor LiDAR se constată că ponderea
ridicată a volumelor este situată în categoriile medii spre superioare ale arborilor, o reprezentare mai
redusă având-o categoriile mici şi superioare care sunt reprezentate şi prin număr de arbori mai redus
(Fig. 5.28).
a) b)
c)
57
Fig. 5.28 Distribuţia experimentală a volumelor determinate pe baza datelor LiDAR pe categorii de diametre
pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b), 62A(c)
The tree estimated volume distributions based on LiDAR data and the corresponding field measured diameter
at brest height for the stands research plots 118D(a), 43C(b), 62A(c)
Analizând comparativ distribuţiile volumului pe categorii de diametre, atât pentru arborii
măsuraţi pe teren corespondenţi celor identificaţi pe baza datelor LiDAR cât şi pentru cei
identificaţi pe baza aceloraşi date s-a constatat, utilizând criteriul χ2, că între cele două distribuţii
experimentale nu există diferenţe semnificative (Figura 5.29 şi tabelul 5.23)
De asemenea, în categorii superioare de diametre (mai mari decât diametrul mediu) frecvența
volumului pentru arborii identificați pe baza datelor LiDAR este mai mică decât ponderea volumului
pentru arborii corespondenți măsurați pe teren.
a) b)
c)
b) a)
58
Fig. 5.29 Distribuţia experimentală a volumelor pe categorii de diametre pentru arborii măsurați pe teren și cei
corespondenţi identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare
118D(a), 43C(b), 62A(c)
The tree volume distributions of the field measured trees and the corresponding identified ones based on
LiDAR data for the stands research plots 118D(a), 43C(b), 62A(c)
Tabelul 5.23
Analiza semnificaţiei diferenţei distribuţiei volumului pe categorii de diametre pentru arborii măsuraţi
pe teren corespondenţi celor identificaţi pe baza datelor LiDAR şi a celor identificaţi pe baza datelor
LiDAR (criteriul χ2)
Significance of goodness-of-fit tests between two experimental tree volume distributions based on the
corresponding field measured trees and the LiDAR identified ones (The chi-squared test (χ2))
Suprafaţa de cercetare
(SC)
Grade de
libertate
(f)
χ2experimental χ2
teoretic 5%
118D 26 11,44 38,89
43C 26 10,04 38,89
62A 25 10,34 37,65
Analizând comparativ distribuţiile volumului tuturor arborilor pe categorii de diametre
măsuraţi în teren şi a celor identificaţi pe date LiDAR (Fig. 5.30) se poate observa, cu execepţia
suprafeţei de cercetare 62A că nu există diferenţe semnificative între aceste distribuţii (Tabelul 5.24),
fapt ce conduce la ideea că volumul determinat prin tehnici LiDAR surprinde într-o oarecare măsură,
asigurată statistic, volumele pe categorii de diametre (cu excepţia celor de la limita inferioară a
intervalului) înregistrând valori sistematic mai mici, fapt determinat de neluarea în considerare a
arborilor din teren a căror înălţime nu a fost determinată pe date LiDAR.
c)
b) a)
59
Fig. 5.30 Distribuţia experimentală a volumelor pe categorii de diametre pentru toţi arborii măsurați pe teren și
cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafeţelor de cercetare 118D(a), 43C(b),
62A(c)
The tree volume distributions of all the field measured trees and the LiDAR identified ones for the stands
research plots 118D(a), 43C(b), 62A(c)
Tabelul 5.24
Analiza semnificaţiei diferenţei distribuţiei volumului pe categorii de diametre pentru toţi arborii
măsuraţi pe teren şi a celor identificaţi pe baza datelor LiDAR(criteriul χ2)
Significance of goodness-of-fit tests between two experimental tree volume distributions based on all field
measured trees and LiDAR identified ones (The chi-squared test (χ2))
Suprafaţa de cercetare
(SC)
Grade de
libertate
(f)
χ2experimental χ2
teoretic 5%
118D 26 18,04 38,89
43C 26 22,28 38,89
62A 25 89,41 37,65
Notă : În cazul valorii evidențiate ipoteza nulă este respinsă.
6. CONCLUZII
CONCLUSIONS
Cu ocazia elaborării tezei de doctorat se pot desprinde, pe baza rezultatelor obţinute,
numeroase concluzii care contribuie în mod substanţial la dezvoltarea cunoaşterii utilizării tehnicilor
şi procedeelor moderne ale teledetecţiei cu referire specială la estimarea caracteristicilor
dendrometrice ale arborilor şi arboretelor şi la anliza structurii arboretelor respective.
Cu privire la crearea şi integrarea bazelor de date geospaţiale obţinute prin tehnici
LiDAR aeropurtat şi măsurători terestre:
Vizualizarea datelor LiDAR cu ajutorul unor aplicaţii informatice specializate, specifice
mediului GIS permite transferul datelor geospațiale și biometrice înregistrate la sol cu
echipamentul Field Map într-o bază de date constituită dintr-o colecţie de straturi tematice
c)
60
geospațiale care conţin caracteristicile descriptive măsurate în teren facilitându-se astfel,
procesarea datelor LiDAR.
Modelul digital al suprafeţei – MDS, modelul digital al terenului - MDT şi apoi modelul
digital normalizat al suprafeţei superioare a coronamentului arboretului (MDC) sunt
elemente ce fac posibilă determinarea caracteristicilor arborilor şi arboretelor, pe baza
datelor LiDAR, prin utilizarea aplicaţiilor informatice specializate (FUSION) şi a modulelor
specifice acestora (LDV).
Cu privire la determinarea principalelor caracteristici dendrometrice ale arborilor şi
arboretelor obţinute pe baza datelor LiDAR:
Datele obţinute prin tehnici de scanare LiDAR aeropurtat conţin informaţii doar pentru
arborii predominanţi, dominanţi şi/sau codominanţi, vârfurile şi coroanele acestora putând fi
mai mult sau mai puţin distinct identificate.
