MENDELOVA UNIVERZITA V BRNĚ

MENDELOVA UNIVERZITA V BRNĚ Lesnická a dřevařská fakulta Ústav geoinformačních technologií

Využití dat leteckého laserového skenování v lesnictví BAKALÁŘSKÁ PRÁCE

Rok odevzdání: 2012

Zdeněk Patočka

Prohlášení Prohlašuji, že jsem bakalářskou práci na téma: Využití dat leteckého laserového skenování v lesnictví zpracoval sám a uvedl jsem všechny použité prameny. Souhlasím, aby moje bakalářská práce byla zveřejněna v souladu s § 47b Zákona č. 111/1998 Sb., o vysokých školách a uložena v knihovně Mendelovy univerzity v Brně, zpřístupněna ke studijním účelům ve shodě s Vyhláškou rektora Mendelovy univerzity o archivaci elektronické podoby závěrečných prací. Autor kvalifikační práce se dále zavazuje, že před sepsáním licenční smlouvy o využití autorských práv díla s jinou osobou (subjektem) si vyžádá písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity a zavazuje se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla dle řádné kalkulace. V Brně, dne: 30. 4. 2012 podpis studenta

¨

Poděkování Mé poděkování patří zejména panu Ing. Tomáši Mikitovi, Ph.D., za odborné vedení a poskytnutí cenných rad při zpracování bakalářské práce. Dále bych chtěl poděkovat Bc. Martině Tekelové a Ing. Přemyslu Janatovi, Ph.D. za pomoc při terénním měření.

Autor: Zdeněk Patočka Název bakalářské práce: Využití dat leteckého laserového skenování v lesnictví Title of the bachelor thesis: Use of airborne laser scanning data for forestry Abstrakt Tato bakalářská práce se zabývá možnostmi využití dat z full-waveform skeneru RIEGL LMS-Q680i pro tvorbu digitálních modelů terénu, digitálních modelů povrchu, pro zjišťování výšek stromů a dalších taxačních veličin. Většina analýz byla provedena klasickými nástroji softwaru ArcGIS 10, otestována však byla i jeho nadstavba LiDAR Analyst a software TerraScan. Pro vyhodnocení přesnosti lidarových dat se provádělo srovnávací pozemní měření v lesním porostu na území ŠLP Masarykův les Křtiny. Technologie leteckého laserového skenování se ukázala jako přesná, objevily se ovšem problémy při interpolaci digitálního modelu povrchu. Klíčová slova: LiDAR, letecké laserové skenování, TerraScan, digitální model povrchu DMP, digitální model terénu DMT, výška stromu, taxační veličiny Abstract This bachelor thesis deals with the possibilities of using data from full-waveform scanner Riegl LMS-Q680i for creating digital terrain models, digital surface models, for detecting tree heights and other mensurational variables. Most analyzes were executed with classical tools of ArcGIS 10, but they were tested also the extension LiDAR Analyst and software TerraScan. It was taken the comparative land surveying and tree height measurement of the forest stand in the Training Forest Enterprise Masaryk Forest Křtiny territory to evaluate the accuracy of LiDAR data. Airborne laser scanning technology was proven to be accurate, however there were discovered some problems in digital surface model interpolation. Key words: LiDAR, airborne laser scanning, TerraScan, digital surface model DSM, digital terrain model DTM, tree height, mensurational variables

Obsah 1.

Úvod .......................................................................................................................... 6

2.

Cíl práce..................................................................................................................... 7

3.

Popis technologie....................................................................................................... 8 3.1.

Laserové skenery ................................................................................................ 8

3.2.

Součásti leteckých laserových skenerů .............................................................. 9

3.2.1.

Laserová jednotka ........................................................................................... 9

3.2.2.

Skener ........................................................................................................... 10

3.2.3.

Inerciální měřičská jednotka......................................................................... 11

3.2.4.

Globální družicové polohové systémy ......................................................... 11

3.3. 4.

Typy leteckých laserových skenerů ................................................................. 13

Metodika a materiál ................................................................................................. 16 4.1

Popis lokality.................................................................................................... 16

4.2

Letecké laserové skenování.............................................................................. 17

4.3

Pozemní měření ................................................................................................ 17

4.4

Zpracování dat .................................................................................................. 20

4.4.1

TerraScan ...................................................................................................... 20

4.4.2

ESRI ArcGIS 10 ........................................................................................... 23

5.

Výsledky .................................................................................................................. 28

6.

Diskuse .................................................................................................................... 33

7.

Závěr ........................................................................................................................ 38

8.

Summary.................................................................................................................. 40

9.

Seznam použitých zkratek ....................................................................................... 42

10. Seznam literatury..................................................................................................... 47 11. Seznam obrázků a tabulek ....................................................................................... 49 12. Seznam příloh .......................................................................................................... 51

1. Úvod Již roku 1373 jsou datovány první počátky taxačního zjišťování stavu lesů, kdy v jižních Čechách byly rožmberskými lesníky lesy zaměřeny a bylo popsáno jejich druhové složení podle dřevin a předpokládaného způsobu využití. Právě zjišťování taxačních veličin je jedním z pilířů moderní hospodářské úpravy lesů. Ve 20. století se k získávání dat o stavu lesa začal používat dálkový průzkum Země (DPZ). Nejmodernější metodou DPZ je letecké laserové skenování (LLS) neboli LiDAR (Light Detecting and Ranging), o kterém je slyšet stále častěji, protože právě v současné době probíhá v ČR, vedle nového digitálního fotogrammetrického snímkování, letecké laserové skenování za účelem tvorby nového výškopisu pro přesnější tvorbu ortofoto snímků a digitálních modelů terénu. Letecké laserové skenování je velmi rychlá a progresivní metoda sběru prostorových dat. Tato data však vyžadují náročné zpracování, jehož metody jsou několik let stále stejné a poněkud zaostávají za vývojem LLS. Využití laserscanningu v lesnictví tkví především v přesnější tvorbě digitálního modelu terénu (DMT), protože LLS „vidí“ pod koruny stromů a tudíž lze určit průběh terénu nesrovnatelně rychleji a přesněji než klasickými geodetickými metodami. DMT má v lesnictví řadu uplatnění, především v oblasti multikriteriální analýzy a prostorového rozhodování. Přesnější DMT umožňuje například lepší optimalizaci cestní sítě, určení lesních vegetačních stupňů, predikci ohrožení porostů abiotickými a biotickými činiteli, hydrologické modelování a mnoho dalšího (Klimánek, 2006). Nejzajímavější je ale tvorba digitální modelu povrchu (DMP), na kterém je zobrazena vegetace. Z dat LLS je možné například výšku porostu zjistit jednoduchým odečtením prvního a posledního odrazu laserového paprsku. Výška stromů má zásadní význam pro výpočet dalších taxačních veličin (výtvarnicové výšky, zásoby porostu, štíhlostního kvocientu atd.). V určitých případech je možné z dat LLS také zjistit zásobu porostu. Laserscanning, ať už letecký, pozemní nebo mobilní, zažívá bouřlivý rozvoj v mnoha oborech. Možnostmi aplikace technologie leteckého laserscanningu v lesnictví se zabývá tato bakalářská práce.

6

2. Cíl práce Cílem práce bylo srovnat přesnost leteckého laserového skenování pro využití v oblasti lesnictví, konkrétně v oblasti hospodářské úpravy lesa. K tomu firma GEODIS Brno poskytla data z nového full-waveform skeneru Riegl LMS-Q680i. Pomocí totální stanice, GNSS přijímače a elektronického výškoměru bylo provedeno srovnávací pozemní měření nedaleko Útěchova v oblasti ŠLP Křtiny. Následně se vyhodnotila přesnost dat LLS a vytvořených modelů. Ke zpracování bylo použito klasických nástrojů softwaru ArcGIS 10, LiDAR Analyst a TerraScan. Výstupem jsou doporučení jednotlivých nástrojů a technik pro vyhodnocení dat a možnosti využití dat v lesnictví. Tato bakalářská práce je členěna na několik na sebe logicky navazujících celků. V části Popis technologie se zabývá principy fungování leteckých skenerů, jejich rozdělením a technickými specifikacemi skenerů, které používá firma GEODIS Brno. V části Metodika a materiál je popisován porost použitý pro srovnávací měření, vlastní provedení měření a zpracování dat za pomocí nástrojů ArcGIS 10, LiDAR Analyst a TerraScan. Jednotlivé rozdíly ve výstupech z dat laserového skenování jsou popsány v části Výsledky. Zdůvodněním a následným doporučením nástrojů se zabývá Diskuse a Závěr.

7

3. Popis technologie 3.1. Laserové skenery V souvislosti s laserovým skenováním se nejvíce v literatuře objevuje název LiDAR, což je akronym z anglických slov Light Detecting and Ranging, který znamená detekování a měření světla. Častým názvem je též v případě leteckého laserového skenování Airborne Laser Scanning (ALS). V případě pozemního laserového skenování se využívá zkratky TLS (Terrestrial Laser Scanning) a zkratky MLS (Mobile Laser Scanning) u mobilního laserového skenování. Laserové skenery rozdělujeme na terestrické (pozemní), mobilní a letecké. Terestrické skenery jsou stacionární a umístěny na stativu. Mobilní laserové skenery bývají umístěny na dopravním prostředku, nejčastěji na automobilu. A konečně letecké laserové skenery jsou neseny letadly, vrtulníky nebo družicemi, jako jsou ICESat, Terra, Aqua (Voiland, 2010). Obecně laserové skenery pracují na základě měření doby letu vyslaného paprsku. Jsou využívány dvě možnosti určení vzdálenosti: - Čas letu laserového pulsu (je vyslán laserový puls a měří se čas mezi vysláním pulsu a přijmutím odrazu) - Porovnání fáze (je vyslán paprsek, který je modulován harmonickou vlnou a vzdálenost k předmětu se vypočte jako fázový rozdíl mezi vyslanou a přijatou vlnou).

