Search

Very high point density laser scanning data from unmanned aerial systems (UAS) can be used to segment the trunks of individual trees. Such segmentation (e.g., individual trunk segmentation (ITS)) is useful, for example, in the estimation of diameter at breast height (DBH), which in turn is needed for the estimation of other tree and stand attributes, such as stem volume and diameter of the basal area median tree (DGM). In this paper, we assess the estimation of DBH directly from UAS LiDAR data in open and closed canopy conditions that represent the range of operational conditions encountered in boreal forests in Finland. We also compare trunk-based DBH estimates to corresponding estimates from individual tree crown segmentation (ITC) and fuse the results from the trunk- and crown-based estimates. The results showed that trunk segmentation performed slightly better than ITC in open canopy areas, whereas ITC performed better in closed canopy areas. The DBH prediction error was smaller for ITS (3.0 cm) than ITC (3.9 cm) when considering the trees that were recognized by both methods. We also conclude that a hybrid method, where both segmented tree trunks and tree crowns are fused, considerably increases the number of correctly segmented trees but does not decrease the prediction error associated with DGM compared to using either ITC or ITS individually. Key words: forest inventory, laser scanning, drone, segmentation. Les donnees obtenues par balayage par faisceau laser avec densite de points tres elevee par les systemes d'aeronefs sans pilote (UAS) peuvent etre utilisees pour segmenter les troncs des arbres individuels. Une telle segmentation (p. ex., segmentation d'un tronc individuel (STI)) est utile, par exemple, dans l'estimation du diametre a hauteur d'homme (DHH), laquelle est par ailleurs requise pour l'estimation des attributs des autres arbres et du peuplement forestier, par exemple le volume du tronc et la surface terriere moyenne des arbres (DGM). Dans la presente communication, nous evaluons l'estimation du DHH a partir directement des donnees de l'UAS LiDAR dans des conditions de couvert ouvert et ferme qui representent l'eventail des conditions operationnelles rencontrees dans les forets boreales en Finlande. Nous comparons egalement les estimes du DHH fonde sur les troncs aux estimes correspondants de la segmentation de la couronne des arbres individuels (CAI) et nous fusionnons les resultats des estimes fondes sur les troncs et les couronnes. Les resultats ont indique que la segmentation des troncs fonctionnait un peu mieux que la CAI dans les secteurs de couverts ouverts alors que la CAI fonctionnait mieux dans des secteurs de couverts fermes. L'erreur de prevision du DHH etait plus petite pour la STI (3,0 cm) que la CAI (3,9 cm) lorsqu'on tenait compte des arbres qui etaient reconnus par les deux methodes. Nous concluons egalement qu'une methode hybride oU les troncs et les couronnes des arbres segmentes sont fusionnes accroit considerablement le nombre d'arbres correctement segmentes, mais ne diminue par l'erreur de prevision associee a la DGM comparativement a l'utilisation de la CAI ou de la STI individuellement. [Traduit par la Redaction] Mots-cles : inventaire forestier, balayage par faisceau laser, drone, segmentation., 1. Introduction The rapid development of unmanned aerial systems (UAS) and the miniaturization of optical sensors and light detection and ranging (LiDAR) instruments has been followed by an extensive research [...]