Arborii situaţi în plafonul inferior al coronamentului (arborii dominaţi) nu pot fi identificaţi
în norul de puncte LiDAR, cei cu înălţimi mici putând fi recepţionaţi (identificaţi) numai în
zonele cu consistenţă redusă ale arboretului (în golurile existente în arboret).
La baza identificării pe date LiDAR a arborilor de molid din arboretele cercetate au stat
legătura corelativă dintre diametrul coroanei arborilor şi înălţimea acestora, precum şi
algoritmul specific tehnicilor LiDAR de determinare automată a înălţimilor şi diametrelor
coroanelor arborilor de molid astfel identificaţi.
Cu privire la analiza comparativă a caracteristicilor dendrometrice ale arborilor şi
arboretelor determinate pe baza datelor LiDAR şi prin măsurători terestre:
Înălţimile arborilor determinate pe baza datelor LiDAR sunt în marea majoritate a cazurilor
mai mici decât cele reale măsurate în teren la arborii corespondenţi.
Corelaţia dintre diametrul coroanei arborilor şi înălţimea acestora, determinate pe baza
măsurătorilor de teren și pe baza datelor LiDAR, se menţine aproximativ la acelaşi nivel de
semnificaţie (r≈0,4-0,6).
Tehnicile LiDAR aeropurtat conduc la o supraestimare faţă de valorile măsurate la sol ale
diametrului coroanelor mici (diametre, in general, mai mici de 4 metri) comparativ cu cele
ale diametrului coroanelor mari, care sunt subestimate.
Volumul colectivităţii arborilor identificaţi pe date LiDAR, stabilit prin diferite metode este
mai mic decât cel al arborilor corespondenţi în teren stabilit prin procedee specific, în raport
cu diametrul de bază și înălțimea.
În cazul utilizării pentru calculul volumului a diametrului de bază şi a înălţimii arborilor
(măsurate pe teren sau determinate pe baza datelor LiDAR) volumul arborilor identificaţi pe
baza datelor LiDAR reprezintă 58-75% din volumul total al arboretului.
61
Cu privire la analiza structurii arboretelor pe baza datelor LiDAR aeropurtat şi a celor
obţinute prin măsurători terestre:
Structura arboretelor cercetate de molid în raport cu diametrul de bază al arborilor urmează
legităţile specifice arboretelor echiene şi relativ echiene, distribuţiile experimentale urmând
funcţii teoretice de frecvenţă de tip Gamma, Weibull şi Beta.
Frecvenţa arborilor corespondenţi măsuraţi în teren pe clase de înălţimi este mai mică, în
clasele superioare (mai mari decât înălţimea medie), decât numărul de arbori identificaţi pe
baza datelor LiDAR pentru aceeaşi clasă de înălţime.
Structura arboretelor cercetate în raport cu volumul arborilor, stabilit pe baza datelor
LiDAR este asemănătoare cu cea stabilită în raport cu volumul determinat pentru arborii
corespondenţi prin măsurători terestre.
În clasele de volume inferioare, numărul arborilor corespondenţi în teren şi identificaţi pe
baza datelor LiDAR este mai redus, sau chiar inexistent, ajungând ca în clasele mijlocii şi
superioare de volume aproape toţi arborii existenţi în teren să fie identificaţi pe date
LiDAR.
Între distribuţiile volumului pe categorii de diametre, pentru arborii identificaţi pe date
LiDAR şi, respectiv pentru cei corespondenţi măsuraţi pe teren, nu există diferenţe statistic
semnificative, ceea ce arată că cele două colectivităţi sunt identice din punct de vedere al
volumului arborilor.
Distribuţia volumului arborilor pe categorii de diametre pentru întreg arboretul inventariat
în teren, în unele cazuri nu diferă semnificativ de distribuţia volumului pe categorii de
diametre stabilit pe baza datelor LiDAR. Astfel, se poate spune că volumele stabilite prin
tehnici LiDAR surprind, într-o oarecare măsură, asigurată statistic, volumele pe categorii de
diametre, cu excepţia volumului arborilor situaţi la limita inferioară a intervalului şi cu
înălţimi mici care au o pondere nesemnificativă.
*
* * Cercetările efectuate cu ocazia elaborării prezentei teze de doctorat nu constituie decât un
început al preocupărilor privind fundamentarea ştiinţifică a unor procedee de stabilire, prin tehnici
LiDAR, a caracteristicilor dendrometrice la arbori şi arborete bazate pe informaţii obţinute prin
inventarieri terestre.
Rezultatele acestor cercetări demonstrează clar că standardizarea, pe baza informaţiilor de
teren, a unor regresii între diferite caracteristici dendrometrice ale arborilor (înălţimea arborilor în
raport cu diametrul coroanei, diametrul de bază în raport cu înălţimea arborilor şi diametrul coroanei
etc) pe specii la nivel regional sau naţional, constituie baza utilizării tehnicilor moderne ale
62
teledetecţiei în estimarea resurselor forestiere la scară regională şi naţională. Acest obiectiv
fundamental, privind standardizarea regresiilor între diferite caracteristici dendrometrice ale arborilor
poate fi realizat prin extinderea măsurătorilor biometrice efectuate cu ocazia lucrărilor de amenajarea
pădurilor şi în diferite reţele de inventariere şi monitorizare forestieră existente în ţara noastră la nivel
regional şi naţional.
