Földi lézerszkennelés az erdészeti gyakorlatban – Mintaprojektek

3. ábra: Egyes faegyedek elkülönülése a pontfelhőben a szigetközi mintaterületen Fig. 3: Classified point cloud showing the assigned tree ID for each points in the cloud

Az Alföldi Erdőkért Egyesület 2019. évi, őszi Kutatói Napján “Földi lézerszkennelés az erdészeti gyakorlatban” címmel tartottak előadást a NAIK Erdészeti Tudományos Intézet és az Ökológiai Kutatóközpont Ökológiai és Botanikai Intézet munkatársai. Ennek anyagát most az Erdő-Mező Online is közzé teszi.

FÖLDI LÉZERSZKENNELÉS AZ ERDÉSZETI GYAKORLATBAN – MINTAPROJEKTEK

Illés Gábor1, Kovács Bence2, Németh Csaba2, Ódor Péter2
1 Nemzeti Agrárkutatási és Innovációs Központ, Erdészeti Tudományos Intézet
2 Ökológiai Kutatóközpont Ökológiai és Botanikai Intézet

KIVONAT

A tanulmány két kísérleti mintaterületen végzett, földi lézerszkenneres felmérés első eredményeit mutatja be. A terepi felvételezést egy Trimble TX6 típusú lézerszkenner használatával végeztük el. A kísérleti területek közül az egyik a Szigetközben lévő, negyed hektáros ERTI monitoring terület Dunasziget községhatárban, a másik a Pilis Lék Kísérlet 9,7 ha-os területe a Pilisben. A felmérések pontfelhőit Trimble Realworks 11 és a GreenValley Int. LiDAR 360 szoftverekkel dolgoztuk fel. Az előfeldolgozott pontfelhőkből nagy felbontású domborzatmodellt állítottunk elő, majd elvégeztük az erdészeti adatok származtatását. Ez utóbbi során egyedenkénti átmérő, famagasság, koronaterület és koronahossz adatokat határoztunk meg, majd fafajonként és erdőművelési osztályonként (fő-, ill. mellékállomány, élő vagy holt fa) készítettünk leíró statisztikákat a területekről. Végül a faállományok vertikális és horizontális szerkezetét elemeztük, fafajtérképek, fafajeloszlás és állománymagasság szempontjából. A Pilis Lék Kísérlet mintaterülete esetében a faállomány térképezését hagyományos terepi geodéziai felméréssel (Field-Map rendszerrel) is elvégeztük, a fafajok meghatározása ebből származik. Az eredmények alapján megállapítottuk, hogy a földi lézer szkenner technológia eredményesen alkalmazható faállományok felmérésében és erdészeti szempontú értékelésében. Ugyanakkor bizonyos változók még bizonytalan meghatározása (pl. fafajok elkülönítése) miatt a lézerszkenner adatokat még szükséges terepi felmérésekkel kiegészíteni.

KULCSSZAVAK: földi lézer szkenner, erdőbecslés, térinformatika

Abstract

The study presents the first results of a terrestrial laser scanning survey in two experimental pilot areas. Field survey was done using a Trimble TX6 laser scanner. One of the experimental areas is the 0.25 hectare ERTI monitoring area in Szigetköz, in the vicinity of Dunasziget. The other surveyed area is the 9.7 ha experimental area of the Institute of Ecology and Botany of the Ecological Research Centre in Pilis. Surveyed point clouds were processed with Trimble Realworks 11 and GreenValley Int. LiDAR 360 software. We prepared a high resolution terrain model from the pre-processed point clouds and then derived the forest inventory data. In the latter, individual diameter at breast height, tree height, crown area and crown length data were determined, followed by descriptive statistics of areas by tree species and sylvicultural class (main and bystand, living or dead tree). Finally, we analysed the vertical and horizontal structure of stands in terms of tree species maps, tree species distribution and tree maximum height. In the case of the Pilis Lék Experiment, the mapping of forest stand was carried out with traditional field-geodetic survey (Field-Map system), that delivered species information. Based on the results, it was found that the terrestrial laser scanner technology can be successfully applied in forest inventories and the produced data is suitable for stand evaluation from a forestry point of view.