Most forest growth studies using airborne laser scanning (ALS) consider how the changes in forest attributes are observed in repeated ALS data acquisitions, but the prediction of future forest growth from ALS data is still a rarely discussed topic. This study examined the prediction of the periodic annual increment (PAI) of the width of tree rings over a period of 10 years. The requirement for this approach is that ALS data are acquired at the beginning of the growth period. This is followed by field measurements of growth by drilling after a given growth period. The PAI was modelled in terms of ALS metrics by using the principle of the area-based approach. The metrics related to intensity were particularly significant as predictors, whereas the effective leaf area index was not. The root-mean-square error (RMSE) of the predictions was slightly over 21%. Additional field information (soil type, management operations) improved the RMSE by 2.7 percentage units. Key words: area-based approach, diameter increment, forest growth, leaf area index, LiDAR. La plupart des etudes sur l'accroissement forestier utilisant le balayage par laser aeroporte (BLA) tiennent compte de la facon dont les changements des attributs forestiers sont observes dans les acquisitions de donnees repetees du BLA, mais la prevision d'un accroissement forestier futur a partir des donnees du BLA est un theme qui fait encore rarement l'objet de discussions. La presente etude a examine la prevision de l'augmentation annuelle periodique (AAP) de la largeur des anneaux de croissance des arbres sur une periode de 10 ans. La necessite d'adopter cette approche est que les donnees du BLA sont acquises au debut de la periode de croissance. Ceci est suivi de mesures de la croissance sur le terrain en faisant un forage apres une periode donnee de croissance. L'AAP a ete modelee en fonction des mesures du BLA en utilisant le principe de l'approche locale. Les mesures reliees a l'intensite etaient particulierement importantes comme variable explicative alors que l'indice foliaire reel ne l'etait pas. L'EMQ des previsions etait legerement au-dessus de 21%. Des renseignements additionnels sur le terrain (type de sol, operations de gestion) ont ameliore l'EMQ de 2,7 unites de pourcentage. [Traduit par la Redaction] Mots-cles : approche locale, augmentation du diametre, accroissement forestier, indice foliaire, LiDAR., Introduction Data acquired through airborne laser scanning (ALS) are widely used in forestry, with the forest inventories being one of the main applications of this ALS data. The main interest [...]

Semi- and nonparametric models are popular in the area-based approach (ABA) using airborne laser scanning. It is unclear, however, how many predictors and training plots are needed to provide accurate predictions without overfitting. This work aims to explore these limits for various approaches: ordinary least squares regression (OLS), generalized additive models (GAM), least absolute shrinkage and selection operator (LASSO), random forest (RF), support vector machine (SVM), and Gaussian process regression (GPR). We modeled timber volume ([m.sup.3]*[ha.sup.-1]) for four boreal sites using ABA with 2-39 predictors and 20-500 training plots. OLS, GAM, LASSO, and SVM overfitted as the number of predictors approached the number of training plots. They required [greater than or equal to] 15 plots per predictor to provide accurate predictions (RMSE [less than or equal to] 30%). GAM required [greater than or equal to] 250 plots regardless of the number of predictors. The number of predictors only mildly affected RF and GPR, but they required [greater than or equal to] 200 and [greater than or equal to] 250 training plots, respectively. RF did not overfit in any circumstances, whereas GPR overfit even with 500 training plots. Overall, using up to 39 predictors did not generally result in overfit, and for most model types, it resulted in better accuracy for sufficiently large datasets ([greater than or equal to] 250 plots). Key words: LiDAR, machine learning, remote sensing, area-based approach, sampling size. Les modeles semi et non parametriques sont populaires avec l'approche territoriale (AT) qui utilise le balayage laser aeroporte. On ignore cependant combien de predicteurs et de parcelles d'entrainement sont necessaires pour generer des predictions justes sans surapprentissage. Cet article vise a explorer ces limites pour differentes approches : regression des moindres carres ordinaire (MCO), modeles additifs generaux (MAG), operateur de selection et reduction par moindres valeurs absolues (LASSO); foret aleatoire (FA), machine a vecteurs de support (MVS), et regression de processus gaussien (RPG). Nous avonsmodelise le volume de bois ([m.sup.3]*[ha.sup.-1]) dans quatre stations boreales a l'aide de l'AT avec 2 a 39 predicteurs et 20 a 500 parcelles d'entrainement. Les approches MCO, MAG, LASSO et MVS surajustaient lorsque le nombre de predicteurs approchait le nombre de parcelles d'entrainement. Elles exigeaient au moins 15 parcelles par predicteur pour generer des predictions justes (EMQ [less than or equal to] 30%). L'approche MAG necessitait au moins 250 parcelles peu importe le nombre de predicteurs. Le nombre de predicteurs influencait seulement legerement les approches FA et RPG mais elles exigeaient respectivement au moins 200 et 250 parcelles. L'approche FA ne surajustait pas quelles que soient les circonstances, tandis que l'approche RPG surajustait meme avec 500 parcelles d'entrainement. Dans l'ensemble, l'utilisation de 39 predicteurs n'engendrait generalement pas de surapprentissage et, avec la plupart des types de modeles, cela se traduisait par une precision accrue pour des jeux de donnees suffisamment importants (au moins 250 parcelles). [Traduit par la Redaction] Mots-cles : LiDAR, apprentissage machine, teledetection, approche territoriale, taille de l'echantillon., 1. Introduction The development of prediction models is an essential step when performing forest assessments through airborne laser scanning (ALS). In the area-based approach (ABA) to forest inventory with ALS [...]