7. CONTRIBUȚII ORIGINALE
ORIGINAL CONTRIBUTIONS
Rezultatele obţinute în urma efectuării cercetărilor desfăşurate cu ocazia elaborării tezei de
doctorat şi concluziile desprinse pe baza acestora au evidenţiat următoarele realizări şi contribuţii
personale cu caracter de originalitate :
Crearea și integrarea, în premieră, a bazelor de date geospaţiale obţinute prin tehnici moderne de
teledetecţie (LiDAR) cu cele obținute prin măsurători biometrice terestre într-o bază de date cu seturi
comune de informații pentru aceleași arborete.
Obținerea, cu ajutorul bazelor de date create și integrate, înregistrate prin tehnici LiDAR și prin
măsurători terestre, a modelelor digitale de elevație (MDS și MDT) și a modelului digital normalizat al
suprafeței superioare a coronamentului (MDC) care permit determinarea caracteristicilor biometrice ale
arborilor și arboretelor prin utilizarea unor aplicații informatice specializate (FUSION) și module
specifice ale acestora.
Identificarea arborilor de molid pe baza datelor LiDAR utilizând pentru prima dată la noi, legătura
corelativă dintre diametrul coroanei arborilor și înălțimea acestora, măsurate la sol și algoritmul
specific tehnicilor LiDAR, de determinare automată a înălțimilor și diametrelor coroanelor arborilor
corespondenți.
Elaborarea unei metodologii de determinare, pe baza datelor LiDAR, a caracteristicilor dendrometrice
la arbori și arborete de molid pe baza informațiilor obținute prin inventarieri terestre.
Realizarea, în premieră la nivel național, a unei analize comparative a caracteristicilor dendrometrice la
arbori și arborete de molid, determinate pe baza datelor LiDAR și prin măsurători terestre, pornind de
la o metodă de identificare a arborilor individuali în norul de puncte LiDAR.
Evidenţierea, în premieră, a unor diferenţe statistic nesemnificative între volumul arborilor determinat
pe baza datelor LiDAR prin diferite metode şi volumul determinat prin măsurători terestre pentru
aceeaşi colectivitate de arbori corespondenţi, stabilit prin procedee specifice.
Elaborarea, în premieră, a unei metodologii de determinare a volumului arborilor neidentificaţi pe baza
datelor LiDAR pornind de la curba înălţimilor arborilor identificaţi pe baza datelor LiDAR.
Evidențierea și fundamentarea unor aspecte metodologice ale tehnicilor LiDAR privind poziționarea
și identificarea vârfului și coroanelor arborilor, care conduc la apariția la arborete de molid a unor
volume mai mici, determinate pe baza datelor LiDAR și prin măsurători terestre pentru aceeași
colectivitate de arbori corespondenți.
63
Analiza, pentru prima dată, a structurii unor arborete de molid în raport cu diferite caracterisitici
dendrometrice determinate pe baza datelor LiDAR și evidențierea faptului că aceasta urmează legitățile
cunoscute, surprinse și fundamentate pe baza inventarierilor terestre și prezintă asemănări evidente cu
structura reală a arboretelor inventariate în teren.
Evidențierea, în premieră, a unor diferențe statistic nesemnificative între distribuția volumului arborilor
pe categorii de diametre, identificați pe baza datelor LiDAR și distribuția volumului acelorași arbori
(corespondenți) pe categorii de diametre inventariați în teren.
BIBLIOGRAFIE [selecţie]
REFERENCES
1. Aldred, A.H. şi Bonner, G.M. (1985). Application of airborne laser to forest surveys. Canadian Forest
Service Petawawa National Forest Institute, Information Report PI-X-51, 62 p.
2. Anderson, R.S. şi Bolstad, P.V. (2013). Estimating aboveground biomass and average annual wood
biomass increment with airborne leaf-on and leaf-off lidar in great lakes forest types. Northern Journal of
Applied Forestry 30(1): 16-22.
3. Anderson, T.W. și Darling, D.A. (1954). A Test of Goodness of Fit. Journal of the American Statistical
Association 49(268): 765-769.
4. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Creţ, A. (2011). Potential use of airborne LiDAR
technology by the integration of remote sensing and terrestrial datasets for forests assessment and
mapping in Romania. Proceedings to Symposium “Forest and Sustainable Development” - Editura
Universitatii “Transilvania” din Braşov, pp. 513-518.
5. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Silaghi, D. (2012). Estimarea volumului de masă lemnoasă
pe picior la arborete de molid utilizând date LiDAR aeropurtat şi măsurători terestre. Revista Pădurilor
nr.2: 14-22.
6. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013a). Estimation of biometric spruce stand parameters
by automatic individual trees identification using ALS data (premiul cel mai bun poster). 33rd EARSel
Symposium 2013, 3-6 June 2013, Matera, Italy.
7. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013b). Stand volume evaluation using airborne LiDAR
data, aerial imagery and terrestrial measurements for a Norway spruce test site in Romania. The 13th
International Conference on LiDAR Applications for Assessing Forest Ecosystems, SilviLaser 2013, 9-11
October 2013, Beijing, China, Book of Abstracts, pp. 111.
8. Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Badea, O. (2014). A possible approach of stand volume
estimation based on fusion airborne LiDAR data and terrestrial measurements for a Norway spruce test
site in Romania. International Symposium „Forest and sustainable development”, Brașov, Romania 24-25
October 2014, Book of abstracts, pp. 94
9. Badea, O., Neagu, S., Iacob, C. și Iuncu, H. (2008). Inventarierea arborilor și determinarea creșterii
acestora în cadrul suprafețelor de cercetare de lungă durată (SCDL). Manual privind metodologia de
supraveghere pe termen lung a stării ecosistemelor forestiere aflate sub acțiunea poluării atmosferice și
modificărilor climatice. Badea, O. București, Editura Silvica: 21-34.
10. Badea, O. și Neagu, S. (2013). Creșterea arborilor și arboretelor. Cercetări ecologice pe termen lung în
ecosisteme forestiere reprezentative dein Parcul Natural Bucegi. Badea, O. Bucharest, Ed. Silvică: 61-72.