Keywords: terrestrial laser scanning, forest inventory, geographic information systems

BEVEZETÉS

Egy évvel ezelőtt, 2018-ban számoltunk be az AEE kutatói napján az első lézerszkenner használati tapasztalatokról a püspökladányi Farkasszigetből (Illés et al, 2018). Az elmúlt egy évben további kísérleteket folytattunk a földi lézerszkenner technológiával több helyszínen. Ezekből a kísérletekből a szigetközi és a pilisi felmérésekből származó eredményeket mutatjuk be ebben a tanulmányban. A téma aktualitása folyamatosan foglalkoztatja a szakembereket. A felhasználási területek széles skálán mozognak. A hagyományos állományfelvételezéstől a finomabb, strukturális jellemzők felderítéséig (Bauwens et al., 2016; Maas et al., 2008; Wilkes et al., 2017). Ugyanakkor a lézeres felvételek a biomassza mennyiség-, ill., annak allometrikus jellemzői meghatározására is használatba kerülnek (Calders et al., 2015; Stovall et al., 2018). Mindez a pontosabb erdőleltár adatok mellett hozzájárulhat az erdei szénkészletek pontosabb becsléséhez is (Srinivasan et al., 2015). Jelenleg a kutatásokat az állományszintű felmérések módszertanának fejlesztése irányában folytatjuk a parcella szintű felmérésektől (Szigetköz) a nagyobb területű, erdőleltár célú alkalmazásokig (Pilis) bezárólag. Tapasztalatokat gyűjtöttünk a felvételezések munkaerő és időigénye, valamint a felvételi adatokból kinyerhető információk tekintetében egyaránt. A pilisi mintaterületen a lézerszkenner méréseket hagyományos geodéziai térképezéssel (Field-Map) és egyedi fafaj meghatározással egészítettük ki.

ANYAG ÉS MÓDSZER

A lézerszkenneres felvételeket két kísérleti területen, Dunasziget községhatárban, a Szigetközben, illetve Pilisszántó községhatárban található erdőrészletekben hajtottuk végre. Előbbi egy kőris elegyes kocsányos tölgyes állomány, amely a Szigetköz környezeti állapotának megfigyelését célzó monitoring része. Területe 0,25 ha, átlagos állománykora 63 év (Illés and Szabados, 2008). Az utóbbi egy 9,7 ha-os, 90 éves gyertyános kocsánytalan tölgyes állomány, amelyen Pilis Lék Kísérlet zajlik az Ökológiai Kutatóközpont Ökológiai és Botanikai Intézete és a Pilisi Parkerdő Zrt. együttműködésének keretében. A Pilis Lék Kísérlet részletes leírása megtalálható az alábbi honlapon (https://www.piliskiserlet.okologia.mta.hu/). Ezen a területen az 5 cm-es mellmagassági átmérőnél vastagabb faegyedek hagyományos geodéziai térképezését is elvégeztük Field-Map rendszerben, amely során a faegyedek faját is rögzítettük. Ebben a tanulmányban nem cél kitérni a két területen folyó kutatómunka részletes tárgyalására, csak a földi lézerszkenner adatok kvantitatív eredményeit ismertetjük a különböző erdészeti felhasználási lehetőségek szempontjából.

A felméréseket 2018-19 telén hajtottuk végre 2018. november és 2019. január hónapok folyamán több részletben. A vizsgálathoz egy Trimble TX 6-os lézerszkennert használtunk. A felvételezési munkákat 2-4 fő végezte. A felvétel során a szigetközi erdőállományban négy darab ideiglenes felvételi pontot hoztunk létre, amely álláshelyekről a felvételezést végrehajtottuk. A szkenneléseket közepes (L2) felbontással végeztük, ami a műszertől 30 méterre lévő tárgyakon kb. 1 cm-ként elhelyezkedő pontokat eredményez. Az állomáshelyek pontfelhőinek illesztéséhez 10 és 23 cm átmérőjű, gömb alakú céltárgyakat használtunk, olyan elrendezéssel, hogy álláshelyenként legalább 2-3 illesztőpont látható legyen a szkenner számára. Az álláshelyek elrendezésénél arra törekedtünk, hogy a felvételi helyek által körbefogott állományrészen belül minden faegyedről teljes lefedettségű pontfelhő keletkezzen. A pilisi területen 39 álláshelyről végeztünk felvételezést a fentiekhez hasonló megfontolásokkal. Ebben az esetben, mivel a felvételezés több napot vett igénybe, fontos szempont volt, hogy két felvételezési nap között az előző napi utolsó kettő-, illetve a következő napi első kettő illesztőpont azonosságát megteremtsük.

