Algorytm automatycznego oszacowania zróżnicowania gatunkowego drzewostanu z wykorzystaniem zdjęć RGB koron drzew

pol Artykuł w języku polskim DOI: 10.14313/PAR_223/63

Jan Kotlarz , Mariusz Kacprzak

Pobierz Artykuł

Streszczenie

Ocena różnorodności gatunkowej ekosystemów jest jednym z fundamentalnych działań mających na celu ochronę naturalnych siedlisk, ich zdrowotności i użyteczności dla człowieka. W artykule zaproponowany został algorytm oszacowania wskaźnika Shannona-Wienera różnorodności drzewostanów za pomocą analizy statystycznej (PCA) oraz klasyfikacji (ISOCLASS) zdjęć RGB. Wykonanie zdjęć nie wymaga stosowania drogiego sprzętu i przy zachowaniu odpowiednich warunków oświetleniowych może być użyteczne w bieżącym monitoringu drzewostanów. Z drugiej strony, wskaźniki różnorodności wymagają walidacji in-situ. Algorytm posłużył w sierpniu 2016 r. do oszacowania różnorodności drzew w rezerwacie “Młochowski Grąd”. Za pomocą aparatu fotograficznego zintegrowanego z telefonem Microsoft Lumia 550 pozyskano 24 zdjęcia koron drzew w sześciu wchodzących w skład rezerwatu wydzieleniach leśnych. W wydzieleniu o najwyższej różnorodności wynik otrzymany za pomocą algorytmu ze względu na brak możliwości objęcia na pojedynczych zdjęciach wszystkich obecnych w nim gatunków nie odzwierciedlił faktycznego zróżnicowania drzewostanu. W pięciu wydzieleniach otrzymane wyniki były zbieżne z danymi in-situ zawartymi w Banku Danych o Lasach (współczynnik korelacji Pearsona = 0,967).

Słowa kluczowe

algorytmika, bioróżnorodność, ISOCLASS, klasyfikacja, leśnictwo, PCA, teledetekcja

Species diversity of forest stands estimation algorithm using RGB images of the tree crowns

Abstract

Global measurement of ecosystems species diversity is one of the fundamental postulates in natural habitats healthiness and usefulness protection. In the article an algorithm to estimate the Shannon-Wiener forest stands biodiversity indicator has been proposed. The algorithm includes statistical analysis (PCA) and classification methodology (ISOCLASS) for simple RGB images. Getting RGB images does not require the use of expensive hardware. Taking into account the sunlight conditions RGB images can be useful in the continuous forest stands monitoring. In August 2016 an attempt was made to estimate the diversity of the trees in the “Młochowski Grad” nature reserve using proposed in this article algorithm. Using camera integrated with a Microsoft Lumia 550 smartphone 24 images of trees crowns were acquired in the all six reserve forest stands. In the one stand with the highest crowns diversity the algorithms result does not agree with Forest Data Bank in-situ estimation. In the other five stands the results were consistent with the data in the Forest Data Bank (Pearson correlation index = 0.967).

Keywords

algorithmic, biodiversity, classification, forestry, ISOCLASS, PCA, remote sensing algorithms