11. Baltsavias, E.P. (1999). A comparison between photogrammetry and laser scanning. ISPRS Journal of
Photogrammetry & Remote Sensing 54: 83-94.
12. Birjaru, C. (2011). Cercetări privind utilizarea tehnologiei LiDAR în lucrările din silvicultură. Teză de
doctorat, Universitatea "Transilvania" din Braşov.
14. Boş, N. (2011). Geomatica și realizarea bazei cartografice a fondului forestier din România. Revista
Pădurilor nr. 6: 27-36.
17. Chitea, Gh., Kiss, A., Vorovencii, I. (2003). Fotogrametrie şi teledetecţie. Editura Universităţii
„Transilvania” din Braşov, 235p.
19. Defibaugh y Chávez, J. şi Tullis, J.A. (2013). Deciduous Forest Structure Estimated with LIDAR-
Optimized Spectral Remote Sensing. Remote Sensing 5(1): 155-182.
64
20. Dorren, L., Maier, B., Berger, F. (2006). Assessing protection forest structure with airborne laser
scanning in steep mountainous terrain. Proceedings of Workshop on 3D Remote Sensing in Forestry,
14th-15th February 2006, Vienna – Session 8b, pp. 238-242.
21. Dubayah, R.O. şi Drake, J.B., (2000). LiDAR remote sensing for forestry. Journal of Forestry, 98: 44–46.
24. Gancz, V., Petrila, M., Apostol, J. (2003). Realizarea şi utilizarea ortofotoplanurilor digitale scara
1:5.000, bazate pe imagini satelitare de foarte înaltă rezoluţie spaţială şi a analizei GIS, pentru lucrările
de reamenajare a O.S.E.Săcele. Referat ştiinţific final, arhiva ICAS.
25. Gancz, V., Tomescu, R., Defourni, P., Giot-Wirgot, P. (2005). Evaluarea potentialului de utilizare a
imaginilor satelitare de foarte inaltă rezolutie spatială (VHSRSI) in studiul ecosistemelor forestiere.
Analele ICAS 48(1): 197-217.
26. Gancz, V., Apostol, B., Petrila, M., Lorenţ, A. (2010). Detectarea cu ajutorul imaginilor satelitare a
doboraturilor de vant si evaluarea efectelor acestora, Revista pădurilor nr 6: 30-36.
27. Gancz, V., Lorenţ, A., Apostol, B., Petrila, M. (2014). Metodologie de detectare şi analiză a suprafeţelor
de pădure afectate de dispariţia vegetaţiei forestiere, cu ajutorul seriilor multitemporale de imagini
Landsat - Experiment pe o zonă test, Revista pădurilor nr.5-6: 56-63.
28. Giurgiu, V. (1972). Metode ale statisticii matematice aplicate în silvicultură, Editura Ceres. Bucureşti, 566
p.
29. Giurgiu, V. (1979). Dendrometrie şi auxologie forestieră, Editura Ceres. Bucureşti, 691p.
31. Giurgiu, V. și Decei, I. (1997). Biometria arborilor din România - metode dendrometice. București,
Editura Snagov, 306p.
32. Giurgiu, V. şi Drăghiciu, D. (2004). Modele matematico-auxologice şi tabele de producţie pentru
arborete. Editura CERES Bucureşti, 607 p.
33. Giurgiu, V, Decei, I, Drăghiciu, D. (2004). Metode și tabele dendrometrice. Bucharest, Ed. Ceres, 575p.
34. Goodwin, N.R., Coops, N.C., Culvenor, D.S. (2006). Assessment of forest structure with airborne LiDAR
and the effects of platform altitude, Remote Sensing of Environment 103(2): 140-152.
35. Hall, S.A., Burke, I.C., Box, D.O., Kaufmann, M.R., Stoker, J.M. (2005). Estimating stand structure using
discrete-return lidar: an example from low density fire prone ponderosa pine forests. Forest Ecologyand
Management 208: 189–209.
36. Heurich, M. şi Thoma, F. (2008). Estimation of forestry stand parameters using laser scanning data in
temperate, structurally rich natural European beech (Fagus sylvatica) and Norway spruce (Picea abies)
forests, Forestry 81(5): 645-661.
37. Holmgren, J. şi Persson, A. (2004). Identifying species of individual trees using airborne laser scanner.
Remote Sensing of Environment, 90(4): 415-423.
38. Hyyppä, J., Yu, X., Hyyppä, H., Maltamo, M. (2006). Methods of airborne laser scanning for forest
information extraction. Proceedings of Workshop on 3D Remote Sensing in Forestry, 14th-15th Feb.
2006, Vienna – Session 8b, pp. 63-78.
41. Koch, B., Straub, C., Dees, M., Wang, Y., Weinacker, H. (2009). Airborne laser data for stand
delineation and information extraction. International Journal of Remote Sensing, 30(4): 935-963.
43. Leahu, I. (1994). Dendrometrie. Editura Didactică şi Pedagogică Bucureşti, 374p.
44. Lim, K., Treitz, P., Wulderm M., St-Onge, B., Flood, M. (2003). LiDAR remote sensing of forest structure.
Progress in physical geography 27(1): 88-106.
45. Macdonald, P.D.M. și Du, J. (2004). Mixture distribution models. R package version 0.5-4.
46. Maclean, G.A. şi Martin, G.L. (1984). Merchantable timber volume estimations using cross-sectional
photogrammetric and densitometric methods. Canadian Journal of Forest Research, 14: 803–810.
47. Magnussen, S. şi Boudewyn, P. (1998). Derivations of stand heights from airborne laser scanner data
with canopy-based quantile estimators. Canadian Journal of Forest Research 28: 1016-1031.
