PĀRSKATS PAR MEŽA ATTĪSTĪBAS FONDA PASŪTĪTO PĒTĪJUMU PĒTĪJUMA NOSAUKUMS: Koku uzmērīšanas ar 3D skeneri tehnoloģiskā procesa testēšana LĪGUMA NR.: 060508/S139 IZPILDES LAIKS: 06.05.2008 01.11.2008 IZPILDĪTĀJS: Latvijas Valsts mežzinātnes institūts Silava PROJEKTA VADĪTĀJS: Juris Zariņš Salaspils, 2008
Satura rādītājs Satura rādītājs...2 Kopsavilkums...3 Projekta mērķis...3 Projekta uzdevumi...3 Rezultāti...3 Ievads...5 Atskaite...6 1. 3D skeneru tehnoloģija...6 2. Izvēlētie MRM parauglaukumi...9 2.1. Parauglaukumu uzmērīto koku sadalījums...11 3. Uzmērīšanas process...12 3.1. Parauglaukuma atrašana...12 3.2. Parauglaukumu tīkla veidošana...13 3.3. Uzmērīšanas uzsākšanas tehniskie nosacījumi...13 3.4. Parauglaukumu sagatavošana...14 3.5. Uzmērīšanas process...14 4. Uzmērīto datu apstrāde...15 4.1. 3D skenera programmatūra...15 4.1.1. Faro Scene...15 4.1.2. Faro Scout...15 4.1.3. Faro Cloud...16 4.1.4. Faro record...16 4.2. Treemetrics programmatūra...17 4.2.1. Mērījumu apstrādes programmatūra AutoStem...18 5. Iegūtā informācija...19 6. Apstrādātā informācija...19 6.1. 3D skenējumu dati...19 7. LIDAR dati...22 7.1. Tehnoloģijas apraksts...22 7.2. Single tree informācijas iegūšana...22 7.3. LIDAR rezultāti...22 8. Salīdzinājums...23 8.1. Meža resursu monitoringa parauglaukumu koku mērījumu datu un 3D skenera (TLS Terestrial laser scaner) datu salīdzināšana...23 8.2. Meža resursu monitoringa parauglaukumu un LIDAR datu salīdzināšana...29 Secinājumi...30 Rekomendācijas...31 Izmantotā literatūra...32 2
Kopsavilkums Projekta izpildītājs: LVMI SILAVA Projekta vadītājs: Juris Zariņš Galvenie projekta izpildītāji: Jānis Donis, Ģirts Rāzma, Ivars Kalniņš Projekta mērķis 3D skenēšanas tehnoloģijas un mērījumu apstrādes programmatūras pielietošanas iespēju testēšana Latvijā, lai veicinātu inovāciju tehnoloģiju un zināšanu pārnesi, novērtētu esošo resursu uzmērīšanas tehnoloģiju un aprēķinu precizitāti. Projekta uzdevumi 1. Veikt Treemetrics tehnoloģijas nedēļas testēšanu Latvijā izvēlētos meža resursu monitoringa (MRM) parauglaukumos. 2. MRM datu sagatavošana izvēlētajiem parauglaukumiem. 3. LIDAR mērījumu datu pieprasījums izvēlētajiem parauglaukumiem. 4. Iegūto rezultātu salīdzināšana ar MRM parauglaukumu datiem un LIDAR mērījumiem. 5. Rekomendāciju sagatavošana 3D skeneru pielietošanai resursu novērtēšanai. Rezultāti Realizējot projekta uzdevumus, noslēgts līgums ar kompāniju Treemetrics par pakalpojumu meža resursu monitoringa parauglaukumu skenēšanu ar uz zemes bāzētu 3D skeneri un sekojošu datu apstrādi. Sekojoši vienu nedēļu no š.g. 7. jūlija 3
līdz 11. jūlijam tika veikta izvēlēto parauglaukumu skenēšana Saldus un Liepājas rajonos. Lai salīdzinātu iegūtos rezultātus ar citiem meža inventarizācijas veidos iegūtiem datiem, no meža resursu monitoringa datu bāzes sagatavota izvēlēto parauglaukumu informācija atsevišķu koku līmenī. Papildus pieprasīta LIDAR mērījumu rezultāti šiem parauglaukumiem katra koka ( single tree ) līmenī. Aprēķinātie un sagatavotie dati telpiski un skaitliski salīdzināti un iegūts tehnoloģijas salīdzinošs novērtējums. Pēc izsekošanas klātienē tehnoloģijas pielietošanai Latvijas apstākļos un saņemto rezultātu novērtēšanas galvenais secinājums ir, ka tehnoloģija ir pielietojama parauglaukumu veida vidēja līdz pieauguša vecuma vai pirms mežistrādes vienlaidus teritorijas novērtēšanai, pie nosacījuma, ka 3D aprēķinu koku tilpuma raukuma formulas tiek sagatavotas Latvijas koku sugām un augšanas apstākļiem. 4
