Utilizarea Tehnicilor de Teledetectie Aplicate In Domeniul Silviculturii

1. INTRODUCERE

INTRODUCTION

Cunoașterea cât mai amănunțită a pădurii ca ecosistem terestru, cât și gestionarea durabilă a resurselor forestiere este susținută într-un mod eficient și cu ajutorul teledetecției. Cercetările privind utilizarea tehnicilor de teledetecție aplicate în domeniul silviculturii presupun utilizarea datelor de observare a Pământului (imagini satelitare de înaltă rezoluție spațială – teledetecție satelitară sau imagini aeriene – fotogrammetrie) în scopul exploatării lor complexe și a extragerii unor informații pentru cercetarea ecosistemelor forestiere. Imaginile satelitare de înaltă rezoluție spațială au mari avantaje față de fotogramele aeriene, avantaje care decurg din informația spectrală (în special, în infraroșu apropiat) pe care o aduc în plus și din posibilitatea de a fi prelucrate atât prin procedee specifice teledetecției satelitare cât și prin cele specifice fotogrammetriei digitale. De fapt, granița dintre cele două ramuri ale teledetecție devine din ce în ce mai greu de evidențiat, de multe ori inexistentă.

Utilizarea tehnologiei LiDAR* (termen folosit pentru prima dată de Middelton și Spilhaus, 1953) ca parte integrantă a teledetecției moderne, a cunoscut o dezvoltare rapidă și continuă susținută de necesitatea obținerii de informații geospațiale cât mai precise referitoare la topografia terenului, cum ar fi modelul digital al terenului (MDT), modelul digital al suprafeței (MDS). Din punct de vedere constructiv, tehnologia LiDAR aeropurtat folosește trei componente specifice și anume: scannerul laser cu ajutorul căruia sunt înregistrate diferențele de timp dintre impulsurile laser trimise din platforma aeriană ce efectuează zborul și cele reflectate de suprafața topografică, sistemul de poziționare globală (GPS) ce înregistrează continuu poziția platformei aeriene și un dispozitiv inerțial IMU (Inertial Measurement Unit) ce măsoară continuu înălțimea și accelerația platformei aeriene. Datele LiDAR aeropurtat (ALS**) se prezintă sub forma unui „nor de puncte“ georeferențiate în sistemul geodezic global de referință World Geodetic System 1984 (WGS84) și pot fi utilizate pentru evaluare în mai multe domenii din silvicultură, cum ar fi: biometrie forestieră, amenajarea pădurilor, inventar forestier național, ameliorarea terenurilor degradate afectate de eroziune și alunecări, amenajarea bazinelor hidrografice torențiale, proiectare de drumuri forestiere, ș.a. Aplicațiile tehnologiilor LiDAR includ estimarea parametrilor biometrici ai arborilor și arboretelor la nivel local, regional sau național. De asemenea, datele laser sunt folosite la monitorizarea schimbărilor înregistrate de vegetația forestieră, estimarea riscurilor la calamități cauzate de vânt sau de incendii, cartarea ecosistemelor și habitatelor forestiere. Sistemele LiDAR pot să opereze la sol sau pe platforme aeriene sau satelitare. Studiile întreprinse până în prezent arată că această tehnologie poate fi utilizată atât pentru arborete de rășinoase, cât și pentru cele de foioase (Parent și Volin, 2014; Popescu et al., 2003; Reitberger et al., 2008; Tan și Haider, 2010).

Cercetările efectuate în cadrul tezei de doctorat „Utilizarea tehnicilor moderne ale teledetecției în estimarea unor caracteristici dendrometrice la arbori și arborete de molid în Valea Lotrului“ vizează explorarea posibilităților oferite de utilizarea tehnologiei LiDAR aeropurtat pentru estimarea unor caracteristici dendrometrice la arbori și arborete de molid. Culegerea informațiilor din teren în vederea corelării și validării celor două seturi de date obținute prin utilizarea tehnologiei LiDAR și prin măsurători terestre presupune aplicarea unor metodologii bine fundamentate științific, specifice și unitare.

Sistemul informatic geografic (GIS) constituie suportul informatic pentru finalizarea și exploatarea eficientă a informației geografice rezultate în urma exploatării metrice și spectrale a datelor LiDAR și a informațiilor măsurate în teren. De asemenea, utilizarea sinergică a tehnologiilor LiDAR cu alte date de teledetecție au stat la baza dezvoltării de tehnici de integrare a datelor provenind de la sistemele LiDAR și a imaginilor de diferite tipuri, satelitare sau aeriene, ceea ce conferă cercetărilor un grad ridicat de complexitate și un pronunțat caracter de noutate.

2. SCOPUL ȘI OBIECTIVELE CERCETĂRILOR

RESEARCH AIM AND OBJECTIVES

In contextul actual al schimbărilor globale de mediu, a influenței negative a acțiunii factorului antropic asupra pădurii, în special ca urmare a reconstituirii dreptului de proprietate a unor mari suprafețe de pădure, a condus pe alocuri la fragmentarea fondului forestier național. Asigurarea unui management eficient și durabil al resurselor forestiere cu implicații directe asupra solului, reliefului, hidrografiei, dar și sub aspect socio-economic se poate realiza prin utilizarea metodelor moderne de teledetecție, deopotrivă pentru pădurile de foioase cât și pentru cele de rășinoase.

Având în vedere faptul că de cele mai multe ori se impune cunoașterea în timp cât mai scurt și cu precizie ridicată a schimbărilor ce intervin în structura arboretelor și a distribuției spațiale a acestora, scopul principal al cercetărilor constă în dezvoltarea cunoașterii utilizării tehnicilor și procedeelor moderne ale teledetecției în domeniul forestier cu aplicabilitate în estimarea unor caracteristici biometrice ale arborilor și arboretelor în vederea perfecționării și dezvoltării metodologiei de evaluare a resurselor forestiere pe mari suprafețe.

Obiectivul general al cercetărilor constă în perfecționarea metodologiei și a procedeelor de utilizare a tehnicilor moderne ale teledetecției pentru estimarea unor caracteristici dendrometrice la arbori și arborete și de analiză a structurii acestora.

Obiectivele specifice urmărite prin desfășurarea cercetărilor se referă în principal la:

a) Crearea și integrarea bazelor de date geospațiale obținute prin tehnici moderne ale teledetecției și prin procedee terestre de inventariere.

b) Determinarea principalelor caracteristici dendrometrice ale arborilor și arboretelor de molid, cu ajutorul informațiilor obținute prin utilizarea tehnicilor LiDAR aeropurtat.

c) Analiza comparativă a caracteristicilor dendrometrice ale arborilor și arboretelor de molid estimate prin tehnici LiDAR aeropurtat și măsurători terestre.

d) Caracterizarea structurii arboretelor pe baza datelor obținute prin măsurători terestre și pe baza informațiilor furnizate de tehnicile LiDAR aeropurtat.

3. STADIUL CUNOȘTIINȚELOR

STATE OF THE ART

3.1. Stadiul cunoștiințelor pe plan internațional

State of the art at international level

Cercetările privind utilizarea tehnicilor clasice de teledetecție în general și a celor moderne, de scanare cu laser aeropurtat în special, au cunoscut în ultimii ani o preocupare continuă și din ce în ce mai intensă atât pe plan internațional, cât și pe plan intern, printre domeniile importante de aplicabilitate abordate fiind și cel forestier.

În plan internațional, cercetările privind utilizarea tehnicilor de teledetecție aplicate în domeniul silviculturii au fost mult mai intense. Începând cu anul 1980, utilizarea LiDAR-ului în scopuri forestiere a avansat concomitent cu îmbunătățirile aduse tehnologiei. Spre exemplu, cercetări utilizând tehnologiile de început LiDAR au fost direcționate către inventarierile forestiere (Aldred și Bonner, 1985; Magnussen et al., 2010), în principal la estimarea volumului de lemn (Maclean și Martin, 1984). Diverse cercetări au demonstrat posibilitatea folosirii tehnologiei LiDAR pentru estimarea înălțimii arboretelor, a densitatății coroanelor, pentru generarea modelului digital al terenului, inclusiv în zonele acoperite de vegetație forestieră.

În lucrarea sa, Tiede et al. (2005) susține că LiDAR-ul se folosește de viteza luminii prin transmiterea de impulsuri laser de o sursă cunoscută către o țintă și determinarea diferenței de timp între transmitarea și recepționarea impulsului reflectat. Din punct de vedere al semnăturii spectrale, deși laserul are un spectru de aplicație foarte larg (50–30.000 nm, excluzând razele X) laserul aeropurtat este limitat la zona de infraroșu apropiat (cu valori tipice între 1040– 1060 nm) (Baltsavias, 1999).

LiDAR-ul este singura tehnologie care penetrează coronamentul arboretelor. Prin extragerea ultimului și primului ecou reflectate de către ținte și recepționate de către sensor, se obține modelul digital al suprafeței (MDS) și modelul digital al terenului (MDT), precizia celor două modele digitale fiind de cca. 0,5 m (Dorren et al.,2006). Prin utilizarea datelor din două perioade diferite se pot estima creșteri ale arboretelor (Hyyppa et al., 2006).

Dată fiind particularitatea tehnologiei de a măsura corect topografia terenului, s-a evidențiat repede faptul că anumite atribute forestiere pot fi derivate din profilele coroanelor arborilor obținute din datele LiDAR, cum ar fi înălțimea plafonului superior al arboretelor, topografia terenului de sub coronament și structura verticală a coroanelor arborilor (Tiede et. al.,2005).

Alte atribute ale arboretelor pot fi estimate folosind modele empirice dezvoltate special pentru datele LiDAR, cum ar fi biomasa aflată deasupra nivelului solului, suprafața de bază, diametrul mediu al trunchiului arborelui, profilul vertical al învelișului foliar și volumul coronamentului (Dubayah și Drake, 2000; Lim et al., 2003 citați de Tiede et al.,2005).

Cercetări recente privind exploatarea tehnologiei LiDAR continuu (full-waveform LiDAR sau discrete LiDAR) au relevat noi posibile întrebuințări ale acestei tehnologii. În cazul tehnologiei LiDARUL-ului continuu, receptorul înregistrează întregul semnal reflectat de către țintă și nu doar ecourile impulsurilor reflectate către sensor. Astfel, s-a obținut estimarea înălțimii arborilor la nivel de arboret (Magnussen și Boudewyn, 1998), estimarea volumului de lemn în funcție de înălțimi (Næsset, 1997; Lim et al., 2003) și mai recent, diferențierea speciilor (Holmgren și Persson, 2004; Vaughn et al., 2012). De asemenea, sistemele de identificare automată a arborilor s-au perfecționat continuu. Diverse cercetări au demonstrat posibilitatea utilizării tehnologiei LiDAR în arborete de Pinus ponderosa pentru estimarea înălțimii medii a arboretelor, biomasei totale a arborilor, biomasei aparatului foliar, suprafeței de bază a arboretului (Hall et al., 2005). Goodwin et al. (2006) a testat diferite altitudini de zbor, unghiuri de scanare și diferite mărimi ale amprentei la sol a LiDAR-ului în vederea evaluării structurii arboretelor de eucalypt.

Cercetările LiDAR, atât pe forma discretă cât și pe forma continuă, sunt axate pe determinarea de parametri biometrici, cum sunt înălțimea arborilor și dimensiunile coroanelor la nivel de arboret, la nivel de suprafețe de probă sau la nivel de arbori individuali, ulterior folosindu-se relații biometrice sau analize statistice pentru estimarea altor caracteristici, cum ar fi biomasa, volumul sau înălțimea la baza coroanei (Popescu și Zhao, 2008). Cercetări privind estimarea biomasei cu ajutorul datelor LiDAR aeropurtat este un subiect ce preocupă din ce în ce mai mulți cercetători, biomasa fiind esențială pentru analiza bilanțului de carbon la nivelul ecosistemelor terestre. (Tao et al., 2014)

Cercetările efectuate de Anderson și Bolstad (2013) în ceea ce privește estimarea biomasei forestiere utilizând tehnologia LiDAR aeropurtat atât în sezonul de vegetație, cât și în afara acestuia au confirmat relațiile statistice puternice existente între variabilele LiDAR și biomasă.

Shendryk et al. (2014), în lucrarea sa utilizează o metodă combinată de informații de teledetecție (imagini multispectrale SPOT 5 – date LiDAR aeropurtat) aplicând pentru pădurile de rășinoase din sud vestul Suediei, diverși algoritmi de identificare a vârfurilor arborilor menționând totodată faptul că metodologia poate fi extinsă și în alte zone geografice și pentru alte tipuri de imagini multispectrale, respectiv date LiDAR cu densitate mică de puncte pe m2.

Baltsavias (1999), în lucrarea „A comparison between photogrammetry and laser scanning” dezbate principalele asemănări și deosebiri între aceste două tehnologii, respectiv fotogrammetrie și LiDAR. Principalele deosebiri sunt: sensor pasiv față de sensor activ; acoperire completă a terenului față de acoperire punctiformă („nor de puncte”); achiziționare indirectă față de achiziționare directă a coordonatelor 3D; imagini de înaltă calitate geometrică și radiometrică cu capabilități multispectrale față de lipsa imaginii sau imagini monocromatice de calitate inferioară; capacitatea laserului aeropurtat de a „vedea” obiecte mult mai mici decât amprenta, cum ar fi mici deschideri în vegetație, linii de curent electric etc., ceea ce determină ca MDT-ul extras din date LiDAR obținut în zone cu vegetație forestieră să fie mai precis decât cel extras prin procedee fotogrammetrice. Între aspectele comune ale celor două tehnologii, autorul include: utilizarea GPS-ului pentru determinarea cu exactitate a poziției scanerului în timpul măsurătorilor; metodele de procesare a datelor brute, cum ar fi filtrarea erorilor mari, înlăturarea obiectelor non-MDT ca arbori, clădiri; aplicarea diverselor tehnici de procesare și de analiză a imaginii când datele (punctele) LiDAR sunt regulat interpolate acestea putând fi tratate ca și imagini.

Același autor afirmă că, deși laserul aeropurtat intră în competiție cu fotogrammetria până la un anumit punct, cele două tehnologii sunt complementare și rezultatele cele mai precise și mai complete se pot obține când acestea se aplică integrat. Principala aplicație comună, dar în același timp, teren de competiție între cele două tehnologii, este măsurarea 3D a suprafețelor sau a obiectelor izolate. Însă, clasificarea și identificarea obiectelor cu laserul aeropurtat, fără folosirea adițională de sensori optici este dificilă, aproape imposibilă deoarece, măsurarea unor construcții între o serie întreagă de alte obiecte, bazându-se doar pe înălțimi și întinderi, este extrem de dificilă. De aceea, informația multispectrală cu acoperire pe întreg terenul, conținută în imagini achiziționate de preferință odată cu datele LiDAR sunt, de multe ori, un supliment necesar pentru interpretare și implicit, pentru măsurare.

Din punct de vedere al gradului de automatizare a datelor, LiDAR-ul este aproape complet automatizat, în timp ce procesarea fotogrammetrică presupune o intervenție manuală mai ridicată, îndeosebi când se lucrează pe film.

Referitor la avantajele aplicării laserului aeropurtat în silvicultură, Baltsavias (1999) afirmă faptul că laserul aeropurtat poate furniza măsurători la nivelul solului și că rata de penetrare a coronamentului depinde de compoziția pădurii (foioase sau rășinoase), consistența acestora și de sezonul în care se efectuează înregistrările. Rezultate utile pot fi obținute și la rate de penetrare cuprinse între 20-30% în funcție de gradul de accidentare al terenului. Sisteme experimentale cum este cel dezvoltat de NASA (National Aeronautics and Space Administration – Agenția Aeronautică și Spațială Americană), LVIS (Land Vegetation and Ice Sensor – scanner laser de detectare a zonelor acoperite de vegetației) care are o amprentă laser foarte mare de 10-30 m au dat rezultate bune în păduri tropicale dense cu un grad de acoperire a solului de 95%. Prin procesarea adecvată a datelor se poate determina atât elevația la nivelul solului, cât și înălțimea arborilor.

Sistemele care înregistrează primul și ultimul ecou al impulsului sau chiar mai mult de două ecouri pentru același impuls, pot genera un profil vertical al obiectelor, deschizând astfel calea pentru efectuarea de noi determinări, cum ar fi estimarea biomasei, determinarea speciei etc.

Dacă în prezent există o vastă activitate de cercetare în ceea ce privește estimarea parametrilor biometrici pe baza măsurătorilor laser realizate la nivel de arbori individuali sau prin estimări statistice bazate pe suprafețe experimentale, caracterizarea biometrică la nivel de arboret sau subarboret prin măsurători LiDAR este o abordare mai puțin cercetată (Koch et al., 2009).

Valbuena et al., 2014 prezintă în lucrarea sa, comparativ, mai multe metode consacrate de utilizare a datelor LiDAR aeropurtat pentru descrierea structurii arboretelor, indicatorii studiați fiind obținuți pe baza analizei curbei Lorenz, obținând, de exemplu, un coeficient de variație a erorii medii pătratice pentru coeficientul Gini de 16,80%.

În ultima perioada de timp interesul manifestat de către cercetători pentru utilizarea tehnologiei LiDAR în vederea evaluării impactului incendiilor forestiere este din ce în ce mai mare, dovedindu-se importanța variabilelor obținute prin manipularea datelor LiDAR aeropurtat pentru acest domeniu (Montealegre et al., 2014).

Deși pentru pădurile de foioase identificarea individuală a arborilor este mai dificilă, sunt promițătoare rezultatele cercetărilor care combină informația provenită din scanări LiDAR și datele provenite din imaginile în vizibil, în culori naturale, RGB (Red Green Blue – Roșu Verde Albastru) sau mai ales cele din imaginile multispectrale (Popescu și Wynne, 2004; Popescu et al., 2004). Totuși, prin utilizarea metodelor statistice și a datelor LiDAR aeropurtat pentru arborete amestecate de fag și molid s-au obținut rezultate satisfăcătoare în ceea ce privește determinarea unor caracteristici biometrice ale arborilor (Heurich și Thoma, 2008).

Există în prezent preocupări pentru dezvoltarea unor aparate de scanare LiDAR multibandă, care să preia informația conținută de razele laser reflectate din mai multe benzi spectrale, ceea ce ar permite obținerea de date spectrale inclusiv sub coronament, fapt imposibil pentru senzorii pasivi optici sau din infraroșu. O altă direcție de cercetare cu rezultate promițătoare până în prezent este utilizarea senzorilor termali de înaltă rezoluție, care asigură vizibilitatea chiar în condiții de ceață sau fum.

Cercetările efectuate de Defibaugh y Chávez și Tullis (2013) indică faptul că utilizarea imaginilor hiperspectrale Hyperion combinate cu datele LiDAR aeropurtat oferă posibilitatea studierii relației dintre suprafața de bază a arboretului calculată prin măsurători și datele obținute pe baza teledetecției spectrale. Din rezultatele acestui studiu reiese faptul că doar prin utilizarea imaginii hiperspectrale Hyperion se pot obține informații referitoare la structura verticală a pădurii.

Utilizarea tehnologiei LiDAR în vederea identificării arboretelor pe grupe de specii (rășinoase, foioase) reprezintă o altă aplicabilitate a acestei tehnologii.

Cercetările efectuate de Yao et al. (2014) referitoare la segmentarea 3D a imaginilor LiDAR pentru identificarea arborilor individuali subliniază faptul că este necesar să se cuantifice influența parametrilor de control ai algoritmului de segmentare în vederea identificarii cât mai precise a arborilor individuali.

Tehnicile de clasificare nesupervizată pentru identificarea arboretele pe grupe de specii (rășinoasele, foioase) utilizând date LiDAR conduc către rezultate diferite în funcție de momentul în care se efectuează zborul (în sezonul de vegetație, respectiv în afara acestuia) (Reitberger et al., 2008).

Concomitent cu dezvoltarea tehnologiei LiDAR aeropurtat, în ultimul deceniu s-au dezvoltat și tehnlogiile LiDAR terestru (terrestrial laser scanning – TLS). Spre deosebire de scannerul laser aeropurtat, TLS măsoară arborii de la nivelul solului, deci sub coronomentul pădurii, și oferă date de înaltă rezoluție pe baza cărora se pot identifica numărul arborilor și geolocația trunchiurilor arborilor, diametrul de bază al acestora, diametrul coroanei și înălțimea arborilor (Wezyk et al., 2007). TLS însă are o rază redusă de acțiune și prin urmare o utilizare mai restrânsă, fiind folosit cu precădere în lucrările de inventar forestier. Wezyk (2012), în urma cercetărilor efectuate în arborete amestecate de stejar și pin dintr-o zonă din sudul Poloniei afirmă că utilizarea concomitentă a tehnologiei ALS și TLS oferă mai multe informații pentru inventarul forestier decât prin utlizarea separată a acestora.

Cercetările efectuate de Srinivasan et al. (2015) prezintă o metodă nouă de identificare a arborilor individuali, a înălțimilor, a diametrelor de bază și a dimensiunilor coroanelor utilizând un scanner laser terestru, reușind să obțină o eroare medie pătratică de 1,51 m în ceea ce privește estimarea înălțimilor arborilor.

Interesul manifestat de cercetătorii din întreaga lume față de utilizara tehnologiei LiDAR în silvicultură este subliniat și prin organizarea de conferințe internaționale pe această tema, cea mai importantă este conferința SilviLASER, ultima fiind organizată în anul 2013 la Beijing, China. Începând cu anul 2012 Comitetul de organizare al Conferinței a hotărât să organizeze conferința o dată la doi ani, în alternanță cu altă conferință dedicată aplicațiilor geomatice în silvicultură, ForestSAT, anul acesta conferința SilviLASER, fiind organizată în La Grande-Motte, Franța.

3.2. Stadiul cunoștiințelor pe plan național

State of the art at national level

În țara noastră, aplicarea tehnicilor de teledetecție în domeniul forestier a fost inițiată încă din anii 1970. Primele cercetări s-au desfășurat în cadrul Facultății de Silvicultură și Exploatări Forestiere din Brașov: Rusu (1978; 1988), Rusu et al. (1980; 1981), Rusu și Chițea (1984; 1995), Boș et al. (1986). În cadrul acestor cercetări au fost valorificate cunoștințele cu privire la caracteristicile spectrale ale arboretelor, s-a încercat delimitarea pădurilor afectate de poluare, separarea folosințelor și speciilor forestiere și delimitarea eroziunii în păduri, precum și metode de prelucrare a imaginilor (cu tehnica din vremea respectivă), în scopul detectării arboretelor cu stare precară de sănătate (Kiss et. al., 1999). Alte preocupări privesc utilizarea teledetecției, împreună cu alte tehnici geoinformatice, cum ar fi fotogrammetria, sistemele informatice geografice și sistemele de poziționare globală în cadastrul forestier (Chițea și Vorovencii, 2001; Chițea și Kiss, 2001; Vorovencii, 2005; Vorovencii și Pădure, 2005). De altfel, utilizarea sinergică a teledetecției, fotogrammetriei, sistemelor informatice geografice și a sistemelor de poziționare globală a constituit dezvoltarea unei noi discipline, și anume geomatica (Boș, 2011).

Pentru a evidenția importanța realizărilor în domeniul fotogrammetriei cu aplicabilitate în cubarea arboretelor și în inventarierea arboretelor și pe spații mari, Giurgiu (1979) dedică un capitol din lucrarea de mare rezonanță națională și internațională, “Dendrometrie și auxologie forestieră”, ecuațiilor de regresie și tabelelor dendrometrice specifice procedeelor fotogrammetrice de cubare a arboretelor.

Cercetări mai recente referitoare la utilizarea teledetecției și a imaginilor satelitare pentru detectarea schimbărilor în acoperirea terenului relevă faptul ca acest subiect este încă unul de actualitate și interes pentru cercetătorii români (Gancz et al. 2010; 2014; Vorovencii și Iordache, 2013; Vorovencii, 2014).

În cadrul fostului Institut de Cercetări și Amenajări Silvice (ICAS), actualul Institut Național de Cercetare Dezvoltare în Silvicultură (INCDS) „Marin Drăcea” cercetările privind utilizarea teledetecției în silvicultură au început încă anii '80 și au continuat și în anii '90: Giurgiu, 1979; Seceleanu și Ianculescu (1980); Pătrășcoiu, Badea, Gancz (1990); Pătrășcoiu, Badea, Gancz (1993). Cercetările au avut ca scop delimitarea pădurilor afectate de poluare, separarea folosințelor și speciilor forestiere și delimitarea eroziunilor în păduri, folosind înregistrări satelitare și înregistrări fotogrammetrice cu camera multispectrală aeropurtată MSK-4. Aceasta a fost utilizată pentru prima dată în anul 1988 pentru aerofotografierea pădurilor din cadrul Ocolului Silvic Experimental Mihăești al fostului ICAS, în patru benzi spectrale, trei în vizibil și una în infraroșu cu ajutorul cărora ulterior s-au efectuat studii prin metode analogice urmând ca după 1990, după ce a fost posibilă preluarea de imagini aeriene multispectrale cu aceeași cameră fotografică, au fost efectuate și studii ce utilizează metode digitale.

În cadrul proiectului de colaborare internațională MERA-FEM*, în colaborare și cu finanțarea Centrului de Cercetări Comune al Comisiei Europene de la Ispra Italia (Joint Research Centre – JRC) s-a realizat de către Colectivul de GIS și Teledetecție al fostului ICAS (1995) prima hartă digitală a distribuției ecoregiunilor forestiere utilizând pentru prima dată imagini satelitare de tip Landsat Thematic Mapper (TM), subliniind avantajul imaginilor satelitare prin comparație cu metodele clasice fotogrammetrice de a oferi precizie ridicată în ceea ce privește delimitarea ecoregiunilor forestiere.

În cadrul proiectului de colaborare bilaterală TAFIMRO*, cu Regiunea Flamandă din Belgia (2001-2002), s-au studiat, printre altele, problemele legate de ortorectificarea imaginilor satelitare de foarte înaltă rezoluție spațială Ikonos, utilizându-se soft-ul pentru fotogrammetrie digitală OrthoBase (Op’t Eindt et al., 2002). Imaginile Ikonos obținute în cadrul acestei colaborări au fost utilizate pentru realizarea în cadrul unui proiect de cercetare în anul 2003, pentru prima oară, de otofotoplanuri digitale, infraroșu color (Gancz et al., 2003), care au fost utilizate practic în lucrările de revizuire a amenajamentului Ocolului Silvic Experimental Săcele din structura fostului Institut de Cercetări și Amenajări Silvice (ICAS), actualul Institut Național de Cercetare Dezvoltare în Silvicultură „Marin Drăcea” (INCDS) .