A nyers felvételi adatokat Trimble Realworks 11 szoftver segítségével dolgoztuk fel. A pontfelhőkből automatikus felismeréssel kinyertük a céltárgyak helyzetét, majd ezek illesztésével egymáshoz képest tájékoztuk a felvételi pontfelhőket. Az egyesített pontfelhőt helyi koordinátarendszerben kezeltük kezdetben, majd a továbbiakban, nagy pontosságú GPS mérésekkel EOV rendszerbe illesztettük. Ehhez az illesztőpontokat az Interspect Kft. légifelmérése biztosította, mert a területen a GPS vevők nem működtek kellő pontossággal.

Az egyesített pontfelhőből Limit Box alkalmazásával kimetszettük a felvétellel közvetlenül érintett területet. Érdekesség, hogy ezen egyesített pontfelhő a pilisi területen belül többmint 3 milliárd pontot tartalmazott. Az egyesített pontfelhőből a faállomány háromdimenziós képére mutat példát az 1. ábra.

A feldolgozás további részében a LiDAR 360 programcsomaggal dolgoztunk. A következő lépésben eltávolítottuk a kiugró értékeket és a zajként azonosított pontokat, majd leválogattuk a talajhoz tartozó pontfelhő részletet a program algoritmusának segítségével. Az algoritmus leválasztja a pontfelhő legalsó 30 cm-es sávjába eső pontjait, majd ezeknek a pontoknak az előre megadott rácsháló – esetünkben 25 cm – egyes rácspontjainak térrészébe eső pontok relatív magassági adatait átlagolja. Végül a rácspontokra egy, a területet lefedő rasztert illeszt, ami a talajszintet reprezentálja. Ez lesz a domborzatmodell. Abban az esetben, ha a GPS mérésekkel, vagy szintezéssel meg tudjuk adni a referencia pontok – vagy akár csak egy referencia pont abszolút magasságát – akkor a domborzatmodell magassági adatai a valódi terepmagasságot adják (2. ábra).

1. ábra: A pilisi mintaterület perspektivikus képének részlete Fig. 1: Perspective partial view of the sample area of Pilis

1. ábra: A pilisi mintaterület perspektivikus képének részlete
Fig. 1: Perspective partial view of the sample area of Pilis

2. ábra: A pilisi mintaterület pontfelhőből levezetett domborzatmodellje Fig. 2: The elevation model derived from classified point cloud

2. ábra: A pilisi mintaterület pontfelhőből levezetett domborzatmodellje
Fig. 2: The elevation model derived from classified point cloud

A terepmodell előállítása nagyon fontos, mert ez szolgáltatja később a referencia szintet a faállomány jellemzők meghatározásához, például a mellmagassági átmérő, vagy a famagasság meghatározásakor. A terepmodell véglegesítésével az egész pontfelhő normalizálása következik, amelynek során a terepszintre kalibráljuk a magasságmérések 0 szintjét.

A munkafolyamat a faegyedek azonosításával folytatódik. Az algoritmus elkezdi keresni a terepszint felett folytonosan, ugyanakkor más tereptárgyaktól elkülönülő, egymáshoz egy előre definiált határtávolságon belül lévő pontokat. Így „növeszti” az egyes fákhoz tartozó ponthalmazokat. Ezekhez a terepszinten egy-egy kiindulópontot rendel, ami a faegyedek tövének koordinátáit adják. E folyamat során a kulcskérdés a keresési sugár és a minimális, csatlakoztatásra kerülő pontszám megadása. Ha túl nagy a keresési sugár, akkor esetleg más faegyedhez tartozó pontok is helytelenül sorolódnak egy-egy faegyed ponthalmazához, ha pedig túl kicsi a keresési sugár, vagy kevés pontot adunk meg, akkor elveszíthetjük a korona meghatározó részét. Ezért ezt a folyamatot iterációs eljárással kell optimalizálni. A folyamat végén szerencsés esetben minden egyes fához az annak leképezését jelentő pontokat hozzá tudjuk rendelni, és az egyes fák szépen elkülönülnek a pontfelhőben a saját egyedi azonosítójukkal, amihez a faegyed többi tulajdonságát rendeljük majd (3. ábra).