In this paper, we examine the transferability of airborne laser scanning (ALS) based models for individual-tree detection (ITD) from one ALS inventory area (A1) to two other areas (A2 and A3). All areas were located in eastern Finland less than 100 km from each other and were scanned using different ALS devices and parameters. The tree attributes of interest were diameter at breast height (Dbh), height (H), crown base height (Cbh), stem volume (V), and theoretical sawlog volume (Vlog) of Scots pine (Pinus sylvestris L.) with Dbh [greater than or equal to] 16 cm. All trees were first segmented from the canopy height models, and various ALS metrics were derived for each segment. Then only the segments covering correctly detected pines were chosen for further inspection. The tree attributes were predicted using the k-nearest neighbor (k-NN) imputation. The results showed that the relative root mean square error (RMSE%) values increased for each attribute after the transfers. The RMSE% values were, for A1, A2, and A3, respectively: Dbh, 13.5%, 14.8%, and 18.1%; H, 3.2%, 5.9%, and 6.2%; Cbh, 13.3%, 15.3%, and 18.3%; V, 29.3%, 35.4%, and 39.1%; and Vlog, 38.2%, 54.4% and 51.8%. The observed values indicate that it may be possible to employ ALS-based tree- level k-NN models over different inventory areas without excessive reduction in accuracy, assuming that the tree species are known to be similar. Key words: airborne laser scanning, individual-tree detection, k-nearest neighbor, k-NN, transferability. Dans cet article, nous examinons la transferabilite des modeles fondes sur le balayage laser aeroporte (BLA) pour la detection d'arbres individuels (DAI) d'une zone inventoriee par BLA (Z1) a deux autres zones (Z2 et Z3). Toutes les zones etaient situees dans l'est de la Finlande, a moins de 100 km les unes des autres, et ont ete numerisees a l'aide de differents dispositifs et parametres de BLA. Les attributs pertinents des arbres etaient le diametre a hauteur de poitrine (DHP), la hauteur (H), la hauteur de la base de la cime (HBC), le volume de la tige (V) et le volume theorique des billes de sciage (VSci) dans le tronc de pins sylvestres (Pinus sylvestris L.) avec un DHP [greater than or equal to] 16 cm. Tous les arbres ont d'abord ete delimites a partir des modeles de hauteur du couvert forestier et diverses metriques du BLA ont ete derivees pour chaque cime identifiee. Puis, seules les cimes correctement detectees comme des pins ont ete choisies pour la suite des evaluations. Les attributs de l'arbre ont ete predits a l'aide de l'imputation des k-plus proches voisins (k-PPV). Les resultats ont montre que les erreurs quadratiques moyennes augmentaient pour chaque attribut apres les transferts avec respectivement pour Z1, Z2 et Z3 : DHP, 13,5 /14,8 /18,1 %; H, 3,2 / 5,9 / 6,2 %; HBC, 13,3 /15,3 / 18,3 %; V, 29,3 / 35,4 / 39,1 %; et VSci, 38,2 / 54,4 / 51,8 %. Les valeurs observees indiquent qu'il est possible d'utiliser des modeles k-PPV, fondes sur un BLA a l'echelle de l'arbre, sur differentes zones d'inventaire sans reduction excessive de la precision, a condition que l'espece d'arbre soit reconnue comme similaire. [Traduit par la Redaction] Mots-cles : balayage laser aeroporte, detection d'arbres individuels, k-plus proches voisins, k-PPV, transferabilite., Introduction Airborne laser scanning (ALS) has proven to be very useful in forest inventories (e.g., Vauhkonen et al. 2014a). The two main approaches for deriving forest information from ALS data [...]