48. Magnussen, S., Naesset, E., Gobakken, T. (2010). Reliability of LiDAR derived predictors of forest
inventory attributes: A case study with Norway spruce. Remote Sensing of Environment 114(4): 700-712.
49. McGaughey, J. (2014). FUSION/LDV: Software for LIDAR Data Analysis and Visualization. U.S.
Department of Agriculture, Forest Service, Pacific Northwest Research Station, 179 p.
50. Middleton, W.E.K., Spilhaus, A.F. (1953). Meteorological Instruments. University of Toronto Press. 3rd
Edition, 286 p.
51. Montealegre, A.L., Lamelas, M.T., Tanase, M.A., de la Riva, J. (2014). Forest Fire Severity Assessment
Using ALS Data in a Mediterranean Environment. Remote Sensing 6(5): 4240-4265.
52. Naesset, E. (1997). Estimating timber volume of forest stands using airborne laser scanner data. Remote
Sensing of Environment 61(2): 246-253.
65
53. NOAA CSC (National Oceanic and Atmospheric Administration – Coastal Services Center) (2012). Lidar
101: An Introduction to Lidar Technology, Data, and Applications. Revised. Charleston, SC: NOAA
Coastal Services Center http://coast.noaa.gov/digitalcoast/_/pdf/lidar101.pdf
54. Op't Eyndt, T., Willekens, A., Tortelboom, E., Gancz, V., Van Valckenborgh, J. (2002). Technical
Assistance for Forest Information Management in Romania (TAFIMRO) – Technical report. GIS Support
Centre, Flemish Land Agency, Belgium şi ICAS Bucureşti.
55. Parent, J. şi Volin, J.C. (2014). Assessing the potential for leaf-off LiDAR data to model canopy closure in
temperate deciduous forests. ISPRS Journal of Photogrammetry and Remote Sensing 95: 134-145.
57. Petrila, M., Apostol B., Gancz, V., Lorenţ A. (2010). Utilizarea tehnicilor geomatice în
silvicultură.Editura Silvică, Bucureşti, 326p.
59. Petrila, M., Apostol, B., Gancz, V., Lorenţ, A., Silaghi, D. (2012a). Forest biomass estimation by the use
of airborne laser scanning and in situ field map measurement in a spruce forest stand. Folia Forestalia
Polonica, series A, 54(2): 84-93.
60. Petrila, M., Gancz, V., Apostol, B., Lorenţ, A. (2012b). Comparing height of individual spruce trees
determined on LiDAR data and reference field measurements. EARSeL Symposium 2012, Mykonos
Island, Greece. Konstantinos Perakis and Athanasios Moysiadis, Editors, pp. 251-262.
62. Popescu, S.C., Wynne, R.H., Nelson, R.F. (2003). Measuring individual tree crown diameter with LiDAR
and assessing its influence on estimating forest volume and biomass. Canadian Journal Remote Sensing
29(5): 564–577.
63. Popescu, S.C. şi Wynne, R. (2004). Seeing the trees in the forest: using LiDAR and multispectral data
fusion with local filtering and variable window size for estimating tree height. Photogrammetric
Engineering and Remote Sensing 70: 589–604.
64. Popescu, S.C., Wynne, R., Scrivani, J. (2004). Fusion of small-footprint LiDAR and multispectral data to
estimate plot-level volume and biomass in deciduous and pineforests in Virgina, USA. Forest Science 50:
551–565.
65. Popescu, S.C. şi Zhao, K. (2008). A voxel-based lidar method for estimating crown base height for
deciduous and pine trees. Remote Sensing of Environment 112 (3): 767–781.
66. Reitberger, J., Krzystek, P., Stilla, U. (2008). Analysis of full waveform LIDAR data for the classification
of deciduous and coniferous trees. International Journal of Remote Sensing 29(5): 1407-1431.
74. Shendryk, I., Hellström, M., Klemedtsson, L., Kljun, N. (2014). Low-Density LiDAR and Optical Imagery
for Biomass Estimation over Boreal Forest in Sweden. Forests 5: 992-1010.
75. Srinivasan, S., Popescu, S.C., Eriksson, M., Sheridan, R.D., Ku, N.-W. (2015). Terrestrial Laser Scanning
as an Effective Tool to Retrieve Tree Level Height, Crown Width, and Stem Diameter. Remote Sensing
7(2): 1877-1896.
76. Stephens, M.A. (1979). Tests of Fit for the Logistic Distribution Based on the Empirical Distribution
Function. Biometrika 66(3): 591-595.
77. Tamaş, Şt., Tereşneu, C. (2010). Concepte şi tehnici ale sistemelor de informaţii geografice. Editura Lux
Libris, Braşov, 268p.
78. Tan, S. şi Haider, A. (2010). A comparative study of polarimetric and non-polarimetric lidar in deciduous-
coniferous tree classification. International Geoscience Remote Sensing Symposium, IGARSS 2010, July
25-30, 2010, Honolulu, Hawaii, USA, pp. 1178-1181.
79. Tao, S., Guo, Q., Li, L., Xue, B., Kelly, M., Li, W., Xu, G., Su, Y. (2014). Airborne Lidar-derived volume
metrics for aboveground biomass estimation: A comparative assessment for conifer stands. Agriculture
and Forest Management 198–199: 24–32.
80. Tiede, D., Hochleitner, G., Blaschke, T. (2005). A full gis-based workflow for tree identification and tree
crown delineation using laser scanning. In: The International Archives of Photogrammetry, Remote
Sensing and Spatial Information Sciences, Vol. XXXVI, Part 3/W24, Vienna: 9 – 14.
82. Valbuena, R., Vauhkonen, J., Packalen, P., Pitkanen, J., Maltamo, M. (2014). Comparison of airborne
laser scanning methods for estimating forest structure indicators based on Lorenz curves. ISPRS Journal
of Photogrammetry and Remote Sensing 95:23–33.