Obr. č. 1 Laserový skener (Pavelka et al. 2011)

8

Laserový skener se skládá z dvou hlavních částí – laserového dálkoměru a vlastní skenovací jednotky. Součástí laserového dálkoměru je laser (v pulsním nebo kontinuálním režimu), který emituje infračervený paprsek. Jako zdroj laserového záření se používají pevnolátkové rubínové lasery, Nd:YAG a nebo diodové. Typ laseru se volí podle požadovaného výkonu a požadované vlnové délky. Pulsní laser emituje paprsky frekvencí až 250 kHz. Paprsek je po odrazu od předmětu zachycen senzorem. Pomocí vnitřních hodin se změří doba letu paprsku a na základě znalosti rychlosti světla se vypočte vzdálenost změřeného bodu (Dolanský, 2004). Skenovací jednotka má za úkol směrovat laser. Používá se většinou rotujícího hranolu. Určení směru je pak jednoduché, postačí pouze změřit vnitřní úhel pootočení skenovací jednotky. Výsledkem měření je tzv. mračno bodů, které obsahuje všechny naměřené body bez jakýchkoli úprav. Toto mračno je však potřeba dále zpracovat, jedná se především o filtraci a klasifikaci (Pavelka et al., 2011). 3.2. Součásti leteckých laserových skenerů Letecké laserové skenování je velmi mladá metoda získávání dat o povrchu. Její rozvoj v poslední době umožnilo odstranění záměrné chyby GPS, zlepšení přesnosti hodin na měření doby letu a vůbec rozvoj laserových technologií. Letecké laserové skenovací systémy se skládají z laserové jednotky, skenovací jednotky, GPS (Globální polohový systém) a IMU (Inertial Measurement Unit). Před měřením je nutno každou část kalibrovat (Dolanský, 2004). 3.2.1. Laserová jednotka Laserová jednotka obsahuje laserový vysílač a přijímač. Vzdálenost je možné měřit dvěma způsoby – měřením času mezi emitováním a návratem paprsku nebo pomocí fázového posunu. Na principu fázového posunu je založen continuous-wave (CW) laser, emitující nepřetržitý signál světelné energie. Převážně se však používají lasery pulsní, v nichž vysílač emituje krátké přerušované světelné impulsy. Z doby mezi vysláním pulsu a detekcí jeho odrazu se vypočítá vzdálenost objektu, od něhož byl laserový paprsek odražen. Velikost

stopy

laserového

paprsku

se

zvětšuje

s

rozbíhavostí

paprsků a s výškou. Svazek paprsků se nepromítá na zemský povrch jako bod, ale při 9

průletu lesním porostem se rozděluje. To umožňuje měření několikanásobného odrazu. Část paprsků se odrazí od koruny stromů a jiná část se zas odrazí od zemského povrchu. Systémy Discrete Return umožňují měřit až pět odrazů, v praxi se však většinou měří tři nebo čtyři odrazy. K rozpoznání typu objektu se zjišťuje velikost navracející se energie. Každý typ objektu má totiž odlišnou odrazivost, proto se liší i velikost této energie (Dolanský, 2004). Dalším druhem leteckých laserových skenerů je tzv. full-waveform skener (FWF), který nezaznamenává jen jednotlivé navrácené odrazy, ale tento typ skeneru zachycuje průběh celé křivky návratu signálu v pevných časových intervalech, typicky 1 ns (odpovídá 15 cm vzdálenosti), s teoreticky neomezeným počtem měření z každého vysílaného impulsu (Ussyshkin, Theriault, 2011). V místech lokálních maxim navracející se energie lze hledat významné informace, které vypovídají o struktuře povrchového krytu. Z tohoto důvodu není měřena pouze geometrie snímaného povrchu, ale i informace o materiálech na základě intenzity jejich odrazivých vlastností. Dalším výhodou je možnost odfiltrování nízké vegetace. Mezi nevýhody patří vyšší objem dat a s tím spojená větší náročnost zpracování. Pro většinu aplikací však postačují DR systémy (Pavelka et al., 2011), avšak právě při vytváření 3D modelů vegetace, jsou velice výhodné FWF skenery, jelikož nejsou omezeny počtem odrazů a jejich vzájemným rozestupem, který činí asi 2-3,5 m (Ussyshkin, Theriault, 2011). Pro LLS se používá laserový paprsek o vlnové délce 1000 – 1500 nm. Jedná se tedy o infračervené spektrum. Pro skenování vodních ploch (měření hloubky) se využívá modrozelená část spektra světelného záření. 3.2.2. Skener Při LLS nestačí pouze změřit vzdálenost k objektu, ale je nutné zajistit určitou šířku záběru skenovaného povrchu. K tomu se používá rotující zrcátko, které vychýlí paprsek kolmo na směr letu, pohyb ve směru letu pak zajistí letadlo. Celkový úhel záběru (v praxi bývá většinou 40° - 75°) a výška letadla určuje šířku záběru (Dolanský, 2004). Podle vzniklého obrysu naměřených laserových dat můžeme odlišit čtyři typy skenerů: skenery používající rotující zrcátko, oscilující zrcátko, svazek optických vláken nebo soustavu dvou zrcadel - eliptický skener (Pavelka et al., 2011).

10

3.2.3. Inerciální měřičská jednotka Pohybující se letadlo neletí celý čas měření konstantní rychlostí, ve stejné výšce a bez jakéhokoliv náklonu. Pro přesné určení polohy měřených bodů je nutno znát souřadnice a orientaci snímače. K zaznamenání údajů o orientaci a rychlosti letadla (úhel podélného sklonu, úhel příčného sklonu a rychlost letu) se využívá IMU – Inertial measurement unit. Tato jednotka se skládá z gyroskopů a akcelerometrů. Měření gyroskopy využívá fyzikální vlastnost rychle rotujících těles na zemském povrchu, které se snaží udržet osu rotace ve směru zemské tíže. Soustava gyroskopů dokáže velmi přesně určit náklony skenovacího systému vzhledem ke směru působení zemské tíže. Měření změny rychlosti, je zajištěno akcelerometrem. Akcelerometr na základě zákonitosti o setrvačnosti těles měří zrychlení (Dolanský, 2004) Gyroskopy a akcelerometry měří přesně však jen velmi malé hodnoty a vlivem působení systematických chyb dochází postupně ke vzniku nepřesností. Kontrolu správnosti a aktualizaci pozice odhadované IMU zajišťuje palubní GPS. Ve spojení s GPS se systém nazývá GPS/IMU nebo obecně INS (Inertial navigation system). INS je zařízení, které je schopno v čase určovat prostorovou orientaci letadla (Pavelka et al., 2011). 3.2.4. Globální družicové polohové systémy V současné době je v provozu americký systém NAVSTAR – GPS (Navigation Signal Timing and Ranging - Global Positioning System) a ruský systém GLONASS (Globaľnaya Navigatsionnaya Sputnikovaya Sistema). Mezi plánované globální navigační systémy patří čínský Compass (známý také jako Beidou - 2) a především projekt Evropské unie zvaný Galileo. Pro určení přesné polohy senzoru LiDARu se používá soustava přijímačů GPS/GLONASS, které jsou umístěny na palubě letadla. Pro příjem signálu je nutná viditelnost alespoň čtyř satelitů, pro větší přesnost je potřeba však alespoň šest satelitů a využít metody DGPS (Differential Global Positioning System), (Pavelka et al., 2011). DGPS se dělí na SBAS (Satellite Based Augmentation Systems) a GBAS (Ground Based Augmentation Systems). SBAS je obecný název pro systém geostacionárních družic a pozemních monitorovacích stanic, které v reálném čase vyhodnocují aktuální stav kosmického segmentu GNSS a stav ionosféry. Vypočítávají korekce těchto vlivů a tato data s malým časovým zpožděním vysílají k uživatelům skrze družice 11

na geostacionární dráze. Tyto systémy zjišťují velikost chyby GNSS a posílají ji přístrojům. V Evropě jsou tyto korekce přijímány pomocí systému EGNOS (European Geostationary Navigation Overlay Service). GBAS je obecný název pro systém pozemních referenčních stanic, které v reálném čase vyhodnocují aktuální stav kosmického segmentu GNSS. Vypočítávají korekce vzhledem ke své absolutní poloze a poskytují je uživatelům pomocí mobilních sítí, radiových vysílání nebo až zpětně pro korekce prováděné po skončení měření, což se nazývá postprocessing (Janata, 2011). Tato metoda se používá formou kombinace jedné referenční stanice na známém geodetickém bodě a jedné stanice na palubě letadla. Jestliže jsou na palubě letadla rozmístěny tři stanice, lze zjistit i hodnoty jeho náklonů (Dolanský, 2004). Každá část laserového skeneru měří velice přesná data opatřená časovým údajem. Aby celý systém fungoval, je samozřejmě nutná vzájemná komunikace těchto součástí. Rektifikaci naměřených dat zajišťuje zpracovávací a kontrolní jednotka. Laserový skenovací systém je dále možné doplnit o multispektrální nebo hyperspektrální kameru. (Pavelka et al., 2011)

Obr. č. 2 Princip leteckého laserového skenování

12

3.3. Typy leteckých laserových skenerů Letecké laserové skenery můžeme rozdělit na ty, které snímají jednotlivé diskrétní odrazy (Discrete Return, dále DR), typicky čtyři, a tzv. full-waveform skenery (FWF skenery), jak je již zmíněno v kapitole 3.2.1. Vzhledem k velkému počtu výrobců jsou popsány pouze modely, které používá firma GEODIS BRNO.

Obr. č. 3 Princip full–waveform leteckých laserových skenerů (Pavelka et al., 2011)

Leica ALS50 – II – Discrete Return skener Druhá generace skeneru ALS50 švýcarské firmy Leica Geosystems AG umožňuje volit mezi rychlým sběrem dat a vysokou hustotou dat, pomocí které je možné dosáhnout vynikající přesnosti. Provozní výška letu je 200 m – 6000 m (skener může být nesen vrtulníkem, zároveň může být použit pro skenování velmi rozsáhlých území). Pulsní frekvence je 150 kHz (PRR – Pulse Repetition Rate), maximální záběr (FOV – Field of View) 75°. Skener dále nabízí automatickou kompenzaci snosu letadla při bočním větru, možnost registrace až 4 odrazů a nastavitelný výkon laseru. Součástí je také středoformátová digitální kamera a HDD o kapacitě 300 GB, což umožňuje skenovat až 17 hodin při maximální frekvenci vysílání paprsku (Leica, 2007)

13

Obr. č. 4 Laserový skener Leica ALS50-II

RIEGL LMS Q-680i – full-waveform skener LMS Q-680i je nejmodernější letecký laserový skener rakouské společnosti RIEGL Laser Measurement Systems GmbH. Jedná se o full-waveform skener, tzn., že umožňuje zachytit neomezený počet odrazů. Model Q-680i využívá tzv. Multiple Time Arround (MTA). Jedná se o technologii, která umožňuje zvětšit frekvenci vysílání laserových pulzů a zvýšit tak letovou hladinu pro pořizování dat nebo zvýšit hustotu mračna bodů. MTA umožňuje vyslat paprsek dřív, než se předchozí vrátí do skeneru. Obdobný systém Multiple Pulse in Air (MPiA) využívá i firma Leica u svého nového leteckého skeneru. Součástí LLS je i záznamové zařízení DR560-RD s kapacitou 1 TB (Pavelka et al., 2011). Q-680i vysílá paprsky frekvencí až 400 kHz, v blízkém infračerveném spektru. Provozní výška letu je 30 m – 5 500 m. Maximální záběr činí 60° (RIEGL, 2010).