Large-diameter trees are important for both ecological and economic reasons, but they have become increasingly rare. Thus, there is an interest in easily locating such trees, and for this purpose, the use of airborne laser scanning (ALS) seems suitable. Our objective was to assess the accuracy of area-based ALS estimation in predicting the number of large- diameter Scots pines (Pinus sylvestris L.). A sample of 856 trees with a diameter > 35 cm were measured from 1109 sample plots located in eastern Norway. We fitted negative binomial and zero-inflated negative binomial models for predicting large-diameter tree counts. ALS-derived and external variables were used as predictors when fitting the models. The accuracy was assessed based on the weighted kappa coefficient and cross validation. Our best model was based on three ALS height distribution variables, one horizontal ALS variable, and plot elevation. Its overall accuracy was 65.8% and the weighted kappa was 0.55. Although there was a clear relationship between the response and the proposed predictor variables, fairly large errors in the predicted large-diameter tree counts were common. Key words: large trees, LiDAR, area-based method, negative binomial regression, old growth. Les arbres de grand diametre sont importants, a la fois pour des raisons ecologiques et economiques, mais ils sont devenus de plus en plus rares. Il y a donc un interet a localiser facilement ces arbres et l'utilisation du balayage laser aeroporte (BLA) semble appropriee pour ce faire. Notre objectif etait d'evaluer la precision d'une estimation basee sur la surface obtenue par BLA pour predire le nombre de pins sylvestres (Pinus sylvestris L.) de grand diametre. Un echantillon de 856 arbres, d'un diametre > 35 cm, a ete mesure a partir de 1109 placettes echantillons situees dans l'est de la Norvege. Nous avons ajuste des modeles binomiaux negatifs et des modeles binomiaux negatifs a exces de zeros pour predire le nombre d'arbres de grand diametre. Des variables obtenues par BLA et des variables externes ont ete utilisees comme predicteurs lors de l'ajustement des modeles. La precision a ete evaluee sur la base du coefficient kappa pondere et par validation croisee. Notre meilleur modele etait base sur trois variables de distribution de hauteur obtenues par BLA, une variable horizontale obtenue par BLA et l'altitude de la placette. Sa precision globale etait de 65,8 % et le coefficient kappa pondere etait de 0,55. Bien qu'il y ait une relation claire entre la variable de reponse et les variables predictives proposees, d'assez grandes erreurs dans la prediction du nombre d'arbres de grand diametre etaient courantes. [Traduit par la Redaction] Mots-cles: grands arbres, LiDAR, methode d'estimation basee sur la surface, regression binomiale negative, foret ancienne., 1. Introduction Large trees are rare in many forests and difficult to find. They are important for both economic and ecological reasons. Large trees dominate the structure, dynamics, and function [...]

Increasing use of airborne light detection and ranging (LiDAR) in forest inventories offers new possibilities to apply process-based forest models (PBM) in practice. We present a new approach, where a simplified PBM is run using inputs derived from the LiDAR data. The PBM was built by combining several existing models together, and it was tested with 52 Scots pine (Pinus sylvestris L.) dominated sample plots in Finland with the LiDAR (PBM_LIDAR) and field (PMB_FIELD) inputs. The results were compared with empirical growth predictions (EM_FIELD) and field reference growth. LiDAR-based stand variables (mean height of tree and crown base and leaf area index) were, on average, well in line with the field measurements. Basal area growth was slightly underestimated with the PBM_LIDAR (bias 4.1%, root mean square prediction error (RMSPE, 26.7%) and overestimated with the PBM_FIELD (bias -10.2%, RMSPE 33.3%), the EM_FIELD being the least biased (bias -1.9%, RMSPE of 24.6%). The bias varied with stand age and fertility. The dependence on field reference growth was highest with EM_FIELD and PBM_LIDAR [(R.sup.2] = 0.47 and 0.34, respectively), and lowest with PBM_FIELD [(R.sup.2] = 0.18). Despite several development needs, the approach is promising for easy incorporation of canopy and weather data into forest growth predictions. Resume: L'utilisation croissante de la detection et de la telemetrie au moyen du laser aeroporte (LiDAR) dans les inventaires forestiers offre de nouvelles possibilites pour