Ievads Pamatotu lēmumu pieņemšanai nozarēm, kas saistīta ar apkārtējās vides (telpas) informāciju, informācijas apstrādi un interpretāciju, nepieciešami dati ar augstu precizitāti, ticamību un iegūšanas operativitāti. Kā ikdienā pielietojams praktisks instruments 3D lāzera skenēšana tiek izmantota no 20. gs. deviņdesmito gadu vidus. Šī tehnoloģija sagatavo apkārtējās vides augstas precizitātes 3D modeļus, izmantojot mērījumu X, Y, Z koordināšu punktu mākoni ap mērīšanas instrumentu. Iegūto mērījumu apstrādei nepieciešama speciāla programmatūra, kas punktu mākoņa atsevišķus mērījumus spēj apskatīt, vizualizēt, analizēt un apstrādāt. Vizualizējot tiek sagatavots vides 3D virtuāls datora modelis, dažādi attēlojot uzmērītos punktus vai savietojot ar vides digitālajiem attēliem. Datu analīze nozīmē atsevišķus punktu mākoņa mērījumus savstarpēji saistīt, apvienot vides objektos, veikt savstarpējos punktu attiecības vai objektu izmēru mērījumus. Galvenie pielietojumu veidi 3D skenēšanai saistīti ar inženiertehniskiem uzmērījumiem būvniecības objektu, cauruļvadu, derīgo izrakteņu izstrādes vietu uzmērījumiem. Vides nozarē izmantota tehnoloģija virsmas modeļu, reljefa informācijas iegūšanai. Meža nozarē ražošanas līmenī tehnoloģija sākta izmantot salīdzinoši nesen valstīs, kur liela nozīme pirms izstrādes (ciršanas) novērtējuma precizitātei, šādi sagatavojot izstrādājamās koksnes augsti precīzus uzmērījumus. 5
Atskaite 1. 3D skeneru tehnoloģija Projektā izraudzīto meža resursu monitoringa parauglaukumu skenēšanai kompānijas Treemetrics izmantoja Faro lāzera skeneri (1.2. un 1.3. att.). Skenera galvenie tehniskie raksturojumi: Skenēšanas attālums: 0.6 m - 76 m Attāluma kļūda: : ±2 mm 25 m attālumā Mērīšanas ātrums: 120000 punkti sekundē Merījuma teritorija: 320 x 360 grādi. Skenēšanas virziens un ātrums: abpusējs 2 x 180 grādi Skenēšanas ātrums: 8 līdz 30 minūtes (360 grādi) atkarībā no datu ievākšanas precizitātes Datu uzglabāšana: 80 GB iekšējais cietais disks Komunikācija: Ethernet, WLAN Barošanas avots: 24 V DC Svars: ~ 15 kg. Papildus skenerim nepieciešams trijkājis skenera uzstādīšanai un nolīmeņošanai, kā arī iespējams ārējs barošanas avota pieslēgums ilgākam darba laikam (1.1. att.). Šim nolūkam tika izmantoti divi 12V 17Ah akumulatori. Akumulatoru dimensijas 18 x 16,5 x 7,5 cm, kas nepieciešams ievietošanai speciālā koferītī ar barošanas vadu pieslēgumiem. 6
1.1. att. 3D skenēšanas komplekts: 3D skeneris, akumulatoru koferītis, trijkājis. 7
1.2. att. Faro 3D skeneris. 1.3. att. Skenera orientēšana. 8