De asemenea, în anii 2002-2003, în cadrul fostului ICAS, actualul INCDS au mai fost efectuate cercetări privind utilizarea imaginilor Ikonos steroscopice și a imaginilor SPOT 5, în cadrul unei colaborări bilaterale cu Universitatea Catolică Louvain din Regiunea valonă, Belgia (Gancz et al.,2005). Cercetările au evidențiat avantajele și dezavantajele utilizării celor două tipuri de imagini, ca de exemplu prețul scăzut al imaginilor de arhivă SPOT 5, rezoluția spațială mult mai bună a imaginilor Ikonos (1m față de 5 m pentru imaginile SPOT 5, în bandă pancromatică). Acestea au abordat totodată, utilizarea imaginilor satelitare în vederea identificării coroanelor individuale ale arborilor, separarea pincipalelor grupe de specii, determinarea structurii orizontale a arboretelor.

În cadrul proiectului LIFE „Restoration Forest Habitats from „Pietrosul Rodnei" Biosphere Reserve” (Life 2003 Nature RO/000027), desfășurat între anii 2004 -2007 a fost utilizată o imagine Quick Bird cu 70 cm rezoluție spațială pentru cartarea acoperirii terenului și delimitarea zonelor de interes. Datorită rezoluției spațiale foarte mari a imaginii Quick Bird, hărțile realizate utilizând această imagine satelitară au putut evidenția atât habitatele forestiere cu Pinus mugo și Pinus cembra din Pietrosul Rodnei cât și schema de plantare (80 X 80 cm) a puieților de Pinus cembra adoptată în cadrul proiectului. De asemenea, cu ajutorul imaginii satelitare Quick Bird a fost realizată și o hartă de distribuție a speciilor de floră și a habitatelor de stâncărie din masivul Pietrosul Rodnei.

Scannerul laser aeropurtat (ALS) bazat pe tehnologia LiDAR este o tehnologie de teledetecție cu sensor activ relativ recent apărută ce a cunoscut o dezvoltare trepidantă din momentul în care a fost semnalat pentru prima dată potențialul său remarcabil (începutul anilor 1980). Această tehnologie este încă neexplorată în țara noastră la adevăratul său potențial și din cauza costului destul de ridicat de achiziție a datelor (aproximativ 130 euro/km2, la o densitate de 5-8 puncte/m2). Chiar și în aceste condiții, interesul manifestat de cercetători pentru această nouă direcție de cercetare este susținut și de două teze de doctorat susținute în anul 2011 în cadrul Facultății de Silvicultură și Exploatări Forestiere din Brașov.

În cadrul primei teze de doctorat (Petrila M., 2011) s-au prezentat tehnici de utilizare ale telededetecției (inclusiv tehnologia LiDAR) în domeniul amenajării pădurilor ca parte integrantă a tehnicilor geomatice, iar în cadrul celei de a doua (Birjaru C., 2011) au fost fundamentate teoretic noțiunile referitoare la tehnologia LiDAR și prezentate posibilele utilizări ale acestei tehnologii în lucrările din silvicultură.

Prin comparație cu utilizarea tehnicilor fotogrammetrice clasice, (Vorovencii, 2010) amintește, printre altele, avantajele utilizării tehnologiei LiDAR, subliniind faptul că în cazul tehnologiei LiDAR post-procesarea poate fi rapidă, de numai 2-3 ore de lucru pentru o oră de zbor, iar comparativ cu metodele clasice, scanarea cu laser nu depinde de restricțiile sezonale și nici de condițiile atmosferice.

Primele cercetări privind posibilitățile de utilizare a tehnologiilor de scanare cu ajutorul LiDAR aeropurtat au fost inițiate în domeniul forestier de către fostul ICAS și actualul INCDS „Marin Drăcea” prin Colectivul de Teledetecție și GIS în cadrul Programului Nucleu „Gestionarea durabilă a ecosistemelor forestiere” GEDEFOR (2009,2013). Rezultatele obținute sunt satisfăcătoare și arată că datele LiDAR au un potențial ridicat în furnizarea de informații cu precizie ridicată pentru determinarea înălțimilor arborilor și, în consecință, a volumului și biomasei pentru arboretele de molid dar și pentru extragerea de modele digitale ale terenului cu o precizie ridicată (Apostol et al., 2011, 2012; Petrila et al.,2012a,b).

Rezultatele din ce în ce mai bune obținute în cadrul actualului Institut de Cercetare Dezvoltare în Silvicultură „Marin Drăcea” au făcut ca prin participarea la al 33-lea simpozion internațional EARSel (European Association of Remote Sensing Laboratories – Asociația Europeană a Laboratoarelor de Tededetecție) în anul 2013, cercetători din cadrul institutului să primească premiul „cel mai bun poster” pentru lucrarea privind analiza posibilităților de determinare ale unor caracteristici biometrice, prin metode automatizate, din date obținute prin scanare cu laser aeropurtat într-o zonă test împădurită cu molid (Apostol et al., 2013a,comunicare personală).

De asemenea, în anul 2013 cercetătorii din fostul ICAS și actualul INCDS „Marin Drăcea” au prezentat pentru prima dată o lucrare având ca subiect utilizarea datelor LiDAR pentru estimarea volumului în arboretele de molid în România în cadrul conferinței SilviLASER, România fiind nominalizată la finalul conferinței ca o nouă apariție pe harta țărilor care utilizează tehnologiile LiDAR în silvicultură (Apostol et al.,2013b,comunicare personală).

4. METODA ȘI MATERIALUL DE CERCETARE

RESEARCH MATERIAL AND METHOD

4.1. Localizarea cercetărilor

Research location

Cercetările efectuate pentru realizarea obiectivelor lucrării de doctorat sunt localizate în zona Valea Lotrului. Această zonă prezintă un relief muntos acoperit predominant cu pășuni și păduri, fiind de asemenea prezente ape, drumuri și construcții diverse, regiunea fiind astfel reprezentativă pentru experimentarea extragerii modelelor digitale ale terenului, suprafeței superioare a coronamentului și a informațiilor biometrice pentru diferite tipuri de arborete.

Din punct de vedere geografic zona este situată în partea de nord-vest al județului Vâlcea, în Carpații Meridionali, mai precis în Munții Latoriței, delimitată de versantul sudic al Munților Lotrului, versantul estic al Munților Parâng și versantul nordic al Munților Căpățânii, în bazinul hidrografic al Râului Lotru. Din punct de vedere administrativ ea se încadrează în limitele teritoriale administrate de Ocolul Silvic Voineasa, Direcția Silvică Vâlcea, din cadrul zonei Mălaia și Voineasa (Fig. 4.1).

Deși majoritatea pădurilor sunt în proprietatea publică a statului, în limitele teritoriale ale Ocolului Silvic Voineasa, o mare parte din păduri reprezintă fond forestier proprietate privată, administrate în regim silvic, întâlnindu-se și numeroase terenuri acoperite cu vegetație forestieră reprezentată de pășuni împădurite.

Conform studiului general al amenajamentului silvic al Ocolului Silvic Voineasa (Turbatu, 2004), pentru fondul forestier aflat în proprietatea statului, majoritatea pădurilor sunt incluse în grupa I funcțională cu funcții de protecție a apelor, solurilor dar și cu funcții de recreere sau de interes științific.

Altitudinea la care sunt localizate pădurile respective variază între 650 și 1850 metri, dar unele vârfuri din zonă depășesc 2000 metri. Înclinarea terenului este între 16-30g pentru 60% din suprafața acoperită cu pădure, de 31-40g pentru 27%, mai mare de 40g pentru 9% și mai mică de 16g pe 4 % din suprafață. Expozițiile parțial însorite reprezintă 46%, cele însorite 28% iar cele umbrite 26%.

Fig. 4.1 Localizarea cercetărilor și acoperirea cu date LiDAR

The location of the research and the LiDAR data coverage

Tipurile de stațiuni predominante se încadrează predominant în FM3 (etajul montan de molidișuri – 61%) și FM2 (etajul montan de amestecuri – 24%) dar sunt prezente și etajele subalpin (11%) și FM1+FD4 – montan-premontan de făgete (4%). Tipurile de pădure sunt reprezentate de molidișurile pure (72%), amestecuri de molid, brad, fag (14%) și făgete pure montane (11%).

Compoziția pe specii exprimată în procente este de 78MO 14FA 3BR 2ME 1CA 1LA 1DT. Clasa de producție medie este III5, consistența medie 0,75, vârsta medie 76 ani. Repartiția pe clase de vârstă se prezintă astfel : clasa I (1-20 ani) – 9%, clasa a II-a (21-40 ani) – 9%, clasa a III-a (41-60 ani) – 18%, clasa a IV-a (61-80 ani) – 23%, clasa a V-a (81-100 ani) – 20%, clasa a VI-a (101-120 ani) – 21%. Regimul de gospodărire adoptat este regimul codrului cu cicluri de producție de 110 ani.

Un criteriu important care a contribuit la selectarea zonei în care să fie localizate cercetările pentru elaborarea tezei de doctorat a fost acela că, tehnicile și procedeele de determinare a principalelor caracteristici dendrometrice cu ajutorul tehnologiei LiDAR aeropurtat se aplică mai ușor în arborete de rășinoase. În acest sens, au fost alese arborete de molid de vârste diferite din cadrul Ocolului Silvic Voineasa, Unitatea de Producție IV – Puru și din Unitatea de Producție V – Obârșia Lotrului.

Pentru testarea posibilităților de determinare a principalelor caracteristici dendrometrice ale arborilor și arboretelor de molid prin utilizarea tehnicilor de scanare cu laser aeropurtat (ALS) au fost amplasate 21 de suprafețe de probă de formă ciculară cu mărimea de 500 m2 și 3 suprafețe de cercetare de formă pătrată (100m X 100m) cu mărimea de un ha. La amplasarea suprafețelor, cât și la adoptarea mărimii și a formei acestora s-a avut în vedere reprezentativitatea informațiilor obținute în vederea atingerii obiectivelor cercetărilor propuse.

În unitatea amenajistică (u.a.) 56A din cadrul Unității de Producție V Obârșia Lotrului constituită dintr-un arboret pur de molid cu suprafața de 14,9 hectare a fost stabilită o rețea de 21 de suprafețe de probă cu mărimea de 500 m2 și de formă circulară amplasate în locuri reprezentative pentru arboretul respectiv. Arboretul are vârsta de 80 ani, clasa a III-a de producție, consistența medie exprimată prin indicele de închidere al coronamentului de 0,8, panta medie 25g, expoziție sudică. Volumul arborilor la hectar determinat prin măsurători în teren este de 726,96 m3 (Fig. 4.2).

Fig. 4.2 Suprafața de cercetare (SC) 56A (arboret pur de molid)

Research area (RA) 56A (pure Norway spruce stand)

În unitatea amenajistică (u.a.) 118D din cadrul Unității de Producție V Obârșia Lotrului, într-un arboret pur de molid a fost constituită și amplasată o suprafață de cercetare de formă pătrată cu mărimea de un ha (100m X 100m). Arboretul are vârsta de 110 ani, clasa a III-a de producție, consistența medie, exprimată prin indicele de închidere al coronamentului de 0,8, panta medie de 35g și expoziție sudică. Volumul arborilor la hectar determinat prin măsurători în teren este de 792,89 m3 (Fig. 4.3).

Fig. 4.3 Suprafața de cercetare (SC) 118D (arboret pur de molid)

Research area (RA) 118D (pure Norway spruce stand)

În unitatea amenajistică (u.a.) 43C din cadrul Unității de Producție IV Puru, într-un arboret pur de molid a fost constituită și amplasată o suprafață de cercetare de formă pătrată cu mărimea de un ha (100m X 100m). Arboretul are vârsta de 65 ani, clasa a III-a de producție, consistența medie exprimată prin indicele de închidere al coronamentului de 0,9, panta medie de 25g, expoziție vestică. Volumul arborilor la hectar determinat prin măsurători în teren este de 875,95 m3 (Fig. 4.4).

Fig. 4.4 Suprafața de cercetare (SC) 43C (arboret pur de molid)

Research area (RA) 43C (pure Norway spruce stand)

În unitatea amenajistică (u.a.) 62A din cadrul Unității de Producție IV Puru, într-un arboret pur de molid a fost constituită și amplasată o suprafață de cercetare de formă pătrată cu mărimea de un ha (100m X 100m). Arboretul amplasat pe valea pârâului Bora are vârsta de 90 ani, clasa a III-a de producție, consistența medie exprimată prin indicele de închidere al coronamentului de 0,8, panta medie de 30g, expoziție sud-estică. Volumul arborilor la hectar determinat prin măsurători în teren este de 880,50 m3 (Fig. 4.5).

Fig. 4.5 Suprafața de cercetare (SC) 62A (arboret pur de molid)

Research area (RA) 62A (pure Norway spruce stand)

Zona de desfășurare a activităților de cercetare a fost condiționată și de posibilitatea achiziționării datelor LiDAR. Astfel, în cursul anilor 2008-2009 și 2012 s-au efectuat zboruri cu avioane special echipate pentru colectarea datelor LiDAR pentru cartografierea digitală a apelor de către mai multe companii care oferă servicii de fotogrammetrie și teledetecție. Astfel, Compania SC Primul Meridian SRL, a furnizat date LiDAR pentru o arie acoperită cu vegetație forestieră în județul Vâlcea, pe Valea Lotrului.

4.2. Metodologia de cercetare

Research methodology

Metoda de lucru impune integrarea datelor obținute prin măsurători terestre intensive cu date oferite de tehnologia modernă de teledetecție (LiDAR aeropurtat) pentru caracterizarea atât a structurii verticale a pădurii, cât și pentru estimarea unor parametri dendrometrici ai arborilor și arboretelor de molid din regiunea Valea Lotrului.

Pentru preluarea datelor LiDAR a fost folosit un aparat Riegl LMS-Q560 (Fig. 4.6) asistat de un sistem de poziționare globală (GPS) de precizie și un dispozitiv inerțial de măsurare (IMU – Inertial Measurement Unit) ceea ce permite ca datele să fie corectate în timp real și livrate ca atare. Aparatul permite colectarea detaliată a parametrilor țintei prin digitizarea semnalelor ecou în timpul achiziției de date, acest fapt fiind util pentru determinarea înălțimilor arborilor și clasificarea țintelor.

Fig. 4.6 Aparat de colectare a datelor LiDAR – Riegl LMS-Q560 (Riegl Laser Measurement Systems, 2010)

LiDAR data collection device Riegl LMS-Q560 (Riegl Laser Measurement Systems, 2010)

Procesul de scanare cu LiDAR aeropurtat se poate realiza prin utilizarea unor platforme echipate special, avioane respectiv elicoptere. În cazul de față, sistemul de colectare a datelor LiDAR s-a realizat cu un avion dedicat colectării datelor de teledetecție și produs de Diamond Aircraft Industries, respectiv modelul DA42 MPP (Fig. 4.7), ai căror parametri de zbor, respectiv ai senzorului LiDAR se prezintă în tabelul 4.1.

Fig. 4.7 Avion DA42 MPP echipat cu aparatură LiDAR și utilizat în procesul de scanare LiDAR pentru zona Valea Lotrului de către S.C. Primul Meridian (Riegl Laser Measurement Systems, 2010)

DA42 MPP aircraft model equipped with LiDAR device and used for the scanning of Lotrului Valley by the Company Primul Meridian (Riegl Laser Measurement Systems, 2010)

Echipamentul folosit la scanarea LiDAR este compus din 2 scannere Riegl LMS-Q560, unul fix și unul mobil (care baleiază stânga – dreapta în timpul zborului și permite culegerea de puncte pe versanți atunci când se zboară pe un fir de vale, ceea ce duce la dublarea numărului de puncte înregistrate), dispozitivul inerțial IMU, o camera digitală de rezoluție medie – DigiCam H/39, toate prinse într-o carcasă de fibră de carbon (Fig. 4.8). Astfel pe parcursul procesului de scanare LiDAR au putut fi preluate și imagini digitale.

Tabelul 4.1

Detalii tehnice referitoare la parametrii de zbor și la scannerul LiDAR

Technical details of the flight parameters and LiDAR scanner

Fig. 4.8 Platformă integrată pe avionul DA42 MPP pentru culegere simultană de date

(date LiDAR și imagini digitale)

Integrated platform for the the simultaneous collection of data

(LiDAR data and digital images)

Datele obținute în urma procesului de scanare cu tehnologia LiDAR sunt prezentate sub forma unui nor de puncte poziționat 3D. Suprafața acoperită în urma procesului de scanare cu tehnologie LiDAR în regiunea Valea Lotrului este de 4016,25 hectare, aceeași suprafață de teren fiind parcursă o dată, de două ori sau de trei ori, astfel încât se poate ajunge la o densitate a punctelor laser de peste 4 puncte / m2.

Precizia punctelor laser depinde de :

– precizia măsurătorilor cinematice (traiectoria) a GPS-ului amplasat în avion;

– precizia transformării între diferitele sisteme de proiecții.

Astfel, precizia altimetrică/planimetrică a punctelor laser măsurate este ± 2 cm, respectiv ±10 cm, conform specificațiilor tehnice ale producătorului.

Datele LiDAR au fost achiziționate sub forma unor fișiere codate după un anumit standard. Formatul fișierelor de date LiDAR este în conformitate cu standardul ASPRS* și au extensia LAS, datele fiind înregistrate sub forma unor puncte ce prezintă mai multe caracteristici dintre care cele mai importante sunt: coordonatele X, Y, Z ale punctului, numărul de ecouri, intensitatea semnalului. Intenția acestui nou tip de fișier este de a oferi un format liber pentru a putea fi folosit de cât mai mulți distribuitori de software LiDAR.

Aceste fișiere conțin date binare iar structura lor (Fig. 4.9) prezintă trei componente, după cum urmează :

un bloc antet ce conține date generice, cum ar fi numărul de puncte și coordonatele

limitelor;

înregistrări de lungime variabilă cum ar fi anumite informații despre proiecții, anumite

metadate etc ;

înregistrările efective ale punctelor.

Fig. 4.9 Structura unui fișier .las citit cu ajutorul softului LASUtility**

The structure of a .las file read using the LASUtility software

De asemenea, sistemul de proiecție al datelor LiDAR achiziționate este Universal Transversal Mercator (UTM) pentru zona 34 Nord. Sistemul de proiecție UTM a fost adoptat de armata Statelor Unite ale Americii în anul 1947 pentru cartografierea întregii suprafețe a Terrei (pentru zonele cuprinse între longitudinea de 800 Sud și 840 Nord) la scara mare (1:50 000 ÷ 1:500 000), fiind folosită oficial în cadrul țărilor membre NATO (North Atlantic Treaty Organization – Organizația Națiunilor Unite) (Constantin, 2004). Proiecția se aplică pe fusuri de 60 rezultând 60 de fusuri numerotate de la vest spre est pornind de la meridianul de 1800. Teritoriul României este împărțit în fusul 34 (la vest de meridianul de 24° longitudine estică) (jumătatea vestică) și în fusul 35 (la est de meridianul de 24° longitudine estică) (jumătatea estică).

Datele LiDAR achiziționate pot fi vizualizate cu ajutorul unor softuri specializate, astfel acestea au fost suprapuse în mediu GIS peste ortofoplanuri, pentru alegerea unor zone cu o densitate cât mai mare de puncte laser pe m2 (Fig. 4.10).

Fig. 4.10 Limite administrative (forestiere) ale unităților de producție și nor de puncte LiDAR codificate color (ROGVAIV) după elevație (roșu – înălțimi mari, violet-indigo – înălțimi mici) și suprapuse peste imagini aeriene ortorectificate

Administrative forestry boundaries of the management units and LIDAR point cloud colored coded by the elevation (ROYGBIV: red – high altitudes, indigo – violet – low altitudes) overlapped with aerial orthorectified images

În vederea obținerii de date dendrometrice corespunzătoare din punct de vedere al preciziei și utilizarea acestora ca date de referință pentru validarea rezultatelor obținute din prelucrarea și procesarea datelor LiDAR s-a procedat la efectuarea de măsurători în suprafețele experimentale, amplasate cu ajutorul echipamentul FieldMap, care oferă posibilitatea poziționării informațiilor și obținerii unor hărți specifice utilizabile direct în teren.

Inițial în cadrul u.a 56A a fost amplasat un număr de 17 suprafețe de probă de formă circulară cu mărimea de 500 m2 fiecare, iar pentru asigurare statistică sub raportul reprezentativității, ulterior au mai fost amplasate încă 4 astfel de suprafețe de cercetare luând în considerare o probabilitate de acoperire (p) de 90 %, o eroare de reprezentativitate (∆) de 10% și un coeficient de variație al volumului de s%=25%, stabilit pe cale experimentală (Fig. 4.11).

În cadrul u.a.-urilor 118D, 43C respectiv 62A au fost amplasate câte o suprafață de cercetare de formă pătrată cu mărimea de un ha (100m X 100m) (Fig. 4.12).

Fig. 4.11 Amplasarea centrelor suprafețelor de probă în cadrul SC 56A (culoare galbenă, respectiv roșie pentru ultimele 4 amplasate ulterior), indicarea limitei suprafeței de cercetare înregistrată cu receptor GNSS (culoare roșie)

The center location for the sample surfaces in RA 56A (yellow colour coded, red colour coded for the last 4 center placed later), the limit of the research area recorded with GNSS receiver (red colour coded)

Fig. 4.12 Suprafața de cercetare cu mărimea de un ha (culoare roșie) amplasată în cadrul u.a. 118D, suprapusă peste harta amenajistică la scara 1:20.000 (a) și imagine aeriană ortorectificată (b)

One hectar research area (colour coded red) located in the compartment 118D, overlapped with forest management planning map scale 1: 20.000 (a) and aerial orthorectified image (b)

Unul dintre avantajele importante oferite de echipamantul FieldMap îl reprezintă faptul că în urma măsurătorilor de teren se obțin date geospațiale corespunzătoare, fără să necesite prelucrări ulterioare. Soft-ul cu care este dotat echipamentul respectiv asigură și exportul datelor către diverse formate utilizate pentru baze de date, cum ar fi formatele utilizate de Microsoft Excel, Microsoft Access sau chiar de ArcGIS. Aparatul oferă posibilități de lucru în sistem de coordonate local care apoi pot fi transpuse în coordonate globale, în diferite sisteme de coordonate utilizând echipamente GNSS (Global Navigation Satellite System – Sistem de navigare cu ajutorul sateliților) sau pe seama unor puncte cu coordonate cunoscute.

Măsurătorile au fost efectuate cu modulul FieldMap Data Collector, dedicat colectării datelor de teren.

Centrele suprafețelor circulare au fost înregistrate cu un echipament GNSS în dublă frecvență L1/L2, Trimble ProXH echipat cu antenă Zephir I staționându-se pe punct minimum 30 de minute. Același tip de echipament a fost utilizat pentru realizarea reperajului fotogrammetric în vederea estimării erorii maxime de deplasare a măsurătorilor față de datele LiDAR aeropurtat (Fig. 4.13).

Fig. 4.13 Receptor Trimble ProXH echipat cu antenă externă Zephir utilizat pentru înregistrarea centrelor suprafețelor de probă circulare și a punctelor de reperaj fotogrammetric

Trimble ProXH device equipped with an external Zephir antenna used to record the centers of the circular plot samples and the location of the photogrammetric ground control points

Colțurile suprafețelor de cercetare de formă pătrată au fost înregistrate cu receptor GNSS de tip Trimble GeoXH echipat cu antenă externă Zephir II, în aceleași condiții de durată de staționare (Fig. 4.14).

Fig. 4.14 Receptor Trimble GeoXH echipat cu antenă externă Zephir II utilizat pentru înregistrarea colțurilor suprafețelor de cercetare de formă pătrată

Trimble Geo XH device equipped with an external Zephir II antenna used to record the corners of the square plots

Suprafețele experimentale (colțurile celor de formă pătrată și centrele celor de formă circulară) s-au materializat pe teren cu ajutorul unor țăruși din lemn și prin scrierea cu vopsea a numărului suprafeței experimentale pe arborii cei mai apropiați de colțurile, respectiv de centrele acestora, înregistrându-se în fișa de teren distanța și orientarea de la arborele marcat la centrele suprafețelor experimentale, respectiv la colțurile acestora. Ulterior, măsurătorile au fost corectate față de cea mai apropiată stație de bază din Rețeaua Europeană de Referință (EUREF – European Reference Frame), în cazul de față stația Deva (aflată la o distanță calculată în linie dreaptă, de aproximativ 90 de km) utilizând tehnologia Trimble H-STAR ajungându-se la o precizie submetrică de determinare a poziției punctelor, de aproximativ 60 cm. Arborii inventariați din suprafețele experimentale au fost etichetați pentru o identificare ușoară în cazul în care se dorește revenirea la suprafața respectivă. Prin intermediul modului FieldMap Data Collector s-au măsurat direct poziția arborilor, proiecțiile coroanelor, profilul vertical al coroanelor și date descriptive cum ar fi poziția acestora în arboret (clasa Kraft sau etajul) (Fig. 4.15). Înălțimile arborilor au fost măsurate cu dendrometrul cu ultrasunete de tip Vertex, un dispozitiv ușor și precis care permite o mare mobilitate în teren, iar diametrele arborilor au fost măsurate cu ajutorul clupei electronice. Informațiile privind înălțimile arborilor și diametrele acestora au fost importate prin intermediul unor funcții specifice în modulul FieldMap Data Collector.

Fig. 4.15 Măsurători efectuate cu echipamentul Field Map în suprafețele de cercetare din cadrul u.a.56A (a), respectiv u.a. 62A (b)

Measurements with the Field Map equipment for the research areas within compartments 56A (a) and 62A (b)

Pentru a putea fi integrate cu măsurătorile terestre intensive, datele LiDAR au fost mai întâi clasificate, acestea fiind achiziționate în formă brută, neclasificate. Pentru rezultate mai bune, sunt indicate date LiDAR cu un număr cât mai mare de ecouri.

O caracteristică a datelor LiDAR, care le face foarte utile pentru utilizări în sectorul forestier, este faptul că razele laser ale scannerului aeropurtat găsesc, datorită desimii lor, goluri în coronamentul arboretelor prin care acestea ajung la sol, astfel că apar ecouri multiple care pot să descrie cu mare fidelitate atât terenul, cât și structura coronamentului.