14

Obr. č. 5 Systém LiteMapper 6800 firmy IGI GmbH a letecký laserový skener RIEGL LMS – Q680i s příslušenstvím pro autonomní určování polohy skeneru GPS/ IMU

15

4. Metodika a materiál 4.1 Popis lokality Území, kde probíhalo letecké laserové skenování a následně i srovnávací pozemní měření, se nachází na území Školního lesního podniku Masarykův les Křtiny, na polesí Bílovice nad Svitavou, v katastrálním území Útěchov u Brna (viz příloha č. 11). Dle výpisu z hospodářské knihy LHP (Lesprojekt, 2002) pro období od 1. 1. 2003 do 31. 12. 2012 má porost použitý pro srovnávací měření následující charakteristiky: Porost: 42 A 11

Terénní typ: 31

Plocha porostu: 9,29 ha

Obmýtí: 110 let

Věk: 105 let

Obnovní doba: 40 let

Zakmenění: 9

Hospodářský způsob: podrostní

Lesní typ: 3B2

PLO: 30 Drahanská vrchovina

Hospodářský soubor: 446 Textový komentář: Zvlněný SV svah. Kvalitní kmenovina se skupinami nárostů v proředěných částech. EVKP Dlouhé vrchy. Těžba mýtní - clonná seč ve více částech. Na JZ vtroušena DG. Tab. č. 1 Taxační veličiny převzaté z hospodářské knihy LHP Dřevina Zastoupení Výška Výč. tloušťka Zásoba na ha Hmotnatost BK

71 %

28 m

41 cm

271 m3

1,9 m3

DBZ

18 %

24 m

29 cm

52 m3

0,79 m3

BO

6%

23 m

33 cm

18 m3

0,89 m3

MD

3%

29 m

36 cm

12 m3

1,39 m3

SM

2%

30 m

34 cm

12 m3

1,27 m3

Vzhledem k roku zpracování LHP a použití pouze části porostu pro srovnávací měření mají taxační veličiny pouze informativní charakter a nelze je použít pro porovnání přesnosti LLS.

16

4.2 Letecké laserové skenování Letecká laserová skenování Školního lesního podniku Masarykův les Křtiny proběhla dvě. První LLS se uskutečnilo dne 14. 6. 2009 skenerem ALS50-II. Letová výška byla přibližně 1395 m (Cibulka, Mikita, 2010). Kočtař (2011) uvádí, že průměrná pokryvnost bodového mračna byla 4,67 bodů/m2. Druhé LLS bylo provedeno v roce 2011 pomocí skeneru RIEGL LMS - Q680i. Zde se však jednalo o několikanásobný testovací křížový let a tudíž hustota bodového mračna byla 104,5 bodů/m2 (všech vrácených ech). Parametry skenování ze všech přeletů jsou v tabulce č. 2. Tab. č. 2 Parametry všech laserových skenování provedených nad porosty v k. ú. Útěchov u Brna leteckým skenerem Riegl – křížový let Číslo Hustota Výška FOV skenování bodů na m2 letu (m) 1 2 3 4 5

20 9 2 6 1

300 500 1000 700 1200

60 60 60 60 60

PRR (kHz)

Počet řad

400 300 150 300 80

9 7 5 2 2

Délka řad (km) 37,4 27,6 16,8 6,1 6,1

Obě dvě skenování zajistila firma GEODIS BRNO, spol. s r.o. vlastní technikou, přičemž u prvního skenování provedla zároveň filtraci a klasifikaci dat. Pro zpracování této bakalářské práce však bylo použito dat z modernějšího skeneru RIEGL LMS – Q680i a filtraci spolu s klasifikací prováděl autor práce. 4.3 Pozemní měření Pro porovnání přesnosti leteckého laserového skenování byla zpracována část porostu 42 A 11 o výměře 0,85 ha a přilehlá nelesní plocha o výměře 1,69 ha. K měření na nelesní ploše byl použit GNSS duální přijímač Topcon Hiper Pro. Měřič prošel s přijímačem celou plochu a zaznamenával polohu bodů na terénu každých pět sekund. Pro zpřesnění výsledků byly použity RTK korekce (Real Time Kinematic) ze sítě pozemních stanic CZEPOS. Tyto korekce probíhají v reálném čase a dosahovaná přesnost je 10mm + 1.0ppm horizontálně a 15mm + 1.0ppm vertikálně (Topcon, 2012). Dále byla pro měření použita totální stanice Topcon GPT-9003M, s kterou bylo zaměřeno 150 bodů na terénu nelesní plochy, a na lesní ploše byly zaměřeny polohy 126 stromů, které zároveň sloužily jako body na terénu pro výpočet DMT. Přesnost této totální stanice je 2mm + 2ppm a dosah na 1 hranol 3000m. Přístroj umožňuje 17

i bezhranolové měření, které však nebylo využito, protože nebyly zaměřovány přímo paty kmenů, ale svislice vrcholů korun stromů. Vlastnímu zaměření polohy předcházelo vytvoření měřičské sítě a přechodné stabilizování jednotlivých tachymetrických stanovisek dřevěným kolíkem. Na prvním stanovisku se nejprve zaměřila orientace na známý geodetický bod a dále pak maximální možný počet podrobných bodů (polohy stromů a body na terénu). Na dalších stanoviscích se postupuje obdobně s tím rozdílem, že známý geodetický bod je vlastně předchozí stanovisko. Výška stromu je definována jako svislá vzdálenost mezi horizontální rovinou protínající nejvyšší vegetační orgán stromu a horizontální rovinu protínající patu kmene. Sequens (2005) rozlišuje výšku pravou a výšku svislou. Výška pravá je vzdálenost dvou rovin kolmých k ose stromu vedených vrškem a patou stromu. Výšku svislou Sequens definuje jako vzdálenost dvou rovnoběžných rovin vedených vrcholem a patou stromu. Na stromě, který je většinou od svislice nakloněn, proto měříme zpravidla výšku svislou. Proto tedy nezjišťujeme polohu paty kmene, ale polohu svislice vrcholu koruny stromu. Při tachymetrickém měření se tudíž odrazný hranol neumisťuje k patě kmene, ale na místo kde svislice vrcholu stromu protíná terén. Jelikož se na výzkumné ploše vyskytovalo značné množství nakloněných stromů, určení této svislice byl přikládán velký význam. Vlastní měření výšky probíhalo výškoměry založenými na trigonometrickém principu tj. principu stejnolehlosti pravoúhlých trojúhelníků (Sequens, 2005). Jednalo se o elektronické výškoměry TruPulse 360B firmy Laser Technology, Inc. a Vertex VL-402 Laser firmy Haglöf Sweden AB. Tyto výškoměry nejprve pomocí laserového dálkoměru změří vzdálenost ke stromu, poté pomocí sklonoměru určí úhel na patu stromu a úhel na vrchol stromu a následně na základě trigonometrických funkcí vypočítají výšku stromu. Vzhledem k měření lesního porostu s podrostem, byl u výškoměru zvolen cílový mód FARTHEST, kdy je měření laserem prováděno po celou dobu stisku tlačítka FIRE a zaznamenává se nejdelší vzdálenost. Tímto je možno eliminovat odrazy od podrostu (Laser Technology, 2011). Vertex VL-402 Laser umožňuje měřit módem HEIGHT 2P Laser 2-point Measuring, kdy se vzdálenost a úhel na patu i vrchol měří laserem. Tato metoda je vhodná pro měření nakloněných objektů (Haglöf, 2009). Od vrcholů listnatých stromů se však po opadu listí laser nemůže odrazit a ve vegetační době se zas odráží od bočních větví, nikoliv od vrcholu. Pro většinu měření tudíž tato metoda není vhodná. 18

Z důvodu zajištění větší přesnosti byla výška každého stromu měřena třikrát, pokaždé z jiného směru. Nesmělo však dojít k porušení metodiky ÚHÚL (2003), která říká, že nakloněné stromy se měří po vrstevnici kolmo na směr naklonění, případně se používá zvláštního postupu (Obr. č. 6).

Obr. č. 6 Speciální postup měření nakloněných stromů (ÚHÚL, 2003) Výšky stromů se měřily z vhodného místa v porostu, tak aby z tohoto místa bylo dobře vidět na vrcholek stromu a na jeho patu. Minimální odstupová vzdálenost od stromu se rovnala odhadnuté výšce stromu. Tuto zásadu je třeba dodržet především při měření listnáčů, u kterých je nutno navíc vyhledat bod, ve kterém se dotýká horizontální rovina obrysové křivky koruny (Obr. č. 7). Měření proti svahu se neprovádělo (může dojít k výraznému zkreslení výšek). Veškeré výše zmíněné zásady vycházejí z metodiky venkovního sběru dat pro Národní inventarizaci lesů v letech 2001 – 2004 (ÚHÚL, 2003).