2. Izvēlētie MRM parauglaukumi 3D skenēšanas tehnoloģijas testēšanai tika izvēlēti meža resursu monitoringa parauglaukumi, kas atrodas Saldus un Liepājas rajonos, Dienvidkurzemes mežsaimniecības AS Latvijas valsts meži mežu teritorijās (2.1. att.). Parauglaukumi (2.1. tab.) iepriekš apsekoti 2007. gadā, kas nodrošina augstāku pārbaudes precizitāti, salīdzinošu drošību, ka uz skenēšanas brīdi tie nav nocirsti. Turklāt 2008. gadā šajā teritorijā tiek veikta jauna meža inventarizācija, izmantojot lāzera skenēšanu no lidmašīnas (LIDAR). Šajā inventarizācijā informācija nogabalu līmenī tiek iegūta no atsevišķu koku uzmērīšanas uzmērot to augstumu un vainaga izmērus, diametru 1,3 m augstumā izsakot ar iepriekš minēto izmēru savstarpējās attiecības aprēķiniem konkrētai koku sugai. 2.1. att. Parauglaukumu izvietojumu shēma 9
2.1. tab. Izvēlēto meža resursu monitoringa parauglaukumu saraksts. MRM trakts MRM parauglaukums X koordināte Y koordināte 3141-42-43-3 3141424331 357125 6268850 3132-51-33-3 3132513331 327125 6272850 3142-53-33-3 3142533331 387125 6272850 3233-25-14-3 3233251431 423125 6280850 4112-15-53-3 4112155331 347125 6304850 3141-42-43-3 3141424334 357150 6268625 3132-51-33-3 3132513334 327150 6272625 3142-53-33-3 3142533334 387150 6272625 3231-52-33-3 3231523334 407150 6272625 3233-25-14-3 3233251434 423150 6280625 4112-15-53-3 4112155334 347150 6304625 3141-42-43-3 3141424333 357375 6268650 3132-51-33-3 3132513333 327375 6272650 3142-53-33-3 3142533333 387375 6272650 3231-52-33-3 3231523333 407375 6272650 3233-25-14-3 3233251433 423375 6280650 4112-15-53-3 4112155333 347375 6304650 3141-42-43-3 3141424332 357350 6268875 3132-51-33-3 3132513332 327350 6272875 3142-53-33-3 3142533332 387350 6272875 3233-25-14-3 3233251432 423350 6280875 4112-15-53-3 4112155332 347350 6304875 Parauglaukumi izvēlēti, lai tajos kā valdošās būtu pārstāvētas piecas koku sugas priede, egle, bērzs, melnalksnis, apse. Izvēlētajiem parauglaukumiem sagatavots lauku apsekošanas kartogrāfiskais materiāls pēc meža resursu monitoringa metodikas 10
2.1. Parauglaukumu uzmērīto koku sadalījums No meža resursu monitoringa datu bāzes katram parauglaukumam sagatavots uzmērīto koku izvietojums (2.1.1. att.). Katram kokam absolūtās koordinātes LKS-92 koordinātu sistēmā parēķina no datu bāzē atrodošo koku attāluma no parauglaukuma centra, azimuta vērtības un parauglaukumu centru absolūtās koordinātes. 2.1.1. att. Viena parauglaukuma koku izvietojuma piemērs 11
3. Uzmērīšanas process 3.1. Parauglaukuma atrašana Parauglaukuma centrs tiek atrasts to koordinātes ielādējot GPS uztvērējā un uz vietas sekojot satelītu mērījumu norādījumiem par atrašanās attālumu un virzienu. Aptuveni atrodot parauglaukumu precīza tā centra atrašanās vieta tiek noteikta pēc MRM parauglaukumu apskates kartiņām to aprēķinot no ar naglām iezīmētu koku saknēm. Naglu un pēc tam ar dzelzs stieni apzīmēto parauglaukuma centru atrod ar metāla detektoru (3.1.1. un 3.1.2. att.). 3.1.1. att. MRM parauglaukumu ierīkošanas atrašanas ekipējums 12