Modelul digital al terenului (MDT) și al suprafeței (MDS) s-au obținut pe baza punctelor LiDAR, respectând anumite criterii de selecție și de clasificare a acestora. În general, în zonele acoperite de pădure apar întoarceri (ecouri) multiple ale aceluiași impuls laser. Cele mai importante din acest punct de vedere sunt primele și ultimele întoarceri, primele provenind de la interacțiunea cu suprafața coronamentului arborilor, iar ultimele putând fi reflectate de la nivelul solului sau la un nivel inferior al coronamentului. Există un mare număr de ecouri unice, care pot să fie reflectate atât de sol, cât și de coronament la diferite nivele, astfel că acestea pot fi luate în considerare atât pentru determinarea MDT, cât și a MDS.

Astfel, pentru obținerea MDS a fost necesară luarea în considerare a punctelor care descriu suprafața exterioară a coronamentului, adică primele întoarceri (dintre reflexiile cu ecouri multiple) la care se pot adauga întoarcerile datorate ecourilor unice.

În vederea realizării MDT s-a efectuat clasificarea punctelor LiDAR. Aceasta presupune într-o primă etapă clasificarea tuturor ecourilor multiple, excepție făcând ultimile ecouri care sunt reflectate la nivelul vegetației și nu direct la nivelul solului. Pentru extragerea MDT, ecourile care pot să fie reflectate de teren sunt ultimele ecouri (dintre reflexiile cu ecouri multiple) la care se pot adauga ecourile unice. Deoarece unele dintre aceste ecouri pot să fie în coronamentul arborilor, este necesară filtrarea lor pe baza unor diferențe de nivel față de punctele din jur și clasificarea lor într-o clasă diferită de cea a punctelor aflate la nivelul solului. De asemenea, se pot defini mai multe clase de înălțimi ale vegetației, pentru care se pot aplica filtre diferite.

Pentru obținerea MDT au fost testați diferiți algoritmi implementați în softuri specializate prelucrării datelor LiDAR, cum ar fi Mars Explorer, FUSION și QCoherent LP360. Toți acești algoritmi au furnizat rezultate similare în ceea ce privește extragerea MDT.

Algoritmul implementat în softul FUSION pentru obținerea MDT este un algoritm de filtrare a puctelor LiDAR (adaptat după Kraus și Pfeifer, 1998). Acest algoritm constă într-un proces iterativ, în prima etapă, este generată o primă suprafață intermediară formată din puncte LiDAR ce au ponderi egale. Această primă suprafață intermediară se află între punctele considerate la sol și punctele ce descriu vegetația. Algoritmul are la bază teoria conform căreia punctele considerate ca fiind la sol au o probabilitate mai mare de a fi mai jos față de punctele aflate pe suprafața intermediară, respectiv punctele considerate ca fiind vegetație au o probabilitate mai mare de a fi deasupra suprafeței intermediare. Distanța și direcția de la suprafața intermediară este folosită pentru a calcula ponderile pentru fiecare punct de LiDAR folosind următoarea funcție (după Pfeifer și Kraus, 1998).

, (4.1)

unde :

Pi reprezintă ponderea punctelor LiDAR;

a, b – coeficienții de pantă ai funcției ponderate (rezultate satisfăcătoare au dat valori ale lui a=1, b=4);

g – parametru care determină ce puncte vor primi ponderea maximă de 1;

w – parametru folosit la stabilirea limitei superioare a punctelor ce influențează suprafața intermediară.

Modelul digital al suprafeței superioare a coronamentului (MDC) se obține prin diferența celor două modele digitale (MDS și MDT), rezultând astfel un model digital normalizat, pentru care cotele absolute sunt înlocuite de cote relative ce au ca punct de referință nivelul terenului.

Pentru măsurarea înălțimii arborilor individuali din datele LiDAR a fost folosit soft-ul FUSION. Acesta este un soft disponibil gratuit, dezvoltat de Serviciul Forestier al Departamentului Agriculturii a Statelor Unite ale Americii (USDA – Forest Service) și dedicat exploatării datelor LiDAR în scopuri silvice.

Astfel, măsurarea înălțimii arborilor cu ajutorul softului FUSION pentru suprafețele de probă din cadrul u.a 56A s-a realizat prin parcurgerea unor etape specifice (Apostol et al., 2012, Petrila et al.,2012a). Valoarea Z considerată la nivelul solului s-a determinat utilizând modelul digital al terenului (MDT) obținut cu ajutorul softului Mars Explorer (Petrila et al.,2012a,b), de aceea este foarte important ca obținerea MDT-ului să se realizeze cu o precizie cât mai ridicată.

Valoarea Z de la nivelul vârfului arborilor s-a calculat în mod semiautomat: operatorul identificând și izolând din datele LiDAR punctele care aparțin fiecărui arbore în parte, după care soft-ul a determinat punctul de maximă locală ce corespunde vârfului arborelui din cilindrul de măsurare configurat de către operator.

O problemă care s-a ridicat în aceste condiții a fost aceea ca arborii măsurați în teren în suprafețele de cercetare să poată fi ușor identificabili în norul de puncte LiDAR, respectiv vârful unui arbore identificat în FUSION să fie asimilat fără echivoc arborelui corespondent măsurat în teren.

Soluționarea acestei ambiguități s-a realizat prin efectuarea unor operațiuni specifice (Petrila et al.,2012a), după cum urmează:

a) decuparea din datele LiDAR a punctelor corespunzătoare suprafețelor de probă măsurate în teren.

Această operație se realizează în soft-ul FUSION, cunoscându-se coordonatele centrelor (măsurate cu receptorul Trimble ProXH) și raza suprafeței de probă de 12,62 m. Pentru siguranță, punctele LiDAR se decupează, luându-se în considerare o rază mai mare, pentru ca arborii dominanți de la marginea suprafețelor de probă să fie cuprinși în totalitate.

b) Importul și afișarea în FUSION a arborilor măsurați pe teren.

Datele de identificare a fiecărui arbore în parte, respectiv coordonatele absolute X și Y în proiecție UTM, înălțimea și numărul de identificare se introduc într-un fișier specific soft-ului FUSION de tip „Tree file”. Soft-ul permite afișarea convențională a acestor arbori în modulul 3D LiDAR Data Viewer (LDV) sub forma unor trunchiuri de con care reprezintă tulpina arborelui și a unui grid care reprezintă coroana. Arborii se etichetează cu numărul de identificare stabilit pe teren.

c) Crearea modelului digital al suprafeței superioare a coronamentului (MDC) (Canopy Height Model – CHM), importul și afișarea acestuia în FUSION.

MDC se realizează prin filtrarea punctelor LiDAR reflectate de coronamentul arborilor, după ce în prealabil acestea au fost clasificate în cel puțin două clase (puncte ce aparțin/nu aparțin clasei sol). Punctele reflectate de coronament sunt, de regulă, primele ecouri din punctele cu reflexii multiple (first but not single), precum și punctele cu un singur ecou, dar care nu aparțin MDT (single but not ground). Pe baza acestor puncte se poate obține modelul digital al suprafeței (MDS). Punctele astfel filtrate ale MDS se interpoleză în soft-ul FUSION și se aplică noi filtre de căutare a punctului de cotă maximă. Modelul digital al suprafeței superioare a coronamentului (MDC) normalizat, realizat în format .dtm, se obține pe baza cotelor punctelor ce definesc modelul digital al terenului (MDT). Procesul de normalizare constă în înlocuirea cotelor absolute ale punctelor LiDAR (cote ce sunt în funcție de geoidul proiecției datelor LiDAR (geoid WGS 84 – proiecție UTM pentru zona 34N) cu cele relative.

În ceea ce privește suprafețele de cercetare amplasate în u.a. 118D, 43C și respectiv 62A pentru estimarea automată a numărului de arbori, a înălțimii acestora și a diametrului coroanei s-au folosit coeficienții unei ecuații de regresie a diametrului coroanei în funcție de înălțimea arborelui, stabilite pe date măsurate în teren.

Astfel de ecuații de regresie ar putea fi obținute la nivel național și pe specii în cazul în care în cadrul Inventarului Forestier Național s-ar culege date referitoare și la diametrul coroanei, sau în cadrul altor lucrări de cercetare cu reprezentativitate la nivel național.

În lipsa acestor ecuații la nivel național s-a recurs la obținerea unei ecuații locale de regresie utilizând datele dendrometrice măsurate în teren cu echipamentul FieldMap.

Având în vedere că pe teren a fost măsurată suprafața proiecției coroanei, diametrul coroanei (dcor) s-a calculat considerând suprafața proiecției (Prcor) acesteia ca fiind de formă circulară, utilizând următoarea relație :

(4.2)

Astfel, ecuația locală de regresie a diametrului coroanei în funcție de înălțimea arborelui obținută pe baza măsurătorilor de teren efectuate pentru suprafațele de cercetare 118D, 43 C și 62A este de forma unei curbe de tip parabolic :

di,cor =a + b* hi + c* hi2, (4.3)

unde : di,cor reprezintă diametrului coroanei obținut pe baza proiecției coroanei măsurată în teren;

hi – înălțimea arborelui obținută pe baza măsurătorilor din teren;

a,b,c – coeficienți de regresie obținuți pentru fiecare SC în parte.

Coeficienții acestei ecuații de regresie se introduc în FUSION, iar prin rularea algoritmului ”canopymaxima” (McGaughey, 2014) pentru modelul digital al suprafeței superioare a coronamentului (MDC), algoritmul identifică automat vârfurile fiecărui arbore, respectiv înălțimile și diametrele coroanelor.

Algoritmul, similar celui propus de Popescu et al. (2002) și Popescu și Wynne (2004), poate identifica arborii predominanți, dominanți și eventual codominanți din plafonul superior al arboretului care reprezintă de fapt o parte considerabilă a volumului acestuia. Extragerea diametrelor coroanelor se realizează conform metodologiei propuse de Popescu et al., 2003 (Fig. 4.16).

Fig. 4.16 Algoritm de identificare a arborilor și de determinare a diametrelor coroanelor arborilor în norul de puncte LiDAR (după Popescu et al., 2003)

Tree tops identification algorithm and the extraction of the tree crown diameters within LiDAR point cloud (after Popescu et al., 2003)

Datele de identificare a fiecărui arbore măsurat pe teren, respectiv coordonatele absolute X și Y în proiecție UTM pentru zona 34 Nord, înălțimea și numărul de identificare s-au introdus într-un fișier de tip „Tree file” specific soft-ului FUSION.

De asemenea, în urma rulării algoritmului canopy maxima s-a obținut un alt fișier de tip „Tree file”.

Ambele fișiere au fost importate în FUSION, iar arborii identificați automat au fost afișați împreună cu cei măsurați pe teren cu ajutorul modulului 3D LiDAR Data Viewer (LDV). Arborii măsurați în teren s-au etichetat cu numărul de identificare stabilit pe teren, iar cei identificați automat pe baza datelor LiDAR au fost etichetați cu numărul de identificare stabilit de algoritm (Fig. 4.17).

Problema realizării corespondenței dintre arborii măsurați pe teren și cei identificați automat pe baza datelor LiDAR a fost tratată în mod similar ca în cazul suprafețelor de probă din cadrul u.a. 56A.

Fig. 4.17 Arbori identificați automat pe baza datelor LiDAR (verde) și arbori măsurați în teren (mov) pentru suprafața de cercetare 118D

Automatic identified trees using LiDAR data (green) and trees measured in the field (purple) for the research area 118D

O parte a arborilor identificați automat au fost asimilați cu arborii măsurați în teren, respectiv vârful unui arbore identificat automat în aplicația FUSION a fost pus în corespondență cu vîrful arborelui corespunzător măsurat în teren.

În vederea obținerii de înălțimi corectate ale arborilor identificați automat pe date LiDAR, s-au utilizat ecuații de regresie liniară de forma :

hi LiDAR = a* hi teren + b, (4.4)

unde: hi LiDAR reprezintă înălțimile arborilor individuali identificați automat

pe date LiDAR;

hi teren – înălțimile arborilor individuali măsurați pe teren;

a,b – coeficienți de regresie obținuți pentru fiecare

suprafață de cercetare.

Deoarece pe baza datelor ALS se pot identifica arborii din plafonul superior (clasele I, II și III Kraft) un parametru ușor de determinat este înălțimea dominantă, numită uneori și înălțimea superioară (hdom).

Aceasta poate fi definită în diverse moduri, în funcție de metoda de calcul, totuși s-a demonstrat că între înălțimea dominantă hdom și înălțimea medie, definită ca înălțimea arborelui mediu al suprafeței de baza hg, există o corelație liniară puternică (Leahu,1994).

În lucrarea „Modele matematico-auxologice și tabele de producție pentru arborete” (Giurgiu și Drăghiciu, 2004) este definită următoarea relație între aceste două caracteristici, utilă pentru determinări terestre:

hdom = hgT + a1 hgTa0 ea2hgt (4.5)

unde:

hdom reprezintă înălțimea dominantă

hgT – înalțimea arborelui mediu al suprafeței de bază a arboretului, în m;

a0, a1, a2 – coeficienți de regresie stabiliți pe specii (pentru molid în arealul natural a0=1.532424, a1 =0.173958, a2= – 0.083050)

Pentru calculul înălțimii dominante pe baza datelor LiDAR s-a utilizat ipoteza conform căreia înălțimea dominantă este considerată ca fiind egală cu înălțimea medie a arborilor identificați pe date LiDAR.

Pentru obținerea de diametre corectate ale coroanelor arborilor identificați automat pe baza datelor LiDAR au fost adoptate ecuații de regresie liniară de forma :

dcor i,LiDAR = a* dcor i,teren + b, (4.6)

unde: dcor i,LiDAR reprezintă diametrele coroanelor arborilor individuali

identificați automat pe date LiDAR, în m;

dcor i,teren – diametrele coroanelor arborilor individuali

măsurați pe teren, în m;

a,b – coeficienți de regresie obținuți pentru fiecare

suprafață de cercetare.

Pentru determinarea diametrului de bază al arborilor identificați pe baza datelor LiDAR au fost testate mai multe ecuații de regresie obținute pentru suprafețele de cercetare 118D, 43C și 62A. Astfel, acesta a fost determinat pe baza diametrului de bază al arborilor măsurați în teren și exprimat în raport cu diametrul coroanei și înălțimea arborilor (Giurgiu, 1979) corespondenți celor măsurați în teren dar identificați pe baza datelor LiDAR, ecuația de regresie aleasă fiind de forma:

(4.7)

unde: reprezintă diametrele de bază al arborilor identificați automat pe baza

datelor LiDAR, în cm

– diametrele coroanelor arborilor individuali identificați automat

pe date LiDAR, în m;

– înălțimile arborilor individuali identificați automat pe date

LiDAR, în m;

a,b,c,d,e – coeficienți de regresie determinați experimental pentru fiecare

suprafață de cercetare.

Calculul volumului arborilor indentificați pe baza datelor LiDAR s-a realizat cu ajutorul datelor experimentale pentru fiecare suprafață de cercetare în parte prin intermediul unei ecuații de regresie obținută local, de forma :

(4.8)

unde:

Vi reprezintă volumul determinat pe baza datelor LiDAR aeropurtat;

hi,LiDAR – înălțimile arborilor individuali identificați pe baza datelor LiDAR;

a,b – coeficienți de regresie obținuți pentru fiecare suprafață de cercetare în

parte.

De asemenea pentru suprafețele de cercetare 118D, 43C și 62A determinarea volumului pe baza datelor LiDAR aeropurtat a fost realizată prin utilizarea unor ecuații de regresie ce utilizează direct diametrul coroanelor și înălțimea sau diametrul de bază și înălțimea (Giurgiu, 1979) determinate pe baza datelor LiDAR, ecuații de forma:

log vLiD = a0 + a1 log dcor LiD + a2 log2 dcor LiD + a3 log hLiD + a4 log2 hLiD (4.9)

log vLiD = a0 + a1 log dLiD + a2 log2 dLiD + a3 log hLiD + a4 log2 hLiD (4.10)

unde :

vLiD reprezintă volum arborelui determinat pe baza datelor LiDAR, în m3;

dcor LiD – diametrul coroanei arborelui determinat automat pe baza datelor

LiDAR, în m;

dLiD – diametrul de bază al arborelui determinat pe baza datelor LiDAR,

în cm;

hLiD – înălțimea arborelui determinată automat pe baza datelor LiDAR, în m;

a0,a1,a2,a3,a4 – coeficienți de regresie stabiliți experimental pentru arboretele din

cuprinsul fiecărei suprafețe de cercetare.

Pentru determinarea volumului arborilor neidentificați pe baza datelor LiDAR s-a pornit de la relația dintre diametru de bază măsurat în suprafețele de cercetare și înălțimea determinată automat pe baza datelor LiDAR (pentru aceeași colectivitate de arbori corespondenți), apelând la o ecuație de regresie de forma :

(4.11)

unde : reprezintă înălțimea arborelui determinată pe date LiDAR, în m;

d – diametrul de bază al arborelui măsurat pe teren, în cm;

a0, a1, a2 – coeficienți de regresie calculați conform metodologiei (Giurgiu et al., 2004)

În continuare, ecuației (4.11) a fost utilizată pentru determinarea înălțimilor arborilor neidentificați pe date LiDAR.

Pentru determinarea diametrelor coroanelor arborilor neidentificați pe date LiDAR s-a utilizat forma ecuației (4.3) care exprimă relația dintre diametrele coroanelor și înălțimile arborilor identificați pe baza datelor LiDAR.

Determinarea diametrelor de bază ale arborilor neidentificați pe date LiDAR s-a realizat utilizând ecuația (4.7) care exprimă relația dintre diametrele de bază ale arborilor măsurați în teren și înălțimile și diametrele coroanelor celor identificați pe baza datelor LiDAR.

Volumul total al arboretului determinat pe baza datelor LiDAR a fost calculat prin însumarea volumului arborilor identificați (Videntificați_LiDAR) cu cel al arborilor neidentificați pe date LiDAR (Vneidentificați_LiDAR), dar a căror înălțime s-a determinat prin extinderea ecuației de regresie (4.11) stabilită pentru arborii corespondenți în teren și identificați pe date LiDAR, după cum urmează :

VLiDAR = Videntificați_LiDAR+ Vneidentificați_LiDAR (4.12)

În mod similar, a fost calculat volumul total al arboretului pe baza datelor LiDAR luând în considerare ecuațiile (4.9), respectiv (4.10) de calcul a volumului arborilor individuali.

De asemenea pentru calcularea diferențelor procentuale față de volumul determinat în teren al arborilor identificați LiDAR s-a folosit relația :

(4.13)

În cazul datelor măsurate în teren, s-a folosit ecuația de regresie dublu logaritmică (Giurgiu, 1979) de forma :

log v = a0 + a1 log d + a2 log2 d + a3 log h + a4 log2 h (4.14)

unde :

v reprezintă volum arborelui, în m3;

d – diametrul de bază al arborelui, în cm;

h – înălțimea arborelui, în m;

a0 , a1 , a2 , a3, a4 – coeficienți de regresie stabiliți pentru molid (Giurgiu et al., 2004).

Atât informațiile obținute în urma măsurătorilor efectuate în suprafețele experimentale cât și cele obținute în urma măsurătorilor pe date LiDAR au fost prelucrate utilizând programele de prelucrare statistică SPSS, Microsoft Excel, EasyFit și programul informatic R.

Pentru testarea semnificației diferenței dintre media diametrelor de bază, respectiv a volumelor determinate pe date măsurate în teren, respectiv cea a diametrelor și volumelor determinate pe date LiDAR s-a utilizat testul Wilcoxon, care verifică ipoteza nulă (vteren= vLiDAR sau dteren= dLiDAR) pentru două eșantioane pereche, întrucât valorile individuale nu au urmat distribuția normală. Pentru ca aceasta să fie adevărată, abaterea normată Zexperimental trebuie să aibă valori mai mici decât Zteorretic=1,960 la o probabilitate de acoperire de 95%, respectiv Zteorretic=2,576 la o probabilitate de acoperire de 90%.

Metoda de determinare a volumului arborilor și arboretelor cercetate pe baza datelor LiDAR aeropurtat cuprinde mai multe etape distincte strâns legate între ele (Fig. 4.18).

În ceea ce privește analiza structurii arboretelor cercetate, aceasta s-a realizat utilizând metode statistice specifice (Giurgiu, 1979). Distribuțiile experimentale obținute în urma inventarierilor din teren cu ajutorul echipamentului FieldMap ale principalelor caracteristici biometrice ale arborilor au fost analizate cu ajutorul funcțiilor de repartiție teoretice corespunzătoare.

Pentru analiza distribuției numărului de arbori în raport cu diametrul, înălțimea și volumul acestora, atât pentru arborii măsurați pe teren, cât și pentru cei identificați pe baza datelor LiDAR s-au utilizat diferite funcții teoretice de repartiție (Beta, Normala, Gamma sau Weibull).

Testarea semnificației diferențelor dintre distribuțiile experimentale a numărului de arbori pe categorii de diametre și cele teoretice s-a realizat cu ajutorul testelor statistice Kolmogorov- Smirnov, Anderson – Darling și criteriului χ2.

Testul Kolmogorov – Smirnov (Stephens, 1979) s-a folosit pentru a determina dacă o distribuție experimentală se ajustează după o funcție de frecvență teoretică. Valoarea experimentală a testului KS (D) se calculează în funcție de cea mai mare diferență verticală absolută între funcția de distribuție teoretică cumulată și distribuția experimentală cumulată:

(4.15)

Ipoteza nulă este respinsă dacă Dexp este mai mare decât Dteoretic pentru o probabilitate de transgresiune α=0,05.

Procedeul Anderson – Darling (Anderson și Darling, 1954) este un test general folosit pentru compararea unei distribuții experimentale cumulate cu o funcție de distribuție teoretică cumulată. Acest test ține cont în mai mare măsură decât testul Kolmogorov-Smirnov de valorile reziduale și a fost utilizat numai pentru analiza structurii arboretelor studiate în raport cu diametrul acestora.

Valoarea experimentală a testului AD (A2) s-a calculat după formula:

(4.16)

În general, valorile teoretice ale statisticii A2 pentru diferite probabilități de transgresiune depind de distribuția teoretică cu care se ajustează distribuția experimentală. Aplicația informatică EasyFit, cu ajutorul căreia s-au realizat ajustările distribuțiilor experimentale, folosește aceleași valori teoretice pentru diferite probabilități de transgresiune pentru toate tipurile de distribuții teoretice.

Ipoteza nulă se respinge dacă A2exp este mai mare decât A2teoretic pentru o probabilitate de transgresiune α=0,05.

Fig. 4.18 Schema metodei de determinare a parametrilor biometrici pe baza datelor LiDAR aeropurtat

The scheme of the biometric parameters estimation method based on airborne LIDAR data

Criteriul χ2 (Giurgiu, 1972) s-a folosit pentru a determina dacă o probă (distribuție experimentală) provine dintr-o populație distribuită după o funcție teoretică specifică. În aplicația EasyFit, numărul de clase s-a calculat după formula:

(4.17)

Valoarea experimentală a statisticii χ2 s-a calculat după formula:

(4.18)

Deși, în mod normal, numărul de grade de libertate pentru testul χ2 se calculează după formula , unde c reprezintă numărul de parametrii estimați, aplicația EasyFit ia în calcul un număr de grade de libertate .

Ipoteza nulă este respinsă dacă χ2exp este mai mare decât χ2 teoretic pentru o probabilitate de transgresiune α=0,05.

Pentru suprafața de cercetare 118D ajustarea distribuției experimentale a numărului de arbori pe categorii de diametre s-a realizat și cu ajutorul funcțiilor mixte Gamma și Weibull, prelucrarea statistică a datelor fiind realizată cu pachetul de lucru mixdist (Macdonald și Du, 2004) al programului informatic R, testarea semnificației diferenței dintre distribuția experimentală și cele teoretice realizându-se cu ajutorul criteriului χ2.

În ceea ce privește legătura curbilinie dintre diametru și înălțimea arborelui corespondent, atât pentru datele obținute pe baza măsurătorilor din teren, cât și pentru cele obținute utilizând datele LiDAR aeropurtat s-a folosit ecuația :

(4.19)

unde : h reprezintă înălțimea arborelui, în m;

d – diametrul de bază al arborelui, în cm;

a0, a1, a2 – coeficienți de regresie calculați conform metodologiei

(Giurgiu et al., 2004)

Ca ecuație de serviciu a fost utilizată ecuația de forma :

log h = b0 + b1logd + b2log2d (4.20)

unde h reprezintă înălțimea arborelui, în m;

d – diametrul de bază al arborelui, în cm.

b0, b1, b2 – coeficienți de regresie stabiliți experimental pentru arboretele

cercetate.

Analiza distribuției numărului de arbori în raport cu înălțimea acestora, atât pentru arborii măsurați pe teren, cât și pentru cei identificați pe baza datelor LiDAR

s-a realizat prin utilizarea funcțiilor teoretice de repartiție (Beta, Gamma sau Weibull), iar testarea semnificației diferenței între cele două distribuții s-a realizat cu ajutorul testului de conformitate Kolmogorov-Smirnov (Stephens, 1979).

În ceea ce privește analiza distribuției numărului de arbori în raport cu volumul, pentru arborii măsurați pe teren și pentru cei corespunzători arborilor măsurați în teren dar identificați pe baza datelor LiDAR a fost realizată prin utilizarea funcțiilor teoretice de repartiție (Beta, Gamma) și prin testarea semnificației diferenței dintre cele două distribuții (experimentală și teoretică) cu ajutorul testului statistic Kolmogorov-Smirnov.

Volumul arborilor măsurați pe teren a fost calculat utilizând ecuația (4.14), respectiv volumului arborilor identificați pe date LiDAR a fost determinat în mod diferit, în funcție de variabila, respectiv variabilele factoriale utilizate, ecuațiile de regresie folosite fiind (4.8), (4.9), (4.10).

În vederea studierii legăturii dintre diametrul arborilor și volumul acestora, atât pentru arborii măsurați pe teren, cât și pentru cei identificați pe baza datelor LiDAR au fost testate mai multe ecuații de regresie, cea mai potrivită dovedindu-se ecuația de forma (Giurgiu, 1979):

log Vi = a + b*log di +c*log2 di (4.21)

unde:

Vi reprezintă volum arborelui, în m3;

di – diametrul de bază al arborelui, în cm;

a , b, c – coeficienți de regresie stabiliți pentru fiecare suprafață de cercetare

În continuare a fost realizată o analiză comparativă a distribuției volumelor pe categorii de diametre atât pentru arborii măsurați pe teren cât și pentru cei identificați pe baza datelor LiDAR aeropurtat, testarea semnificației diferenței între cele două distribuții experimentale fiind efectuată cu ajutorul criteriul χ2(Giurgiu, 1972).