19

Obr. č. 7 Měření výšek listnatých dřevin (dodržování přiměřené odstupové vzdálenosti)

4.4 Zpracování dat 4.4.1 TerraScan Pro filtraci a klasifikaci bodového mračna bylo použito softwaru TerraScan od finské firmy TerraSolid. TerraScan není samostatný software, ale nadstavba pro Bentley Microstation V8i specializovaná pro zpracování dat z laserových skenování. Umí zpracovat miliony bodů a je všestranným nástrojem pro mapování elektrických vedení, modelování povodní, návrhy silnic, aplikaci v lesnictví, vytváření modelů měst a pro mnoho dalšího. Aplikace načítá body z XYZ textových souborů nebo z binárních souborů. Program pak umožňuje trojrozměrně zobrazit body, klasifikovat je do jednotlivých tříd (ať už manuálně nebo automaticky), klasifikovat 3D objekty, odstraňovat chybné nebo zbytečné body, detekovat rozvody elektrické energie a střechy staveb, vektorizovat budovy, rozvody elektrické energie i stožáry, exportovat barevné rastrové obrazy a vykreslit body do různých profilů (Soininen, 2011). Po načtení souboru ve formátu LAS 1. 2. byly body klasifikovány a odstraněny hrubé chyby. Body se klasifikují do několika tříd. V tabulce č. 3 jsou uvedeny kódy tříd specifikované ASPRS (American Society of Photogrammetry and Remote Sensing). 20

Tab. č. 3 Standard ASPRS pro třídy LiDARových bodů (ESRI, 2011) Classification Value 0 1 2 3 4 5 6 7 8 9 10 11 12 13-31

Meaning Created, never classified Unclassified Ground Low Vegetation Medium Vegetation High Vegetation Building Low Points (noise) Model Key-Points (mass points) Water Reserved for ASPRS Definition Reserved for ASPRS Definition Overlap Points Reserved for ASPRS Definition

Pro roztřídění bodů do jednotlivých tříd byly použity nástroje automatické klasifikace a to v následujícím pořadí: 

Isolated Points – klasifikuje osamocené body (hrubé chyby). Nástroj vyhledá body, které ve zvoleném okruhu nemají určený počet sousedů. Počet sousedů je obvykle 1-5 a okruh vyhledávání 2 – 10 metrů. Tyto body byly přesouvány do třídy 1.



Low Points – klasifikuje body nižší než ostatní. Slouží k filtraci chybných bodů, které jsou zjevně pod terénem. Zadává se maximální počet bodů, které budou takto klasifikovány a minimální výškový rozdíl, který je obvykle 0,3-1,0 m. Umožňuje také klasifikovat body jen v určitém výběru. Body nižší než ostatní byly přesouvány do třídy 1.



Air Points – klasifikuje body vyšší než ostatní (chybné shluky bodů). Pro každý bod najde tato metoda všechny sousední body v rámci daného okruhu vyhledávání. Pokud se tyto body odchylují více než o zadanou směrodatnou odchylku od průměrné výšky, budou přesunuty do třídy 1. Zadává se okruh vyhledávání (obvykle 2-10 m) a minimální počet bodů v daném kruhu.

21



Ground – klasifikuje body, které leží na terénu. Funkce vyhledá několik lokálně nízko položených bodů, z nich vytvoří TIN a ten iteračně doplňuje dalšími body, pokud nepřekračují danou mez. Tímto klasifikuje body do třídy 2. Zadává se maximální iterační úhel (pro ploché terény 4°, pro kopcovité terény 10°) a maximální iterační vzdálenost.

Obr. č. 8 Princip funkce Ground (Soininen, 2011) 

By height from ground – klasifikuje body podle vzdálenosti od terénu. Používá se pro rozlišení nízké, střední a vysoké vegetace (třídy 3-5).

Je možno samozřejmě využít postupů manuální klasifikace, kdy body označujeme štětcem, obdélníkovým výběrem nebo vyznačíme linii a klasifikují se body buď pod anebo nad touto linií. Funkce Detect Trees umožňuje podle předem definovaných tvarů mračen bodů detekovat různé druhy stromy. Tímto se zabýval Barilotti (2009), když se pokoušel z dat LLS rozpoznat jednotlivé druhy stromů v alpském lese.

22

Obr. č. 9 3D vizualizace zpracovávaného mračna v TerraScanu

4.4.2 ESRI ArcGIS 10 Dalším softwarem, který byl použit pro zpracování dat z LiDARu, byl software ArcGIS 10 od americké firmy ESRI (Environmental Systems Research Institute, Redlands, USA). Program je dodáván ve třech verzích (ArcView, ArcEditor a ArcInfo), které se od sebe liší zejména možnostmi zpracování dat. Základním modulem je ArcMap, ve kterém se zobrazují a editují veškerá data spravovaná ArcCatalogem. V ArcToolboxu jsou k dispozici veškeré (v závislosti na počtu nainstalovaných extenzí) nástroje pro zpracování dat (Klimánek, 2006). Použity byly extenze 3D Analyst Tools a Spatial Analyst Tools Data ve formátu LAS se importovala do formátu shapefile nástrojem LAS to Multipoint. Nástroj umožňuje importovat nejen všechny body, ale i jejich část a to pomocí výběru třídy nebo pořadí odrazu. Pro následnou tvorbu digitální modelů povrchu byl zvolen import bodů prvního odrazu. Body byly ve formátu shapefile uloženy jako multipointy, tzn. jako shluky bodů, které v geodatabázi vypadají jako jeden bod. Tyto body se převedly na singlepointy pomocí nástroje Multipart to Singlepart a do atributové tabulky jim byla přiřazena Z souřadnice (informace o výškách bodů) nástrojem Add Z Information. Následovala tvorba digitálních modelů povrchu interpolačními technikami uvedenými níže. 23

IDW Nástroj používá pro interpolaci vektorových dat metodu inverzních vzdáleností (Inverse Distance Weighted). V algoritmu je možno specifikovat mocninu vzdálenosti (power) a určit způsob prohledávání okolí variabilně (počtem bodů a maximální vzdáleností) nebo fixně (vzdáleností a minimálním počtem bodů). Rozdílné hodnoty neměly na výsledek příliš vliv, proto byly ponechány v základním nastavení. Cibulka (2011) uvádí, že mezi nevýhody tohoto způsobu patří vytváření koncentrických izolinií kolem původních hodnot (bullʹs eyes) z důvodu nepravidelného rozložení vstupních dat. Jako další nevýhodu Cibulka uvádí nesprávné modelování některých terénních tvarů (vrcholy, deprese). Interpolace totiž směřuje k výslednému průměru, a proto výsledné interpolované hodnoty nemohou být větší než největší hodnota vstupních dat. Dochází tak ke zploštění interpolovaného území, což může mít vliv i při vytváření modelu povrchu korun. Natural Neighbor Metoda Natural Neighbor (metoda přirozeného souseda) vytváří z vektorových bodových dat Thiessenovy polygony. Vychází z předpokladu, že neznámé hodnoty bodů odpovídají hodnotě nejbližších známých bodů. Metoda šíří teritorium sdružené s bodem a pokračuje do doby, než narazí na teritorium sousedního bodu, které je zpracováváno obdobně. Výsledkem je mozaika polygonů (Klimánek, 2006).

Obr. č. 10 Princip vytváření Thiessenových polygonů (Burrough a McDonnell, 1998, In Klimánek, 2006)

24

Overwatch Lidar Analyst Vedle klasických interpolačních metod pro tvorbu digitálních modelů povrchu byly otestovány možnosti nadstavby Lidar Analyst pro ArcGIS od společnosti Overwatch Systems, Ltd. Nadstavba je jedním z předních řešení pro data z leteckého LiDARu, a obsahuje několik funkcí využitelných v lesnictví. Lidar Analyst umí sesbírat informace o prvcích na digitálním modelu povrchu, jako jsou budovy, lesy, stromy atd. Pomocí nástroje BareEarth byl z mračna bodů extrahován holý terén a vytvořen DMT. BareEarth funguje na základě porovnávání sklonu okolních bodů, kdy se pro výpočet DMT použijí pouze body, které leží na přímce, která svírá s vodorovnou linií určitý úhel. Definování tohoto úhlu chce určitou praktickou zkušenost, případně použít několik nastavení, dokud se nedosáhne požadovaného výsledku. Digitální model povrchu vytvoříme pomocí příkazu Convert LAS File to Raster with Filtering v nabídce Point Cloud Tools. Máme na výběr tvorbu DMP na základě výšek bodů nebo rastrového obrazu intenzity odrazu bodů. Software pomocí tohoto rastrového obrazu umí určit hranice lesního porostu, detekovat jednotlivé stromy a určit jejich výšku, výčetní tloušťku kmene a šířku koruny. Nutno však podotknout, že poměrně přesně umí program určit hranice lesního porostu (viz příloha č. 6), nikoliv však vylišit všechny stromy a určit jejich taxační veličiny. Vyšší pravděpodobnost úspěšného zjištění taxačních veličin byla zjištěna u stromů solitérních, případně u stromů výrazně převyšujících průměrnou výšku porostu, jelikož laser je schopný lépe kopírovat průběh kmene a koruny. Větší použitelnost se předpokládá u porostů s nízkým zakmeněním, s termínem skenování v době dormance.

Focal Statistics Jak je vidět na vizualizaci digitálního modelu povrchu korun a srovnávacího pozemního měření výšek stromů v programu ArcScene (příloha č. 8), DMP necharakterizuje zcela tvar korun a vzhledem k nepřesnostem při pozemním zaměřování polohy stromů se svislice vrcholu koruny nenachází přesně v místech lokálních extrémů DMP, což jsou vlastně vrcholy skenovaných stromů. Proto je třeba využít nástroj Focal Statistics, který patří mezi filtrační metody. Focal Statistics provádí analýzu kontinuity v okolí a vytváří výstupní rastr, kde hodnota pro každou buňku je funkcí hodnot všech vstupních buněk, které jsou v určeném okolí kolem tohoto místa. Algoritmus vypočítá pro každou buňku 25