83. Vaughn, N.R., Moskal, L.M., Turnblom, E.C. (2012). Tree Species Detection Accuracies Using
Discrete Point Lidar and Airborne Waveform Lidar. Remote Sensing 4: 377-403.
86. Vorovencii, I. (2010). Fotogrammetrie. Editura Matrix Rom, București, 530 p.
87. Vorovencii, I. şi Iordache, E., (2013). Identification and analysis of forest disturbances and fragmentation
in Giurgeu Mountains, Romania, using Landsat data. The sixth international scientific conference „Rural
Development 2013” Innovations and Sustainability, 28-29 November, 2013, Aleksandras Stulginskis
University, Lithuania, pp. 513–518.
66
88. Vorovencii, I. (2014). Assessment of some remote sensing techniques used to detect land use/land cover
changes in South-East Transilvania, Romania. Environmental Monitoring and Assessment, 186(5): 2685-
2699.
89. Wezyk, P., Koziol, K., Glista, M., Pierzchalski, M., (2007). Terrestrial laser scanning versus traditional
forest inventory first results from the Polish forests. IAPRS Volume XXXVI, Part 3 / W52, 2007, pp. 424-
429.
90. Wezyk, P. (2012). The integration of the terrestrial and airborne laser scanning technologies in the semi-
automated process of retrieving selected trees and forest stand parameters. Ambiencia, Vol. 8(4): 533–
548.
91. Yao, W., Krull, J., Krzystek, P., Heurich, M. (2014). Sensitivity Analysis of 3D Individual Tree Detection
from LiDAR Point Clouds of Temperate Forests. Forests 5: 1122-1142.
92. Yu, X., Hyyppä, J., Vastaranta, M., Holopainen, M., Viitala, R. (2011). Predicting individual tree
attributes from airborne laser point clouds based on the random forests technique. ISPRS Journal of
Photogrammetry and Remote Sensing, 66(1): 28-37.
67
ANEXA 1
ANNEX 1 Rezumat
În vederea asigurării unui management eficient şi durabil al resurselor forestiere, detectarea în
timp cât mai scurt şi cu precizie ridicată a schimbărilor ce intervin în structura arboretelor şi a
distribuţiei spaţiale a acestora se poate realiza, în mod eficient, prin intermediul utilizării tehnicilor
moderne ale teledetecţiei.
Scopul cercetărilor din cadrul tezei de doctorat a fost acela de dezvoltarea cunoaşterii utilizării
tehnicilor şi procedeelor moderne ale teledetecţiei în vederea perfecţionării şi dezvoltării metodologiei
de evaluare a resurselor forestiere pe mari suprafeţe. În acest sens, au fost create şi integrate bazele de
date geospaţiale şi biometrice obţinute atât pe baza măsurătorilor efectuate în teren cât şi prin
utilizarea informaţiilor furnizate de tehnologia LiDAR aeropurtat pentru 21 de suprafeţe de probă de
formă circulară cu mărimea de 500 m2 fiecare, constituite într-o reţea regulată şi trei suprafeţe de
cercetare de formă pătrată cu mărimea de un hectar (100x100m). În urma prelucrării informaţiilor
furnizate de bazele de date geospaţiale şi biometrice integrate au fost realizate corespondenţe între
arborii identificaţi pe baza datelor LiDAR şi cei măsuraţi în teren, prin aplicarea unor procedee
specifice de poziţionare planimetrică a acestora, au fost analizate comparativ înălţimile, diametrele
coroanelor, diametrele de bază şi volumul arborilor determinate pe baza datelor LiDAR faţă de cele
măsurate în teren sau determinate pe baza măsurătorilor terestre, au fost obţinute corelaţii
semnificative între diametrul coroanei arborilor şi înălţimea acestora atât pe baza măsurătorilor de
teren cât şi pe baza datelor LiDAR, au fost evidenţiate trei metode diferite de determinare a volumului
pe baza datelor LiDAR considerând diferite combinaţii de caracteristici factoriale determinate pe
imaginile obţinute prin scanare LiDAR aeropurtat. De asemenea a fost evidenţiată o metodă de
determinare a volumului arborilor neidentificaţi pe baza datelor LiDAR şi a fost analizată structura
arboretelor cercetate în raport cu diferite caracteristici dendrometrice determinate pe baza datelor
LiDAR aeropurtat şi prin măsurători terestre.
Rezultatele obţinute au asigurat întocmai atingerea obiectivului principal al tezei, iar
concluziile desprinse au condus la identificarea unor contribuții științifice cu caracter de originalitate
în ceea ce privește identificarea arborilor de molid pe baza datelor LiDAR aeropurtat utilizând
legătura corelativă dintre diametrul coroanei şi înălţimea acestora măsurate la sol, realizarea unei
analize comparative a unor caracteristici dendrometrice la arbori şi arborete de molid determinate pe
baza datelor LiDAR şi prin măsurători terestre, utilizând o metodă de identificare a arborilor
individuali în norul de puncte LiDAR.
Abstract
In order to ensure an efficient and sustainable management of the forest resources, detecting in
the shortest possible time and with high accuracy the changes in the structure of forest stands and their
spatial distribution can be achieved effectively through the use of the modern remote sensing
techniques.