3. ábra: Egyes faegyedek elkülönülése a pontfelhőben a szigetközi mintaterületen Fig. 3: Classified point cloud showing the assigned tree ID for each points in the cloud

3. ábra: Egyes faegyedek elkülönülése a pontfelhőben a szigetközi mintaterületen
Fig. 3: Classified point cloud showing the assigned tree ID for each points in the cloud

A faegyedek azonosítása után azok egyedi méretei is meghatározhatókká válnak, úgymint a famagasság, koronahossz, koronavetület, adott magasságokban mért átmérő, pl. a mellmagassági átmérő. Ezeket a változókat ugyancsak automatikusan tudjuk az egyedekhez rendelni, de ezt a folyamatot felülvizsgálni és kontrollálni is kell egyben, melyre a legegyszerűbb mód a magassági görbék felvétele és a famagasság-átmérő kapcsolatok ellenőrzése. A kérdéses, vagy éppen hibás átmérő adatokat manuális illesztéssel újraszámolhatjuk, megadva az illesztési paramétereket is (kör, ellipszis, sokszög) (4. ábra).

4. ábra: Felügyelt mellmagassági átmérő illesztés Fig. 4: Supervised DBH fitting

4. ábra: Felügyelt mellmagassági átmérő illesztés
Fig. 4: Supervised DBH fitting

A végleges átmérő- és pozíciós adatok meghatározásával nyílik lehetőség a faegyedek térképi elhelyezkedésének ábrázolására. Abban az esetben, ha a faegyedek fafaját a felvételek során rögzítjük, vagy meghatározzuk a felvételi adatokból, akkor azok hozzárendelésével faállománytérképeket készíthetünk akár a fafaj, akár például a mellmagassági átmérő megjelenítésével (5-6. ábrák). A pilisi mintaterületen a fafaj adatok a lézerszkenneres méréstől független terepi mintavételből származtak. Ezek a térképek már segíthetnek a különböző állományrészek lehatárolásában, gyérítések tervezésében, vagy éppen az erdészeti beavatkozások értékelésében. A módszertani fejlesztések további igényét jelenti, hogy a fafaj meghatározást a lehetőségekhez képest automatizálni szükséges, mert ez alapvető igénye az erdészeti felhasználás általános, széleskörű elterjedésének. Ebben a témában idéntől folytatunk módszertani kísérleteket, de ezek eredményére még korai lenne kitérni.

5. ábra: Fafajtérkép a pilisi területen. A faegyedek pozíciója a lézerszkenneres, a fafajok meghatározása terepi felmérésből származik. Fig. 5: Tree species map in the plot of Pilis . The position of the trees are based on the Lidar data, while the species of the trees were determined on the field.

5. ábra: Fafajtérkép a pilisi területen. A faegyedek pozíciója a lézerszkenneres, a fafajok meghatározása terepi felmérésből származik.
Fig. 5: Tree species map in the plot of Pilis . The position of the trees are based on the Lidar data, while the species of the trees were determined on the field.

6. ábra: Mellmagassági átmérő térkép a szigetközi területen Fig. 6: DBH map in the plot of Szigetköz

6. ábra: Mellmagassági átmérő térkép a szigetközi területen
Fig. 6: DBH map in the plot of Szigetköz

Az 5. és 6. ábrákkal már kicsit az eredmények ismertetését célzó fejezetbe csúsztunk, de érdemesnek tartottuk a módszerek között tárgyalni még ezt a részt, mivel ezzel jutunk el addig, hogy a lézeres felmérésből gyakorlatilag egy erdőbecslési értelemben teljes felvételi adatsort tudtunk előállítani. Az adatsor alapján minden egyes fára egyedi fatérfogat és körlap számítást végeztünk. A fatérfogat számítást a Királyféle fatérfogat függvényekkel hajtottuk végre. Az egyes fákra vonatkozó eredményeket fafajonként, illetve erdőművelési- és vitalitási osztályonként összesítettük. Így részben erre az adatsorra építkezik a továbbiakban a hagyományos állományszerkezeti elemzés, amit a faállomány különböző magasságaiban képzett metszetekkel egészítettünk ki. A magassági metszeteket a pontfelhőből a következő szintekből állítottuk elő: 0 m (tuskómagasság); 1,3 m; 5m; 10 m; 20 m; 23 m (ebben a tanulmányban nem közöljük mindegyiket). Ezek a pontfelhő metszetek már az állomány horizontális és vertikális szerkezetéről is áttekintést nyújtanak, hatékonyabbá téve az állományrészek elkülönítését, azonosítását.