3.1.2. att. Marķēto koku un parauglaukumu centra atrašana 3.2. Parauglaukumu tīkla veidošana 3D skenēšana tiek mēģināta arī vienlaidus nogabalu koku informācijas iegūšanai, lai precīzi novērtētu to krāju un koku izvietojumu pirms ciršanas. Šim nolūkam veido regulāru uzmērīšanas parauglaukumu punktu tīklu, kuru centros veiktie mērījumi savstarpēji pārklājās. Tas nodrošina arī skenēšanas laikā uz viena azimuta līnijas atrodošos koku uzmērīšanu. 3.3. Uzmērīšanas uzsākšanas tehniskie nosacījumi Pirms veic koku mērījumus, 3D skeneris tiek novietots uz trijkāja un horizontāli nolīmeņots. Lai noteiktu koku relatīvās koordinātes no parauglaukuma centra, 3D skeneris tiek orientēts ziemeļu virzienā. 13
3.4. Parauglaukumu sagatavošana Lai iegūtu pēc iespējas lielāku mērījumu skaitu no koku stumbriem, sagatavojot parauglaukumus tie tika attīrīti no pameža apauguma, kas aizsedz tiešu mērāmo koku redzamību no skenera. Atsevišķos gadījumos (egļu audzes) tika veikta stumbrus aizsedzošo zaru noņemšana. 3.5. Uzmērīšanas process Uzmērīšanas rezultātā tiek iegūts norādītās precizitātes mērījumu punktu mākonis. Mērījumu daru apjoms apstrādātajos parauglaukumos uz ~40 milj. punktiem apmēram 140 MB. Informācija, ja skenēšanas procesā pieslēgts portatīvais dators, attēlojas 360 grādu pārklājuma attēla formātā (3.5.1. att.). 3.5.1. att. Parauglaukuma 360 grādu attēls 14
4. Uzmērīto datu apstrāde 4.1. 3D skenera programmatūra Datu iegūšanā izmantotajam Faro 3D skenerim ir pieejama programmatūra skenētās informācijas apstrādāšanai. 4.1.1. Faro Scene Komerciāla programma, kas nodrošina: - skenētās informācijas apskati un vizualizāciju,; - punktu mākoņa datu mērījumu instrumentus (attālumi, objektu tilpumi); - 3D virtuālo modeļu sagatavošana no uzmērītās informācijas, to tālākai lietošanai CAD (piemēram AutoCAD) programmās. 4.1.2. Faro Scout Bezmaksas programmatūra, kas nodrošina: - skenētās informācijas apskatei un vizualizācijai; - punktu mākoņa informācijas eksportu uz AutoCAD formātu, ASCI x,y,z koordinātu formātu; - attālumu mērījumus. Projekta laikā uzmērīto datu apskatei izmantota tieši programma Faro Scout (4.1.2.1. att.). 15
4.1.2.1. att. Programmatūra Faro Scout 3D skenēšanas datu apskatei 4.1.3. Faro Cloud Komerciāla programma, kas nodrošina ar 3D skeneri iegūto datu tiešu lasīšanu AutoCAD programmā. 4.1.4. Faro record Komerciāla programma, kas nodrošina 3D skenera kontroles iespējas, lai veiktu augstas precizitātes (liela datu apjoma) skenēšanas darbus noteiktos sektoros un sekojošu šo datu apstrādi. 16
4.2. Treemetrics programmatūra Punktu mākoņa datu apstrāde pamatojas uz koku stumbru mērījumu punktu identificēšanu iegūtajos datos. Pamatojoties uz agrāk veiktiem pētījumiem Īrijas Cork universitātē (A. Bienert, S. Scheller, E. Keane, F. Mohan, C. Nugent), šie mērījumi izsakāmi kā lielāko mērījumu skaita uz tilpuma vienību noteikšana (4.2.1. un 4.2.2.att.). 4.2.1. att. Stumbra mērījumu punkti 4.2.2. att. Mērījumu skaita uz tilpuma vienību piemērs 17