statistiku pro určené okolí. Hodnota zpracovávané buňky se mění podle okolí. Jednotlivá okolí buněk se vzájemně překrývají (ESRI, 2011). Tvar okolí může být mezikruží (Annulus), kruh (Circle), obdélník (Rectangle) nebo klín (Wedge). Vzhledem k tvaru korun byl pro filtraci digitálního modelu povrchu korun zvolen kruhový tvar okolí. Bylo však vytvořeno několik filtrovaných rastrových obrazů, vždy s jinak definovanou velikostí okolí. Pro každou interpolační metodu (IDW, Natural Neighbor) byly použity velikosti okolí o poloměrech 4 m, 3 m, 2 m, 1 m, 0,5 m, 0,25 m, 0,15 m, 0,1 m, 0,05 m a pro srovnání se použil i rastr bez provedené fokální statistiky. Z nadstavby Lidar Analyst bylo vytvořeno celkem šest DMP s poloměrem velikosti okolí 6 m, 5 m, 4 m, 3 m, 2 m, 1 m a jeden DMP bez provedené fokální statistiky. Celkem tedy bylo vygenerováno interpolačními metodami IDW, Natural Neighbor, nadstavbou Lidar Analyst a následnou fokální statistikou dvacet sedm rastrových obrazů digitálních modelů povrchů korun. U všech výpočtů byl použit high-pass filtr, což znamená, že nástroj každou buňku přepisoval nejvyšší hodnotou v definovaném okolí (Statistics type = Maximum). Point Statistics Nástroj Point Statistics provádí operace s okolím přímo na mračnu bodů a vytváří výstupní rastr. Je podobný nástroji Focal Statistics s tím rozdílem, že nepůsobí na rastru a není potřeba předchozí interpolace. Jednou z výhod provádění operací přímo na mračnu bodů je, že se tyto body neztrácejí v převodu na rastr, leží – li příliš blízko u sebe. Pokud v definovaném okolí buňky není žádný další bod, nástroj přiřadí buňce nulovou hodnotu. Tento rozdíl oproti Focal Statistics se projevuje trhlinami ve vytvořeném DMP, viz příloha č. 8 (ESRI, 2011). Vzhledem k velké výpočetní náročnosti bylo mračno před samotným použitím funkce Point Statistics ořezáno nástrojem Clip. Nastavení Point Statistics bylo obdobné jako u fokální statistiky s tím rozdílem, že výstupních rastrů bylo pouze šest a to s definovaným kruhovým okolím buňky o poloměru 4 m, 3 m, 2 m, 1 m, 0,5 m a 0,25 m. Výpočet s menším poloměrem kruhového okolí buňky se nezdařil.

26

Spatial Join Na obr. č. 11 je 3D vizualizace mračna bodů na podkladové vrstvě DMP vytvořeného pomocí Lidar Analyst (verze ve větším rozlišení je v příloze č. 9). Jak je z obrázku patrné DMP leží níže než body odražené od vrcholových partií stromu. Je to pravděpodobně z toho důvodu, že interpolační techniky nepočítají pouze vrcholové body jako body v DMP, ale všechny body v prvním odrazu a mezi nimi se v závislosti na použité metodě prokládá křivka povrchu, která je všechny průměruje. Vyvstává pak otázka, zda není přesnost LLS nejvíce znehodnocena interpolací a zda není lepší pracovat přímo s mračnem.

Obr. č. 11 3D vizualizace mračna bodů v programu ArcScene K vyhodnocení přesnosti samotného mračna bodů byl použit nástroj Spatial Join, který připojuje atributy z jednoho souboru bodů (mračno bodů) do druhého (body vrcholů stromů změřených pozemně) na základě jejich prostorového vztahu. Nejlepší výsledky dával nástroj při nastavení parametru Intersect 3D, který připojuje body z mračna, které jsou v nejbližší vzdálenosti od vrcholu stromu změřených pozemním měřením.

27

5. Výsledky V lesním porostu o výměře 0,85 ha byly změřeny výšky 126 stromů. Každý strom byl změřen třikrát. Průměrná směrodatná odchylka třech hodnot získaných z jednoho stromu byla 0,26, přičemž maximální odchylka činila 1,02 (viz příloha č. 1). Mezi nejvyšší dřeviny porostu patřila Pseudotsuga menziesii Mirb., spolu s několika jedinci Larix decidua Mill., Fagus silvatica L. a Quercus petraea Matt. Nejnižší etáž tvořil především Carpinus betulus L., ale i několik stromů Fagus silvatica L. a Quercus petraea Matt. Tab. č. 4 Zastoupení dřevin a jejich průměrné výšky Druh dřeviny DB BR BK BO TR DG HB LP MD Jehličnany Listnáče Všechny dřeviny

Počet 35 3 36 2 2 12 34 1 1 15 111 126

Zastoupení Průměrná Největší (%) výška (m) výška (m) 28 16,87 27,63 2 19,86 21,07 29 18,38 30,70 2 21,90 23,43 2 14,08 15,00 10 27,75 34,53 27 12,31 18,23 1 15,80 15,80 1 29,27 29,27 12 27,07 34,53 88 15,98 30,70 100 17,30 34,53

Nejmenší výška (m) 6,90 18,57 8,40 20,37 13,17 18,90 8,73 15,80 29,27 18,9 6,90 6,90

Průměrná výška stromů byla z tabulky Microsoft Excel vložena do atributové tabulky shapefile souboru s polohou stromů zaměřených tachymetricky. Tyto výšky stromů byly pomocí Field Calculatoru přičteny k nadmořské výšce polohy svislice vrcholu stromu na terénu a tím byla zjištěna nadmořská výška vrcholu stromu v systému Balt po vyrovnání (Bpv). Z každého rastrového digitálního modelu povrchu pak byla získána hodnota výšky bodu v místě, kde svislice vrcholu stromu zaměřená tachymetricky protíná rastrový model. K tomu bylo využito nástroje Extract Multi Values to Points. Nadmořské výšky korun stromů byly od sebe odečteny a tím byly získány odchylky hodnot získaných z DMP vytvořeného z mračna bodů od hodnot zjištěných pozemním měřením. Program ArcMap dále umožňuje zobrazit statistiku všech těchto odchylek příkazem Statistics v okně atributové tabulky. Zde jsou pro 28

následné výpočty nejdůležitější položky Mean (systematická chyba Deviation (směrodatná odchylka

) a Standard

), protože pro vyhodnocení přesnosti byl zvolen

výpočet úplné střední kvadratické chyby

(RMSE – Root Mean Square Error). Mezi

těmito veličinami platí vztah: √ Jelikož bylo zjištěno, že se výrazně mění přesnost ve vztahu k výšce a druhu stromu, byly stromy pomocí SQL příkazů roztříděny do skupin podle jejich výšky. Zároveň byly vylišeny skupiny jehličnanů a listnáčů. Pro každou skupinu pak byla vypočítána úplná střední kvadratická chyba a zapsána podle velikosti použitého okolí high-pass filtru do tabulky (viz. příloha č. 2). V tabulce č. 5 jsou zaznamenány nejnižší střední kvadratické chyby ze všech použitých okolí bodu pro jednotlivé nástroje v daném výběru stromů. Červeně jsou označeny nejnižší střední kvadratické chyby v každé skupině stromů. Tab. č. 5 Úplné střední kvadratické chyby nástrojů v jednotlivých skupinách stromů Výběr Natural Neighbor všechny 5,5869 nad 30 m 1,7128 nad 25 m 2,9118 nad 20 m 2,1887 nad 15 3,0444 nad 10 5,2389 Jehličnany 1,1225 Listnáče 5,9017 Průměr odchylek 3,4635

IDW 5,4969 1,7601 3,0108 2,2252 3,0400 5,1746 1,0980 5,8021 3,4510

Point Statistics 5,8580 1,6627 3,5698 2,5928 2,9770 5,3791 1,2696 6,2133 3,6903

Lidar Analyst 5,4975 2,4028 2,3110 2,1380 3,2588 5,0739 1,7380 5,7975 3,5272

Jak je patrné z tabulky, úplné střední kvadratické chyby DMP jsou vysoké. Nejlepší výsledky poskytl nástroj IDW, který měl nejnižší průměr odchylek ze všech skupin stromů a zároveň nejpřesněji určil výšku celého porostu (se střední kvadratickou chybou 5,4969). Také měl nejnižší chybu u jehličnanů (1,0980). Nástroj IDW pracuje totiž nejlépe s vysokou hustotou bodů. Podobné výsledky byly u nástroje Natural Neighbor. Nečekaný výsledek se objevil u nadstavby Lidar Analyst, který měl nejnižší kvadratickou chybu celkem ve čtyřech kategoriích, především u vyšších a středních výšek stromů, avšak v kategorii stromů nad 30 m a u jehličnanů poskytl nejhorší výsledky. Nejlepší výsledky měl u listnáčů a u stromů nad 10 m. Výšku celého porostu

29

určil skoro se stejnou chybou jako metoda IDW (

=5,4975). Jako nejhorší se ukázal

nástroj Point Statistics, byť nejpřesněji určil výšku nejvyšších stromů. Jinou metodou bylo přímé vyhodnocení přesnosti mračna bodů nástrojem Spatial Join s parametrem Intersect 3D bez následné tvorby DMP pomocí interpolace. Přesnost mračna bodů se ukázala jako vynikající. Nástroj však dokázal zjistit výšky jen u 96 stromů (viz tabulka č. 6). Tab. č. 6 Úplné střední kvadratické chyby určení výšek stromů z mračna bodů Výběr stromů všechny zachycené nad 30 m nad 25 m nad 20 m nad 15 m nad 10 m jehličnany listnáče

Počet stromů 96 4 11 24 46 86 12 84

RMSE 0,4234 0,1218 0,4724 0,5001 0,4459 0,4101 0,4519 0,4192

Další metodou bylo využití automatické detekce stromů na základě intenzity odrazu a výpočet taxačních veličin v nadstavbě Lidar Analyst. Při porovnání s pozemním měřením bylo využito nástroje Spatial Join s parametrem CLOSEST, který ke každému stromu zaměřenému tachymetricky přiřadí nejbližší automaticky detekovaný strom z mračna bodů LLS (viz příloha č.3). Tab. č. 7 Střední kvadratické chyby určení výšek pomocí automatické detekce stromů Výběr stromů všechny detekované nad 30 m nad 25 m nad 20 m nad 15 m jehličnany listnáče

Počet stromů 44 4 5 18 31 8 36

RMSE 5,4623 2,7107 2,4293 2,9135 3,6208 3,3002 5,8349

Nástroj poskytl podobné výsledky jako interpolační metody, avšak vyhodnocení s využitím nástroje Spatial Join bylo zatíženo jednou chybou. Vzhledem k vertikálnímu zápoji porostu, křivosti stromů a určité chybě při tachymetrickém 30

zaměřování svislic korun se mohlo stát, že ke stromu detekovanému Lidar Analystem se připojil strom z jiné etáže, který však měl přibližně stejnou polohu. Proto se provedlo navíc ruční připojování stromů, kdy se kontrolovalo, aby připojený strom patřil do stejné etáže. Příklad: K stromu, který má výšku 35 metrů, se nepřipojí strom, který má 12 metrů, protože leží očividně v jiné etáži. Takto se podařilo k sobě připojit 27 výšek se směrodatnou odchylkou 2,0646. Průměr výšek určených Lidar Analystem byl 23,12 metrů a průměr výšek měřených výškoměrem byl 22,44 m, což lze hodnotit pozitivně. Vzhledem k malým odchylkám mezi jednotlivými výškovými třídami stromů a malým počtem stromů je zbytečná tabulka se středními kvadratickými chybami pro jednotlivé výškové třídy stromů (viz příloha č. 4). Dále byla vyhodnocena přesnost digitálního modelu terénu vytvořeného z dat leteckého laserového skenování pomocí funkce BareEarth v nadstavbě Lidar Analyst. Pro srovnání byl vytvořen DMT z terénních bodů zaměřených GNSS přijímačem a totální stanicí. Pro interpolaci byl použit nástroj Topo to Raster, který vytváří hydrologicky korektní DMT. Pomocí funkce Raster Math – Minus byl vypočítán rozdíl těchto dvou DMT (příloha č. 10) a vznikla mapa odchylek (viz obr. č. 12).

