Evaluation of UAS LiDAR data for tree segmentation and diameter estimation in boreal forests using trunk- and crown-based methods

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 [...]