4.2.1. Mērījumu apstrādes programmatūra AutoStem Ar 3D skeneri iegūtos punktus apstrādājot AutoStem var iegūt: - koku novietojumu attiecībā pret parauglaukuma centru (delta X, delta Y); - koku diametru krūšu augstumā (DBH = 1,3m); - koka augstumu; - katra koka tilpumu; - parauglaukuma koku krāju; - sortimentu sadalījumu. Koku tilpumi tiek aprēķināti mērot diametru katrā lāzera staram pieejamā vietā, tālāk no iegūtajiem mērījumiem pieņemot stumbra raukuma formu. No aprēķinātajiem mērījumiem tiek sagatavots katra koka 3D modelis cilindra veida objekts ar diametra mērījumu ik pēc 10 cm (4.2.1.1. att.). 4.2.1.1. att. Uzmērītā koka tilpuma aprēķini Treemetric AutoStem 18
Pēc Treemetric kompānijas apliecinājuma tā aprēķina koku dimensijas sākot no 10 cm DBH. Tas ierobežo tehnoloģijas izmantošanu, kas nav iespējama visa veida un vecumu audzēs. Arī kompānijas biznesa mērķis ir galvenokārt audžu novērtēšana pirms galvenās izmantošanas. Tālākā datu apstrāde sagatavo katra koka sortimentu iznākumu atkarībā no lietotāja noteiktiem kritērijiem. Aprēķināto informāciju iespējams sagatavot mežizstrādes mašīnu datu ielādes StanForD formā, kas tālāk ielādējama meža mašīnu lauku datoros. 5. Iegūtā informācija Katrā parauglaukumā tika veikti no viena līdz trīs skenējumiem. Viens no tiem, kā jau minēts parauglaukuma centrā. Papildus skenējumi veikti brīvi izvēlētos punktos ~2 metru attālumā no centra, lai ietvertu iespējami ar citiem kokiem aizsegtu koku datu iegūšanu. 6. Apstrādātā informācija 6.1. 3D skenējumu dati Pēc 3D skenera datu apstrāde katram skenējumam ar AutoStem datorprogrammu sagatavota atpazīto koku datu bāze csv failu formātā (6.1.1. tab.). Datu bāze satur informāciju par katra koka novietojumu attiecībā pret parauglaukuma centru (delta X, delta Y), koka diametru (m) krūšu augstumā (DBH = 1,3m), koka augstumu, koka numuru pēc kārtas katrā skenējumā. 19
6.1.1. tab. Atpazīto koku datu bāzes piemērs DBH H X Y NR 0,122 12,712 10,876-0,282 2 0,080 7,644 8,715-0,301 3 0,503 25,798 6,600-0,633 4 0,215 19,043 7,476-1,079 5 0,136 13,995 8,847-1,308 6 0,156 15,583 7,785-2,375 9 0,152 15,211 6,146-2,059 11 0,086 8,597 7,259-2,712 13 0,101 10,467 5,776-2,297 14............... Sagatavotās datu bāzes koku novietojuma no skenējuma centra novirzes X un Y koordinātes pārrēķina pieskaitot tām meža resursu monitoringa attiecīgā parauglaukuma centra koordinātes. Tādā veidā iegūst parauglaukuma koku sadalījumu pēc 3D skenera apstrādātajiem materiāliem, pievienojot katru koku ĢIS slānim pēc tā absolūtajām koordinātēm. Šādu ĢIS datu slāņa informāciju telpiski var savietot ar iepriekš iegūto koku novietojumu pēc meža resursu monitoringa datu bāzes informācijas (6.1.1. att.). Papildus skenējumu dati katram parauglaukumam (ar novirzi, lai iegūtu aizsegto koku datus), telpiski jāsavieto ar pirmā skenējuma (parauglaukuma centrā) datiem. Pie pašreizējās Treemetrics tehnoloģijas attīstības šis process nav pilnībā automatizēts. Vizuāli novērtējot savietoto informāciju apstiprinās, ka veicot tikai vienu skenējumu parauglaukuma centrā, biezākās audzēs iespējams palikt aizsegtiem 3 līdz 5 kokiem. 20
6.1.1. att. Meža resursu monitoringa un 3D skenera savietoto datu piemērs Lai sekojoši novērtētu 3D skenēšanas tehnoloģijas iegūtos rezultātus, ar ArcGIS datorprogrammu meža resursu monitoringa informācijai, kas tāpat kā 3D skenējums satur koku DBH, augstuma informāciju, telpiski pievieno tuvākā 3D skenējumā atpazītā koka ĢIS slāņa informāciju. 21