5. REZULTATE OBȚINUTE

RESULTS

5.1. Crearea și integrarea bazelor de date geospațiale obținute prin tehnici LiDAR și prin procedee terestre de inventariere

Creating and integrating of the geospatial databases obtained through LiDAR techniques and terrestrial inventory methods

Bazele de date geospațiale obținute în urma măsurătorilor efectuate în teren cu ajutorul echipamentului FieldMap au fost importate într-o bază de date de tip ESRI file geodatabase. Înainte de a fi importate în baza de date geodatabase, datele FieldMap au fost reproiectate din coordonate locale în sistemul de coordonate UTM, pentru zona 34 Nord deoarece acesta este sistemul de coordonate în care au fost primite informațiile LiDAR. Georeferențierea în proiecția UTM s-a realizat pe baza coordonatelor centrelor, respectiv colțurilor suprafețelor de cercetare măsurate cu echipamentul GNSS (Global Navigation Satellite System – Sistem de navigare cu ajutorul sateliților), rezultând astfel structura bazei de date creată într-un proiect FiledMap (Fig. 5.1).

Fig. 5.1 Structura bazei de date creată cu ajutorul echipamentului Field Map (Field Map Project Manager)

The structure of the created database using the Field Map equipment (Field Map Project Manager)

În continuare, pentru fiecare suprafață de cercetare s-a creat o colecție de straturi tematice denumită Feature Dataset în care au fost importate din FieldMap următoarele straturi (feature class-uri):

conturul suprafeței de cercetare în format linie;

conturul suprafeței de cercetare în format poligon;

stratul cu proiecțiile coroanelor arborilor din suprafața de cercetare în format poligon;

stratul cu pozițiile arborilor din suprafața de cercetare în format punct;

stratul cu pozițiile arborilor din suprafața de cercetare în format poligon.

Fiecărui strat i-a fost atașat un tabel cu caracteristicile descriptive măsurate în teren (Fig. 5.2). Fiecărei înregistrări din baza de date îi corespunde un identificator (ID) unic, obținut pe baza numărului de identificare a suprafeței de probă (de la 561 la 5621 – pentru suprafața de cercetare 56A, respectiv 118, 43, 62 pentru celelalte suprafețe de cercetare).

Fiecare strat din cele cinci mai sus menționate a fost convertit apoi în format shapefile 3D pentru a putea fi afișate tridimensional în softurile cu care se realizează procesarea datelor LiDAR. Acest lucru s-a realizat prin introducerea în tabela de atribute (caracteristici descriptive) a fiecărui element din baza de date a coordonatei ce reprezintă cota Z și exportul straturilor în format 3D folosind extensia 3D Analyst a softului ArcGIS. Coordonata ce reprezintă cota Z este cea rezultată în urma măsurătorilor cu echipament GNSS și reprezintă înălțimea deasupra elipsoidului de referință (Height Above Elipsoid).

În acest mod a fost creată baza de date cu informațiile privind arborii măsurați, limitele suprafețelor de cercetare și măsurătorile dendrometrice efectuate în cadrul acestora (Fig. 5.2). În continuare s-a trecut la determinarea suprafeței de bază, a volumului și a indicelui de acoperire calculate pentru fiecare din suprafețele de cercetare respective (Tabelul 5.1).

Tabelul 5.1

Suprafața de bază, volumul și indicele de acoperire calculate pe baza inventarierilor efectuate în teren pentru suprafețele de cercetare 56A, 118D, 43C și 62A

Basal area, the volume and the crown density of the stand calculated based on the field measurements for the research areas 56A, 118D, 43C and 62A

*Valoare rezultată ca medie a valorilor indicilor de acoperire pentru cele 21 de suprafețe de probă din cadrul suprafeței de cercetare 56A

Conform metodologiei descrise în capitolul 4.2, modelele digitale de elevație, de precizie ridicată (MDS/MDT) au fost obținute prin selectarea din datele LiDAR a diferitelor ecouri (Fig.5.3).

Fig. 5.2 Arbori măsurați pe teren în cadrul suprafeței de cercetare 43C

Field measured trees within 43C research area

Fig. 5.3 Selectarea diferită a ecourilor LiDAR pentru obținerea Modeulul digital al suprafeței (MDS) (a), respectiv Modelul digital al terenului (MDT) (b)

The different selection of the LiDAR echoes for the extraction of the digital surface model (DSM) (a), digital terrain model (DTM) (b)

Punctele astfel obținute au fost apoi exportate în fișiere format raster care conțin date de tip elevație (Fig. 5.4).

Fig. 5.4 Modelul digital al suprafeței (MDS) realizat pentru suprafața de cercetare 43C – vedere bidimensională (a); vedere tridimensională (b)

The digital surface model (DSM) for the 43C research area – bidimensioanl view (a); tridimensioanl view (b)

Modele digitale ale terenului au fost obținute în urma aplicării algoritmilor automați ai softului QCoherent LP360 (Fig. 5.5), prin aplicarea algoritmului de filtrare specific softului FUSION (Fig. 5.6), respectiv prin aplicarea algoritmilor specifici de clasificare a punctelor LiDAR utilizând softul Mars Explorer (Fig. 5.7).

Fig. 5.5 Modelul digital al terenului (MDT) pentru suprafața de cercetare 43C obținut cu softul QCoherent LP360 – vedere bidimensională(a); vedere tridimensională (b)

The digital terrain model for the 43C research area extracted by QCoherent LP360 bidimensioanl view (a); tridimensioanl view (b)

Fig. 5.6 Modelul digital al terenului (MDT) pentru suprafața de cercetare 118D folosind algoritmul implementat în softul FUSION (de filtrare a punctelor aflate la sol) – vedere tridimensională peste care este suprapus norul de puncte LiDAR

The digital terrain model (DTM) for the 118D research area extracted using FUSION algorithm (of ground filtering points) – tridimensional view, overlapped with LiDAR point cloud

Fig. 5.7 a) Clasificarea punctelor LiDAR utilizând softul Mars Explorer și limita u.a 56A măsurată cu receptorul Trimble ProXH – vedere tridimensională; b) Model digital al terenului (MDT) pentru suprafața de cercetare 56A utilizând softul Mars Explorer – vedere bidimensională

a) The classification of LiDAR points using Mars Explorer and the limit of 56A compartment measured with Trimble ProXH – tridimensioanl view; b) The digital terrain model (DTM) for the 56A research area extracted using Mars Explorer software- bidimensioanl view

La baza obținerii modelului digital al suprafeței superioare a coronamentului (MDC) au stat modelul digital al suprafeței (MDS) și modelul digital al terenului (MDT). Astfel, puncte filtrate ale MDS au fost interpolate în FUSION și au fost aplicate noi filtre cum ar fi, filtrul median, care utilizează o fereastră de mărime 3×3 pentru a căuta punctul de cotă maximă. În vederea obținerii modelului digital al suprafeței superioare a coronamentului normalizat a fost utilizat MDT obținut anterior, cotele absolute ale punctelor LiDAR fiind înlocuite de cote relative (Fig. 5.8).

Fig.5.8 Nor de puncte LiDAR pentru suprafața de cercetare 43C – puncte brute nenormalizate (a); puncte normalizate (b)

LiDAR point cloud for the 43C research area – non-normalized raw points (a); normalized points (b)

Modelul digital al suprafeței superioare a coronamentului astfel obținut are extensia .dtm, extensie caracteristrică tuturor modelelor digitale de elevație folosite de softul FUSION. De asemenea, ținînd cont de faptul că densitatea punctelor LiDAR este de 4 puncte pe m2, rezoluția spațială selectată pentru realizarea modelului digital al suprafeței superioare a coronamentului a fost de 0,5 m.

Odată creat, MDC a putut fi afișat în softul FUSION, utilizând modulul LDV în care s-a realizat și măsurarea arborilor pentru suprafațele de cercetare 56A, 118D, 43C și respectiv 62A (Fig. 5.9).

Fig. 5.9 Reprezentarea grafică 3D în FUSION a modelului digital al coronamentului pentru suprafața de cercetare 43C

3D FUSION graphic view of the canopy height model for the 43C research area

5.2. Estimarea principalelor caracteristici dendrometrice ale arborilor și arboretelor de molid obținute pe baza datelor LiDAR aeropurtat

The estimation of the principal dendrometric characteristics of the spruce trees and stands extracted based on airborne LiDAR data

În ceea ce privește estimarea înălțimii arborilor de molid din cadrul suprafețelor de cercetare cu ajutorul tehnicilor de scanare cu laser aeropurtat, aceasta a fost posibilă prin utilizarea modelelor digitale de elevație (MDT și MDC) obținute anterior pentru suprafețele de cercetare 56A, 118D, 43C și 62A.

Asfel, pentru suprafața de cercetare 56A această estimare s-a realizat printr-un procedeu semiautomat. După reprezentarea grafică în softul FUSION a arborilor măsurați pe teren și a modelului digital al suprafeței superioare a coronamentului (MDC) împreună cu datele LiDAR s-a constatat că există o anumită deplasare între datele LiDAR și datele măsurate în teren, în sensul că vârfurile arborilor din cele două surse de date nu coincid, existând o abatere sistematică unică pentru fiecare din cele 21 de suprafețe circulare, pe cele două axe X și Y. Valorile deplasărilor sunt variabile de la o suprafață de cercetare la alta dar sunt constante în cadrul aceleeași suprafețe.

Această nesuprapunere pe cele două axe (X,Y) poate proveni din două surse de erori:

– erori la măsurarea cu receptorul Trimble Pro XH a coordonatelor centrelor suprafețelor de probă. Sub coronament, și în special sub un coronament dens de molidiș cum este cazul suprafeței de cercetare 56A, captarea semnalului sateliților cu ajutorul echipamentului GNSS este mai slabă, recepționarea pseudofazei Carrier nu este constantă, iar PDOP-ul (Position Dilution of Precision – Diluare de precizie a poziției) este mai mare decât în câmp deschis (de regulă mai mare decât 6). Perturbările de semnal datorate reflexiei multiple sunt de asemenea mai pronunțate. Aceasta înseamnă că precizia de determinare a punctelor determinate cu receptor GNSS poate fi pe alocuri mai redusă, având valori de peste 1m, chiar dacă ulterior la birou s-a aplicat o corecție diferențială prin postrocesare cu stația de referință DEVA;

– erori de georeferențiere a datelor LiDAR. Trebuie luată în calcul și posibilitatea ca datele LiDAR să aibă o anumită eroare de georeferențiere.

După pregătirea datelor pentru efectuarea măsurătorilor pe baza datelor LiDAR, a fost posibilă identificarea punctelor aparținând unui anumit arbore din suprafața de probă fără confuzii, putându-se proceda în continuare la măsurarea înălțimii arborilor din fiecare suprafață experimentală (Fig. 5.10).

Fig. 5.10 Măsurarea înălțimii unui arbore cu ajutorul softului FUSION, pentru una dintre cele 21 de suprafețe circulare din cuprinsul suprafaței de cercetare 56A

The tree height measurement using FUSION software for one of the 21 circular sample plots from the 56A research area

Abaterea pe axele X și Y dintre datele LiDAR și cele măsurate pe teren nu a perturbat procesul de măsurare întrucât, devierea fiind aproximativ egală de la arbore la arbore, vârfurile au putut fi ușor recunoscute. S-au identificat și măsurat cei mai înalți arbori din suprafața de probă, iar după măsurarea a 2-3 arbori a rezultat direcția și distanța de deplasare pe cele două axe care a putut fi apoi aplicată și pentru restul arborilor.

Conform metodologiei utilizate, au putut fi identificați și măsurați doar arborii predominanți, dominanți sau codominanți, cei din etajul superior deoarece aceștia au vârfurile și coroana distinct separabile. Arborii dominați nu pot identificați în norul de puncte LiDAR deoarece punctele reflectate de aceștia „se pierd” între punctele reflectate de arborii dominanți. Arborii mici ca înălțime au putut fi recunoscuți doar dacă se aflau amplasați într-o zonă cu consistență redusă (în goluri existente de arboret).

Din totalul celor 1142 de arbori din cele 21 de suprafețe de probă din cuprinsul suprafeței de cercetare 56A au putut fi măsurate pe date LiDAR înălțimile pentru 641 de arbori ceea ce reprezintă un procent de 56% (Tabelul 5.2). Această colectivitate a arborilor corespondenți în teren celor identificați pe datele LiDAR totalizează un procent de 89,8% din volumul total al arboretului calculat prin metode terestre.

Tabelul 5.2

Numărul și volumul calculat pe baza măsurătorilor efectuate în teren pentru arborii identificați și măsurați utilizând datele LiDAR (Petrila et al., 2012)

The number and the field calculated volume of the identified and measured trees based on LiDAR data (Petrila et al., 2012)

Pentru suprafețele de cercetare 118D, 43C și 62A, în vederea estimării principalelor caracteristici dendrometrice ale arborilor și arboretelor de molid a fost utilizată metoda automată de identificare a poziției arborilor, înălțimii și diametrului coroanei arborilor pe baza datelor LiDAR aeropurtat (Fig. 4.16 din capitolul 4.2).

Pentru fiecare dintre suprafețele de cercetare 118D, 43C și 62A pe baza legăturii corelative semnificative (α<5%) dintre diametrul coroanei și înălțimea fiecărui arbore (r=0,49-0,57) obținute pe baza măsurătorilor de teren au fost obținute ecuații de regresie specifice (Fig. 5.11).

Fig. 5.11 Diametrul coroanei arborilor în raport cu înălțimea acestora pentru arborii măsurați în teren din cadrul suprafețelor de cercetare a)118D, b)43C și c)62 A

The correlation between crown diameter and height of the trees measured in the field for the research areas a)118D, b)43C and c)62A

Asfel, prin utilizarea ecuațiilor de regresie pentru fiecare suprafața de cerecetare în parte și a algoritmului de obținere automată a înălțimilor și diametrelor coroanelor a fost posibilă identificarea pe baza datelor LiDAR a unei părți din numărul total de arbori inventariați la teren în cadrul suprafețelor de cercetare 118D, 43C și 62 A (Tabelul 5.3). Tabelul 5.3

Numărul de arbori măsurați pe teren și identificați pe baza datelor LiDAR pentru suprafețele de cercetare 118D, 43C și 62 A

Number of trees measured in the field and identified based on LiDAR data for the research area 118D, 43C and 62A

Rezultatul obținut în urma aplicării algoritmului de extragere automată a înălțimilor și diametrelor coroanelor este un fișier de tip .csv (comma-separated value) care conține informații privitoare la locația (X,Y) a fiecărui arbore măsurat, înălțimea arborelui, diametrul minim, maxim al coroanei. Acest tip de fișier este un fișier treefile și poate fi adăugat în softul FUSION (Fig. 5.12).

Fig. 5.12 Suprapunere între modelul digital al suprafeței supeioare a coronamentului (MDC), arbori măsurați terestru și arbori (geolocație, înălțime și diametrul coroanei) obținuți prin metoda automată pe baza datelor LiDAR – cu ajutorul softului FUSION pentru suprafața de cercetare 43C

The overlap of the canopy height model (CHM), field measured trees and automatic identified trees (geolocation, height and canopy diameter) based on LIDAR data – using FUSION software for the research area 43C

Ca și în cazul utilizării metodei semiautomate, pentru compararea și corelarea măsurătorilor obținute atât prin procedee terestre cât și prin utilizarea tehnicilor de scanare cu laser aeropurtat a fost necesară realizarea corespondenței între arborii măsurați în teren și cei măsurați cu ajutorul datelor LiDAR.

În vederea efectuării acestei analize comparative au fost efectuate cercetări cu privire la poziția planimetrică (X,Y) a datelor obținute prin utilizarea tehnologiei LiDAR aeropurtat față de poziția planimetrică a datelor obținute în urma măsurătorilor efectuate cu ajutorul echipamentului FieldMap. Acest fapt este deosebit de important pentru siguranța că aceeași arbori individuali pot fi recunoscuți atât prin utilizarea tehnologiei LiDAR aeropurtat cât și utilizând datele obținute în urma măsurătorilor de teren cu ajutorul echipamentului FieldMap.

Colțurile suprafețelor de cercetare, repectiv centrele suprafețelor circulare au fost determinate cu ajutorul receptorului GNSS Trimble ProXH și GeoXH echipate cu antenă Zephir I, respectiv Zephir II și, în consecință, de poziționarea acestora pe datele LiDAR depinde poziționarea fiecărui arbore determinat în cuprinsul suprafețelor de cercetare. Deoarece vizualizarea datelor obținute prin utilizarea tehnologiei LiDAR aeropurtat se bazează pe evidențierea diferențelor de înălțime între obiecte și nu pe diferențe de culoare (nuanțe de gri) ca în cazul imaginilor optice, sunt mult mai greu de depistat repere, corespondențe în teren și pe datele LiDAR vizualizate. Din acest motiv analiza s-a efectuat în două etape: în prima etapă s-a analizat poziționarea imaginilor aeriene față de punctele de control ridicate cu receptorul Trimble ProXH, iar în cea de a doua s-a analizat poziționarea datelor LiDAR față de imaginile aeriene.

În cazul poziționării imaginilor aeriene față de punctele înregistrate cu receptorul GNSS Trimble ProXH trebuie ținut cont de faptul că nu există reper care să poată fi considerat absolut corect identificat atât în teren cât și pe imaginea aeriană ortorectificată. Diferența de poziționare între reperele de pe imaginea aeriană și punctele de reperaj fotogrammetric corectate prin metoda corecției diferențiale se datorează atât erorii determinării cu receptorul Trimble ProXH cât și erorii de georeferențiere a imaginii aeriene și nu se poate știi cât din eroare se datorează georeferențierii și cât erorii de determinare cu aparatul GNSS.

Astfel, pornind de la rezultatele obținute la noi (Petrila et al., 2012) au fost stabilite distanțele de la punctul corectat (prin metoda diferențială cu stația GPS de la DEVA) la punctul de reper determinat pe imagine (punctul unde a staționat aparatul GNSS în teren) și azimutul acestei distanțe (Tabelul 5.4). Pentru a avea o idee asupra preciziei georeferențierii imaginii, considerând punctele înregistrate cu echipamentul GNSS ca fiind de referință, s-a construit diagrama, în care sunt trecute, sub formă de vectori (în sens topografic), deplasările punctelor de reper de pe imagine față de punctele astfel înregistrate cu echipamentul specific (Fig. 5.13). Deplasarea imaginii față de punctele de reperaj fotogrammetric, denumite și puncte de control la sol (Ground Control Points – GCP) este destul de dezordonată dar se poate observa o preferință pentru direcția sud vest. S-a calculat deplasarea medie pentru punctele luate în considerare și s-a obținut valoarea de 1,31 m iar pentru direcția de deplasare s-a calculat media ponderată și s-a obținut valoarea de aproximativ 226o.

Tabelul 5.4

Distanța de deplasare și azimutul între punctele de reperaj fotogrammetric măsurate la sol și punctele de reper de pe imaginea aeriană ortorectificată

The distance and azimuth between the photogrammetric ground control points and the reference points captured on the aerial orthorectified image

Această deplasare între punctele ridicate cu echipament GNSS și imaginea aeriană se încadrează în eroarea declarată de Agenția Națională de Cadastru și Publicitate Imobiliară pentru georeferențiere. Concluzia este că punctele astfel înregistrate pot fi luate ca referință și eroarea maximă posibilă a ridicărilor cu receptorul GNSS este cea estimată în urma efectuării corecției diferențiale de la stația EUREF Deva utilizând tehnologia Trimble H-STAR (de aproximativ 60 cm).

În ceea ce privește poziționarea datelor LiDAR față de imaginile aeriene, s-au căutat pe acestea din urmă elemente care pot fi bine vizualizate și pe datele LiDAR, (cum ar fi podurile). Podurile peste ape reprezintă elemente de foarte bun contrast datorită faptului că apa reflectă impulsurile LiDAR în altă direcție decât se află captorul (reflexie tip oglindă) și în aceste zone nu există semnal captat. De asemenea a fost vectorizat ca poligon și o porțiune din drumul de access către suprafața de cercetare 62A, care este vizibil atât pe imaginea aeriană cât și pe datele LiDAR (Fig. 5.14).

Fig. 5.13 Deplasarea relativă a imaginii față de punctele de reperaj fotogrammetric înregistrate cu receptorul Trimble ProXH (Săgeata mov reprezintă distanța medie și direcția medie ponderată a azimuturilor)

The relative dispalcement between aerial imagine and photogrammetric points measured with Trimble ProXH receiver (Purple arrow represents the azimuth weighted average distance)

Prin suprapunerea acestor obiecte pe datele LiDAR s-au putut determina erorile de poziționare relativă dintre datele LiDAR și imaginile aeriene ortorectificate. În cele ce urmează sunt prezentate două exemple de poziționare relativă între imaginile aeriene ortorectificate și datele LiDAR (Figurile 5.14 și 5.15).

Fig. 5.14 Vizualizare a datelor LiDAR (a) și imagine aeriană (b). (Drumul din imagine a

fost vectorizat pe imaginea aeriană și suprapus peste datele LiDAR).

LiDAR data view (a) and aerial imagine (b). (The road from the image

was vectorized based on the aerial image and overlapped with LiDAR data).

Fig. 5.15 Vizualizare a datelor LiDAR (a) și imagine aeriană (b). (Suprafața tăiată ras din imagine a fost vectorizată pe imaginea aeriană și suprapusă peste datele LiDAR).

LiDAR data view (a) and aerial imagine (b). (The clear cut forest area road was vectorized based on the aerial image and overlapped with LiDAR data).

Ambele exemple de suprapunere a datelor LiDAR peste imaginile aeriene (Figurile 5.14 și 5.15) evidențiază faptul că datele LiDAR se suprapun foarte bine cu imaginile aeriene.

Datorită faptului că în suprafețele acoperite de vegetație forestieră nu există repere care să asigure recunoașterea punctelor în care se efectuează măsurători cu echipament GNSS, nici măcar pe imaginile aeriene și cu atât mai puțin pe datele LiDAR, au fost alese repere care pot fi ușor recunoscute atât pe imagini aeriene cât și pe date LiDAR și au fost calculate diferențe între măsurătorile efectuate pe cele două seturi de date (Tabelul 5.5).

Pentru o evaluare cantitativă au fost alese clădiri care pot fi detectate clar și fără ambiguități și pe datele LiDAR, datorită contrastului de înălțime dintre clădire și zona înconjurătoare. Aceste clădiri au fost vectorizate pe imaginile aeriene și au fost suprapuse peste imaginile LiDAR, măsurând astfel diferențele de poziție între poligonul vectorizat și datele LiDAR (Fig. 5.16).

Fig. 5.16 Clădiri vectorizate pe imagini aeriene (a) și suprapuse peste date LiDAR (b) în vederea măsurării diferenței de poziție între cele două surse de date

Buildings vectorised based on aerial images (a) and overlapped with LiDAR data (b) in order to measure the position difference between the two datasets

Tabelul 5.5

Deplasările relative dintre imaginile aeriene și datele LiDAR determinate pe baza măsurătorilor efectuate la unele clădiri din zona acoperită de datele LiDAR

The relative displacements between the aerial images and LiDAR data based on some buildings measurements in the area cover by LiDAR data

Deplasările relative între imaginile aeriene și datele LiDAR depășesc în trei cazuri doi metri (punctele 4, 6, respectiv 17), în rest sunt mai mici de doi metri. Media deplasărilor relative determinate este de 1,56 m iar azimutul mediu ponderat este aproximativ 268o (Fig. 5.17).

Fig.5.17 Deplasarea relativă a datelor LiDAR față de imaginile aeriene în punctele determinate

The relative displacement between the LiDAR data and the aerial images in the measured points

Prin compunerea vectorială a celor două deplasări medii s-a estimat deplasarea datelor LiDAR față de punctele de reperaj fotogrammetric măsurate la sol cu receptorul Trimble ProXH. Aceasta este de aproximativ 2,68 m pe direcția azimut 249o (Fig. 5.18)

Fig.5.18 Deplasarea relativă a datelor LiDAR față de punctele determinate cu receptorul GNSS

The relative displacement between the LiDAR data and the measured points wtih the GNSS equipment

Prin compunerea vectorilor medii de deplasare a imaginilor față de punctele de control măsurate la sol (GCP) și a datelor LiDAR față de imagini s-a ajuns la concluzia că deplasarea datelor LiDAR față de punctelor determinate cu receptorul GNSS este de maximum de 2-3 metri. Acest fapt ne permite să tragem concluzia că nu se vor crea confuzii în recunoașterea arborilor identificați pe baza datelor LiDAR, corespondenți celor măsurați în teren.

Astfel, pentru suprafața de cercetare 56A au fost determinate deplasările relative și înălțimile medii pentru cele 21 de suprafețe de probă de formă circulară din cadrul suprafeței de cercetare, deplasări calculate pe baza datelor obținute prin utilizarea echipamentului FiledMap, și implicit a receptorului GNSS și a datelor LiDAR (Tabelul 5.6).

Tabelul 5.6

Deplasările realtive pentru cele 21 de suprafețe de probă din cadrul suprafeței de cercetare 56A dintre pozițiile arborilor, respectiv înălțimile pentru arborii măsurați pe baza datelor LiDAR corespondenți celor măsurați în teren

The relative displacements of the 21 sample plots within the research area 56A, between the position and tree heights for the measured LiDAR trees corresponding to the field measured ones

Conform informațiilor prezentate în tabelul 5.6, media deplasărilor relative este de 2,22 m iar direcția medie ponderată de aproximativ 173o.

În ceea ce privește suprafețele de cercetare 118D, 43C și 62A media deplasărilor relative se situează sub 3 metri, iar direcția medie ponderată este cuprinsă între aproximativ 180o și 256o (Tabelul 5.7).

Tabelul 5.7

Deplasarea medie relativă și direcția medie ponderată a azimutului pentru suprafețele de cercetare SC 118D, 43C și 62A

The mean relative displacement and the azimuth weighted mean direction for the research area RA 118D, 43C and 62A

Aceste deplasări de sub 3 m putem considera că apar din cauza faptului că înregistrările cu ajutorul receptorului GNSS se realizează sub coronament și nu în teren liber, precizia măsurătorilor astfel efectuate fiind diminuată în acest caz, aspect studiat și de alți cercetători (Zheng et al., 2005).

Totuși, putem considera că amplasarea centrelor și colțurilor suprafețelor de cercetare cu ajutorul echipamentului GNSS asigură acuratețea necesară pentru compararea seturilor de date din teren cu datele LiDAR.