EREDMÉNYEK

Az eredmények közül elsőként a pontfelhő magassági metszeteinek használhatóságát szeretnénk kiemelni (7. ábra). A talajszinthez relatíve közel elhelyezkedő metszetek alapján kirajzolódnak az újulatfoltok, illetve a cserjésekkel borított területek. A kellően sűrű metszetek készítésével – elvben ez bármeddig finomítható –, a kívánt pontossággal meg lehet határozni ezeknek a foltoknak a magasságát, illetve becsülni lehet sűrűségüket, valamint a területüket. A nagyobb magasságokban képzett metszetek a második, illetve az uralkodó koronaszintről nyújtanak tájékoztatást. Használatukkal nagyon gyorsan és pontosan meghatározhatók az állományon belüli növekedésbeli különbségek. Ezen belül a legjobb növekedésű és a leggyengébb növekedésű területek is azonosíthatók. Ezek az adatok egzakt módon adnak támpontot esetleges termőhelyfeltárási munkákhoz, erdőrészlet megosztás indításához, vagy nem utolsó sorban az állományon belüli lékek azonosításához. Jelen esetben a pilisi területen vett minta alapján megállapítható volt, hogy az állomány jól járható, a mellmagassági átmérőben vett metszetén csak kisebb foltokban mutatkozik jelentősebb cserjésedés. Ellenben a faegyedek már 5 méter magasságban is jelentős oldalágakkal rendelkeznek. A koronák a leginkább egybefüggő, legsűrűbb borítást 20 méteres magasságban adják, valamint hogy a felsőszint magasságilag erősen differenciált: a terület mintegy felében a felső szint magassága nem haladja meg a 23 métert, míg más részein a famagasság eléri a 26-27 métert is (8. ábra).

Átlagos famagasság-térképet is szerkeszthetünk az adatokból, amelyen kirajzolódnak a legjobb és a leggyengébb növekedésű területrészek (8. ábra). A terület lombkoronája egy korábbi enyhe bontás miatt viszonylag laza, a felső szint lombkoronái több esetben nem érnek össze. Ez az oka annak, hogy a térképen egészen alacsony (10 m alatti) famagasság értékek is megtalálhatók.

7. ábra: Faállomány metszetek a pilisi mintaterületen balról jobbra: 5 m; 20 m; 23 m Fig. 7: Horizontal stand sections from left to right: 5 m; 20 m; 23 m

7. ábra: Faállomány metszetek a pilisi mintaterületen balról jobbra: 5 m; 20 m; 23 m
Fig. 7: Horizontal stand sections from left to right: 5 m; 20 m; 23 m

8. ábra: Faállomány átlagos magassága a pilisi mintaterületen. Fig. 8: Average stand height

8. ábra: Faállomány átlagos magassága a pilisi mintaterületen.
Fig. 8: Average stand height

A pilisi állomány (majdnem 10 ha-os területre vonatkozó) állományleírás adatait az 1. táblázatban foglaltuk össze. Az 1. táblázat nemcsak fafajonként, de erdőművelési besorolás szerinti bontásban, illetve vitalitás szerinti bontásban is tartalmazza a legfontosabb állományszerkezeti adatokat és azok statisztikai jellemzőit. Az utolsó sorban az összegzett adatok mellett dőlt szedéssel megadtuk a számított 1 ha-ra vetített átlagos adatokat is a körlapösszegre és a fakészletre vonatkozóan. A táblázatban a fafajok megállapítása kivételével minden adat a lézerszkenneres felvételből származik.

Az eredmények azt mutatják, hogy a célszerűen ötvözött hagyományos és lézeres felmérések egymást kiegészítve sokkal több értékelhető információt nyújtanak egy-egy erdőterület faállományáról, mint önmagában egy hagyományos felvételezés. Reményeink szerint hamarosan megoldottá válik a fafajok elfogadható pontosságú besorolása csupán a szkennelt adatok alapján, amivel szinte teljesen automatizálni tudnánk a felvételek kiértékelési folyamatait.

1. táblázat: A pilisi felvételi hely faállományának lézerszkennelés alapján számolt adatai. A fafajok megállapítása terepi felmérés alapján történt. Table 1: Stand descriptive data of surveyed Pilis forest stand based on Lidar analysis. The determination of tree species was based on field survey.