7. LIDAR dati 7.1. Tehnoloģijas apraksts LIDAR dati pētījumam paredzēti iegūt no meža inventarizācijas veicēja AS Latvijas valsts meži Dienvidkurzemes mežsaimniecībā SIA Foran Baltic. Tehnoloģijas pamatā ir uz lidmašīnas bāzēts skeneris, kas uz zemas virsmu izstaro lāzera signālus un izmēra laiku pēc kāda tas atstarojas pirmo, otro, trešo un pēdējo reizi no zemes virsmas (zemes virsma apaugums, būves, reljefs). Apvienojot šo informāciju ar uz lidmašīnas bāzēta GPS informāciju (iespējams arī ar GPS kontroles bāzes stacijas informāciju), lidmašīnas svārstību kontroles iekārtas informāciju, tiek iegūts noteikts punktu mērījumu daudzums uz laukuma vienību. No pēdējās atstarošanās informācijas iegūst zemes virsmas reljefa modeli, no pārējiem zemes virsmas modeli. 7.2. Single tree informācijas iegūšana No iegūtās LIDAR informācijas punktus grupējot un nosakot katram atsevišķam kokam piederīgos, tiek iegūts tā 3D modelis (koka tilpums), kuru pārrēķinot iegūst koka atrašanos koordinātu telpā, kā arī modeļa tilpumu attiecina uz koka tilpumu un diametru 1,3 metru augstumā. Iegūto informāciju pēc koordinātēm tajā iespējams sagatavot ĢIS slāņa veidā, lai sekojoši telpiski savietotu ar meža resursu monitoringa vai 3D skenēšanas datiem. 7.3. LIDAR rezultāti Pēc LIDAR datu pieprasījuma no SIA Foran Baltic saņemti AS Latvijas valsts meži Dienvidkurzemes mežsaimniecības Remtes iecirkņa meža resursu monitoringa parauglaukumu datu piemēri. Datu piemēri ir jau apstrādāta ĢIS punktu datu slāņa veidā ar koku atrašanās vietas punktveida informāciju, kurai pievienota koku sugas pazīme, koka augstums, noteiktā vainaga diametrs un stumbra diametrs 22
krūšu augstumā. Dati sagatavoti Latvijas koordinātu sistēmā un savietojami ar meža resursu monitoringa parauglaukumu atsevišķu koku informāciju. 8. Salīdzinājums. 8.1. Meža resursu monitoringa parauglaukumu koku mērījumu datu un 3D skenera (TLS Terestrial laser scaner) datu salīdzināšana Pēc meža resursu monitoringa datu (MRM un 3D skenera (TLS) iegūto datu apvienošanas izveidota datu bāze (8.1. tab.), pēc kuras aprēķināta sākotnējā informācija piecu koku sugu (priede, egle, bērzs, melnalksnis, apse) 3D skenera datu apstrādes precizitāte attiecībā uz koku DBH un augstumu. Salīdzināšanas datu bāzes piemērs 8.1. tab. H_3D DIAMETRS_3D H_MRM DIAMETRS_MRM KOKA_SUGA 20,678 23,2 20,80 22,40 1 19,923 29,8 24,40 30,50 1 18,871 34,1 24,70 34,40 1 22,966 45,2 25,00 40,20 1 23,858 37,4 27,00 39,10 1............... No sagatavotas datu bāzes sagatavota piecu koku sugu DBH un augstuma atbilstību grafiki (8.1. līdz 8.10. att.). 23
H_MRM vs 3D, Priede 30 25 20 MRM 15 10 y = 0,3813x + 17,591 R 2 = 0,3236 5 5 10 15 20 25 30 TLS 8.1. att. Priedes MRM un TLS augstuma mērījumu atbilstība TLS sistemātiski nenovērtē priedes augstumu. N=14, r=+0.569. Nepieciešams uzlabot algoritmu. D_MRM vs 3D(TLS), Priede 50 45 40 35 30 MRM 25 20 15 10 5 y = 0,6153x + 13,281 R 2 = 0,812 0 0 5 10 15 20 25 30 35 40 45 50 TLS 8.2. att. Priedes MRM un TLS diametru mērījumu atbilstība TLS priežu diametru novērtē relatīvi precīzi. N= 20, r=+0.900. Neiekļaujot aprēķinā vienu acīmredzamu kļūdaini noteikto D, N19, r=+0.954. 24
