Как сообщает Вестник ГЛОНАСС, компания Routescene в тематическом исследовании постаралась продемонстрировать преимущества использования данных облака точек, собранных LiDAR’ом на дроне для оперативного управления лесами. Традиционно сбор показателей и информации для управления лесным хозяйством осуществлялся с помощью аэрофотограмметрии или обхода участка. Теперь данные LiDAR’а, полученные с помощью дронов, доказывают свою полезность для мониторинга и управления здоровьем и ценностью леса.

Типичные показатели и информация, необходимые для управления лесами, включают идентификацию отдельных крон деревьев; высоту основания лесного покрова (CBH), которая представляет собой среднюю высоту от земли до нижней стороны покрова; объёмную плотность покрова (CBD), которая представляет собой размер покрова участка, насаждения или группы деревьев; и покров, который представляет собой часть лесной подстилки, покрытую вертикальной проекцией крон деревьев. Обладая такими данными, исследователи и менеджеры лесов могут рассчитать топливную базу растительного покрова. Это можно использовать при моделировании пожаров для их предотвращения и управления; оценивать видовой состав в лесах; подготовить оценки накоплений углерода.

Инвестиции в лесное хозяйство – это долгосрочная стратегия как в экологических, так и в коммерческих целях. Оценка структурных изменений леса с течением времени важна для обеспечения постоянной жизнеспособности и, следовательно, ценности актива. Обнаружение изменений в растительном покрове, например дефолиации, которая может быть связана с заболеванием, может использоваться для выявления и ограничения вспышек вредителей и инфекции. Такой мониторинг с течением времени также даёт информацию о темпах роста, ветровом выбросе, обезлесении и количественной оценке остатков после уборки урожая.

Это тематическое исследование проводилось на лесном участке площадью 44256 квадратных метров в Барнсли (Великобритания). Набор данных с высокой степенью детализации содержал в общей сложности 8912679 точек, что позволяло применять алгоритмы непосредственно к облаку точек; это позволило команде профилировать сайт на уровне отдельного дерева и легко извлекать соответствующие показатели. Для сравнения, с наборами данных с более низкой плотностью профилирование отдельных деревьев обычно извлекается косвенно в двухэтапном процессе и не так точно. Профилирование на уровне отдельного дерева может быть особенно полезно в различных гетерогенных лесных средах, таких как этот участок, для определения структурной сложности, устойчивости и адаптируемости для информирования необходимого управления.

Кроме того, огромные размеры лесных участков могут сделать проекты трудозатратными, что ещё больше усложнит работу из-за опасной или труднодоступной местности. Эти проблемы можно преодолеть, используя LiDAR на беспилотных летательных средствах для сбора данных в отдельных областях, а не во всём лесу. Это может стать полезным для однородных насаждений, когда обследуемые насаждения достаточно репрезентативны для всего, что позволяет использовать данные для решения большинства задач управления, таких как мониторинг роста и планирование сбора урожая. Цифровые модели местности и показатели, полученные в результате этого исследования, могут использоваться для будущего сохранения и управления земельными ресурсами.