The research purpose of the thesis was the knowledge improvement of the modern remote
sensing methods and techniques for the development of the forest resources assessment methodology
for large land surfaces. For this reason, were created and integrated biometric geodatabase obtained
both based on field measurements and information provided by airborne LiDAR technology for a
regular network consisted of 21 circular 500 m2 sample plots and three plots with one hectare square
size each (100x100 m). After processing of the information provided by the biometric geodatabase,
applying specific methods of planimetric positioning, were made the correspondence between
identified trees based on LiDAR data and the field measured trees, were compared tree heights,
crowns diameters, diameters at breast height and the volume of the trees identified based on LiDAR
data and the correspondent field measured ones. Thus were obtained significant correlations between
the tree crown diameter and tree height both for identified LiDAR trees and for the field measured
ones, were presented three different methods for the tree volume estimation based on LiDAR data by
68
using different tree dendrometric characteristics correlation estimated both based on LiDAR data and
field measurements.
The results have proved the fulfilment of the thesis main objective and the conclusions led to
the originality scientific contributions in terms of spruce trees identification based on an individual
trees identification method using airborne LiDAR point cloud and the correlation between the field
measured trees crown diameter and their height, making a comparative analysis of some dendrometric
characteristics of the spruce trees and spruce stands using both field measurements and airborne
LiDAR data.
69
ANEXA 2 Curriculum vitae
Informaţii personale
Nume / Prenume APOSTOL Bogdan
Adresa(e) Str. Logofăt Tăutu nr.10 bl.10 sc. B. Ap. 6 Bacău
Mobil +40721777233
E-mail(uri) [email protected]
Naţionalitate(-tăţi) Română
Data și locul naşterii 23-02-1982, Bacău
Sex Masculin
Experienţa profesională
Perioada august 2007 - prezent
Funcţia sau postul ocupat Inginer silvic
Activităţi si responsabilităţi
principale Cercetător ştiinţific, membru al colectivului de Teledetecţie şi GIS,
Laboratorul de Management Forestier, responsabil şi colaborator al unor
proiecte naţionale şi colaborator în cadrul unor proiecte internaţionale
Inginer la departamentul de proiectare, Colectivul de cartografie şi GIS,
responsabil de crearea bazelor de date amenajistice şi geospaţiale ale
ocoalelor silvice în procesul de reamenajare
Numele şi adresa angajatorului Institul de Cercetare Dezvoltare în Silvicultură (INCDS) „Marin Drăcea” (fostul
Institut de Cercetări şi Amenajări Silvice (ICAS))
Bd. Eroilor, Nr 128, 077190 Voluntari - ILFOV (Romania)
Tipul activităţii sau sectorul de
activitate
GIS şi Teledetecţie/Silvicultură/Dendrometrie forestieră
Educație și formare
Perioada octombrie 2001 – iunie 2006
Calificarea/diploma obţinută Diploma de inginer silvic
Numele şi tipul instituţiei de
învăţământ/furnizorului de
formare
Universitatea "Transilvania" Braşov
Facultatea de Silvicultura şi Exploatări Forestiere (Unitate de învăţământ
superior)
70
Informaţii suplimentare Lista Publicaţii :
Lucrări ISI :
• Apostol B., Lorenţ A., Petrila M., Gancz V., Badea O. - Height Extraction
and Stand Volume Estimation Based on Fusion Airborne LiDAR Data and
Terrestrial Measurements for a Norway Spruce (Picea abies (L.) Karst.) Test
Site in Romania, Notulae Scientia Biologicae (lucrare trimisă spre publicare
septembrie 2015)
• Borrelli, P., Panagos, P., Langhammer, J., Apostol, B., Schütt, B. (2016).
Assessment of the cover changes and the soil loss potential in European
forestland: First approach to derive indicators to capture the ecological
impacts on soil-related forest ecosystems. Ecological Indicators 60: 1208-
1220, doi: http://dx.doi.org/10.1016/j.ecolind.2015.08.053
• Tóth, G., Antofie, T.E., Jones, A., Apostol, B., (2014). The LUCAS 2012
topsoil survey and derived cropland and grassland soil properties of Bulgaria
and Romania. Environmental Engineering and Management Journal (lucrare
acceptată spre publicare în octombrie 2014)
Lucrări BDI :
• Gancz, V., Lorenţ, A., Apostol, B., Petrila, M. (2014). Metodologie de
detectare şi analiză a suprafeţelor de pădure afectate de dispariţia vegetaţiei
forestiere, cu ajutorul seriilor multitemporale de imagini Landsat -
Experiment pe o zonă test.Revista pădurilor nr.5-6: 56-63
• Petrila, M., Gancz, V., Apostol, B., Lorenţ, A. (2012). Comparing height of
individual spruce trees determined on LiDAR data and reference field
measurements. EARSeL Symposium 2012, Mykonos Island, Greece.
Konstantinos Perakis and Athanasios Moysiadis, Editors, pp. 251-262.
• Petrila, M., Apostol, B., Gancz, V., Lorenţ, A., Silaghi, D. (2012). Forest
biomass estimation by the use of airborne laser scanning and in situ field
map measurement in a spruce forest stand, Folia Forestalia Polonica, series
A, 54(2): 84-93.
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Silaghi, D. (2012). Estimarea
volumului de masă lemnoasă pe picior la arborete de molid utilizând date
LiDAR aeropurtat şi măsurători terestre, Revista Pădurilor nr. 2: 14-22
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Creţ, A. (2011). Potential use
of airborne LiDAR technology by the integration of remote sensing and
terrestrial datasets for forests assessment and mapping in Romania.
Proceedings to Symposium “Forest and Sustainable Development” - Editura
Universitatii “Transilvania” din Braşov, pp. 513-518
Alte lucrări:
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Badea, O. (2015). Correlation
of Norway Spruce biometric stand parameters based on airborne LiDAR and
terrestrial methods. SCERIN-3 Capacity Building Workshop (CBW), Brașov,
Romania 13-18 July, 2015
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Badea, O. (2014). A possible
approach of stand volume estimation based on fusion airborne LiDAR data
and terrestrial measurements for a Norway spruce test site in Romania.
