Apport de la segmentation à l’estimation d’attributs dendrométriques à partir de données de LiDAR aérien
Résumé
Recent developments in the field of airborne laser scanning offer new possibilities to map different forest attributes and improve the accuracy of inventory estimates. In this work, two segmentation methods of the LiDAR point clouds were used to delineate « crowns »and assess the possible gain in precision associate to the use of these new variables for dominant height, basal area and volume estimations. Three (3) contrasting forest stands were studied. The information obtained using segmentation variables were compared to those obtained by the « classical » method using different height deciles or moments of LiDAR points taken from the entire plot. Calibration plots (33 in total) were selected in stands of maritime pine (Pinus pinaster) in Landes (11 plots); conifer in Aillons (12 plots) and hardwood stands in the « l’observatoire pérenne de l’environnement » at Bure (10 plots). The results show that the segmented crowns would better characterize basal area and volume. The best models obtained were based on the joint use of traditional metrics and segmentation ones. We obtained for G, R ² = 0.91 and an average error = 5.8 m² / ha; for the total volume, R ² = 0.95 and an average error = 76.9 m³ / ha. For dominant height, the 80th height decile of the last returns, and the density of first returns reaching the 30th heigth decile (i.e close to the ground) showed higher accuracy than models using means of local maxima. So it seems that segmentation allows an improvement of forest attributes estimations. The robustness of these findings remains to be evaluated on a larger number of stands and more varied LiDAR acquisition configurations.
Les récents développements dans le domaine du LiDAR à balayage aéroporté offrent de nouvelles possibilités pour cartographier différents attributs forestiers et améliorer la précision des estimations d'inventaires. Dans ce travail, deux méthodes de segmentation des nuages de points LiDAR ont été utilisées afin de délimiter des enveloppes de couronnes d’arbres (houppiers) et évaluer le gain en précision possible par l’utilisation de ces nouvelles variables pour estimer la hauteur dominante, la surface terrière et le volume de 3 peuplements forestiers contrastés. Les précisions obtenues à l’aide de ces variables de segmentation ont été comparées à celles obtenues par la méthode « classique » utilisant différents déciles et moments de hauteur de points LiDAR pris sur l’ensemble d’une placette. Des placettes de étalonnage (33 au total) ont été sélectionnées dans des peuplements de pin maritime (Pinus pinaster) des Landes (11 placettes); des peuplements de conifères d’une forêt de montagne (Forêt Départementale de la Combe d Aillon, Savoie) (12 placettes) et des peuplements de feuillus de « l’observatoire pérenne de l’environnement » (OPE) en lorraine (10 placettes). Les résultats obtenus montrent que les houppiers segmentés permettent de mieux caractériser la surface terrière et le volume. Les meilleurs modèles obtenus se basent sur l’utilisation conjointe des métriques classiques et des métriques de segmentation. Nous avons obtenu pour la surface terrière, un R² = 0.91 et une erreur quadratique moyenne = 5.8 m²/ha ; pour le volume total, un R² = 0.95 et une erreur moyenne = 76.9 m³/ha. Pour la hauteur dominante, le 80ième décile de hauteur des derniers retours, ainsi que la densité des premiers retours atteignant le 30ième décile de hauteur (i.e. près du sol) ont montré une précision légèrement plus grande que l’utilisation de moyennes issues de maxima locaux. Il semble donc que la segmentation permette d’améliorer l’estimation des attributs forestiers. La robustesse de ces résultats reste à évaluer sur un plus grand nombre de peuplements et sur des configurations d’acquisition LiDAR plus variées.
Domaines
Sciences de l'environnement| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
Loading...