Obr. č. 12 Mapa odchylek DMT 31

Jak je patrné z mapy odchylek, přesnost DMT z LLS je zásadně ovlivněna lesním porostem, kde je několikanásobně horší (RMSE = 1,81 m, tab. č. 8). Největší odchylka vznikla v místech, kde se nachází hustý nárost, který se nepodařilo dokonale odfiltrovat. Na obr. č. 13 je znázorněn DMT z dat posledního odrazu bez filtrace a klasifikace bodů. Zde je vidět, že laserový paprsek nebyl schopný přes podrost a přes některé koruny proniknout a to i přes obrovskou hustotu bodů, která není při běžném leteckém laserscanningu ani zdaleka běžná. I kdyby se podařila dokonalá filtrace bodů neležících na podrostu, hustota bodů na terénu bude velmi nízká. Na nelesních plochách je naopak letecké laserové skenování velmi přesné (RMSE = 0,11 m) a plně porovnatelné s tradičními geodetickými metodami. Vzhledem k vysoké hustotě bodů LLS se však dají lépe modelovat singularity terénu.

Obr. č. 13 DMT z dat posledního odrazu bez filtrace bodů Tab. č. 8 Úplné střední kvadratické chyby a jiné statistiky DMT z dat LLS Statistika Min. Max. Polohová chyba Sm. odchylka RMSE

Bezlesí -0,53 0,72 0,00 0,11 0,11

32

Les -1,6 5,82 1,21 1,34 1,81

Vše -1,6 5,82 0,6 1,07 1,23

6. Diskuse Přesnost leteckého full-waveform skeneru Riegl LMS – Q680i je dle technických specifikací uváděna do 20 mm (Riegl, 2012). Dle Lohmanna (1999) je však chyba v horizontálním směru mnohem nižší. Pro tvorbu DMT se ukázala technologie LLS jako velmi vhodná. Vyskytly se však až zarážející odchylky v přesnosti DMT pod lesním porostem s nárosty (max. 5,82), což bylo dáno jednak neproniknutím laserového paprsku skrz některé koruny stromů a tím pádem nižší hustotou bodů na lesní ploše, a také nedokonalou filtrací nárostů, která vyžaduje určitou uživatelskou zkušenost. Navíc v době zpracování této bakalářské práce Ústav geoinformačních technologií LDF nedisponoval licencí na program TerraScan, který je pro zpracování dat z LLS určen, a tudíž byla pro filtraci a klasifikaci dat použita zkušební desetidenní verze tohoto produktu. Během této zkušební doby nebylo možné z TerraScanu získat uspokojivé výsledky, a proto bylo využito pro tvorbu DMT nástroje BareEarth nastavby Lidar Analyst pro ArcGis 10. BareEarth pracuje, podobně jako funkce Ground v TerraScanu, na principu porovnávání sklonu. Cibulka (2011) uvádí střední kvadratické chyby DMT pěti různých ploch vytvořeného funkcí Topo to Raster v rozmezí 0,25 až 0,46, k dispozici však měl již klasifikovaná data. Cibulka (2011) dále uvádí, že je LLS přesnější než dosud využívaná data ze ZABAGED (Základní báze geografických dat). Dalším úkolem bylo analyzovat přesnost LLS pro využití při modelování lesních porostů. Přesnost určení výšky jednotlivých stromů přímo z mračna bodů pomocí nástroje Spatial Join byla velmi vysoká. Výsledky tohoto nástroje je však třeba brát, především u stromů v nižší etáži, s určitou opatrností. Při práci se stromy nižší etáže se totiž může stát, že nástroj nepřiřadí ke stromu bod z mračna, který leží na vrcholu jeho koruny, ale bod ležící na kmeni stromu z horní etáže. U nejvyšších stromů je však úplná střední kvadratická chyba určení výšky jen 0,1218 a zde právě nehrozí chyba přiřazení k bodu ležícím na jiném kmeni. Vizuální kontrola bodového mračna v programu ArcScene potvrzuje velmi vysokou přesnost dat. Jako velký problém se však ukázalo vytvoření přesného digitálního modelu povrchu korun, který by kupříkladu sloužil jako tematická vrstva na WMS serverech ÚHÚL, ŠLP Křtiny, CENIA apod. pro určování výšek porostů. DMP vytvořený interpolačními nástroji ArcGISu byl zatížený celkem velkou chybou. Mezi interpolačními nástroji Natural Neighbor a IDW nebyl zjištěn významný rozdíl. 33

Výsledky se však významně lišily, pokud byla střední kvadratická chyba zjišťována pro rozdílné výškové třídy stromů. DMP vytvořený z bodů prvního odrazu totiž tvoří horní obalovou vrstvu porostu. Jelikož byly měřeny všechny stromy s výčetní tloušťkou nad 7 cm (hroubí), mnoho nižších pod DMP zaniká. Proto pokud vypočítáme střední kvadratickou chybu pro stromy od určité výšky, dostaneme mnohem lepší výsledky, než pokud hodnotíme všechny změřené stromy v porostu. I u stromů vyšších výškových tříd se však vyskytuje odchylka mnohem vyšší, než jaká byla zjištěna nástrojem Spatial Join. Je to způsobeno tím, že vzhledem k malému počtu bodů na vrcholech stromů a jejich poměru k počtu bodů v nižších částech stromů nebyly tyto vrcholové body brány v úvahu do interpolace, což vychází z principu interpolačních metod. Příkladem je právě metoda IDW, která přiřazuje váhu jednotlivým bodům podle jejich vzdálenosti od ostatních bodů. Čím více je bod vzdálený od ostatních, tím má nižší váhu. Čím je tato váha nižší, tím více se interpolovaná hodnota blíží ostatním bodům. Přesto se IDW analýza pokouší zahrnout do interpolace všechny body. Kočtař (2011) uvádí IDW metodu jako nejméně přesnou, ale toto vyhodnocení platí pro letecký skener Leica ALS-50-II s řádově mnohem nižší hustotou bodů. IDW metoda právě nejlépe pracuje, pokud je hustota bodů taková, že dostatečně pokrývá zájmový objekt. Zároveň však Kočtař použil jinou metodiku hodnocení výsledků. Vytvořený DMP byl však nejvíce ovlivněn použitou filtrační metodou, respektive velikostí okolí bodu, na které byl aplikován high-pass filtr. Pro stromy ve vyšších výškových třídách bylo výhodnější použít okolí bodu o větším poloměru, jelikož se tím eliminovala polohová chyba tachymetrického zaměření svislice vrcholu koruny stromu. Pro nižší stromy zase bylo výhodnější použít high-pass filtr s okolím bodu o nižším poloměru, jelikož se tyto nižší stromy pak tolik neztrácely pod DMP. Cibulka (2011) uvádí jako významný faktor ovlivnění přesnosti dat hustotu bodů. Při velkém rozestupu skenovacích řádků totiž dochází k vynechání nejvyššího bodu vrcholu koruny stromu a propadu bodů LLS do nižších částí korun. Dochází k tomu převážně u jehličnanů s úzkou korunou. Tento vliv je však možno u křížového letu letadla a použití full – waveform skeneru Riegl s hustotou 104,5 bodů/m2 vyloučit. Z dat použitých pro tuto práci byla nejpřesněji zjištěna výška právě u jehličnanů. Je to sice jednak dáno jejich vyšší průměrnou výškou (27,07 m), ale i přesto je zde úplná střední kvadratická chyba nejnižší (1,098), nižší než u stromů nad 30 metrů. Tohoto 34

výsledku bylo navíc dosaženo high-pass filtrem, který pracoval s okolím bodu pouze o poloměru 1 m. Toto bylo dáno především nižší křivostí jehličnanů, mnohem snadněji se u nich totiž hledala svislice vrcholu stromu, jelikož nebyly tak křivé jako listnáče. Pro určité aplikace v lesnictví může být velmi výhodné použití nadstavby Lidar Analyst pro ArcGIS. Zajímavá je především funkce automatické detekce stromů na základě analýzy intenzity odrazu a následný výpočet taxačních veličin, jako je výška stromu, šířka koruny a tloušťka kmene. Průměrná výška porostu byla tímto nástrojem zjištěna poměrně přesně. Je ovšem zajímavé, jak se programu Lidar Analyst podařila zjistit tloušťka kmene, jelikož na řezech provedených v programu TerraScan je vidět, že zde nejsou body, které by se od kmenů odrazily (Obr. č. 14, 15). Ovšem zjištěná průměrná tloušťka 43,39 cm koreluje s hodnotou uvedenou v LHP pro nejzastoupenější dřevinu BK v celém porostu (41 cm). Pravděpodobně byl výpočet výčetní tloušťky proveden na základě určitého štíhlostního kvocientu, který udává vztah mezi výškou stromu a jeho tloušťkou. Celkově Lidar Analyst poskytuje poměrné přesné výsledky a je možné jej hodnotit jako uživatelsky velmi příjemný.