1. táblázat: A pilisi felvételi hely faállományának lézerszkennelés alapján számolt adatai. A fafajok megállapítása terepi felmérés alapján történt.
Table 1: Stand descriptive data of surveyed Pilis forest stand based on Lidar analysis. The determination of tree species was based on field survey.

KONKLÚZIÓK

Összességében az eredmények alapján megerősítve érezzük, azt a korábbi konklúziót, hogy a földi lézer szkenner technológia jól alkalmazható az erdőgazdálkodáshoz kapcsolódó, faállomány felmérési munkák során. Az alkalmazás nem csak állományszintű értékelést, hanem az egyre finomabb és részletesebb információ tartalomnak köszönhetően faegyed szintű értékeléseket is lehetővé tesz. A legfontosabb feladat a terepi felmérések optimális hálózatának kijelölése, valamint nagyobb felmérendő területek esetén a két felmérési esemény közötti illesztőpontok megfelelő állandósítása. A jelen esetben alkalmazott téli felvételek során az állománymagasság teljes terjedelmében tudtuk azonosítani a törzseket, ami erdőbecslési szempontból hasznosabb a lombos állapotban történő felvételezéseknél. A nyári felvételeket indokolt esetben érdemes megtartani a téliek mellett, mivel így a lombozat mennyiségéről gyorsan lehet az eddigieknél talán pontosabb információkat szerezni, de ennek a feltevésnek a vizsgálata még előttünk van.

KÖSZÖNETNYILVÁNÍTÁS

A tanulmányt a GINOP-2.3.3-15-2016-00042, GINOP-2.3.2-15-2016-00019 és az NKFIA (K128441) projekt támogatta. A terepi felmérésben köszönjük Barbara de Matos és Frank Tamás segítségét. Továbbra is együttműködünk a Soproni Egyetem Erdőmérnöki Karának Geoinformatikai Tanszékének munkatársaival (Brolly Gábor és Király Géza), akikkel közös mintaterület felvételezést is végeztünk 2019 folyamán az EMMRE egyik intenzív monitoring területén.

IRODALOMJEGYZÉK

Bauwens, S.; Bartholomeus, H.; Calders, K.; and Lejeune, P. 2016: Forest inventory with terrestrial LiDAR: A comparison of static and hand-held mobile laser scanning. Forests, 7(6). doi:10.3390/f7060127
Calders, K.; Newnham, G.; Burt, A.; Murphy, S.; Raumonen, P.; Herold, M.; … Kaasalainen, M. 2015: Nondestructive estimates of aboveground biomass using terrestrial laser scanning. Methods in Ecology and Evolution, 6(2), 198–208. doi:10.1111/2041-210X.12301
Illés, G. and Szabados, I. 2008: 20 éves az erdészeti monitoring a Szigetközben. Erdészeti Kutatások, 92(1), 95–120.
Illés, G., Kovács, Cs., Iski, A., Csiha, I. 2018: Földi lézerszkennelés erdészeti alkalmazásának lehetőségei az állományok állapotfelmérésében és ez értéknövelő beavatkozások értékelésében. Tudományos eredmények a gyakorlatban Kutatói Nap, AEE (2018) 54- 64.Maas, H. ‐G.; Bienert, A.; Scheller, S.; and Keane, E. 2008: Automatic forest inventory parameter determination from terrestrial laser scanner data. International Journal of Remote Sensing, 29(5), 1579–1593. doi:10.1080/01431160701736406
Srinivasan, S.; Popescu, S. C.; Eriksson, M.; Sheridan, R. D.; and 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). doi:10.3390/rs70201877
Stovall, A. E. L.; Shugart, H. H.; Stovall, A. E. L.; Anderson-Teixeira, K. J.; and Anderson-Teixeira, K. J. 2018: Assessing terrestrial laser scanning for developing non-destructive biomass allometry. Forest Ecology and Management, 427. doi:10.1016/j.foreco.2018.06.004
Wilkes, P.; Lau, A.; Disney, M.; Calders, K.; Burt, A.; Gonzalez de Tanago, J.; … Herold, M. 2017: Data acquisition considerations for Terrestrial Laser Scanning of forest plots. Remote Sensing of Environment, 196, 140–153. doi:10.1016/j.rse.2017.04.030

(Forrás: aee.hu – Engedéllyel közzétéve: Erdő-Mező Online – www.erdo-mezo.hu)

Hozzászólások

hozzászólás

Vélemény, hozzászólás?