Odată rezolvată problema poziționării planimetrice (X,Y) a datelor obținute prin utilizarea tehnologiei LiDAR aeropurtat față de poziția planimetrică a datelor obținute în urma măsurătorilor efectuate cu ajutorul echipamentului FieldMap s-a trecut la analiza comparativă propriu zisă a principalelor caracteristici dendrometrice ale arborilor și arboretelor de molid.

În urma procesului de măsurare automată a înălțimilor efectuată pe baza datelor LiDAR a rezultat prin utilizarea acestui tip de date, pentru fiecare suprafață de cercetare un șir de valori cu înălțimile arborilor și diametrele coroanelor acestora.

În continuare au fost exprimate înălțimile arborilor determinate pe baza datelor LiDAR (pentru aceeași colectivitate de arbori corespondenți) în raport cu cele măsurate în teren la arborii din cuprinsul suprafețelor de cercetare 118D, 43C și 62 A cu ajutorul unor drepte de regresie conform ecuației (4.4) din capitolul 4.2 (Fig. 5.19), observându-se o corelație puternic semnificativă (α<5%) (r=0,93 – 0,96) între înălțimile arborilor măsurați pe teren și cele identificate pe date LiDAR. Valori similare ale coeficienților de corelație (0,93) au fost obținuți utilizând o altă metodă de indentificare a arborilor individuali pe baza datelor LiDAR (Yu et al., 2011).

Analizând figura 5.19, se observă că în jurul înălțimii de 20 – 25 m (abscisa punctului de intersecție al dreptelor de regresie (teroretică și experimentală)), valorile determinate pe date LiDAR sunt aproximativ egale cu cele măsurate în teren pentru arborii corespondenți. În general, la valori mai mari ale înălțimilor măsurate în teren decât abscisa punctului de intersecție al celor două drepte de regresie, înălțimile determinate pe date LiDAR sunt mai mici, fapt ce poate fi explicat prin aceea că scannerul laser nu reușește să identifice vârfurile arborilor predominanți, rezultând în general, înălțimi mai mici decât cele măsurate în teren la arborii corespondenți. În cazuri specifice unui număr redus de arbori, în care înălțimile determinate pe date LiDAR sunt mai mari decât cele măsurate în teren pentru arborii corespondenți (valori ale înălțimilor măsurate în teren mai mici decât abscisa punctului de intersecție a celor două drepte de regresie), scannerul laser identifică așa-numite „vârfuri false”, interceptând puncte din coroanele arborilor predominanți și dominanți din imediata vecinătate a arborilor codominanți, porțiuni situate în zona vârfurilor acestor arbori.

Fig. 5.19 Înălțimea arborilor determinată pe baza datelor LiDAR în raport cu cea măsurată în teren pentru arboretele din cadrul suprafețelor de cercetare a) 118D; b) 43C; c) 62A

Tree height determined based on LIDAR data and the measured field one for the stands within the research areas a) 118D; b) 43C; c) 62A

În continuare au fost exprimate diametrele coroanelor determinate pe baza datelor LiDAR în raport cu înălțimile corespunzătoare determinate pe baza acelorași date pentru arborii din cadrul suprafețelor de cercetare 118D, 43C și 62A, corelațiile dintre cele două caracteristici dendrometrice fiind de asemenea semnificative ca și în cazul datelor măsurate în teren (r= 0,48-0,61, pentru α<5%) (Fig. 5.20).

Fig. 5.20 Diametrul coroanei arborilor în raport cu înălțimea acestora pentru arborii identificați pe baza datelor LiDAR din cadrul suprafețelor de cercetare a)118D, b)43C și c)62 A

The correlation between crown diameter and height of the trees identified based on LiDAR data for the research areas a)118D, b)43C and c)62A

Diametrele coroanelor arborilor identificați pe baza datelor LiDAR au fost exprimate în raport cu cele măsurate în teren la arborii din cuprinsul suprafețelor de cercetare 118D, 43C și 62A utilizând ecuații de regresie de formă liniară (ecuația (4.6) din capitolul 4.2) (Fig. 5.21), observându-se că între diametrele coroanelor arborilor obținute pe baza măsurătorilor din teren și cele identificate pe date LiDAR există o corelație semnificativă mai redusă(r=0,29 – 0,41) decât în cazul înălțimilor acestora (α<5%). Diametrele coroanelor arborilor stabilite prin cele două metode, pe baza măsurătorilor de teren și pe baza datelor LiDAR se prezintă sub forma unui nor de puncte grupat, observându-se în general o supraestimare a dimensiunilor coroanelor mici (diametrul coroanei mai mic decât 4 m) comparativ cu cele mari, când diametrele coroanelor determinate pe date LiDAR au valori mai reduse (Fig. 5.21). O explicație a supraestimării diametrelor coroanelor mici pe date LiDAR față de valorile măsurate în teren poate fi dată de identificarea cu dificultate a vârfului și diametrului acestora pentru arborii dominanți și codominanți, unde coroanele se întrepătrund, fenomen mai frecvent întâlnit în cazul coroanelor de mici dimensiuni, identificându-se coroane de dimensiuni mai mari prin recepționarea unor puncte din coroanele arborilor dominanți situați în imediata vecinătate.

Fig. 5.21 Diametrul coroanei arborilor determinați pe baza datelor LiDAR în raport cu cel măsurat în teren pentru arboretele din cadrul suprafețelor de cercetare a) 118D; b) 43C; c) 62A

Tree crown diametre determined based on LIDAR data and the calculated field one for the stands within the research areas a) 118D; b) 43C; c) 62A

Diametrul de bază al arborilor identificați pe datele LiDAR a fost determinat utilizând măsurătorile terestre ale acestuia și a fost exprimat în raport cu înălțimile și diametrele coroanelor determinate pe baza datelor LiDAR.

Astfel, au fost testate mai multe tipuri de ecuații de regresie (tabelul 5.8), ecuația aleasă având cel mai mare coeficient de determinație (R2) și forma (Giurgiu, 1979):

unde: reprezintă diametrele de bază al arborilor identificați automat pe baza

datelor LiDAR, în cm

– diametrele coroanelor arborilor individuali identificați automat

pe date LiDAR, în m;

– înălțimile arborilor individuali identificați automat pe date

LiDAR, în m;

a,b,c,d,e – coeficienți de regresie determinați experimental pentru fiecare

suprafață de cercetare.

Tabelul 5.8

Relații matematice între diametrul de bază al arborilor măsurați pe teren și diametrul coroanelor și înălțimea arborilor corespondenți identificați pe baza datelor LiDAR pentru arboretele studiate din cadrul suprafețelor de cercetare

Mathematical relations between the diameter at breast height of trees measured in the field and the crown diameter and height of the correspondents tree identified based on LIDAR data for the research area stands

În continuare s-a testat semnificația diferenței dintre diametrul mediu al arborilor măsurați pe teren și diametrul mediu al celor corespondenți măsurați pe teren și identificați pe baza datelor LiDAR utilizând testul Wilcoxon. Între diametrul mediu al arborilor măsurați pe teren și diametrul mediu al celor corespondenți identificați pe date LiDAR nu s-au constat diferențe semnificative (Tabelul 5.9).

Tabelul 5.9

Analiza semnificației diferenței dintre diametrul mediu al arborilor măsurați pe teren și diametrul mediu al celor identificați pe date LiDAR, corespondenți celor măsurați pe teren pentru suprafețele de cercetare studiate

The significance analysis between the field measured tree mean diameters at breast height and the mean diameter at breast height of the LiDAR corresponding field measured identified ones for the research areas

Notă : În cazul valorii evidențiate, ipoteza nulă este confirmată pentru o probabilitate de acoperire (p=90%).

Volumul arborilor identificați pe baza datelor LiDAR a fost calculat cu ajutorul măsurătorilor terestre și exprimat în raport cu înălțimile arborilor determinate pe baza datelor LiDAR (Fig. 5.22).

Fig. 5.22 Volumul arborilor măsurați pe teren în raport cu înălțimea acestora determinată pe baza datelor LiDAR pentru aceeași arbori corespondenți a) SC 56A ; b) SC 118D; c) SC 43C; d) SC 62A

The correlation between the field measured tree volume and the estimated tree height identified based on LiDAR data for the same corresponding trees within the research area a) 56A; b) 118D; c) 43C(b); d) 62A

În mod similar cu testarea diferenței dintre medii pentru diametru de bază s-a realizat și testarea semnificației diferenței dintre volumul mediu al arborilor măsurați pe teren și volumul mediu al arborilor identificați pe baza datelor LiDAR, corespondenți celor măsurați în teren (Tabelul 5.10).

Tabelul 5.10

Analiza semnificației diferenței dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în teren și volumul mediu al arborilor identificați pe date LiDAR, corespondenți celor măsurați pe teren pentru suprafețele de cercetare studiate

The significance analysis between the field measured tree mean volume and the mean volume of the LiDAR corresponding field measured identified ones for the research areas

În vederea determinării înălțimilor arborilor neidentificați pe baza datelor LiDAR s-a utilizat relația 4.11 (capitolul 4.2) dintre înălțimea determinată pe baza datelor LiDAR și diametrul de bază măsurat pe teren, obținând coeficienți de regresie (Tabelul 5.11) și coeficienții de corelație ai celor două caracteristici dendrometrice cuprinși între 0,67 și 0,80 (Tabelul 5.12).

Tabelul 5.11

Determinarea coeficienților ecuației de regresie de forma (Giurgiu et al., 2004)

Determination of equation regression coefficients (Giurgiu et al., 2004)

Tabelul 5.12

Valorile coeficienților de corelație (r) și a rapoartelor de corelație (r2) dintre diametrele arborilor măsurate pe teren și înălțimile determinate pe baza datelor LiDAR, pentru aceeași arbori corespondenți

Correlation coefficients between the field measured tree diameters and their identified heights based on LiDAR data for the same corresponding trees

Determinarea înălțimii dominante a plafonului superior al arboretului, identificate prin scanare LiDAR a fost obținută ca medie aritmetică a tuturor înălțimilor arborilor determinate pe baza datelor LiDAR.

Pentru calcularea înălțimii dominante în cazul măsurătorilor de teren s-a utilizat ecuația de forma (Giurgiu și Drăghiciu, 2004) :

hdom = hgT + a1 hgTa0 ea2hgt

unde:

hdom reprezintă înălțimea dominantă, în m;

hgT – înalțimea arborelui mediu al suprafeței de bază a arboretului, în m;

a0, a1, a2 – coeficienți de regresie stabiliți pe specii (pentru molid în arealul natural a0=1,532424, a1 =0,173958, a2= – 0,083050)

Înălțimea arborelui mediu al suprafeței de bază fiind înălțimea corespunzătoare diametrului mediu al suprafeței de bază, a fost determinată cu ajutorul ecuației de forma (Giurgiu et al., 2004) :

unde :reprezintă înălțimea arborelui mediu al suprafeței de bază, în m;

– diametrul mediu al suprafeței de bază a arboretului, în cm;

a0, a1, a2 – coeficienți de regresie calculați conform metodologiei (Giurgiu et al., 2004)

Prin compararea înălțimilor dominante determinate pentru măsurătorile efectuate pe teren cu cele obținute pe baza datelor LiDAR se poate observa că acestea din urmă sunt mai mici fapt confirmat și prin aceea că, în general înălțimile determinate pe baza datelor LiDAR sunt mai mici decât cele reale măsurate în teren (Tabelul 5.13).

Tabelul 5.13

Înălțimea dominantă determinată utilizând atât date măsurate în teren cât și date obținute pe baza informațiilor LiDAR pentru suprafețele de cercetare SC 118D, 43C și 62A

The dominant height determined using all the measured field tree heights and based on LiDAR data for the reasearch areas 118D, 43C and 62A

Pentru determinarea diferenței procentuale (∆v%) a volumului total estimat pe baza datelor LiDAR și a celui determinat prin măsurători terestre s-a folosit relația 4.13 (capitolul 4.2), obținându-se diferențe procentuale care variază în valoarea absolută între 1% și 7,85% (Tabelul 5.14).

Tabelul 5.14

Diferențe procentuale de estimare a volumului arborilor identificați și neidentificați pe baza datelor LiDAR (v=f(hLiD)) din volumul total al arborilor inventariați în teren (v=f(d,h)) pentru suprafețele de cercetare SC 56A, 118D, 43C și 62A

Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data (v=f(hLiD)) from the total field volume (v=f(hLiD)) calculated for each of the research area 56A, 118D, 43C and 62A

În ceea ce privește determinarea volumului pe baza datelor LiDAR pentru suprafețele de cercetare 118D, 43C și 62A utilizând diametrul coroanei arborilor și înălțimea acestora obținute pe baza acelorași date s-a utilizat ecuația de forma 4.9 (capitolul 4.2). Coeficienții de regresie au fost stabiliți în funcție de volumul determinat prin metode terestre, al arborilor identificați pe baza datelor LiDAR și exprimat în raport cu diametrele coroanelor arborilor și înălțimile acestora determinate pe baza aceloarași date (Tabelul 5.15).

Tabelul 5.15

Coeficienții ecuației de regresie de forma

log vLiD = a0 + a1 log dcor LiD + a2 log2 dcor LiD + a3 log hLiD + a4 log2 hLiD

Regression coefficients of the equation log vLiD = a0 + a1 log dcor LiD + a2 log2 dcor LiD + a3 log hLiD + a4 log2 hLiD

Testarea semnificației diferenței dintre volumul mediu al arborilor măsurați pe teren și volumul mediu al arborilor identificați pe baza datelor LiDAR, corespondenți celor măsurați în teren evidențiază diferențe nesemnificative între cele două volume medii (Tabelul 5.16).

Tabelul 5.16

Analiza semnificației diferenței dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în teren și volumul mediu al arborilor identificați pe date LiDAR, corespondenți celor măsurați pe teren pentru suprafețele de cercetare studiate (testul Wilcoxon)

The significance analysis between the field measured tree mean volume and the mean volume of the LiDAR corresponding field measured identified ones for the research areas (Wilcoxon test)

Determinarea volumului arborilor neidentificați pe baza datelor LiDAR a fost realizată în raport cu înălțimile și diametrele coroanelor acestora.

Similar modului de determinare a înălțimilor arborilor neidentificați pe baza datelor LiDAR au fost determinate și diametrelor coroanelor arborilor, utilizând ecuația diametrului coroanei arborilor în raport cu înălțimea acestora, ambele determinate pe date LiDAR, coeficienții de regresie prezentați anterior au fost calculați experimental pentru fiecare suprafață de cercetare (Fig 5.20).

Astfel, au fost calculate noi diferențe procentuale (∆v%) a volumului total estimat pe baza datelor LiDAR în raport cu volumul total determinat prin măsurători terestre pentru arboretelor cercetate (Tabelul 5.17).

Tabelul 5.17

Diferențe procentuale de estimare a volumului arborilor identificați și neidentificați pe baza datelor LiDAR (v=f(dcorLiD,hLiD)) din volumul total al arborilor inventariați în teren (v=f(d,h)) pentru suprafețele de cercetare 118D, 43C și 62A

Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data (v=f(dcorLiD,hLiD)) from the total field volume (v=f(d,h)) calculated for each of the research area 118D, 43C and 62A

Determinarea volumului pe baza datelor LiDAR pentru suprafețele de cercetare 118D, 43C și 62A utilizând diametrul de bază al arborilor și înălțimea acestora obținute pe baza acelorași date s-a realizat prin intermediul ecuației de forma 4.10 (capitolul 4.2). Coeficienții de regresie au fost stabiliți în funcție de volumul determinat prin metode terestre, al arborilor identificați pe baza datelor LiDAR și exprimat în raport cu diametrele de bază ale arborilor și înălțimile acestora determinate pe baza aceloarași date (Tabelul 5.18).

Tabelul 5.18

Coeficienții ecuației de regresie de forma log vLiD = a0 + a1 log dLiD + a2 log2 dLiD + a3 log hLiD + a4 log2 hLiD

Regression coefficients of the equation log vLiD = a0 + a1 log dLiD + a2 log2 dLiD + a3 log hLiD + a4 log2 hLiD

Testarea semnificației diferenței dintre volumul mediu al arborilor măsurați pe teren și volumul mediu al arborilor identificați pe baza datelor LiDAR, corespondenți celor măsurați în teren evidențiază diferențe nesemnificative între cele două volume medii (Tabelul 5.19).

Tabelul 5.19

Analiza semnificației diferenței dintre volumul mediu al arborilor calculat pe baza măsurătorilor efectuate în teren și volumul mediu al arborilor identificați pe date LiDAR, corespondenți celor măsurați pe teren pentru suprafețele de cercetare studiate (testul Wilcoxon)

The significance analysis between the field measured tree mean volume and the mean volume of the LiDAR corresponding field measured identified ones for the research areas (Wilcoxon test)

În continuare a fost determinat volumul arborilor neidentificați pe baza datelor LiDAR în raport cu diametrele de bază și înălțimile arborilor neidentificați.

Diametrul de bază al arborilor neidentificați pe baza datelor LiDAR a fost determinat utilizând ecuația 4.7 (capitolul 4.2) în raport cu diametrul coroanei și înălțimea arborilor neidentificați prin scanare LiDAR, dar determinate anterior.

Astfel, pentru arboretele cercetate s-au calculat noi diferențe procentuale (∆v) dintre volumul total estimat pe baza datelor LiDAR și volumul total determinat prin măsurători terestre (Tabelul 5.20).

Tabelul 5.20

Diferențe procentuale de estimare a volumului arborilor identificați și neidentificați pe baza datelor LiDAR (v=f(d1,3LiD,hLiD)) din volumul total al arborilor inventariați în teren (v=f(d,h)) pentru suprafețele de cercetare 118D, 43C și 62A

Percentage difference of the trees identified and unidentified estimated volume based on LiDAR data (v=f(d1,3LiD,hLiD)) from the total field volume (v=f(d,h)) calculated for each of the research area 118D, 43C and 62A

Analizând comparativ, volumul arborilor identificați pe baza datelor LiDAR și volumul total al arboretului, stabilit în raport cu diametrele de bază și înălțimile corespunzătoare (determinate pe baza datelor LiDAR și respectiv, prin inventarieri de teren) s-a constatat că pe baza datelor LiDAR poate fi estimat un procent cuprins între 58 și 75 % din volumul real al arboretului. Acest fapt poate fi explicat prin aceea că pe măsură ce indicele de acoperire crește volumul estimat pe baza datelor LiDAR scade. Deci, cu cât arboretele sunt mai închise, alcătuite din arbori cu coroane mici și puternic întrepătrunse numărul arborilor identificați prin tehnici LiDAR scade și respectiv volumul estimat reprezintă un procent mai redus din volumul real al arboretului.

Astfel, se poate spune că, cu cât arboretul are un indice de acoperire mai mic și este alcătuit din arbori cu coroane normale și distincte ușor identificabile prin tehnici LiDAR, volumul estimat este mai apropiat de volumul real.

5.3. Analiza structurii arboretelor din cadrul suprafețelor de cerecetare pe baza

datelor obținute prin măsuratori efectuate în teren și pe baza datelor LiDAR

aeropurtat

Stand strcuture analysis within the research areas based on the field

measurements and airborne LiDAR data

5.3.1. Structura arboretelor în raport cu diametrul de bază al arborilor

Stand structure based on tree diameter at breast height

În vederea caracterizării arboretelor studiate din punct de vedere structural au fost utilizate metode și modele de analiză statistică a distribuțiilor principalelor caracteristici biometrice ale acestora.

Cunoașterea distribuției numărului de arbori pe categorii de diametre constituie informația de bază în vederea elaborării unor modele structurale ale arboretelor pentru asigurarea unei gestionări durabile a ecosistemelor forestiere. Obținerea acestor distribuții s-a realizat pe baza măsurătorilor efectuate în teren cu ajutorul echipamentului FieldMap. Caracterizarea structurii în raport cu diametrul de bază al arboretelor din cadrul suprafețelor de cercetare studiate este relativ dificil de realizat din cauza eterogenității acestora chiar dacă sunt amplasate în arborete pure de molid și relativ echiene. Astfel, pe baza informațiilor obținute în urma măsurătorilor efectuate, pentru suprafețele de cercetare cu mărimea de un ha s-a procedat la analiza și caracterizarea structurii arboretelor, pornind cu determinarea principalilor indicatori statistici ai distribuțiilor experimentale ale numărului de arbori pe categorii de diametre (Tabelul 5.21).

Tabelul 5.21

Principalii indicatori statistici ai distribuțiilor experimentale ale numărului de arbori pe categorii de diametre

The main statistical indicators of the experimental tree diameter at breast height distribution

Indicii de asimetrie ai distibuțiilor experimentale ale numărului de arbori în raport cu diametrul de bază pentru suprafețele de cerecetare studiate au valori pozitive (asimetrie pozitivă de stânga), o excepție constituindu-o arboretul din suprafața de cercetare (SC) 118D, la care distribuția experimentală prezintă o ușoară (relativ redusă) asimetrie negativă de dreapta. După cum este cunoscut, valorile pozitive ale indicelui de asimetrie arată că distribuțiile experimentale ale numărului arborilor în raport cu diametrul lor de bază sunt specifice în general, arboretelor echiene și relativ echiene (Fig. 5.23).

Din analiza coeficienților de variație (s%) ai diametrelor se poate observa că arbortele amplasate în suprafețele de cercetare (SC) 118D, 43C, respectiv 62A sunt relativ omogene, valorile acestor coeficienți fiind specifice în general, arboretelor echiene și relativ echiene.

Pentru caracterizarea structurii arboretelor cercetate s-a procedat la analiza distribuțiilor experimentale privind repartiția numărului de arbori pe categorii de diametre prin compararea lor cu funcții teoretice de repartiție de tip Beta, Normală, Weibull și Gamma (Fig.5.23) evidențiindu-se totodată, parametrii specifici ai acestor funcții și rezultatele aplicării testelor de verificare a semnificației (Tabelul 5.22).

Fig. 5.23 Ajustarea distribuțiilor experimentale ale numărului de arbori în raport cu diametrul de bază (d1,3) pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental diameter at breast height distributions using Beta, Normal, Weibull and Gamma functions for the research area stands 118D(a), 43C(b), 62A(c)

Prin aplicarea funcțiilor teoretice de frecvență amintite în vederea ajustării distribuțiilor experimentale caracteristice arboretelor studiate și prin testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale utilizând testele statistice de conformitate Kolmogorov-Smirnov (KS), Anderson – Darling(AD) și criteriul χ2 s-a dovedit că funcția Beta este cea mai flexibilă, fiind potrivită în toate cazurile (Tabelul 5.22).

În cazul suprafeței de cercetare 118D (Fig. 5.24) se observă o frecvență redusă a numărului de arbori în categoriile mici de diametre situate sub valorile diametrului mediu, fapt ce poate fi explicat prin existența a două elemente de arboret generate de executarea unor extrageri cu o intensitate mai mare a arborilor subțiri, rău conformați sau prin acțiunea unor cauze naturale (eliminare naturală) sau antropice în urma cărora arboretul a suferit o destructurare evidentă în zona arborilor cu diametre mici.

Potrivit criteriului χ2, aplicat în cazul comparării distribuției experimentale cu cele teoretice obținute cu ajutorul funcțiilor mixte Gamma și Weibull (Fig. 5.24) nu există diferențe semnificative ceea ce confirmă faptul că aceste funcții mixte sunt potrivite pentru ajustarea distribuției experimentale a arborilor din cuprinsul suprafeței de cercetare 118D, în raport cu diametrul lor (Tabelul 5.23).

Fig. 5.24 Ajustarea distribuției experimentale a numărului de arbori în raport cu diametrul de bază (d1,3) pentru arboretul din cadrul suprafeței de cercetare 118D cu ajutorul funcíilor mixte Gamma(a) și Weibull(b)

Fitting experimental diameter at breast height distributions for the research area stand 118D using two-component Gamma (a) and Weibull(b) models

Tabelul 5.22

Testarea semnificației diferențelor dintre distribuțiile experimentale ale numărului de arbori pe categorii de diametre și distribuțiile teoretice Beta, Normală, Gamma și Weibull

Significance of goodness-of-fit tests between experimental and theoretical distributions using Beta, Normal, Gamma and Weibull functions

Notă : În cazul valorilor evidențiate ipoteza nulă este respinsă.

Tabelul 5.23

Analiza semnificației ajustării distribuției experimentale cu ajutorul funcțiilor mixte Gamma și Weibull (criteriul χ2)

Significance of goodness-of-fit test between experimental and theoretical distributions using mixed Gamma and Weibull models (The chi-squared test (χ2))

În vederea analizei relației diametru – înălțime, pe baza măsurătorilor de teren referitoare la înălțimile măsurate ale arborilor din cadrul suprafețelor de cercetare s-au construit curbele înălțimilor în raport cu diametrul arborilor și s-au determinat coeficienții de corelație (r) și rapoartele de corelație (r2) dintre aceste caracterisitici dendrometrice (Fig. 5.25 și tabelul 5.24).

Curbele înălțimilor compensate, în raport cu diametrul arborilor, au fost stabilite cu ajutorul ecuației de regresie de forma:

,

unde :

a0, a1, a2 reprezintă coeficienții de regresie determinați pe baza măsurătorilor din

teren (Tabelul 5.25)

d – diametrul de bază al arborelui, în cm.

Ca ecuație de serviciu s-a utilizat conform capitolului 4.2 ecuația de forma :

log h = b0 + b1logd + b2log2d

unde h reprezintă înălțimea arborelui, în m;

d – diametrul de bază al arborelui, în cm;

b0, b1, b2 – coeficienți de regresie stabiliți experimental pentru arboretele

cercetate.

Tabelul 5.24

Valorile coeficienților de corelație (r) și a rapoartelor de corelație (r2) dintre diametrele arborilor și înălțimile acestora

Correlation coefficients between trees diameters and their height

Tabelul 5.25

Determinarea coeficienților ecuației de regresie de forma

(Giurgiu et al., 2004)

Determination of equation regression coefficients (Giurgiu et al., 2004)

Fig. 5.25 Curbele înălțimilor compensate pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Height curves calculated for the research area stands 118D(a), 43C(b), 62A(c)

În mod similar pentru analiza relației diametru – înălțime determinată pe baza datelor LiDAR s-au construit și curbele înălțimilor astfel determinate în raport cu diametrul arborilor măsurat în teren (Fig. 5.26), utilizând aceeași ecuație de regresie și obținând noi coeficienți de regresie, de corelație (r) și rapoarte de corelație (r2) între înălțimile determinate pe baza datelor LiDAR aeropurtat (tabelul 5.11 și 5.12 din capitolul 5.2).

