ABSTRACT

Multitemporal airborne laser scanning (ALS) and unmanned aerial vehicles (UAV)-based light detection and ranging (LiDAR) data provide a rich source of spatiotemporal information for modelling and estimating wood volume change in commercial plantation forestry. However, model updates based on area-wide acquisitions of ALS are very cost-intensive. The purpose of this paper is to investigate how existing time series of ALS data can be used for a cost-efficient UAV-LiDAR-based update of timber yield estimates. We used two time series of ALS data (captured in 2012 and 2015) and simulated UAV data over a radiata pine forest compartment. The study area was located 10 km north-east of Millicent, South Australia, and comprised one forest compartment of approximately 21 ha with inventory plots situated inside. In total, 16 inventory plots with measured tree heights and diameter at breast height for each time series were taken as ground-truthing data. A LiDAR-processing framework was developed to derive multitemporal forest metrics. Using k-nearest neighbours modelling, wood volume was predicted based on these metrics. The paper suggests two approaches for the cost-efficient updating of timber-yield estimates using newly acquired UAV-LiDAR data at the plot level in combination with prior assimilated stand-wide ALS datasets. Both approaches produced very similar wood volume estimates. These findings support the feasibility of using multitemporal ALS and UAV-LiDAR data for cost-efficient updates of timber-yield prediction in forestry.

摘要

多时相机载激光扫描 (ALS) 和基于无人机 (UAV) 的光探测和测距 (LiDAR) 数据为商业人工林中木材体积变化的建模和估计提供了丰富的时空信息来源。然而，基于区域范围内收购 ALS 的模型更新成本非常高。本文的目的是研究现有的 ALS 数据时间序列如何用于基于 UAV-LiDAR 的具有成本效益的木材产量估算更新。我们使用了两个时间序列的 ALS 数据（在 2012 年和 2015 年捕获）并模拟了辐射松林隔间上的无人机数据。研究区域位于南澳大利亚米利森特东北 10 公里处，包括一个面积约为 21 公顷的森林隔间，其内部有库存地块。总共，将每个时间序列的 16 个具有测量树高和胸径直径的库存图作为地面实况数据。开发了一个 LiDAR 处理框架来导出多时间森林指标。使用 k-最近邻建模，根据这些指标预测木材体积。本文提出了两种使用新获得的 UAV-LiDAR 数据在样地级别结合先前同化的全幅 ALS 数据集来经济高效地更新木材产量估算的方法。两种方法都产生了非常相似的木材体积估计值。这些发现支持使用多时相 ALS 和 UAV-LiDAR 数据进行林业木材产量预测的经济高效更新的可行性。开发了一个 LiDAR 处理框架来导出多时间森林指标。使用 k-最近邻建模，根据这些指标预测木材体积。本文提出了两种使用新获得的 UAV-LiDAR 数据在样地级别结合先前同化的全幅 ALS 数据集来经济高效地更新木材产量估算的方法。两种方法都产生了非常相似的木材体积估算值。这些发现支持使用多时相 ALS 和 UAV-LiDAR 数据进行林业木材产量预测的经济高效更新的可行性。开发了一个 LiDAR 处理框架来导出多时间森林指标。使用 k-最近邻建模，根据这些指标预测木材体积。本文提出了两种使用新获得的 UAV-LiDAR 数据在样地级别结合先前同化的全幅 ALS 数据集来经济高效地更新木材产量估算的方法。两种方法都产生了非常相似的木材体积估算值。这些发现支持使用多时相 ALS 和 UAV-LiDAR 数据进行林业木材产量预测的经济高效更新的可行性。本文提出了两种使用新获得的 UAV-LiDAR 数据在样地级别结合先前同化的全幅 ALS 数据集来经济高效地更新木材产量估算的方法。两种方法都产生了非常相似的木材体积估算值。这些发现支持使用多时相 ALS 和 UAV-LiDAR 数据进行林业木材产量预测的经济高效更新的可行性。本文提出了两种使用新获得的 UAV-LiDAR 数据在样地级别结合先前同化的全幅 ALS 数据集来经济高效地更新木材产量估算的方法。两种方法都产生了非常相似的木材体积估计值。这些发现支持使用多时相 ALS 和 UAV-LiDAR 数据进行林业木材产量预测的经济高效更新的可行性。