International Symposium „Forest and sustainable development”, Brașov,
Romania 24-25 October 2014, Book of abstracts, pp. 94
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013). Stand volume
evaluation using airborne LiDAR data, aerial imagery and terrestrial
measurements for a Norway spruce test site in Romania. The 13th
International Conference on LiDAR Applications for Assessing Forest
Ecosystems, SilviLaser 2013, 9-11 October 2013, Beijing, China, Book of
Abstracts, pp. 111
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013). Estimation of
biometric spruce stand parameters by automatic individual trees
identification using ALS data (premiul cel mai bun poster). 33rd EARSel
Symposium 2013, 3-6 June 2013, Matera, Italy
71
ANNEX 2 Curriculum vitae Personal information
First name(s) / Surname(s) Bogdan APOSTOL
Address Logofăt Tăutu nr.10 bl.10 sc. B. Ap. 6 Bacău
Telephone(s) +40721777233
E-mail(s) [email protected]
Nationality Romanian
Date and birth place 23 february 1982, Bacău
Gender Male
Work experience
Dates From August 2007 until present
Occupation or position held Forest engineer
Main activities and
responsibilities Scientific Researcher, member of the Forest Management research team and
action coordinator in national and international projects.
Researcher, member of the the GIS and Remote Sensing Unit, of Forest
Management Department, team member and project coordinator in some
national research projects, team member of some international projects
Engineer at the Development Department, in charge of creating the GIS
databases for the Forest Management Planning activity
Name and address of employer National Institute of Research and Development in Silviculture (INCDS) „Marin
Drăcea” (former Forest Research and Management Institute – ICAS)
128 / Bd. Eroilor, 077190 Voluntari (Romania)
Type of business or sector GIS şi Teledetecţie/Silvicultură/Dendrometrie forestieră
GIS, Remote Sensing/Forestry/Dendrometry
Education and training
Dates October 2001 – June 2006
Title of qualification awarded Forest engineer
Principal subjects / occupational
skills covered
Forestry, Photogrametry, Soils, Forest Ecology, Forest management planning,
statistics
Name and type of organisation
providing education and training
Faculty of Silviculture and Forest Engineering,
“Transilvania” University of Brasov, 29 Eroilor Bvd., 500123, Romania
Additional information Publications:
ISI Journals
• Apostol, B., Lorenţ, A., Petrila, M., Gancz, V., Badea, O. - Height Extraction
and Stand Volume Estimation Based on Fusion Airborne LiDAR Data and
Terrestrial Measurements for a Norway Spruce (Picea abies (L.) Karst.) Test Site
in Romania, Notulae Scientia Biologicae (manuscript sended for publication
September 2015)
• Borrelli, P., Panagos, P., Langhammer, J., Apostol, B., Schütt, B. (2016).
Assessment of the cover changes and the soil loss potential in European
forestland: First approach to derive indicators to capture the ecological impacts
on soil-related forest ecosystems. Ecological Indicators 60: 1208-1220, doi:
http://dx.doi.org/10.1016/j.ecolind.2015.08.053
• Tóth, G., Antofie, T.E., Jones, A., Apostol, B., (2014). The LUCAS 2012 topsoil
survey and derived cropland and grassland soil properties of Bulgaria and
Romania. Environmental Engineering and Management Journal (accepted for
publication in October 2014)
BDI Journals :
• Gancz, V., Lorenţ, A., Apostol, B., Petrila, M. (2014). Detection and analyze
methodology to detect areas affected by the dissapearence of forest vegetation,
72
using multitemporal series of Landsat imagery. An experiment on a test area (in
Romanian). Revista pădurilor nr.5-6: 56-63
• Petrila, M., Gancz, V., Apostol, B., Lorenţ, A. (2012). Comparing height of
individual spruce trees determined on LiDAR data and reference field
measurements. EARSeL Symposium 2012, Mykonos Island, Greece.
Konstantinos Perakis and Athanasios Moysiadis, Editors, pp. 251-262.
• Petrila, M., Apostol, B., Gancz, V., Lorenţ, A., Silaghi, D. (2012). Forest
biomass estimation by the use of airborne laser scanning and in situ field map
measurement in a spruce forest stand, Folia Forestalia Polonica, series A, 54(2):
84-93.
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Silaghi, D. (2012). The
assessment of Norway spruce stands volume using airborne LiDAR data and in
situ field measurements (in Romanian). Revista Pădurilor nr. 2: 14-22
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Creţ, A. (2011). Potential use of
airborne LiDAR technology by the integration of remote sensing and terrestrial
datasets for forests assessment and mapping in Romania. Proceedings to
Symposium “Forest and Sustainable Development” - Editura Universitatii
“Transilvania” din Braşov, pp. 513-518
Other publications:
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Badea, O. (2015). Correlation of
Norway Spruce biometric stand parameters based on airborne LiDAR and
terrestrial methods. SCERIN-3 Capacity Building Workshop (CBW), Brașov,
Romania 13-18 July, 2015
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V., Badea, O. (2014). A possible
approach of stand volume estimation based on fusion airborne LiDAR data and
terrestrial measurements for a Norway spruce test site in Romania. International
Symposium „Forest and sustainable development”, Brașov, Romania 24-25
October 2014, Book of abstracts, pp. 94
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013). Stand volume evaluation
using airborne LiDAR data, aerial imagery and terrestrial measurements for a
Norway spruce test site in Romania. The 13th International Conference on
LiDAR Applications for Assessing Forest Ecosystems, SilviLaser 2013, 9-11
October 2013, Beijing, China, Book of Abstracts, pp. 111
• Apostol, B., Petrila, M., Lorenţ, A., Gancz, V. (2013). Estimation of biometric
spruce stand parameters by automatic individual trees identification using ALS
data (best poster awarded). 33rd EARSel Symposium 2013, 3-6 June 2013,
Matera, Italy