Obr. č. 14 Řez mračnem bodů

35

Obr. č. 15 Řez mračnem bodů Jako nejvhodnější se však jeví již zmíněný program TerraScan, jelikož pracuje přímo s mračnem bodů a není zatížen chybou při interpolaci bodů. Po kvalitně provedené filtraci a klasifikaci bodů by bylo možné, za dostatečné hustoty bodů, vytvořit přesný DMT, zjišťovat výšky stromů a v případě provedení zimního skenování také jejich výčetní tloušťky. V zimě totiž listnatý porost není olistěn a laserový paprsek může lépe pronikat přes porost k terénu. Další možností by bylo provést skenování z vrtulníku při nižší náletové výšce, u kterého Aasland (2011) uvádí hustotu 10 – 100 bodů/m2, ale během jednoho přeletu plochu, nikoliv letem křížovým jako tomu bylo při skenování okolí Útěchova. Aasland

(2011) dále uvádí u vrtulníkového skenování

procentuální odchylku určení těchto veličin: 

střední výška - 5-10 %



tloušťka středního kmene - 10-15 %



zásoba na hektar – 5-15 %



počet stromů na hektar 5 – 20 %

Na řezu mračnem bodů, které bylo vytvořeno laserovým skenerem umístěným na vrtulníku, je znázorněno, že je možné zachytit průběh kmene a tedy odvodit objem kmene a následně zásobu porostu (obr. č. 16), ovšem jen u porostů s nedokonalým zápojem a u nezavětvených kmenů.

36

Obr. č. 16 Řez mračnem bodů – laserový skener na vrtulníku (Aasland, 2011) Při hodnocení přesnosti dat z LLS je třeba si položit otázku, jakou přesnost má vlastně srovnávací pozemní měření. Největší chybou bylo zatíženo určení polohy svislice vrcholu koruny stromu, jelikož na měřené ploše se vyskytovaly převážně listnáče, které byly velmi křivé, a svislice vrcholu se mnohokrát určovala obtížně. Diskutabilní je také samotné měření výšek elektronickým výškoměrem. Výškoměry sice samy o sobě disponují přesností určení výšky do 0,5 m, ale měření je zatíženo chybou měřiče. Zakmenění porostu bylo poměrně vysoké (9) a tudíž vlivem okolních stromů nebylo mnohokrát možné dodržet doporučenou minimální odstupovou vzdálenost rovnou předpokládané výšce stromu a zároveň křivé stromy měřit kolmo na směr naklonění. Někdy také, kvůli širokým korunám listnáčů, nebylo snadné určit vrchol stromů. Podobné problémy popisují i Cibulka, Mikita (2010) a Kočtař (2011). Při zohlednění všech těchto okolností by bylo možné spekulovat o tom, že letecké laserové skenování je pro určení výšky stromů přesnější než měření elektronickými výškoměry.

37

7. Závěr V této bakalářské práci bylo pro vyhodnocení přesnosti LiDARových dat použito několik různých nástrojů, které vykazovaly rozdílnou přesnost. Nakonec se ale podařilo dokázat, že technologie LLS je velice přesná a vhodná pro použití v oblasti lesního hospodářství, konkrétně v oblasti inventarizací lesa. Hlavní problémy se ovšem neukázaly v samotné přesnosti skenování, v chybách určení polohy jednotlivých bodů, ale při samotném zpracování dat. Pokud byla totiž vyhodnocována výška stromů přímo z mračna bodů, přesnost byla vynikající. Ovšem u výšek určených z digitálního modelu povrchu korun, který byl vytvořen z dat LLS, se objevily celkem vysoké odchylky od výšek změřených elektronickým výškoměrem. I po odfiltrování nízkých stromů, které zanikaly pod DMP, byla odchylka poměrně vysoká. To bylo dáno především chybou interpolace. Příliš velký rozdíl nebyl ani mezi jednotlivými interpolačními technikami. Dalším problémem byla hardwarová náročnost zpracování dat, což bylo dáno vysokou hustotou dat, jelikož bylo provedeno skenování křížovým letem za pomoci full-waveform skeneru. Jako velmi rychlá a uživatelsky příjemná se ukázala nadstavba LiDAR Analyst pro ArcGIS 10, která nejenže poskytuje interpolační nástroje pro tvorbu DMT a DMP, ale umí na základě intenzity odrazu detekovat jednotlivé typy objektů, v oblasti lesnictví jde především tedy o porostní skupiny a jednotlivé stromy. U těchto stromů dokáže spočítat výšku stromu, výčetní tloušťku a šířku koruny a to poměrně přesně, tedy alespoň pro nejvyšší stromy. Výhodou je, že se jedná o aplikaci pro ArcGIS 10, tudíž by zejména mladší absolventi lesního inženýrství neměli mít s používáním výraznější problémy. Jako nejlepší a nejprofesionálnější se však jeví aplikace TerraScan pro Microstation, jelikož pracuje s celým bodovým mračnem a využívá jej většina pracovníků s LiDARem. V této bakalářské práci bylo pomocí TerraScanu dokázáno, že termín skenování má pro určování taxačních veličin a tvorbu DMT z LiDARu zásadní význam, jelikož při snímkování ve vegetační době paprsky neprolétávají skrz porost na kmeny nebo na zem a zjišťování výčetních tlouštěk nebo průběhu terénu se stává obtížným. Letecké laserové skenování je pro inventarizaci lesů používáno především v USA, Kanadě, Latinské Americe a v Rusku, kde by klasické metody inventarizací byly vzhledem k rozsáhlým porostům značně neefektivní. Na základě analýzy přesnosti je však možné, pokud budou dodrženy správné metodické postupy skenování 38

a následného zpracování dat, doporučit tuto technologií jako doplňkovou metodu inventarizací lesů i u nás. Laserová skenování, ať už letecká nebo pozemní, zažívají v poslední době obrovský boom a procházejí překotným vývojem, a to především neustálým zvyšováním hustoty bodů, jak v horizontálním, tak vertikálním směru. V budoucnu se dá očekávat, že například nejen podle tvaru koruny, ale i pomocí analýzy intenzity odrazu bude možné determinovat jednotlivé druhy stromů. Každopádně výzkumu této technologie je třeba dále věnovat velkou pozornost.

39

8. Summary It was used several different tools that emerged different accuracy to evaluate the accuracy of the LiDAR data in this bachelor thesis. Finally, it has been proved that ALS technology was very accurate and suitable for the use in forestry, particularly in forest inventory. The main problems have not emerged in scanning accuracy itself (in position errors), but in the data processing. When the tree height was detected directly from the point cloud, the accuracy was excellent. But when the tree heights were detected from the digital surface model of the crowns, which was created from LiDAR data, there were relatively high deviations from the tree heights measured by the electronic altimeter. Even after filtering out low trees, which disappeared under the DSM, the deviations were relatively high too. This was primarily due to the interpolation error. It was not important the difference between the applied interpolation techniques. Another problem was the hardware requirements for the data processing because of the high data density, because it was performed the cross-scan using full-waveform scanner. The extension LiDAR Analyst for ArcGIS 10 has proved as very quick and user – friendly and it provides not only tools for creating interpolation DTM and DSM. It can detect through the return intensity the different types of objects as well, in the forestry they are mainly forest stand and individual trees. For these trees LiDAR Analyst can calculate quite accurately tree heights, diameter at the breast height and width of the crown, at least for the highest trees. It is an application for ArcGIS 10, consequently in particular to younger forest engineering graduates should not have big problems with the use. However, the best and most professional application seems to be TerraScan, the extension for Microstation, because it is working with the entire point cloud and most LiDAR workers use it. In this thesis it was proven by TerraScan that the term of scanning is critical for determining the mensurational variables and DTM creation from LiDAR data, because if the scanning is performing in the vegetation time, laser rays are not flying through the vegetation on the stems or ground and detection of diameters or terrain becomes difficult. Airborne laser scanning for forest inventory is using primarily in the USA, Canada, Latin America and Russia, where the classical methods of inventory was largely ineffective due to large forest stands. However, on the basis of the analysis accuracy (if they followed the correct methodological procedures of laser scanning and 40

subsequent processing of data) can be recommended this technology as an additional method for forest inventory in our country. Laser scanning, whether airborne or terrestrial, has recently experienced a huge boom and the galloping development, primarily by increasing the density of points in horizontal and vertical directions. In the future we can expect that, that it will be possible to determinate the individual tree species not only by the crown form, but also by analyzing the intensity of reflectance. Anyway, the attention must be given to research of this data in the future.

41

9. Seznam použitých zkratek 2D

two-dimensional

dvoudimenzionální

3D

three-dimensional

třídimenzionální

ALS

Airborne laser scanning

letecké laserové skenování

American Society

Americká společnost pro

of Photogrammetry and

fotogrammetrii a dálkový

Remote Sensing

průzkum Země

BK

Fagus silvatica L.

buk lesní

BO

Pinus sylvestris L.

borovice lesní

Bpv

Balt po vyrovnání

výškový systém

BR

Betula pendula Roth.

Bříza bělokorá

CENIA

Czech Environmental

Česká informační

Information Agency

agentura životního

ASPRS

prostředí CW

continuous-wave

CZEPOS

Czech Positioning System

Česká síť permanentních stanic GNSS pro určování polohy

DBZ

Quercus petraea Matt.

42

dub zimní

DG

Pseudotsuga menziesii Mirb.

douglaska tisolistá

DGPS

Differential Global

diferenciální globální

Positioning System

polohový systém

DMP

digitální model povrchu

DMT

digitální model terénu

DPZ

Dálkový průzkum Země

DR

Discrete Return

skenery, snímající jednotlivé odrazy

DSM

Digital Surface Model

digitální model povrchu

DTM

Digital Terrain Model

digitální model terénu

EGNOS

European Geostationary

Evropská geostacionární

Navigation Overlay Service

navigační služba

Environmental Systems

firma vyvíjející software

Research Institute

ArcGIS

ESRI

EVKP

Evropsky významný krajinný prvek

FOV

Field of View

zorné pole, šířka záběru

FWF

full-waveform

skenery zachycující celou křivku návratu signálu

43

GBAS

GLONASS

GNSS

GPS

Ground Based Augmentation

pozemní rozšiřující

Systems

systémy

Globaľnaya Navigatsionnaya

navigační systém ruské

Sputnikovaya Sistema

armády

Global Navigation Satellite

globální družicový

System

navigační systém

Global Positioning System

Globální polohový systém

HB

Carpinus betulus L.

habr obecný

HDD

Hard Disc Drive

pevný disk

IDW

Inverse Distance Weighted

metoda inverzních vzdáleností

IMU

Inertial Measurement Unit

inerciální měřičský systém

INS

Inertial Navigation System

inerciální navigační systém

JZ

jihozápad

LAS

formát souboru bodů z LLS

LHP

Lesní hospodářský plán

LiDAR

Light Detecting and Ranging

detekování a měření světla

44

LLS

letecké laserové skenování

LP

Tilia cordata Mill.