appliquer des modeles forestiers a base ecophysiologique (PBM) de facon operationnelle. Nous presentons une nouvelle approche dans laquelle un PBM simplifie est applique en utilisant des intrants derives des donnees LiDAR. Le PBM a ete elabore en combinant plusieurs modeles existants et il a ete teste avec 52 placettes echantillons dominees par le pin sylvestre (Pinus sylvestris L.) en Finlande, en utilisant des intrants provenant du LiDAR (PBM_LIDAR) et du terrain PBM_FIELD). Les resultats ont ete compares a des predictions empiriques de croissance (EM_FIELD) et a un taux de croissance de reference sur le terrain. En moyenne, les variables specifiques au peuplement derivees du LiDAR (hauteur moyenne des arbres et de la base de la cime, indice de surface foliaire) correspondaient bien aux mesures prises sur le terrain. La croissance en surface terriere etait legerement sous-estimee par le PBM_LIDAR (biais de 4,1 %; erreur-type de prediction de 26,7 %) et legerement surestimee par le PBM_FIELD (biais de -10,2 %; erreur-type de prediction de 33,3 %) alors que les EM_FIELD etaient les moins biaisees (biais de -1,9 %; erreur-type de prediction de 24,6 %). Le biais variait selon l'age du peuplement et la fertilite de la station. La dependance au taux de croissance de reference sur le terrain etait la plus forte pour les EM_FIELD et le PBM_LIDAR [(R.sup.2] = respectivement 0,47 et 0,34) et la plus faible pour le PBM_FIELD [(R.sup.2] = 0,18). Bien qu'elle necessite plusieurs ameliorations, cette approche est prometteuse pour incorporer facilement des donnees sur le couvert forestier et des donnees meteorologiques dans les predictions de la croissance forestiere. [Traduit par la Redaction], Introduction Using airborne light detection and ranging (LiDAR) in forest inventories has increased extensively in recent years, and it has become a realistic alternative for operational use. For example, LiDAR [...]

Angle count or relascope sampling has traditionally been used in forestry to estimate stand basal area. In this paper, we present an extension to the basal area relascope, the crown relascope, which differs from the normal relascope in that the relascope's slot is very high and wide. We describe the theoretical basis of the instrument and present results from a field test in which a crown relascope with a basal area factor of 250 [m.sup.2]/ha (0.025) was used to estimate canopy cover of 73 sample plots in northern Finland. The crown relascope estimates had a root mean square difference of 9.3% and an average difference of -3.1% when compared with estimates obtained with the control method, line intersect sampling using the Cajanus tube. The results indicated that the crown relascope is a quick and fairly reliable instrument for canopy cover estimation, especially in relatively sparse forests where crown overlap is insignificant and visibility does not limit an efficient use of the instrument. L'echantillonnage par balayage sous angle constant ou l'echantillonnage a l'aide du relascope a traditionnellement ete utilise en foresterie pour estimer la surface terriere du peuplement. Dans cet article, nous presentons une nouvelle utilisation du relascope de la surface terriere, le relascope de la cime, pour estimer le couvert forestier. Le relascope de la cime differe du relascope normal de la surface terriere par le fait que sa fente est tres haute et tres large. Nous decrivons la base theorique de l'instrument et presentons les resultats d'un essai sur le terrain. Dans cet essai, le relascope de la cime avec un facteur de surface terriere de 250 [m.sup.2]/ha (0,025) a ete utilise pour estimer le couvert forestier de 73 placettes d'echantillonnage dans le nord de la Finlande. Les estimations avec le relascope de la cime ont une erreur relative moyenne de 9,3 % et une difference moyenne de -3,1 % par rapport aux estimations obtenues avec la methode de controle, l'echantillonnage par transects d'intersection lineaire a l'aide du tube de Cajanus. Les resultats indiquent que le relascope de la cime est un instrument rapide et relativement fiable pour estimer le couvert forestier, particulierement dans les forets relativement clairsemees ou le chevauchement des cimes est peu important et ou la visibilite est suffisante pour une utilisation efficace de l'instrument. [Traduit par la Redaction], Introduction Forest canopy cover is a key variable in international forestry statistics. For example, FAO defines forest as 'a land area with a potential canopy cover exceeding 10% and potential [...]