Valorile coeficienților de corelație dintre diametru și înălțimea determinată pe baza datelor LiDAR variază între 0,679 și 0,802, fiind mai mici decât cele existente dintre diametrul și înălțimea măsurată în teren.

Aceste curbe sunt deosebit de utile pentru determinarea înălțimii stabilite pe baza datelor LiDAR ale arborilor ce nu pot identificați prin acest procedeu în funcție de diametrul de bază măsurat în teren, informații deosebit de utile pentru stabilirea volumului total al arboretului pe date LiDAR în raport cu înălțimea, diametrul coroanei și diametrului de bază al arborilor.

Fig. 5.26 Curbele înălțimilor compensate determinate

pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Height curves calculated based on LiDAR data for the research area stands 118D(a), 43C(b), 62A(c)

5.3.2. Structura arboretelor în raport cu înălțimea arborilor

Stand structure based on tree height

Analiza structurii arboretelor din cadrul suprafețelor de cercetare în raport cu înălțimea arborilor s-a considerat oportună deoarece aceasta caracteristică dendrometrică alături de diametrul arborilor, joacă un rol ecologic deosebit în relațiile dintre arbori, privind compeția pentru lumină și spațiu de dezvoltare (Kempes et al., 2011).

În cele ce urmează, pe baza datelor obținute în urma măsurătorilor efectuate în teren s-au determinat principalii indicatori statistici ai distribuțiilor experimentale ale numărului de arbori pe clase de înălțimi (Tabelul 5.26).

Tabelul 5.26

Principalii indicatori ai distribuției experimentale a numărului de arbori pe clase de înălțimi pentru arboretele cercetate din cadrul suprafețelor de cercetare

The main statistical indicators of the experimental tree height distribution for the research area stands

Distribuțiile experimentale ale numărului de arbori pe clase de înălțimi respectă regulile generale de distribuție specifice arboretelor echiene și relativ echiene, frecvențele absolute fiind distribuite asimetric, prezentând asimetrie de dreapta (negativă).

Pentru caracterizarea structurii arboretelor cercetate s-a procedat la analiza distribuțiilor experimentale privind repartiția numărului de arbori pe clase de înălțimi prin compararea lor cu funcțiile teoretice de repartiție Beta, Weibull sau Gamma (Fig. 5.27), evidențiind astfel, rezultatele aplicării testului de conformitate Kolmogorov-Smirnov (Tabelul 5.27).

Fig. 5.27 Ajustarea distribuțiilor experimentale ale numărului de arbori în raport cu înălțimea pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental height distributions for the research area stands 118D(a), 43C(b), 62A(c)

Prin aplicarea funcțiilor teoretice de frecvență amintite în vederea ajustării distribuțiilor experimentale caracteristice arboretelor studiate și prin testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale utilizând testul statistic de conformitate Kolmogorov-Smirnov (KS) s-a dovedit faptul că și de această dată, funcția Beta este cea mai flexibilă find potrivită pentru două dintre cele trei arborete cercetate (Tabelul 5.27).

Tabelul 5.27

Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălțimi măsurate la arbori în teren (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical height distributions

(Kolmogorov-Smirnov test)

Analiza structurii arboretelor din cadrul suprafețelor de cercetare în raport cu înălțimea arborilor s-a realizat și pentru înălțimile stabilite pe baza identificării arborilor cu ajutorul datelor LiDAR aeropurtat, procedându-se la stabilirea principalilor indicatori statistici ai distribuțiilor experimentale ale numărului de arbori pe clase de înălțimi (Tabelul 5.28)

Tabelul 5.28

Principalii indicatori ai distribuțiilor experimentale ale numărului de arbori pe clase de înălțimi pentru arborii identificați pe baza datelor LiDAR

The main statistical indicators of the experimental tree height distribution for the identified LiDAR trees

Și în cazul distribuțiile experimentale ale numărului de arbori pe clase de înălțimi determinate pe baza datelor LiDAR se respectă regulile generale de distribuție, frecvențele absolute fiind dispuse în general asimetric cu asimetrie de dreapta (negativă), specifică arboretelor echiene și relativ echiene.

În ceea ce privește caracterizarea structurii arboretelor cercetate s-a procedat la analiza distribuțiilor experimentale privind repartiția numărului de arbori pe clase de înălțimi prin compararea lor cu funcțiile teoretice de repartiție Beta, Weibull sau Gamma (Fig. 5.28), evidențiind astfel, rezultatele aplicării testului de conformitate Kolmogorov – Smirnov (KS) (Tabelul 5.29).

Fig. 5.28 Ajustarea distribuțiilor experimentale ale numărului de arbori în raport cu înălțimea determinată pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental height distributions based on the identified LiDAR trees within the research area stands 118D(a), 43C(b), 62A(c)

Prin aplicarea funcțiilor teoretice de frecvență amintite în vederea ajustării distribuțiilor experimentale caracteristice arboretelor studiate și prin testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale utilizând testul statistic de conformitate Kolmogorov-Smirnov (KS) s-a dovedit că funcția Beta este cea mai flexibilă, fiind potrivită pentru toate arboretele studiate (Tabelul 5.29).

Tabelul 5.29

Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălțimi determinate pe baza datelor LiDAR (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical height distributions based on LiDAR identified trees (Kolmogorov-Smirnov test)

Comparând distribuțiile numărului de arbori pe clase de înălțimi și luând în considerare arborii identificați pe baza datelor LiDAR și arborii corespondenți măsurați pe teren și se observă că în general, în clase superioare de înălțimi (mai mari decât înălțimea medie) frecvența arborilor identificați este mai mică decât frecvența arborilor corespondenți măsurați pe teren pentru aceeași clasă de înălțimi (Fig. 5.29). Acest fapt poate fi explicat prin aceea că scannerul laser aeropurtat nu reușește să capteze exact vârful arborelui, înălțimile determinate pe baza datelor LiDAR fiind în general mai mici decât cele măsurate în teren, existând astfel o încadrare a arborilor în clase inferioare de înălțimi stabilite conform măsurătorilor de teren.

În cazul arborilor încadrați în clase inferioare de înălțimi se poate observa că frecvența celor identificați pe baza datelor LiDAR este în general mai mare comparativ cu frecvența arborilor măsurați în teren, fapt ce poate fi explicat prin aceea că algoritmul de identificare automată înălțimilor arborilor pe baza datelor LiDAR nu reușește să localizeze cu precizie vârful arborilor încadrați în categoria arborilor codominanți, localizând puncte în coroana arborilor dominanți și predominanți aflați în imediata vecinătate a arborilor codominanți.

Funcțiile teoretice de repartiție Beta (Fig. 5.29a,c), respectiv Gamma (Fig. 5.29b) ajustează distribuția experimentală a numărului de arbori pe clase de înălțimi atât pentru arborii măsurați pe teren cât și pentru cei corespondenți identificați pe baza datelor LiDAR, testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale realizându-se cu ajutorul testului Kolmogorov-Smirnov (Tabelul 5.30).

Fig. 5.29 Distribuțiile experimentale ale numărului de arbori în raport cu înălțimea pentru arborii corespondenți măsurați pe teren și cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental height distributions for the field measured trees and corresponding identified LiDAR ones within the research area stands 118D(a), 43C(b), 62A(c)

Tabelul 5.30

Analiza semnificației ajustării distribuției numărului de arbori pe clase de înălțimi măsurate pe teren ce corespund arborilor identificați pe baza datelor LiDAR (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical height distributions based on field measured trees corresponding to the LiDAR identified ones

(Kolmogorov-Smirnov test)

În ceea ce privește distribuțiile numărului de arbori pe clase de înălțimi pentru toți arborii măsurați pe teren și arborii identificați pe baza datelor LiDAR se poate observa că frecvența claselor de înălțimi ale arborilor identificați este mai mică decât cea a claselor de înălțimi ale arborilor măsurați pe teren (Fig. 5.30). Astfel, se poate observa că distribuția numărului de arbori pe clase de înălțimi stabilite pe baza datelor LiDAR aeropurtat se regăsește în distribuția generală a numărului de arbori măsurați în teren pe clase de înălțimi, fără ca aceasta să fie considerată ca o estimație a populației generale.

Funcțiile teoretice de repartiție Beta (Fig. 5.30a,c), respectiv Gamma (Fig. 5.30b) ajustează distribuția experimentală a numărului de arbori pe clase de înălțimi atât pentru arborii măsurați în teren cât și pentru cei identificați pe baza datelor LiDAR, testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale realizându-se cu ajutorul testului Kolmogorov-Smirnov (tabelele 5.27 și 5.29).

Fig. 5.30 Distribuțiile experimentale ale numărului de arbori în raport cu înălțimea pentru toți arborii măsurați pe teren și cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental height distributions for all the field measured trees and the LiDAR identified ones within the research area stands 118D(a), 43C(b), 62A(c)

5.3.3. Structura arboretelor în raport cu volumul arborilor

Stand structure based on tree volume

Structura arboretelor în raport cu volumul arborilor este cea mai importantă componentă utilizată pentru evaluarea ecosistemelor forestiere. Volumul fiecărui arbore s-a determinat utilizând ecuația de regresie dublu logaritmică a volumului (Giurgiu și Drăghiciu, 2004) :

log v = a0 + a1 log d + a2log2 d +a3 log h + a4log2 h ,

unde: v reprezintă volumul arborelui;

d – diametrul de bază;

h – înălțimea măsurată;

a0 – a4 – coeficienții de regresie utilizați pentru molid, respectiv

a0=-4,18161; a1=2,08131; a2=-0,11819; a3=0,70119; a4=0,148181;

În cele ce urmează, pe baza datelor obținute în urma măsurătorilor efectuate în teren s-au determinat principalii indicatori statistici ai distribuțiilor experimentale ale numărului de arbori pe clase de volum (Tabelul 5.31).

În vederea caracterizării structurii arboretelor cercetate în raport cu volumul arborilor s-a procedat la analiza distribuțiilor experimentale privind repartiția numărului de arbori pe clase de volum prin compararea lor cu funcțiile teoretice de repartiție Beta și Gamma (Fig. 5.31) evidențiind astfel, rezultatele aplicării testului de conformitate Kolmogorov-Smirnov (Tabelul 5.32).

Tabelul 5.31

Principalii indicatori ai distribuției experimentale ale numărului de arbori pe clase de volum

The main statistical indicators of the experimental tree volume distribution for the research area stands

Indicii de asimetrie ai distibuțiilor experimentale ale numărului de arbori în raport cu volumul acestora pentru suprafețele de cercetare studiate prezintă valori pozitive, curbele de frecvență având o asimetrie pozitivă de stânga ca și în cazul distribuției experimentale a numărului de arbori în raport cu diametrul lor (Fig.5.31).

Fig. 5.31 Ajustarea distribuțiilor experimentale ale numărului de arbori în raport cu volumul lor determinat prin măsurători terestre pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental tree volume based on field measurements for the research area stands 118D(a), 43C(b), 62A(c)

Prin aplicarea funcțiilor teoretice de frecvență amintite în vederea ajustării distribuțiilor experimentale caracteristice arboretelor studiate și prin testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale utilizând testul statistic de conformitate Kolmogorov-Smirnov (KS) s-a dovedit că funcțiile Beta și Gamma sunt cele mai flexibile, fiind potrivite în toate cazurile (Tabelul 5.32).

Tabelul 5.32

Analiza semnificației ajustării distribuției numărului de arbori pe clase de volum pentru arboretele studiate (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical tree volume distributions based on field measured trees (Kolmogorov-Smirnov test)

Prin reprezentarea volumelor unitare ale arborilor măsurați în teren în cadrul suprafațelor de cercetare 118D, 43C, respectiv 62A în funcție de diametrul lor se observă că acestea sunt distribuite într-un nor de puncte grupat în jurul unor curbe de tip parabolic (Fig. 5.32).

Alegerea celei mai potrivite relații matematice între volumul arborilor și diametrul acestora s-a efectuat ținând cont de coeficientul de determinație al fiecărui tip de regresie (Tabelul 5.33), stabilindu-se astfel și coeficienții de corelație dintre aceste caracteristici dendrometrice, care înregistrează valori destul de mari (Tabelul 5.34).

Fig. 5.32 Repartiția volumului unitar în raport cu diametrul de bază al arborilor în arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree volume distribution and the corresponding field measured diameter at breast height for the research area stands 118D (a), 43C (b), 62A (c)

Pentru toate arboretele, se constată în general, o pondere ridicată în categoriile de diametre situate în apropierea categoriei centrale, dată fiind frecvența foarte mare a arborilor în această zonă a distribuției, dar și în zona situată în imediata apropiere a acesteia, arborii de dimensiuni mari fiind purtătorii unui volum considerabil la nivelul arboretului (Fig. 5.33).

Tabelul 5.33

Relații matematice între volumul arborilor și diametrul acestora măsurate în teren, pentru arboretele studiate din cadrul suprafețelor de cercetare

Mathematical relations between the tree volume and the field measured diameter at breast height, for the research area stands

Notă : Valorile evidențiate ale coeficienților de regresie indică forma ecuației aleasă pentru a reprezenta relația corelativă între volumul arborilor și diametrul acestora

Astfel, analizând informațiile din tabelul 5.33 s-a adoptat ecuația de forma (Giurgiu, 1979) :

log Vi = a + b*log di +c*log2 di ,

unde Vi reprezintă volumul arborelui determinat pe baza măsurătorilor din teren, în m3;

di – diametrul de bază al arborilor măsurat pe teren, în cm;

a,b,c – coeficienți de regresie stabiliți experimental pe baza măsurătorilor din teren.

Tabelul 5.34

Valorile coeficienților de corelație (r) dintre diametrele și volumele unitare ale arborilor din cadrul suprafețelor de cerceare

Correlation coefficients between trees volume and their field measured diameter at breast height, for the research area stands

Fig. 5.33 Distribuția experimentală a volumelor pe categorii de diametre pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree volume distributions of the field measured diameter at brest height for the research area stands 118D(a), 43C(b), 62A(c)

În mod similar, a fost realizată și analiza structurii arboretelor din cadrul suprafețelor de cercetare în raport cu volumul arborilor stabilit pe baza datelor LiDAR aeropurtat, determinându-se de asemenea, principalii indicatori statistici ai distribuțiilor experimentale ale numărului de arbori în raport cu volumul acestora (Tabelul 5.35).

Tabelul 5.35

Principalii indicatori ai distribuțiilor experimentale ale numărului de arbori pe clase de volum determinat pe baza datelor LiDAR aeropurtat

The main statistical indicators of the experimental tree volume distribution for the identified LiDAR trees

Asemănător distribuțiilor obținute pe baza măsurătorilor efectuate în teren, indicii de asimetrie ai distribuțiilor experimentale ale numărului de arbori în raport cu volumul determinat pe baza datelor LiDAR pentru suprafețele de cercetare studiate prezintă valori pozitive, curbele de frecvență având în general, o asimetrie pozitivă de stânga similară distribuției experimentale a numărului de arbori în raport cu diametrul lor (Fig. 5.34).

În vederea caracterizării structurii arboretelor cercetate în raport cu volumul arborilor determinat pe baza datelor LiDAR s-a procedat la analiza distribuțiilor experimentale privind repartiția numărului de arbori pe clase de volume prin compararea lor cu funcțiile teoretice de repartiție Beta și Gamma (Fig. 5.34) evidențiind astfel, rezultatele aplicării testului de conformitate Kolmogorov-Smirnov (Tabelul 5.36).

Fig. 5.34 Ajustarea distribuțiilor experimentale ale numărului de arbori în raport cu volumul lor stabilit pe baza datelor LiDAR aeropurtat pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental tree volume distributions based on LiDAR data for the research area stands 118D(a), 43C(b), 62A(c)

Prin aplicarea funcțiilor teoretice de frecvență amintite în vederea ajustării distribuțiilor experimentale caracteristice arboretelor studiate și prin testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale utilizând testul statistic de conformitate Kolmogorov-Smirnov (KS) s-a dovedit că funcțiile Beta și Gamma sunt cele mai flexibile, fiind potrivite pentru ajustarea distribuției experimentale în toate cazurile cercetate (Tabelul 5.36).

Tabelul 5.36

Analiza semnificației ajustării distribuției numărului de arbori pe clase de volume determinate pe baza datelor LiDAR pentru arboretele cercetate (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical tree volume distributions based on LiDAR data (Kolmogorov-Smirnov test)

Comparând distrbuțiile numărului de arbori pe clase de volume și luând în considerare arborii măsurați pe teren corespondenți arborilor identificați pe baza datelor LiDAR și cei identificați pe baza datelor LiDAR se observă existența unor frecvențe în general apropiate la nivelul acestora (Fig. 5.35b) sau mai mari a arborilor identificați pe baza datelor LiDAR care sunt încadrați în clase centrale de volum (Fig. 5.35a și c). În acest din urmă caz, situația se poate explica prin ponderea mare a arborilor identificați în zona categoriilor medii de diametre și înălțimi.

Funcția teoretică de repartiție Beta ajustează distribuția experimentală a numărului de arbori pe clase de volum atât pentru arborii măsurați pe teren cât și pentru cei corespondenți identificați pe baza datelor LiDAR, testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale realizându-se utilizând testul Kolmogorov-Smirnov (Tabelul 5.37).

Fig. 5.35 Distribuțiile experimentale ale numărului de arbori în raport cu volumul pentru arborii corespondenți măsurați pe teren (1) și cei identificați pe baza datelor LiDAR (2) pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental tree volume distribution of the correspondent field measured trees (1) and the identified ones based on LiDAR data (2) for the research area stands 118D(a), 43C(b), 62A(c)

Tabelul 5.37

Analiza semnificației ajustării distribuției numărului de arbori pe clase de volum calculat în funcție de măsurătorile din teren, ce corespund arborilor identificați pe baza datelor LiDAR (testul Kolmogorov-Smirnov)

Significance of goodness-of-fit tests between experimental and theoretical volume distributions based on field measured trees corresponding to the LiDAR identified ones (Kolmogorov-Smirnov test)

În ceea ce privește distribuțiile numărului de arbori pe clase de volum pentru toți arborii măsurați pe teren și cei identificați pe baza datelor LiDAR se poate constata că, în general, frecvența pe clase de volum a arborilor identificați este mai redusă decât cea a claselor de volum a arborilor măsurați pe teren (Fig. 5.36). Astfel, se poate observa că distribuția numărului de arbori pe clase de volum, determinat pe baza datelor LiDAR aeropurtat, se regăsește în distribuția generală a numărului de arbori pe clase de volum, specifică întregului arboret.

Funcția teoretică de repartiție Beta ajustează distribuția experimentală a numărului de arbori pe clase de volum atât pentru arborii măsurați pe teren cât și pentru cei identificați pe baza datelor LiDAR, testarea semnificației diferenței dintre distribuțiile teoretice și cele experimentale realizându-se utilizând testul Kolmogorov-Smirnov (Figura 5.36 și tabelele 5.32 și 5.36).

În clasele de volume inferioare numărul arborilor corespunzători din teren identificați pe date LiDAR este mai redus sau chiar inexistent ajungând ca în clasele mijlocii și superioare aproape toți arborii existenți în teren să fie identificați pe date LiDAR (Fig. 5.36). Acest fapt conduce la ipoteza conform căreia arborii de dimensiuni medii și superioare, cu volume semnificative sunt aproape identificați în marea lor majoritate, în anumite situații (consistență redusă, goluri în coronament, arborete destructurate) putând fi identificați și arbori cu dimensiuni mai mici, respectiv cu volume inferioare.

Fig. 5.36 Distribuțiile experimentale ale numărului de arbori în raport cu volumul pentru toți arborii măsurați pe teren(1) și cei identificați pe baza datelor LiDAR(2) pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

Fitting experimental tree volume distributions for all the field measured trees(1) and the LiDAR identified ones (2) within the research area stands 118D(a), 43C(b), 62A(c)

Volumele unitare determinate pe baza datelor LiDAR aeropurtat ale arborilor din suprafațele de cercetare 118D, 43C, respectiv 62A se distribuie într-un nor de puncte grupat în jurul unei curbe parabolice, în funcție de diametrul lor, într-un mod similar distribuției volumului unitar calculat și a diametrului de bază măsurat în teren (Fig. 5.37), alegerea celei mai potrivite relații matematice între volumul arborilor și diametrul acestora realizându-se în funcție de coeficientul de determinație al fiecărui tip de regresie (Tabelul 5.38), stabilindu-se astfel și coeficienții de corelație (r=0,67-0,80) dintre aceste caracteristici dendrometrice (Tabelul 5.39).

Tabelul 5.38

Relații matematice între volumul arborilor stabilit pe baza datelor LiDAR și diametrul arborilor corespondenți măsurat pe teren pentru arboretele studiate din cadrul suprafețelor de cercetare

Mathematical relations between the tree estimated volume based on LiDAR data and the corresponding field measured diameter at breast height for the research area stands

Notă : Valorile evidențiate ale coeficienților de regresie indică forma ecuației aleasă pentru a reprezenta relația corelativă între volumul arborilor și diametrul acestora

Analizând informațiile din tabelul 5.38 s-a adoptat ecuația de forma (Giurgiu, 1979) :

log Vi = a + b*log di +c*log2 di ,

unde Vi reprezintă volumul arborelui determinat pe baza datelor LiDAR, în m3;

di – diametrul de bază al arborilor măsurat pe teren, în cm;

a,b,c – coeficienți de regresie stabiliți experimental pentru fiecare suprafață de cercetare.

Tabelul 5.39

Valorile coeficienților de corelație (r) dintre diametrele măsurate pe teren și volumele unitare determinate pe baza datelor LiDAR din cadrul suprafețelor de cerceare

Correlation coefficients between trees estimated volume based on LiDAR data and their field measured diameter at breast height, for the research area stands

Fig. 5.37 Repartiția volumului unitar determinat pe baza datelor LiDAR aeropurtat în raport cu diametrul de bază al arborilor în arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree estimated volume distribution based on LiDAR data and the corresponding field measured diameter at breast height for the research area stands 118D (a), 43C (b), 62A(c)

Asemănător distribuției volumului pe categorii de diametre la nivelul arboretelor cercetate, și în cazul distribuției volumului determinat pe baza datelor LiDAR se constată că ponderea ridicată a volumelor este situată în categoriile medii spre superioare ale arborilor, o reprezentare mai redusă având-o categoriile mici și superioare care sunt reprezentate și prin număr de arbori mai redus (Fig. 5.38).

Fig. 5.38 Distribuția experimentală a volumelor determinate pe baza datelor LiDAR pe categorii de diametre pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree estimated volume distributions based on LiDAR data and the corresponding field measured diameter at brest height for the research area stands 118D(a), 43C(b), 62A(c)

Prin comparația distribuțiilor volumului pe categorii de diametre, atât pentru arborii măsurați pe teren corespondenți celor identificați pe baza datelor LiDAR cât și pentru cei identificați pe aceleași date s-a constatat, utilizând criteriul χ2 ,că între cele două distribuții nu există diferențe semnificative (Figura 5.39 și tabelul 5.40)

Analizând comparativ distribuțiile volumului arborilor pe categorii de diametre, pentru arborii identificați pe baza datelor LiDAR și a celor corespondenți măsurați pe teren se observă că în general, în categorii superioare de diametre (mai mari decât diametrul mediu) frecvența volumului pentru arborii identificați pe baza datelor LiDAR este mai mică decât ponderea volumului pentru arborii corespondenți măsurați pe teren.

În cazul volumelor pe categorii de diametre inferioare se observă o pondere mărită a volumului arborilor identificați pe baza datelor LiDAR comparativ cu frecvența volumului arborilor corespondeți măsurați pe teren, fapt ce poate fi explicat și prin aceea că frecvența înălțimilor arborilor identificați pe baza datelor LiDAR este în general mai mare comparativ cu frecvența înălțimilor arborilor corespondenți măsurați pe teren.

Tabelul 5.40

Analiza semnificației diferenței distribuției volumului pe categorii de diametre pentru arborii măsurați pe teren corespondenți celor identificați pe baza datelor LiDAR și a celor identificați pe baza datelor

LiDAR (criteriul χ2)

Significance of goodness-of-fit tests between two experimental tree volume distributions based on the corresponding field measured trees and the LiDAR identified ones (The chi-squared test (χ2))

Fig. 5.39 Distribuția experimentală a volumelor pe categorii de diametre pentru arborii măsurați pe teren și cei corespondenți identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree volume distributions of the field measured trees and the corresponding identified ones based on LiDAR data for the research area stands 118D(a), 43C(b), 62A(c)

Analizând comparativ distribuțiile volumului tuturor arborilor pe categorii de diametre măsurați în teren și a celor identificați pe date LiDAR (Fig. 5.40) se poate observa, cu execepția suprafeței de cercetare 62A că nu există diferențe semnificative între aceste distribuții (Tabelul 5.41), fapt ce conduce la ideea că volumul determinat prin tehnici LiDAR surprinde într-o oarecare măsura, asigurată statistic, volumele pe categorii de diametre (cu excepția celor de la limita inferioară a intervalului) înregistrând valori sistematic mai mici, fapt determinat de neluarea în considerare a arborilor din teren a căror înălțime nu a fost determinată pe date LiDAR.

Tabelul 5.41

Analiza semnificației diferenței distribuției volumului pe categorii de diametre pentru toți arborii măsurați pe teren și a celor identificați pe baza datelor LiDAR(criteriul χ2)

Significance of goodness-of-fit tests between two experimental tree volume distributions based on all field measured trees and LiDAR identified ones (The chi-squared test (χ2))

Fig. 5.40 Distribuția experimentală a volumelor pe categorii de diametre pentru toți arborii măsurați pe teren și cei identificați pe baza datelor LiDAR pentru arboretele din cadrul suprafețelor de cercetare 118D(a), 43C(b), 62A(c)

The tree volume distributions of all the field measured trees and the LiDAR identified ones for the research area stands 118D(a), 43C(b), 62A(c)

6. CONCLUZII

CONCLUSIONS

Cu ocazia elaborării tezei de doctorat se pot desprinde, pe baza rezultatelor obținute, numeroase concluzii care contribuie în mod substanțial la dezvoltarea cunoașterii utilizării tehnicilor și procedeelor moderne ale teledetecției cu referire specială la estimarea caracteristicilor dendrometrice ale arborilor și arboretelor și la anliza structurii arboretelor respective.