H_MRM vs 3D, Egle 30 25 20 MRM 15 10 y = 0,7745x + 3,5261 R 2 = 0,3398 5 5 10 15 20 25 30 35 40 TLS 8.3. att. Egles MRM un TLS augstuma mērījumu atbilstība TLS egļu augstumu sistemātiski nenovērtē. N=79, r=+0.58. Nepieciešams uzlabot algoritmu. D_MRM vs 3D(TLS), Egle 50 45 40 35 30 MRM 25 20 15 10 5 y = 0,685x + 6,156 R 2 = 0,5363 0 0 5 10 15 20 25 30 35 40 45 50 TLS 8.4. att. Egles MRM un TLS diametru mērījumu atbilstība Relatīvi daudz kļūdu. N=183, r=+0.732. Nepieciešams uzlabot algoritmu. 25
H_MRM vs 3D, Bērzs 30 25 20 MRM 15 10 y = 0,2252x + 16,312 R 2 = 0,017 5 5 10 15 20 25 TLS 8.5. att. Bērza MRM un TLS augstuma mērījumu atbilstība N=21, r=+0.13. D_MRM vs 3D(TLS), Bērzs 40 35 30 25 MRM 20 15 10 5 y = 0,5925x + 7,3167 R 2 = 0,3458 0 0 5 10 15 20 25 30 35 40 45 50 TLS 8.6. att. Bērza MRM un TLS diametru mērījumu atbilstība N=36, r=+0.588 26
H_MRM vs 3D, Melnalksnis 30 25 20 MRM 15 10 y = 0,2334x + 15,32 R 2 = 0,1543 5 5 10 15 20 25 30 TLS 8.7. att. Melnalkšņa MRM un TLS augstuma mērījumu atbilstība N=21, r=+0.393 D_MRM vs 3D(TLS), Melnalksnis 35 30 25 MRM 20 15 10 5 y = 0,1562x + 16,603 R 2 = 0,1773 0 0 5 10 15 20 25 30 35 40 45 50 TLS 8.8. att. Melnalkšņa MRM un TLS diametru mērījumu atbilstība N=46, r=+0.421 27
H_MRM vs 3D, Apse 30 25 MRM 20 15 y = 0,7334x + 12,203 R 2 = 0,4634 10 5 5 10 15 20 25 30 TLS 8.9. att. Apses MRM un TLS augstuma mērījumu atbilstība TLS sistemātiski nenovērtē augstumu. N=17, r=+0.681 D_MRM vs 3D(TLS), Apse 60 50 40 MRM 30 20 10 y = 0,5219x + 13,819 R 2 = 0,6055 0 0 5 10 15 20 25 30 35 40 45 50 TLS 8.10. att. Apses MRM un TLS diametru mērījumu atbilstība TLS sistemātiski pārvērtē diametru. N=46, r=+0.778. 28
8.2. Meža resursu monitoringa parauglaukumu un LIDAR datu salīdzināšana Saņemtā LIDAR datu informācija savieto ar Remtes iecirknī esošu 2007.gadā apsekotu parauglaukuma uzmērīto koku informāciju. Netiek izmantoti pirms 2007.gada apsekoti parauglaukumi, lai salīdzināšana būtu attiecinoša. Meža resursu monitoringa parauglaukumā esošo koku skaits (12) ir nepietiekošs statistikas aprēķinu veikšanai. Vizuāli salīdzinošie novērtējumi ir, ka koku novietojuma vieta LIDAR datos salīdzinājumā ar parauglaukumu datiem ir vairāk nobīdīta no koka pamata vietas kā TLS datos (vidēji ~ 0,5m). Kas ir skaidrojams ar tehnoloģijas būtību, ka koka atrašanās vieta tiek noteikta pēc vaina augšas laukuma smaguma centra. Koku augstuma starpība parauglaukumā starp LIDAR un meža resursu monitoringa uzmērītajiem datiem ir nebūtiska vai sakrīt. Koku diametra 1,3 m augstumā starpība starp LIDAR un meža resursu monitoringa uzmērītajiem datiem novērtēšanu nelielā daudzuma mērījumu (koku) skaita dēļ nav korekti novērtējama. 29