Lípa malolistá

MD

Larix decidua Mill.

Modřín opadavý

MLS

Mobile Laser Scanning

mobilní laserové skenování

MPiA

Multiple Pulse in Air

technologie umožňující zvýšení frekvence vysílání pulzu

MTA

Multiple Time Arround

technologie umožňující zvýšení frekvence vysílání pulzu

NAVSTAR – GPS

Nd:YAG

Navigation Signal Timing and navigační systém armády Ranging - Global Positioning

Spojených států

System

amerických

Neodym: ytrium aluminium granátu

PLO

Přírodní lesní oblast

PRR

Pulse Repetition Rate

frekvence vysílání paprsku

RMSE

Root Mean Square Error

úplná střední kvadratická chyba

RTK

Real Time Kinematic

diferenciální korekce GNSS ze sítě pozemních stanic probíhající v reálném čase

45

SBAS

Satellite Based Augmentation satelitní rozšiřující Systems

systémy

SM

Picea abies (L.) Karst.

smrk ztepilý

SQL

Structured Query Language

strukturovaný dotazovací jazyk

SV

severovýchod

ŠLP

Školní lesní podnik

TIN

Triangulated Irregular

datový model používaný

Network

pro ukládání dat DMT

Terrestrial Laser Scanning

pozemní laserové

TLS

skenování TR

Prunus avium L.

třešeň ptačí

ÚHÚL

Ústav pro hospodářskou úpravu lesa

WMS

Web Map Service

webová mapová služba

ZABAGED

Základní báze geografických dat

46

10. Seznam literatury 1. AASLAND T., PUCHRIK L., 2011. Využití dálkového průzkumu pro hospodářskou úpravu lesa, Blom, In Hospodářská úprava lesů ve zvláště chráněných územích, Trutnov, 44 s. 2. BARILOTTI, A., CROSILLA, F., SEPIC, F., 2009. Curvature Analysis of Lidar Data for Single Tree Species Classification in alpine Latitude Forests. Paris, France, ISPRS Workshop - Laserscanning'09, vol. 38, part 3/W8, 129–134 s. 3. BURROUGH, P., MCDONNELL, R., 1998. Principles of Geographical Information Systems. In KLIMÁNEK M., 2006. Digitální modely terénu. Brno, Mendelova zemědělská a lesnická univerzita v Brně, 85 s. ISBN 80-7157-982-3. 4. CIBULKA M., 2011. Přesnost digitálních modelů terénu odvozených z dat leteckého laserového skenování v lesních porostech. Brno, Disertační práce, MENDELU Brno, 181 s. 5. CIBULKA, M., MIKITA, T., 2010. Využití laserového skenování pro modelování DMT v lesních porostech. [CD-ROM], Praktické využití GIS v lesnictví a zemědělství. ISBN 978-80-7375-475-4. 6. DOLANSKÝ T., 2004. Lidary a letecké skenování. Ústí nad Labem, Univerzita Jana Evangelisty Purkyně, 100 s. 7. ESRI, 2012. ArcGIS 10 Desktop Help [online] citováno dne 25. 4. 2012. Esri Support. Dostupné na WWW: . 8. HAGLÖF, 2009. Vertex Laser VL402 User’s Manual. Haglöf Sweden AB, Längsele, Sweden, 44 s. 9. JANATA, P., 2011. Vliv uživatelského nastavení GPS přijímačů na přesnost určení polohy v podmínkách lesních porostů. Disertační práce, MENDELU Brno, 218 s. 10. KLIMÁNEK, M., 2006. Digitální modely terénu. Brno. Mendelova zemědělská a lesnická univerzita v Brně, 85 s. ISBN 80-7157-982-3. 11. KOČTAŘ, V., 2011. Hodnocení přesnosti leteckého laserového skenování pro tvorbu digitálních modelů povrchu. Bakalářská práce. MENDELU Brno. 53 s. 12. LASER TECHNOLOGY, 2009. Trupulse 360/360B User’s Manual 2nd Edition, Laser Technology, Inc., 43 s. 13. LEICA, 2007. Leica ALS50-II Airborne Laser Scanner [online] citováno dne 15. 3. 2012, Leica Geosystems AG, Informační brožura. 4 s. Dostupné na WWW: 47

14. LESPROJEKT, 2002. Hospodářská kniha Lesního hospodářského plánu, LHC ŠLP ML Křtiny, platnost od 1. 1. 2003 do 31. 12. 2012, Lesprojekt Brno. 15. LOHMANN P., KOCH A., 1999. Quality Assessment of Laser-Scanner-Data. Proceedings of ISPRS workshop "Sensors and Mapping from Space 1999", [CD-ROM], 9 s. 16. PAVELKA

ET

AL.,

K.,

FALTÝNOVÁ,

M.,

ŘEZNÍČEK,

J.,

PIKHARTOVÁ, L., SOUKUP, T., ŠUSTERA, J., VOHRADSKÝ, T., 2011. Možnosti monitorování stavu a změn v okolí hlavních komunikací metodami dálkového průzkumu Země a laserového skenování a jejich využití pro realizaci udržitelného rozvoje dopravy. Praha, ČVUT v Praze, Fakulta stavební, 194 s. 17. RIEGL, 2012. Datasheet LMS-Q680i [online], citováno 15. dubna 2012, RIEGL Measurement Units AG. Horn, Austria, 8 s. Dostupné na WWW: 18. SEQUENS, J., 2005. Dendrometrie, Studijní podklady [online] citováno dne 16. 3. 2012. ČZU Praha, 55 s. Dostupné na WWW: 19. SOININEN, A., 2011. TerraScan User’s Guide [online], citováno 1. dubna 2012. Dostupné na WWW: 20. TOPCON, 2012. Hiper Pro, [online] citováno dne 1. dubna 2012, TOPCON CORPORATION. Dostupné na WWW: 21. ÚHÚL, 2003. Inventarizace lesů. Metodika venkovního sběru dat. Ústav pro hospodářskou úpravu lesů. Brandýs nad Labem, 136 s. 22. USSYSHKIN, V., THERIAULT, L., 2011. Airborne Lidar: Advances in Discrete Return Technology for 3D Vegetation Mapping, Optech Incorporated, 19 s. ISSN 2072-4292. 23. VOILAND, A., 2010. First-of-its-Kind Map Depicts Global Forest Heights [online] citováno dne 1. března 2012, NASA. Dostupné na WWW:

48

11. Seznam obrázků a tabulek Obr. č. 1 Laserový skener (Pavelka et al., 2011) Obr. č. 2 Princip leteckého laserového skenování Obr. č. 3 Princip full–waveform leteckých laserových skenerů (Pavelka et al., 2011) Obr. č. 4 Laserový skener Leica ALS50-II Obr. č. 5 Systém LiteMapper 6800 firmy IGI GmbH a letecký laserový skener RIEGL LMS – Q680 s příslušenstvím pro autonomní určování polohy skeneru GPS/IMU Obr. č. 6 Speciální postup měření nakloněných stromů (ÚHÚL, 2003) Obr. č. 7 Měření výšek listnatých dřevin (dodržování přiměřené odstupové vzdálenosti) Obr. č. 8 Princip funkce Ground (Soininen, 2011) Obr. č. 9 3D vizualizace zpracovávaného mračna v TerraScanu Obr. č. 10 Princip vytváření Thiessenových polygonů (Burrough a McDonnell, 1998, In Klimánek, 2006) Obr. č. 11 3D vizualizace mračna bodů v programu ArcScene Obr. č. 12 Mapa odchylek DMT Obr. č. 13 DMT z dat posledního odrazu bez filtrace bodů Obr. č. 14 Řez mračnem bodů Obr. č. 15 Řez mračnem bodů Obr. č. 16 Řez mračnem bodů – laserový skener na vrtulníku (Aasland, 2011) Tab. č. 1 Taxační veličiny převzaté z hospodářské knihy LHP Tab. č. 2 Parametry všech laserových skenování provedených nad porosty v k. ú. Útěchov u Brna leteckým skenerem Riegl – křížový let

49

Tab. č. 3 Standard ASPRS pro třídy LiDARových bodů (ESRI, 2011) Tab. č. 4 Zastoupení dřevin a jejich průměrné výšky Tab. č. 5 Úplné střední kvadratické chyby nástrojů v jednotlivých skupinách stromů Tab. č. 6 Úplné střední kvadratické chyby určení výšek stromů z mračna bodů Tab. č. 7 Střední kvadratické chyby určení výšek pomocí automatické detekce stromů Tab. č. 8 Úplné střední kvadratické chyby a jiné statistiky DMT z dat LLS

50

12. Seznam příloh Příloha č. 1 Výšky stromů změřené elektronickým výškoměrem Příloha č. 2 Úplné střední kvadratické chyby DMP podle jednotlivých nástrojů, výškových tříd stromů a velikosti použitého okolí high-pass filtru Příloha č. 3 Automaticky detekované stromy nadstavbou LiDAR Analyst, jejich vypočítané taxační veličiny a srovnání s měřením výškoměrem – připojeno automaticky Příloha č. 4 Automaticky detekované stromy nadstavbou LiDAR Analyst, jejich vypočítané taxační veličiny a srovnání s měřením výškoměrem – připojeno ručně Příloha č. 5 Stromy detekované LiDAR Analystem a stromy zaměřené tachymetricky Příloha č. 6 Rastrový obraz intenzity odrazu, detekce porostu Příloha č. 7 2D porovnání high-pass filtrů o různých velikostech okolí Příloha č. 8 3D vizualizace digitálních modelů povrchu korun Příloha č. 9 Mračno bodů na podkladě DMP vytvořeného LiDAR Analystem Příloha č. 10 Překryt dvou DMT – vlevo DMT vytvořený z tachymetrického a GNSS měření, vpravo DMT vytvořený z dat LLS Příloha č. 11 Poloha zájmového území

51