Cu privire la crearea și integrarea bazelor de date geospațiale obținute prin tehnici LiDAR aeropurtat și măsurători terestre:

Achiziționarea datelor LiDAR sub forma unor fișiere codate și înregistrate sub forma unor puncte ce reprezintă mai multe caracteristici (coordonatele punctului, numărul de ecouri, intensitatea semnalului etc.) permite vizualizarea acestora cu ajutorul unor aplicații informatice specializate, specifice mediului GIS (Sistemelor Geografice Informatice). Acest lucru face posibil transferul datelor geospațiale și biometrice înregistrate la sol cu echipamentul Field Map într-o bază de date constituită dintr-o colecție de straturi tematice geospațiale care conțin caracteristicile descriptive măsurate în teren facilitându-se astfel, procesarea datelor LiDAR.

Bazele de date create cu ajutorul informațiilor obținute prin tehnici LiDAR și măsurători terestre și integrate, sunt utilizate la obținerea modelelor digitale de elevație (modelul digital al suprafeței – MDS și modelul digital al terenului – MDT) și apoi a modelului digital al suprafeței superioare a coronamentului arboretului (MDC), elemente ce fac posibilă determinarea caracteristicilor arborilor și arboretelor, pe baza datelor LiDAR, prin utilizarea aplicațiilor informatice specializate (FUSION) și a modulelor specifice acestora (LDV).

Cu privire la determinarea principalelor caracteristici dendrometrice ale arborilor și arboretelor obținute pe baza datelor LiDAR:

Pozițiile arborilor măsurați pe teren și ale celor corespondenți identificați pe baza datelor LiDAR prezintă, deplasări constante datorate erorilor care însoțesc măsurătorile de teren efectuate cu aparatură specifică sistemelor de navigare cu ajutorul sateliților (GNSS), dar și celor de georeferențiere a datelor LiDAR. Realizarea corespondenței între arborii identificați pe date LiDAR și cei poziționați și măsurați în teren se poate efectua prin aplicarea de procedee specifice de poziționare planimetrică a informațiilor terestre și a celor obținute prin scanare LiDAR aeropurtat față de imaginile aeriene.

Datele obținute prin tehnici de scanare LiDAR aeropurtat conțin informații doar pentru arborii predominanți, dominanți și/sau codominanți, vârfurile și coroanele acestora putând fi mai mult sau mai puțin distinct identificate. Arborii situați în plafonul inferior al coronamentului (arborii dominați) nu pot fi identificați în norul de puncte LiDAR, cei cu înălțimi mici putând fi recepționați (identificați) numai în zonele cu consistență redusă ale arboretului (în golurile existente în arboret). La baza identificării pe date LiDAR a arborilor de molid din arboretele cercetate au stat legătura corelativă dintre diametrul coroanei arborilor și înălțimea acestora, precum și algoritmul specific tehnicilor LiDAR de determinare automată a înălțimilor și diametrelor coroanelor arborilor de molid astfel identificați.

Cu privire la analiza comparativă a caracteristicilor dendrometrice ale arborilor și arboretelor determinate pe baza datelor LiDAR și prin măsurători terestre:

Înălțimile arborilor determinate pe baza datelor LiDAR sunt în marea majoritate a cazurilor mai mici decât cele reale măsurate în teren la arborii corespondenți, fapt ce poate fi explicat prin aceea că vârfurile arborilor predominanți și dominanți nu pot fi identificate cu precizie (sunt interceptate puncte din diferite zone ale coroanelor acestora). Se identifică de asemenea, în cazul arborilor codominanți, așa numite „vârfuri false”, scannerul LiDAR aeropurtat interceptând puncte porțiuni din coroanele arborilor predominanți și dominanți situate în zona vârfurilor arborilor codominanți, iar înălțimile determinate sunt mai mari decât cele măsurate la teren.

Corelația dintre diametrul coroanei arborilor și înălțimea acestora determinate pe baza măsurătorilor de teren și pe baza datelor LiDAR se menține aproximativ la același nivel de semnificație (r≈0,4-0,6). În schimb, legătura corelativă la nivelul fiecărei caracteristici luate separat, determinate terestru și pe baza datelor LiDAR, se dovedește a fi mai redusă în cazul diametrului coroanelor arborilor corespondenți (r≈0,3-0,4), decât în cazul înălțimilor acestora (r≈0,9).

Tehnicile LiDAR aeropurtat conduc la o supraestimare față de valorile măsurate la sol ale diametrului coroanelor mici (diametrul coroanei mai mic de 4 metri) comparativ cu cele ale diametrului coroanelor mari, când diametrele coroanelor determinate pe date LiDAR au valori mai reduse. Acest fapt poate fi explicat prin identificarea pe date LiDAR cu dificultate a vârfului și diametrului coroanelor arborilor dominanți și codominanți care, în mare măsură, se întrepătrund (aspect întâlnit mai frecvent în cazul coroanelor de mici dimensiuni) identificându-se coroane de dimensiuni mai mari prin recepționarea unor porțiuni din coroanele arborilor dominanți situați în imediata vecinătate.

Diametrul mediu al arborilor măsurați în teren, corespondenți arborilor identificați pe date LiDAR și al acestora din urmă, exprimat în raport cu înălțimea, cu diametrul coroanei și cu ambele caracteristici dendrometrice determinate pe date LiDAR, confirmă că cele două colectivități de arbori (identificați pe baza datelor LiDAR și cea a arborilor corespondenți în teren) sunt identice din punct de vedere al acestei caracteristici factoriale. În mod similar, cele două colectivități de arbori sunt identice din punct de vedere al volumului mediu al arborilor determinat prin măsurători terestre și procedee specifice acestora și al volumului mediu al arborilor determinat în raport cu înălțimea stabilită estimată pe baza datelor LiDAR.

Înălțimea dominantă determinată ca medie a înălțimilor arborilor identificați pe date LiDAR este mai mică cu 2-3 m decât cea stabilită în raport cu înălțimea arborelui mediu al suprafeței de bază, determinată prin măsurători de teren, fapt ce întărește concluzia conform căreia înălțimile arborilor determinate pe date LiDAR sunt mai mici decât cele reale, măsurate în teren.

Volumul colectivității arborilor identificați pe date LiDAR stabilit în raport cu înălțimea arborilor V=f(hLiD) este mai mic decât cel al arborilor corespondenți în teren stabilit prin procedee specifice V=f(d,h) fiind cuprins între -4% și -2,5%, iar între volumul total stabilit pe date LiDAR prin același procedeu (V=f(hLiD)) (prin includerea volumului arborilor neidentificați, dar a căror înălțime a putut fi estimată pe baza curbei înălțimilor celor identificați pe date LiDAR) și cel stabilit prin măsurători terestre și procedee specific este mai mare, diferențele procentuale fiind cuprinse între 1,5% și 7,5%.

În cazul exprimării volumelor în raport cu diametrul coroanelor și înălțimilor arborilor (V=f(dcorLiD,hLiD)) acestea sunt mai mici (pentru arborii identificați pe date LiDAR) respectiv mai mari (pentru toți arborii) decât volumele determinate prin măsurători terestre și procedee specifice, diferențele procentuale fiind cuprinse între -4,5% și -3,5%, pentru arborii identificați pe date LiDAR și, respectiv, între 3,5% și 8% pentru toți arborii, diferențe relativ mai restrânse. Și în cazul utilizării pentru calculul volumului a diametrului de bază și a înălțimii arborilor (măsurate pe teren sau determinate pe baza datelor LiDAR) volumul arborilor identificați pe baza datelor LiDAR este mai mic (pentru arborii corespondenți), reprezentând aproximativ 58 – 75% din volumul total, real al arboretului respectiv, mai mare (pentru toți arborii), diferențele procentuale fiind cuprinse între -4,0% și -3,5% respectiv, între 1,0% și 7%.

Cu privire la analiza structurii arboretelor pe baza datelor LiDAR aeropurtat și a celor obținute prin măsurători terestre:

Structura arboretelor cercetate de molid în raport cu diametrul de bază al arborilor urmează legitățile specifice arboretelor echiene și relativ echiene, distribuțiile experimentale prezentând asimetrie pozitivă de stânga, urmând funcții teoretice de frecvență de tip Gamma, Weibull și Beta. Funcția Beta s-a dovedit cea mai flexibilă fiind potrivită în toate cazurile, iar unde arboretul prezintă o destructurare în zona categoriilor mici de diametre, frecvența arborilor fiind redusă din diverse cauze naturale sau antropice, cele mai potrivite s-au dovedit funcțiile mixte Gamma și Weibull.

În raport cu înălțimea, ca și în cazul diametrelor, distribuțiile experimentale sunt specifice arboretelor de tip echien și relativ echien, cu asimetrie negativă de dreapta, ajustându-se după aceleași funcții teoretice de frecvență de tip Gamma, Weibull și Beta.

Relația diametru – înălțime s-a dovedit în toate cazurile destul de strânsă, coeficienții de corelație r fiind mai mari de 0,8.

Analiza comparativă a distribuțiilor pe clase de înălțimi ale numărului de arbori identificați pe baza datelor LiDAR și a numărului de arbori corespondenți măsurați în teren, frecvența celor din urmă este mai mică în clase superioare de înălțimi (mai mari decât înălțimea medie) pentru aceeași clasă de înălțime, fapt explicat prin ipoteza conform căreia înălțimile determinate pe baza datelor LiDAR sunt în general mai mici decât cele măsurate în teren, în special în zona arborilor înalți, realizându-se astfel o încadrare în clase inferioare de înălțimi stabilite conform măsurătorilor în teren.

În cazul arborilor încadrați în clase inferioare de înălțimi, frecvența celor identificați pe date LiDAR este mai mare comparativ cu a celor măsurați în teren fapt ce susține ipoteza potrivit căreia vârful arborilor codominanți este identificat ca puncte din coroanele arborilor dominanți si predominanți aflați în imediata vecinătate, realizându-se o încadrare în clase superioare de înălțimi stabilite conform măsurătorile efectuate în teren.

Distribuția numărului total de arbori măsurați în teren în raport cu înălțimea lor este diferită de cea a numărului de arbori identificați pe date LiDAR în raport cu înălțimea, colectivitatea celor din urmă nefiind considerată estimație a populației generale de arbori existenți în teren în cuprinsul suprafețelor de cercetare.

Structura arboretelor cercetate în raport cu volumul arborilor se caracterizează printr-o pondere ridicată a arborilor situați în clase inferioare de volum, asimetria pozitivă de stânga fiind prezentă ca și în cazul diametrelor. Frecvența arborilor scade către clase de volume superioare, iar pentru ajustarea distribuțiilor experimentale, cele mai potrivite s-au dovedit funcțiile de frecvență Beta și Gamma. În raport cu diametrul arborilor, o pondere ridicată a volumului se observă în zona categoriilor medii de diametre și în zona imediat următoare, arborii de dimensiuni mari fiind purtătorii unui volum considerabil.

Analizând comparativ structura arboretelor cercetate în raport cu volumul arborilor, stabilit pe baza datelor LiDAR, aceasta este asemănătoare cu cea stabilită în raport cu volumul determinat pentru arborii corespondenți prin măsurători terestre. În clasele de volume inferioare, numărul arborilor corespondenți în teren și identificați pe baza datelor LiDAR este mai redus, sau chiar inexistent, ajungând ca în clasele mijlocii și superioare de volume aproape toți arborii existenți în teren să fie identificați pe date LiDAR. Acest fapt conduce la ipoteza conform căreia arborii de dimensiuni medii și superioare, cu volume semnificative sunt identificați pe date LiDAR într-o proporție ridicată, iar ponderea volumului identificat să fie de peste 60%. Și în cazul distribuției volumului pe categorii de diametre determinat pe baza datelor LiDAR se constată o pondere ridicată a volumelor în zona categoriilor din jurul diametrelor medii și cea a diametrelor medii spre superioare, o reprezentare mai redusă având-o categoriile extreme care sunt reprezentate printr-un număr redus de arbori.

Între distribuțiile volumului pe categorii de diametre, atât pentru arborii identificați pe date LiDAR, cât și pentru cei corespondenți măsurați pe teren, nu există diferențe statistic semnificative, ceea ce arată că cele două colectivități sunt identice din punct de vedere al volumului arborilor. Pentru categoriile de diametre mai mari decât categoria diametrelor medii, ponderea volumului determinat pe date LiDAR este mai mică față de cea a volumului stabilit pentru arborii corespondenți măsurați în teren. Pentru diametrele inferioare categoriilor medii de diametre, volumul determinat pe date LiDAR este mai mare decât cel stabilit pentru arborii corespondenți măsurați în teren. Acest lucru poate fi explicat într-o mare măsură de faptul că înălțimile determinate pe date LiDAR sunt subestimate, respectiv supraestimate față de valorile măsurate la sol, în intervalele respective delimitate de categoriile medii de diametre.

Distribuția volumului arborilor pe categorii de diametre pentru întreg arboretul inventariat în teren, în unele cazuri nu diferă semnificativ de distribuția volumului pe categorii de diametre stabilit pe baza datelor LiDAR, fapt ce conduce la ideea că acest volum stabilit prin tehnici LiDAR surprinde într-o oarecare măsură, asigurată statistic, volumele pe categorii de diametre, cu excepția volumului arborilor situați la limita inferioară a intervalului și cu înălțimi mici care au o pondere nesemnificativă. Diferențe între cele două distribuții ale volumului pe categorii de diametre apar atunci când volumul arborilor subțiri au o pondere însemnată de peste 40%.

*

* *

Cercetările efectuate cu ocazia elaborării prezentei teze de doctorat nu constituie decât un început al preocupărilor privind fundamentarea științifică a unor procedee de stabilire, prin tehnici LiDAR, a caracteristicilor dendrometrice la arbori și arborete bazate pe informații obținute prin inventarieri terestre.

Rezultatele acestor cercetări demonstrează clar că standardizarea, pe baza informațiilor de teren, a unor regresii între diferite caracteristici dendrometrice ale arborilor (înălțimea arborilor în raport cu diametrul coroanei, diametrul de bază în raport cu înălțimea arborilor și diametrul coroanei etc) pe specii la nivel regional sau național, constituie baza utilizării tehnicilor moderne ale teledetecției în estimarea resurselor forestiere la scară regională și națională. Acest obiectiv fundamental, privind standardizarea regresiilor între diferite caracteristici dendrometrice ale arborilor poate fi realizat prin extinderea măsurătorilor biometrice efectuate cu ocazia lucrărilor de amenajarea pădurilor, în diferite rețele de inventariere și monitorizare forestieră existente în țara noastră la nivel regional și național.

7. CONTRIBUȚII ORIGINALE

ORIGINAL CONTRIBUTIONS

Rezultatele obținute în urma efectuării cercetărilor prilejuite de elaborarea tezei de doctorat și concluziile formulate pe baza acestora au evidențiat realizările și contribuțiile personale, cu caracter de originalitate, după cum urmează :

Crearea și integrarea, în premieră, a bazelor de date geospațiale obținute prin tehnici moderne de teledetecție (LiDAR) cu cele obținute prin măsurători biometrice terestre într-o bază de date cu seturi comune de informații pentru aceleași arborete.

Obținerea, cu ajutorul bazelor de date create și integrate, înregistrate prin tehnici LiDAR și prin măsurători terestre, a modelelor digitale de elevație (MDS și MDT) și a suprafeței superioare a coronamentului (MDC) care permit determinarea caracteristicilor biometrice ale arborilor și arboretelor prin utilizarea unor aplicații informatice specializate (FUSION) și module specifice ale acestora.

Identificarea arborilor de molid pe baza datelor LiDAR utilizând pentru prima dată la noi, legătura corelativă dintre diametrul coroanei arborilor și înălțimea acestora, măsurate la sol și algoritmul specific tehnicilor LiDAR, de determinare automată a înălțimilor și diametrelor coroanelor arborilor corespondenți.

Elaborarea unei metodologii de determinare, pe baza datelor LiDAR, a caracteristicilor dendrometrice la arbori și arborete de molid pe baza informațiilor obținute prin inventarieri terestre.

Realizarea, în premieră la nivel național, a unei analize comparative a caracteristicilor dendrometrice la arbori și arborete de molid, determinate pe baza datelor LiDAR și prin măsurători terestre, pornind de la o metodă de identificare a arborilor individuali în norul de puncte LiDAR.

Evidențierea, în premieră, a unor diferențe statistic nesemnificative între volumul arborilor determinat pe baza datelor LiDAR prin diferite metode și volumul determinat prin măsurători terestre pentru aceeași colectivitate de arbori corespondenți, stabilit prin procedee specifice.

Elaborarea, în premieră, a unei metodologii de determinare a volumului arborilor neidentificați pe baza datelor LiDAR pornind de la curba înălțimilor arborilor identificați pe baza datelor LiDAR.

Evidențierea și fundamentarea unor aspecte metodologice a tehnicilor LiDAR privind poziționarea și identificarea vârfului și coroanelor arborilor, care conduc la apariția la arborete de molid a unor volume mai mici, determinate pe baza datelor LiDAR și prin măsurători terestre pentru aceeași colectivitate de arbori corespondenți.

Analiza, pentru prima dată, a structurii unor arborete de molid în raport cu diferite caracterisitici dendrometrice determinate pe baza datelor LiDAR și evidențierea faptului că aceasta urmează legitățile cunoscute, surprinse și fundamentate pe baza inventarierilor terestre și prezintă asemănări evidente cu structura reală a arboretelor inventariate în teren.

Evidențierea, în premieră, a unor diferențe statistic nesemnificative între distribuția volumului arborilor pe categorii de diametre, identificați pe baza datelor LiDAR și distribuția volumului acelorași arbori (corespondenți) pe categorii de diametre inventariați în teren.

BIBLIOGRAFIE

REFERENCES

Aldred, A.H. și Bonner, G.M. (1985). Application of airborne laser to forest surveys. Canadian Forest Service Petawawa National Forest Institute, Information Report PI-X-51, 62 p.

Anderson, R.S. și Bolstad, P.V. (2013). Estimating aboveground biomass and average annual wood biomass increment with airborne leaf-on and leaf-off lidar in great lakes forest types. Northern Journal of Applied Forestry 30(1): 16-22.

Anderson, T.W. și Darling, D.A. (1954). A Test of Goodness of Fit. Journal of the American Statistical Association 49(268): 765-769.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V., Creț, A. (2011). Potential use of airborne LiDAR technology by the integration of remote sensing and terrestrial datasets for forests assessment and mapping in Romania. Proceedings to Symposium “Forest and Sustainable Development” – Editura Universitatii “Transilvania” din Brașov, pp. 513-518.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V., Silaghi, D. (2012). Estimarea volumului de masă lemnoasă pe picior la arborete de molid utilizând date LiDAR aeropurtat și măsurători terestre. Revista Pădurilor nr.2: 14-22.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V. (2013a). Estimation of biometric spruce stand parameters by automatic individual trees identification using ALS data (premiul cel mai bun poster). 33rd EARSel Symposium 2013, 3-6 June 2013, Matera, Italy.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V. (2013b). Stand volume evaluation using airborne LiDAR data, aerial imagery and terrestrial measurements for a Norway spruce test site in Romania. The 13th International Conference on LiDAR Applications for Assessing Forest Ecosystems, SilviLaser 2013, 9-11 October 2013, Beijing, China, Book of Abstracts, pp. 111.

Baltsavias, E.P. (1999). A comparison between photogrammetry and laser scanning. ISPRS Journal of Photogrammetry & Remote Sensing 54: 83-94.

Birjaru, C. (2011). Cercetări privind utilizarea tehnologiei LiDAR în lucrările din silvicultură. Teză de doctorat, Universitatea "Transilvania" din Brașov.

Boș, N., Kiss, A., Clinciu, I., Chițea, G. (1986). Posibilități de fotointerpretare a unor elemente necesare la amenajarea bazinelor hidrografice torențiale, Revista Pădurilor, nr. 3: 151-155.

Boș, N. (2011). Geomatica și realizarea bazei cartografice a fondului forestier din România. Revista Pădurilor nr. 6: 27-36.

Chitea, Gh. și Kiss, A. (2001). Cadastru general și forestier. Editura Universității “Transilvania” din Brașov, 224 p.

Chițea, Gh. și Vorovencii, I. (2001). Tehnologii noi folosite în cadastru. Pădurea românească la cumpăna mileniilor, Editura Universității “Transilvania” Brașov, pp.219-224.

Constantin, V. (2004). Harta topografică militară în proiecție UTM. Gândirea militară românească, nr.3/2004: 94-97.

Defibaugh y Chávez, J. și Tullis, J.A. (2013). Deciduous Forest Structure Estimated with LIDAR-Optimized Spectral Remote Sensing. Remote Sensing 5(1): 155-182.

Dorren, L., Maier, B., Berger, F. (2006). Assessing protection forest structure with airborne laser scanning in steep mountainous terrain. Proceedings of Workshop on 3D Remote Sensing in Forestry, 14th-15th February 2006, Vienna – Session 8b, pp. 238-242.

Dubayah, R.O. și Drake, J.B., (2000). LiDAR remote sensing for forestry. Journal of Forestry, 98: 44–46.

Gancz, V., Badea, O., Nitica , C., Petrișor, M., Popescu, I., Popescu, V. (1990). Cercetări privind utilizarea imaginilor multispectrale aeriene în probleme de monitoring forestier. Arhiva IGG și ICAS București.

Gancz, V., Petrila, M., Apostol, J. (2003). Realizarea și utilizarea ortofotoplanurilor digitale scara 1:5.000, bazate pe imagini satelitare de foarte înaltă rezoluție spațială și a analizei GIS, pentru lucrările de reamenajare a O.S.E.Săcele. Referat științific final, arhiva ICAS.

Gancz, V., Tomescu, R., Defourni, P., Giot-Wirgot, P. (2005). Evaluarea potentialului de utilizare a imaginilor satelitare de foarte inaltă rezolutie spatială (VHSRSI) in studiul ecosistemelor forestiere. Analele ICAS 48(1): 197-217.

Gancz, V., Apostol, B., Petrila, M., Lorenț, A. (2010). Detectarea cu ajutorul imaginilor satelitare a doboraturilor de vant si evaluarea efectelor acestora, Revista pădurilor nr 6: 30-36.

Gancz, V., Lorenț, A., Apostol, B., Petrila, M. (2014). Metodologie de detectare și analiză a suprafețelor de pădure afectate de dispariția vegetației forestiere, cu ajutorul seriilor multitemporale de imagini Landsat – Experiment pe o zonă test, Revista pădurilor nr.5-6: 56-63.

Giurgiu, V. (1972). Metode ale statisticii matematice aplicate în silvicultură, Editura Ceres. București, 566 p.

Giurgiu, V. (1979). Dendrometrie și auxologie forestieră, Editura Ceres. București, 691p.

Giurgiu, V. (1979). Forest dendrometry and auxology. Bucharest, Ceres., 691p.

Giurgiu, V. și Drăghiciu, D. (2004). Modele matematico-auxologice și tabele de producție pentru arborete. Editura CERES București, 607 p.

Giurgiu, V, Decei, I, Drăghiciu, D. (2004). Metode și tabele dendrometrice. Bucharest, Ed. Ceres, 575p.

Goodwin, N.R., Coops, N.C., Culvenor, D.S. (2006). Assessment of forest structure with airborne LiDAR and the effects of platform altitude, Remote Sensing of Environment 103(2): 140-152.

Hall, S.A., Burke, I.C., Box, D.O., Kaufmann, M.R., Stoker, J.M. (2005). Estimating stand structure using discrete-return lidar: an example from low density fire prone ponderosa pine forests. Forest Ecologyand Management 208: 189–209.

Heurich, M. și Thoma, F. (2008). Estimation of forestry stand parameters using laser scanning data in temperate, structurally rich natural European beech (Fagus sylvatica) and Norway spruce (Picea abies) forests, Forestry 81(5): 645-661.

Holmgren, J. și Persson, A. (2004). Identifying species of individual trees using airborne laser scanner. Remote Sensing of Environment, 90(4): 415-423.

Hyyppä, J., Yu, X., Hyyppä, H., Maltamo, M. (2006). Methods of airborne laser scanning for forest information extraction. Proceedings of Workshop on 3D Remote Sensing in Forestry, 14th-15th Feb. 2006, Vienna – Session 8b, pp. 63-78.

Kempes, C.P., West, G.B., Crowell, K., Girvan, M. (2011). Predicting Maximum Tree Heights and Other Traits from Allometric Scaling and Resource Limitations. PLoS ONE 6 (6): 1-10.

Kiss, A., Chițea, G., Vorovencii, I. (1999). Obiectivizarea monitorizării stării de sănătate a pădurilor. Pădurea românească în pragul Mileniului Trei, Editura Universității "Transilvania" din Brașov , pp. 179-181.

Koch, B., Straub, C., Dees, M., Wang, Y., Weinacker, H. (2009). Airborne laser data for stand delineation and information extraction. International Journal of Remote Sensing, 30(4): 935-963.

Kraus, K., Pfeifer, N. (1998). Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing. 53: 193-203.

Leahu, I. (1994). Dendrometrie. Editura Didactică și Pedagogică București, 374p.

Lim, K., Treitz, P., Wulderm M., St-Onge, B., Flood, M. (2003). LiDAR remote sensing of forest structure. Progress in physical geography 27(1): 88-106.

Macdonald, P.D.M. și Du, J. (2004). Mixture distribution models. R package version 0.5-4.

Maclean, G.A. și Martin, G.L. (1984). Merchantable timber volume estimations using cross-sectional photogrammetric and densitometric methods. Canadian Journal of Forest Research, 14: 803–810.

Magnussen, S. și Boudewyn, P. (1998). Derivations of stand heights from airborne laser scanner data with canopy-based quantile estimators. Canadian Journal of Forest Research 28: 1016-1031.

Magnussen, S., Naesset, E., Gobakken, T. (2010). Reliability of LiDAR derived predictors of forest inventory attributes: A case study with Norway spruce. Remote Sensing of Environment 114(4): 700-712.

McGaughey, J. (2014). FUSION/LDV: Software for LIDAR Data Analysis and Visualization. U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, 179 p.

Middleton, W.E.K., Spilhaus, A.F. (1953). Meteorological Instruments. University of Toronto Press. 3rd Edition, 286 p.

Montealegre, A.L., Lamelas, M.T., Tanase, M.A., de la Riva, J. (2014). Forest Fire Severity Assessment Using ALS Data in a Mediterranean Environment. Remote Sensing 6(5): 4240-4265.

Naesset, E. (1997). Estimating timber volume of forest stands using airborne laser scanner data. Remote Sensing of Environment 61(2): 246-253.