Secinājumi Vidēja vecuma un pārbiezinātās, sevišķi egļu audzēs, audzēs ar izteiktu pamežu, nepieciešams ievērojams parauglaukumu sagatavošanas darbu apjoms. Pārbiezinātās audzēs nepieciešami vairāki viena parauglaukuma skenējumi no dažādiem novietojuma punktiem. Nepieciešama koku marķēšana pēc sugas piederības pirms skenēšanas jaukta sastāva audzēs, kas nepieciešams koku sugu identificēšanai datu apstrādes laikā. Tehnoloģija nodrošina precīzu koku izvietojuma iegūšanu parauglaukumā vai audzē. Salīdzinājumā ar 3D skenējuma iegūto informāciju, meža resursu monitoringa mērījumiem vidējā novirze ir 23 cm. Tehnoloģija dod informāciju par koku līkumainību, kas ļauj jau ievērojami precīzāk prognozēt sortimentu iznākumu. Tehnoloģija papildus koku mērījumu datiem iegūst zemes virsmas modeļa (DTM digital terain model) informāciju. Salīdzinājumā ar meža resursu monitoringa parauglaukumu mērījumiem 3D skenera iegūtā informācija (izmantoti Īrijas apstākļos izstrādāti priedes un egles algoritmi) ir pietiekami precīza (r=+0.954) attiecībā uz priedes DBH. Attiecībā uz pārējo sugu mērījumiem nepieciešama algoritmu tālāka precizēšana. Novērtējot LIDAR datus, tie labi salīdzināmi ar vispārīgo koku izvietojuma informāciju un precīzi nosaka koku augstumu. Tehnoloģija potenciāli izmantojama briestaudzēs un pieaugušās audzēs novērtēšanai pirms galvenās izmantošanas. 30
Rekomendācijas Nepieciešams zinātnisks izvērtējums tehnoloģijas izmantošanas rezultātiem, salīdzinot tos ar esošajām tilpuma formulām, kā arī pēc mežizstrādes ar mežizstrādes mašīnu sortimentu iznākumu un stumbra analīzes rezultātiem. Nepieciešams izvērtēt pašreiz izmantotās stumbra veidules vienādojumu uzlabošanas nepieciešamību, lai tās varētu attiecināt uz konkrēto vietu, ne tikai statistiski vidējo. Jāpēta ar LIDAR noteikto koku vainaga tilpuma dimensiju (novirze, smaguma centrs), vainaga projekcijas un koka pamatnes sakarības, lai precīzāk noteiktu koku atrašanās vietu. Izmantojot pakalpojumu vai attīstot 3D skeneru izmantošanu mežzinātnē izveidot atsevišķu koku skenētu modeļu (punktu mākoņa informācijas) datu bāzi, kas izmantojama tilpuma formulu precizēšanai vai raukuma formulu izstrādei. Pie esošā projekta pieredzes un izmaksām par pakalpojumu pat pie salīdzinoši augstās 3D skeneru maksas (no ~20000 Ls), iepriekšējās rekomendācijas nodrošināšanai izdevīgāka ir aparatūras iegāde mežzinātnes vajadzībām. Nepieciešams izmaksu ieguvumu aprēķins tehnoloģijas izmantošanas salīdzināšanai ar tradicionālajām pirms galvenās izmantošanas novērtēšanas metodēm. Pie salīdzinošiem izmaksu ieguvuma aprēķiniem ar tradicionālajām metodēm iespējama vienreizēja pirms galvenās izmantošanas mežaudzes novērtēšana. Kas nozīmē, ka mežaudzi nevērtē vismaz divas reizes pārdevējs un pircējs. 31
Izmantotā literatūra 1. [Elektroniskais resurss] : [Treemetrics mājas lapa]. Pieejas veids: timeklis WWW. URL: http://www.treemetrics.com. 2. [Elektroniskais resurss] : [Faro 3D skeneri]. Pieejas veids: timeklis WWW. URL: http://www.faro.com. 3. Bienert A., Scheller S., Keane E., Mohan F., Nugent C., TREE DETECTION AND DIAMETER ESTIMATIONS BY ANALYSIS OF FOREST TERRESTRIAL LASERSCANNER POINT CLOUDS, SilviLaser 2007. 4. Faro Scout programmas palīgs. 5. AutoStem programmas palīgs. 32