Evaluation of automated single-tree recognition from airborne laser scanning data
In the present study, we investigated whether the detection tool FINT (Find Individual Trees) can identify single trees out of canopy height models (CHM) precisely enough to assess the protective effect of forests, even on steep slopes. For this purpose, reference trees were measured and described in twelve randomly selected sample plots in the Bündner Herrschaft and Schanfigg regions (Canton Graubünden, Switzerland). CHMs of different resolution and smoothing were generated from airborne laser scanning data for each sample plot and subsequently processed with FINT. In addition, we tested whether the use of a model that defines the minimum distance between a tree and its neighbours based on its height (MBA model) improved the quality of the results. The study showed that a finer-resolution CHM combined with stronger smoothing produced results comparable to those obtained with an unsmoothed and lower-resolution CHM. The smallest difference between the numbers of trees measured and detected was achieved with the 1-m resolution CHM, with no smoothing and no MBA model. In conclusion, FINT can provide a basis for assessing the protective effect of a forest with its existing structures, and its results – after evaluation in the field – can be directly integrated into natural hazard simulation models.
Evaluation automatischer Einzelbaumerkennung aus luftgestützten Laserscanning-Daten
In der vorliegenden Studie wurde untersucht, ob das Tool FINT (Find Individual Trees) in unterschiedlichen Waldtypen und auch in steilen Hanglagen Einzelbäume in Kronenhöhenmodellen (KHM) genügend präzis erkennen kann, um die Schutzwaldwirkung abschätzen zu können. Hierfür wurden in den Regionen Bündner Herrschaft und Schanfigg (Kanton Graubünden, Schweiz) in zwölf zufällig gewählten Probeflächen Referenzbäume eingemessen und beschrieben. Für diese Probeflächen wurden aus luftgestützten Laserscanning-Daten KHM unterschiedlicher Auflösung und Glättung erstellt und anschliessend mit FINT prozessiert. Zusätzlich wurde getestet, ob ein Modell, das den Mindestabstand zwischen einem Baum und den benachbarten Bäumen in Abhängigkeit von seiner Höhe definiert (MBA-Modell), zu besseren Detektionsergebnissen führt. Die Studie zeigte, dass eine feinere KHM-Auflösung kombiniert mit einer stärkeren Glättung zu Resultaten führt, die mit jenen vergleichbar sind, welche mit einem ungeglätteten, gröber aufgelösten KHM erreicht werden. Die kleinste Abweichung zwischen der Anzahl eingemessener und detektierter Bäume wurde mit dem KHM in 1-m-Auflösung erzielt, welches ungeglättet und ohne MBA-Modell angewendet wurde. Es hat sich gezeigt, dass FINT Grundlagen liefern kann, um die Wirkung des Schutzwaldes mit seinen heutigen Strukturen abschätzen zu können. Diese FINT-Resultate können schliesslich – nach Evaluierung im Gelände – direkt in Naturgefahren-Simulationsmodelle integriert werden.
Efficacité du balayage laser aéroporté pour la détection automatique d'arbres individuals
La présente étude avait pour but de déterminer si l'outil FINT (Find Individual Trees) détecte les arbres individuels dans des modèles numériques de canopée (MNC) avec une précision suffisante pour permettre d'estimer l'effet protecteur de forêts, y compris dans des zones à forte pente. Pour ce faire, des arbres de référence ont été mesurés et décrits dans douze placettes d'échantillonnage choisies au hasard dans les régions de Bündner Herrschaft et de Schanfigg (canton des Grisons, Suisse). Des données de ces placettes, obtenues par balayage laser aéroporté, ont été utilisées pour générer des MNC à des résolutions et des lissages différents, qui ont ensuite été analysés avec FINT. En outre, un modèle définissant la distance minimale entre un arbre et ses voisins en fonction de sa hauteur (modèle MBA) a été testé afin de déterminer s'il améliorait la qualité des résultats. L'étude a montré que les MNC combinant une résolution élevée et un haut degré de lissage produisent des résultats comparables à ceux des MNC non lissés et de résolution inférieure. C'est avec un MNC à 1 m de résolution, sans lissage ni recours au modèle MBA, que l'écart entre le nombre d'arbres mesurés sur place et le nombre d'arbres détectés était le plus faible. En conclusion, FINT peut fournir des données permettant d'estimer l'effet protecteur des structures actuelles d'une forêt, et ces données, après vérification sur le terrain, peuvent être directement intégrées dans des modèles de simulation des dangers naturels.