Op't Eyndt, T., Willekens, A., Tortelboom, E., Gancz, V., Van Valckenborgh, J. (2002). Technical Assistance for Forest Information Management in Romania (TAFIMRO) – Technical report. GIS Support Centre, Flemish Land Agency, Belgium și ICAS București.

Parent, J. și Volin, J.C. (2014). Assessing the potential for leaf-off LiDAR data to model canopy closure in temperate deciduous forests. ISPRS Journal of Photogrammetry and Remote Sensing 95: 134-145.

Pătrășcoiu, N., Badea, O.,Gancz, V., Stuparu, E., Trofimov, S. (1993). Fundamentarea unui sistem integrat de analiză cantitativă și calitativă a ecosistemelor forestiere prin teledetecție. Arhiva ICAS București și IGR.

Petrila, M., (2011). Utilizarea tehnicilor geomatice în amenajarea pădurilor. Teză de doctorat, Universitatea "Transilvania" din Brașov.

Petrila, M., Apostol, B., Gancz, V., Lorenț, A., Silaghi, D. (2012a). Forest biomass estimation by the use of airborne laser scanning and in situ field map measurement in a spruce forest stand. Folia Forestalia Polonica, series A, 54(2): 84-93.

Petrila, M., Gancz, V., Apostol, B., Lorenț, A. (2012b). Comparing height of individual spruce trees determined on LiDAR data and reference field measurements. EARSeL Symposium 2012, Mykonos Island, Greece. Konstantinos Perakis and Athanasios Moysiadis, Editors, pp. 251-262.

Popescu, S.C., Wynne, R.H., Nelson, R.F. (2002). Estimating plot-level tree heights with lidar: local filtering with a canopy-height based variable window size, Computers and Electronics in Agriculture, 37(1-3): 71-95.

Popescu, S.C., Wynne, R.H., Nelson, R.F. (2003). Measuring individual tree crown diameter with LiDAR and assessing its influence on estimating forest volume and biomass. Canadian Journal Remote Sensing 29(5): 564–577.

Popescu, S.C. și Wynne, R. (2004). Seeing the trees in the forest: using LiDAR and multispectral data fusion with local filtering and variable window size for estimating tree height. Photogrammetric Engineering and Remote Sensing 70: 589–604.

Popescu, S.C., Wynne, R., Scrivani, J. (2004). Fusion of small-footprint LiDAR and multispectral data to estimate plot-level volume and biomass in deciduous and pineforests in Virgina, USA. Forest Science 50: 551–565.

Popescu, S.C. și Zhao, K. (2008). A voxel-based lidar method for estimating crown base height for deciduous and pine trees. Remote Sensing of Environment 112 (3): 767–781.

Reitberger, J., Krzystek, P., Stilla, U. (2008). Analysis of full waveform LIDAR data for the classification of deciduous and coniferous trees. International Journal of Remote Sensing 29(5): 1407-1431.

Rusu, A. (1978). Fotogrammetria forestiera. Editura Ceres, București, 282 p.

Rusu, A., Kiss, A., Chițea, G. (1980). Utilizarea fotografiilor aeriene la controlul și evidența modificărilor intervenite în structura arboretelor. Revista Pădurilor nr.5/1980: 293-298.

Rusu, A., Kiss, A., Chițea, Gh. (1981). Identificarea surselor de aluviuni în cuprinsul bazinelor hidrografice torențiale, după fotograme. Aspecte de principiu. Revista Pădurilor, 4: 234-237.

Rusu, A. și Chițea, G. (1984). Cu privire la reflectanța spectrală și rolul ei în fotointerpretarea forestieră. Buletin de Fotogrametrie, București, Com.V: 1-10.

Rusu, A. (1988). Fotografia aeriană și teledetecția în economia forestieră. Editura Ceres, București, 197 p.

Rusu, A. și Chițea, G. (1995). Fotografia aeriană, teledetecția, sistemele informatice geografice și problemele de mediu în silvicultură (protecția pădurilor). Sesiunea științifică "Pădurile și protecția mediului", Brașov, 27 oct.1995, Editura Universității "Transilvania" Brașov, pp.191-212.

Seceleanu, I. și Ianculescu, M., (1980). Cercetări de teledetecție pentru silvicultură. Referat de colaborare, Arhiva ICAS București.

Shendryk, I., Hellström, M., Klemedtsson, L., Kljun, N. (2014). Low-Density LiDAR and Optical Imagery for Biomass Estimation over Boreal Forest in Sweden. Forests 5: 992-1010.

Srinivasan, S., Popescu, S.C., Eriksson, M., Sheridan, R.D., Ku, N.-W. (2015). Terrestrial Laser Scanning as an Effective Tool to Retrieve Tree Level Height, Crown Width, and Stem Diameter. Remote Sensing 7(2): 1877-1896.

Stephens, M.A. (1979). Tests of Fit for the Logistic Distribution Based on the Empirical Distribution Function. Biometrika 66(3): 591-595.

Tan, S. și Haider, A. (2010). A comparative study of polarimetric and non-polarimetric lidar in deciduous-coniferous tree classification. International Geoscience Remote Sensing Symposium, IGARSS 2010, July 25-30, 2010, Honolulu, Hawaii, USA, pp. 1178-1181.

Tao, S., Guo, Q., Li, L., Xue, B., Kelly, M., Li, W., Xu, G., Su, Y. (2014). Airborne Lidar-derived volume metrics for aboveground biomass estimation: A comparative assessment for conifer stands. Agriculture and Forest Management 198–199: 24–32.

Tiede, D., Hochleitner, G., Blaschke, T. (2005). A full gis-based workflow for tree identification and tree crown delineation using laser scanning. In: The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVI, Part 3/W24, Vienna: 9 – 14.

Turbatu, V. (2004). Amenajamentul Ocolului Silvic Voineasa, județul Vâlcea.

Valbuena, R., Vauhkonen, J., Packalen, P., Pitkänen, J., Maltamo, M. (2014). Comparison of airborne laser scanning methods for estimating forest structure indicators based on Lorenz curves. ISPRS Journal of Photogrammetry and Remote Sensing 95:23–33.

Vaughn, N.R., Moskal, L.M., Turnblom, E.C. (2012). Tree Species Detection Accuracies Using Discrete Point Lidar and Airborne Waveform Lidar. Remote Sensing 4: 377-403.

Vorovencii, I. (2005). Noi perspective ale utilizării înregistrărilor de teledetecție în lucrările de amenajarea pădurilor. In: Silvobiologie Vol. 4B – Amenajarea pădurilor la începutul mileniului al III-lea. Editura Academiei Române, pp. 324-330.

Vorovencii, I. și Pădure, I. (2005). Exploatarea modelului digital al terenului în cadastrul forestier. Lucrări prezentate la Simpozionul de măsurători terestre și cadastru: “50 de ani de învățământ geodezic superior civil din București; 15 ani de la reînființarea Facultății de Geodezie”. București 17-18 noiembrie 2005. Revista de Geodezie, Cartografie și Cadastru – volumul 14 anul 2005, nr. 1-2, pp. 344-355.

Vorovencii, I. (2010). Fotogrammetrie. Editura Matrix Rom, București, 530 p.

Vorovencii, I. și Iordache, E., (2013). Identification and analysis of forest disturbances and fragmentation in Giurgeu Mountains, Romania, using Landsat data. The sixth international scientific conference „Rural Development 2013” Innovations and Sustainability, 28-29 November, 2013, Aleksandras Stulginskis University, Lithuania, pp. 513–518.

Vorovencii, I. (2014). Assessment of some remote sensing techniques used to detect land use/land cover changes in South-East Transilvania, Romania. Environmental Monitoring and Assessment, 186(5): 2685-2699.

Wezyk, P., Koziol, K., Glista, M., Pierzchalski, M., (2007). Terrestrial laser scanning versus traditional forest inventory first results from the Polish forests. IAPRS Volume XXXVI, Part 3 / W52, 2007, pp. 424-429.

Wezyk, P. (2012). The integration of the terrestrial and airborne laser scanning technologies in the semi-automated process of retrieving selected trees and forest stand parameters. Ambiencia, Vol. 8(4): 533–548.

Yao, W., Krull, J., Krzystek, P., Heurich, M. (2014). Sensitivity Analysis of 3D Individual Tree Detection from LiDAR Point Clouds of Temperate Forests. Forests 5: 1122-1142.

Yu, X., Hyyppä, J., Vastaranta, M., Holopainen, M., Viitala, R. (2011). Predicting individual tree attributes from airborne laser point clouds based on the random forests technique. ISPRS Journal of Photogrammetry and Remote Sensing, 66(1): 28-37.

Zheng, J., Wang, Y., Nihan, N.L. (2005). Quantitative evaluation of GPS performance under forest canopies. In: Networking, Sensing and Control. Proceedings IEEE, pp. 777-782.

BIBLIOGRAFIE

REFERENCES

Aldred, A.H. și Bonner, G.M. (1985). Application of airborne laser to forest surveys. Canadian Forest Service Petawawa National Forest Institute, Information Report PI-X-51, 62 p.

Anderson, R.S. și Bolstad, P.V. (2013). Estimating aboveground biomass and average annual wood biomass increment with airborne leaf-on and leaf-off lidar in great lakes forest types. Northern Journal of Applied Forestry 30(1): 16-22.

Anderson, T.W. și Darling, D.A. (1954). A Test of Goodness of Fit. Journal of the American Statistical Association 49(268): 765-769.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V., Creț, A. (2011). Potential use of airborne LiDAR technology by the integration of remote sensing and terrestrial datasets for forests assessment and mapping in Romania. Proceedings to Symposium “Forest and Sustainable Development” – Editura Universitatii “Transilvania” din Brașov, pp. 513-518.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V., Silaghi, D. (2012). Estimarea volumului de masă lemnoasă pe picior la arborete de molid utilizând date LiDAR aeropurtat și măsurători terestre. Revista Pădurilor nr.2: 14-22.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V. (2013a). Estimation of biometric spruce stand parameters by automatic individual trees identification using ALS data (premiul cel mai bun poster). 33rd EARSel Symposium 2013, 3-6 June 2013, Matera, Italy.

Apostol, B., Petrila, M., Lorenț, A., Gancz, V. (2013b). Stand volume evaluation using airborne LiDAR data, aerial imagery and terrestrial measurements for a Norway spruce test site in Romania. The 13th International Conference on LiDAR Applications for Assessing Forest Ecosystems, SilviLaser 2013, 9-11 October 2013, Beijing, China, Book of Abstracts, pp. 111.

Baltsavias, E.P. (1999). A comparison between photogrammetry and laser scanning. ISPRS Journal of Photogrammetry & Remote Sensing 54: 83-94.

Birjaru, C. (2011). Cercetări privind utilizarea tehnologiei LiDAR în lucrările din silvicultură. Teză de doctorat, Universitatea "Transilvania" din Brașov.

Boș, N., Kiss, A., Clinciu, I., Chițea, G. (1986). Posibilități de fotointerpretare a unor elemente necesare la amenajarea bazinelor hidrografice torențiale, Revista Pădurilor, nr. 3: 151-155.

Boș, N. (2011). Geomatica și realizarea bazei cartografice a fondului forestier din România. Revista Pădurilor nr. 6: 27-36.

Chitea, Gh. și Kiss, A. (2001). Cadastru general și forestier. Editura Universității “Transilvania” din Brașov, 224 p.

Chițea, Gh. și Vorovencii, I. (2001). Tehnologii noi folosite în cadastru. Pădurea românească la cumpăna mileniilor, Editura Universității “Transilvania” Brașov, pp.219-224.

Constantin, V. (2004). Harta topografică militară în proiecție UTM. Gândirea militară românească, nr.3/2004: 94-97.

Defibaugh y Chávez, J. și Tullis, J.A. (2013). Deciduous Forest Structure Estimated with LIDAR-Optimized Spectral Remote Sensing. Remote Sensing 5(1): 155-182.

Dorren, L., Maier, B., Berger, F. (2006). Assessing protection forest structure with airborne laser scanning in steep mountainous terrain. Proceedings of Workshop on 3D Remote Sensing in Forestry, 14th-15th February 2006, Vienna – Session 8b, pp. 238-242.

Dubayah, R.O. și Drake, J.B., (2000). LiDAR remote sensing for forestry. Journal of Forestry, 98: 44–46.

Gancz, V., Badea, O., Nitica , C., Petrișor, M., Popescu, I., Popescu, V. (1990). Cercetări privind utilizarea imaginilor multispectrale aeriene în probleme de monitoring forestier. Arhiva IGG și ICAS București.

Gancz, V., Petrila, M., Apostol, J. (2003). Realizarea și utilizarea ortofotoplanurilor digitale scara 1:5.000, bazate pe imagini satelitare de foarte înaltă rezoluție spațială și a analizei GIS, pentru lucrările de reamenajare a O.S.E.Săcele. Referat științific final, arhiva ICAS.

Gancz, V., Tomescu, R., Defourni, P., Giot-Wirgot, P. (2005). Evaluarea potentialului de utilizare a imaginilor satelitare de foarte inaltă rezolutie spatială (VHSRSI) in studiul ecosistemelor forestiere. Analele ICAS 48(1): 197-217.

Gancz, V., Apostol, B., Petrila, M., Lorenț, A. (2010). Detectarea cu ajutorul imaginilor satelitare a doboraturilor de vant si evaluarea efectelor acestora, Revista pădurilor nr 6: 30-36.

Gancz, V., Lorenț, A., Apostol, B., Petrila, M. (2014). Metodologie de detectare și analiză a suprafețelor de pădure afectate de dispariția vegetației forestiere, cu ajutorul seriilor multitemporale de imagini Landsat – Experiment pe o zonă test, Revista pădurilor nr.5-6: 56-63.

Giurgiu, V. (1972). Metode ale statisticii matematice aplicate în silvicultură, Editura Ceres. București, 566 p.

Giurgiu, V. (1979). Dendrometrie și auxologie forestieră, Editura Ceres. București, 691p.

Giurgiu, V. (1979). Forest dendrometry and auxology. Bucharest, Ceres., 691p.

Giurgiu, V. și Drăghiciu, D. (2004). Modele matematico-auxologice și tabele de producție pentru arborete. Editura CERES București, 607 p.

Giurgiu, V, Decei, I, Drăghiciu, D. (2004). Metode și tabele dendrometrice. Bucharest, Ed. Ceres, 575p.

Goodwin, N.R., Coops, N.C., Culvenor, D.S. (2006). Assessment of forest structure with airborne LiDAR and the effects of platform altitude, Remote Sensing of Environment 103(2): 140-152.

Hall, S.A., Burke, I.C., Box, D.O., Kaufmann, M.R., Stoker, J.M. (2005). Estimating stand structure using discrete-return lidar: an example from low density fire prone ponderosa pine forests. Forest Ecologyand Management 208: 189–209.

Heurich, M. și Thoma, F. (2008). Estimation of forestry stand parameters using laser scanning data in temperate, structurally rich natural European beech (Fagus sylvatica) and Norway spruce (Picea abies) forests, Forestry 81(5): 645-661.

Holmgren, J. și Persson, A. (2004). Identifying species of individual trees using airborne laser scanner. Remote Sensing of Environment, 90(4): 415-423.

Hyyppä, J., Yu, X., Hyyppä, H., Maltamo, M. (2006). Methods of airborne laser scanning for forest information extraction. Proceedings of Workshop on 3D Remote Sensing in Forestry, 14th-15th Feb. 2006, Vienna – Session 8b, pp. 63-78.

Kempes, C.P., West, G.B., Crowell, K., Girvan, M. (2011). Predicting Maximum Tree Heights and Other Traits from Allometric Scaling and Resource Limitations. PLoS ONE 6 (6): 1-10.

Kiss, A., Chițea, G., Vorovencii, I. (1999). Obiectivizarea monitorizării stării de sănătate a pădurilor. Pădurea românească în pragul Mileniului Trei, Editura Universității "Transilvania" din Brașov , pp. 179-181.

Koch, B., Straub, C., Dees, M., Wang, Y., Weinacker, H. (2009). Airborne laser data for stand delineation and information extraction. International Journal of Remote Sensing, 30(4): 935-963.

Kraus, K., Pfeifer, N. (1998). Determination of terrain models in wooded areas with airborne laser scanner data. ISPRS Journal of Photogrammetry and Remote Sensing. 53: 193-203.

Leahu, I. (1994). Dendrometrie. Editura Didactică și Pedagogică București, 374p.

Lim, K., Treitz, P., Wulderm M., St-Onge, B., Flood, M. (2003). LiDAR remote sensing of forest structure. Progress in physical geography 27(1): 88-106.

Macdonald, P.D.M. și Du, J. (2004). Mixture distribution models. R package version 0.5-4.

Maclean, G.A. și Martin, G.L. (1984). Merchantable timber volume estimations using cross-sectional photogrammetric and densitometric methods. Canadian Journal of Forest Research, 14: 803–810.

Magnussen, S. și Boudewyn, P. (1998). Derivations of stand heights from airborne laser scanner data with canopy-based quantile estimators. Canadian Journal of Forest Research 28: 1016-1031.

Magnussen, S., Naesset, E., Gobakken, T. (2010). Reliability of LiDAR derived predictors of forest inventory attributes: A case study with Norway spruce. Remote Sensing of Environment 114(4): 700-712.

McGaughey, J. (2014). FUSION/LDV: Software for LIDAR Data Analysis and Visualization. U.S. Department of Agriculture, Forest Service, Pacific Northwest Research Station, 179 p.

Middleton, W.E.K., Spilhaus, A.F. (1953). Meteorological Instruments. University of Toronto Press. 3rd Edition, 286 p.

Montealegre, A.L., Lamelas, M.T., Tanase, M.A., de la Riva, J. (2014). Forest Fire Severity Assessment Using ALS Data in a Mediterranean Environment. Remote Sensing 6(5): 4240-4265.

Naesset, E. (1997). Estimating timber volume of forest stands using airborne laser scanner data. Remote Sensing of Environment 61(2): 246-253.

Op't Eyndt, T., Willekens, A., Tortelboom, E., Gancz, V., Van Valckenborgh, J. (2002). Technical Assistance for Forest Information Management in Romania (TAFIMRO) – Technical report. GIS Support Centre, Flemish Land Agency, Belgium și ICAS București.

Parent, J. și Volin, J.C. (2014). Assessing the potential for leaf-off LiDAR data to model canopy closure in temperate deciduous forests. ISPRS Journal of Photogrammetry and Remote Sensing 95: 134-145.

Pătrășcoiu, N., Badea, O.,Gancz, V., Stuparu, E., Trofimov, S. (1993). Fundamentarea unui sistem integrat de analiză cantitativă și calitativă a ecosistemelor forestiere prin teledetecție. Arhiva ICAS București și IGR.

Petrila, M., (2011). Utilizarea tehnicilor geomatice în amenajarea pădurilor. Teză de doctorat, Universitatea "Transilvania" din Brașov.

Petrila, M., Apostol, B., Gancz, V., Lorenț, A., Silaghi, D. (2012a). Forest biomass estimation by the use of airborne laser scanning and in situ field map measurement in a spruce forest stand. Folia Forestalia Polonica, series A, 54(2): 84-93.

Petrila, M., Gancz, V., Apostol, B., Lorenț, A. (2012b). Comparing height of individual spruce trees determined on LiDAR data and reference field measurements. EARSeL Symposium 2012, Mykonos Island, Greece. Konstantinos Perakis and Athanasios Moysiadis, Editors, pp. 251-262.

Popescu, S.C., Wynne, R.H., Nelson, R.F. (2002). Estimating plot-level tree heights with lidar: local filtering with a canopy-height based variable window size, Computers and Electronics in Agriculture, 37(1-3): 71-95.

Popescu, S.C., Wynne, R.H., Nelson, R.F. (2003). Measuring individual tree crown diameter with LiDAR and assessing its influence on estimating forest volume and biomass. Canadian Journal Remote Sensing 29(5): 564–577.

Popescu, S.C. și Wynne, R. (2004). Seeing the trees in the forest: using LiDAR and multispectral data fusion with local filtering and variable window size for estimating tree height. Photogrammetric Engineering and Remote Sensing 70: 589–604.

Popescu, S.C., Wynne, R., Scrivani, J. (2004). Fusion of small-footprint LiDAR and multispectral data to estimate plot-level volume and biomass in deciduous and pineforests in Virgina, USA. Forest Science 50: 551–565.

Popescu, S.C. și Zhao, K. (2008). A voxel-based lidar method for estimating crown base height for deciduous and pine trees. Remote Sensing of Environment 112 (3): 767–781.

Reitberger, J., Krzystek, P., Stilla, U. (2008). Analysis of full waveform LIDAR data for the classification of deciduous and coniferous trees. International Journal of Remote Sensing 29(5): 1407-1431.

Rusu, A. (1978). Fotogrammetria forestiera. Editura Ceres, București, 282 p.

Rusu, A., Kiss, A., Chițea, G. (1980). Utilizarea fotografiilor aeriene la controlul și evidența modificărilor intervenite în structura arboretelor. Revista Pădurilor nr.5/1980: 293-298.

Rusu, A., Kiss, A., Chițea, Gh. (1981). Identificarea surselor de aluviuni în cuprinsul bazinelor hidrografice torențiale, după fotograme. Aspecte de principiu. Revista Pădurilor, 4: 234-237.

Rusu, A. și Chițea, G. (1984). Cu privire la reflectanța spectrală și rolul ei în fotointerpretarea forestieră. Buletin de Fotogrametrie, București, Com.V: 1-10.

Rusu, A. (1988). Fotografia aeriană și teledetecția în economia forestieră. Editura Ceres, București, 197 p.

Rusu, A. și Chițea, G. (1995). Fotografia aeriană, teledetecția, sistemele informatice geografice și problemele de mediu în silvicultură (protecția pădurilor). Sesiunea științifică "Pădurile și protecția mediului", Brașov, 27 oct.1995, Editura Universității "Transilvania" Brașov, pp.191-212.

Seceleanu, I. și Ianculescu, M., (1980). Cercetări de teledetecție pentru silvicultură. Referat de colaborare, Arhiva ICAS București.

Shendryk, I., Hellström, M., Klemedtsson, L., Kljun, N. (2014). Low-Density LiDAR and Optical Imagery for Biomass Estimation over Boreal Forest in Sweden. Forests 5: 992-1010.

Srinivasan, S., Popescu, S.C., Eriksson, M., Sheridan, R.D., Ku, N.-W. (2015). Terrestrial Laser Scanning as an Effective Tool to Retrieve Tree Level Height, Crown Width, and Stem Diameter. Remote Sensing 7(2): 1877-1896.

Stephens, M.A. (1979). Tests of Fit for the Logistic Distribution Based on the Empirical Distribution Function. Biometrika 66(3): 591-595.

Tan, S. și Haider, A. (2010). A comparative study of polarimetric and non-polarimetric lidar in deciduous-coniferous tree classification. International Geoscience Remote Sensing Symposium, IGARSS 2010, July 25-30, 2010, Honolulu, Hawaii, USA, pp. 1178-1181.

Tao, S., Guo, Q., Li, L., Xue, B., Kelly, M., Li, W., Xu, G., Su, Y. (2014). Airborne Lidar-derived volume metrics for aboveground biomass estimation: A comparative assessment for conifer stands. Agriculture and Forest Management 198–199: 24–32.

Tiede, D., Hochleitner, G., Blaschke, T. (2005). A full gis-based workflow for tree identification and tree crown delineation using laser scanning. In: The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVI, Part 3/W24, Vienna: 9 – 14.

Turbatu, V. (2004). Amenajamentul Ocolului Silvic Voineasa, județul Vâlcea.

Valbuena, R., Vauhkonen, J., Packalen, P., Pitkänen, J., Maltamo, M. (2014). Comparison of airborne laser scanning methods for estimating forest structure indicators based on Lorenz curves. ISPRS Journal of Photogrammetry and Remote Sensing 95:23–33.

Vaughn, N.R., Moskal, L.M., Turnblom, E.C. (2012). Tree Species Detection Accuracies Using Discrete Point Lidar and Airborne Waveform Lidar. Remote Sensing 4: 377-403.

Vorovencii, I. (2005). Noi perspective ale utilizării înregistrărilor de teledetecție în lucrările de amenajarea pădurilor. In: Silvobiologie Vol. 4B – Amenajarea pădurilor la începutul mileniului al III-lea. Editura Academiei Române, pp. 324-330.

Vorovencii, I. și Pădure, I. (2005). Exploatarea modelului digital al terenului în cadastrul forestier. Lucrări prezentate la Simpozionul de măsurători terestre și cadastru: “50 de ani de învățământ geodezic superior civil din București; 15 ani de la reînființarea Facultății de Geodezie”. București 17-18 noiembrie 2005. Revista de Geodezie, Cartografie și Cadastru – volumul 14 anul 2005, nr. 1-2, pp. 344-355.

Vorovencii, I. (2010). Fotogrammetrie. Editura Matrix Rom, București, 530 p.

Vorovencii, I. și Iordache, E., (2013). Identification and analysis of forest disturbances and fragmentation in Giurgeu Mountains, Romania, using Landsat data. The sixth international scientific conference „Rural Development 2013” Innovations and Sustainability, 28-29 November, 2013, Aleksandras Stulginskis University, Lithuania, pp. 513–518.

Vorovencii, I. (2014). Assessment of some remote sensing techniques used to detect land use/land cover changes in South-East Transilvania, Romania. Environmental Monitoring and Assessment, 186(5): 2685-2699.

Wezyk, P., Koziol, K., Glista, M., Pierzchalski, M., (2007). Terrestrial laser scanning versus traditional forest inventory first results from the Polish forests. IAPRS Volume XXXVI, Part 3 / W52, 2007, pp. 424-429.

Wezyk, P. (2012). The integration of the terrestrial and airborne laser scanning technologies in the semi-automated process of retrieving selected trees and forest stand parameters. Ambiencia, Vol. 8(4): 533–548.

Yao, W., Krull, J., Krzystek, P., Heurich, M. (2014). Sensitivity Analysis of 3D Individual Tree Detection from LiDAR Point Clouds of Temperate Forests. Forests 5: 1122-1142.

Yu, X., Hyyppä, J., Vastaranta, M., Holopainen, M., Viitala, R. (2011). Predicting individual tree attributes from airborne laser point clouds based on the random forests technique. ISPRS Journal of Photogrammetry and Remote Sensing, 66(1): 28-37.

Zheng, J., Wang, Y., Nihan, N.L. (2005). Quantitative evaluation of GPS performance under forest canopies. In: Networking, Sensing and Control. Proceedings IEEE, pp. 777-782.