Bibliografia

  1. Aplin P., Atkinson P.M., Predicting missing field boundaries to increase per-field classification accuracy, “Photogrammetric Engineering and Remote Sensing”, Vol. 70, No. 1, 2004, 141–149.
  2. Archaux F., Wolters V., Impact of summer drought on forest biodiversity: what do we know?, “Annals of Forest Science”, Vol. 63, No. 6, 2006, 645–652, DOI: 10.1051/forest:2006041.
  3. Bartold M., Opracowanie maski obszarów leśnych w celu monitoringu kondycji zdrowotnej lasów w Polsce na podstawie wieloletnich obserwacji satelitarnych, „Leśne Prace Badawcze”, 77(2), 2016, 141–150.
  4. Cihlar J., Ly H., Xiao Q., Land cover classification with AVHRR multichannel composites in northern environments, “Remote Sensing of Environment”, 58, 1996, 36–51.
  5. Clark R.N., Swayze G.A., Wise R., Livo E., Hoefen T., Kokaly R., Sutley S.J., USGS digital spectral library splib06a: U.S. Geological Survey, Digital Data Series 231, 2007.
  6. Czapski P., Kotlarz J., Kubiak K., Tkaczyk M., Analiza czynnikowa zdjęć wielospektralnych, Prace Instytutu Lotnictwa 234, 2014(1), 143–150.
  7. Erdas Mapper User Guide: http://tnij.org/erdasmapper_ug (Dostęp: 12.2016)
  8. Falińska K., Ekologia Roślin. PWN, Warszawa 2004, 511.
  9. Jaskulska I., Osiński G., Jaskulski D., Mądry A., Różnorodność odmian roślin uprawnych w grupie ankietowanych gospodarstw w regionie kujawsko-pomorskim, „Fragmenta Agronomica”, tom 29, 2012, 41–48.
  10. Józefkowicz-Kotlarz J., Prusinkiewicz Z., Dynamika odżywiania 70-letniej sosny zwyczajnej (Pinus sylvestris L.) na siedlisku boru suchego, Rocz. Glebozn., T. 51, nr 1–2, 2000, 47 –64.
  11. Kacprzak M., Rotchimmel K., Tworzenie produktów fotogrametrycznych z wykorzystaniem zdjęć wykonanych blokiem kamer niemetrycznych, Prace Instytutu Lotnictwa, 2(243), 2016, 120–129.
  12. Kędziora A., Zagrożenia i ochrona różnorodności biologicznej, Nauka 2010 (4), s. 107.
  13. Kotlarz J., Kubiak K., Kacprzak M., Czapski P., Oszacowanie różnorodności gatunkowej drzewostanów z wykorzystaniem ich reflektancji, Sylwan, 160(12), 2016, 1036–1045.
  14. Krebs Ch., Ekologia. Eksperymentalna analiza rozmieszczenia i liczebności. Warszawa: Wydawnictwo Naukowe PWN, 1996, s. 639. ISBN 83-01-12041-X.
  15. Kropiwiec K, Szala M., Maciąg K., Bioróżnorodność – wybrane zagadnienia, Politechnika Lubelska, Lublin 2014.
  16. Li Fan; Clausi David A., Wong A., Comparative study of classification methods for surficial materials in the Umiujalik Lake region using RADARSAT-2 polarimetric, Landsat-7 imagery and DEM data. “Canadian Journal of Remote Sensing”, Vol. 41, No. 1, 2015, 29–39, DOI: 10.1080/07038992.2015.1035778.
  17. Loroch L., Rams L., Infrastruktura badawcza oraz struktura organizacyjna Centrum Technologii Kosmicznych Instytutu Lotnictwa, Prace Instytutu Lotnictwa, 234, 2014(1), 17–24.
  18. Lyon R., Hubel P., Eyeing the Camera: Into the Next Century, 10th Color and Imaging Conference Final Program and Proceedings, 2002, 349–355.
  19. Molder A., Bernhardt-Romermann M., Schmidt W., Herblayer diversity in deciduous forests: Raised by tree richness or beaten by beech?, “Forest Ecology and Management” 2008 (256), 272–281.
  20. Mora C., et al., Land Cover Classification Using High‐Resolution Aerial Photography in Adventdalen, Svalbard. Geografiska Annaler: Series A, Physical Geography 97.3 (2015): 473–488.
  21. Nasiłowska S. i in., „European Journal of Remote Sensing”, 2017 (publikacja złożona do recenzji).
  22. Natya S., Rehna V.J., Land Cover Classification Schemes Using Remote Sensing Images: A Recent Survey, “British Journal of Applied Science & Technology”, 2016 13(4): 1–11,
  23. Pielou E., Shannon’s Formula as a Measure of Specific Diversity: Its Use and Misuse. The American Naturalist, 100(914), (1966). 463–465.
  24. Pimentel D., The economics of invasive, Ecological Economics 2005 (52), 273–268
  25. Prusinkiewicz Z., Gleba jako zasadniczy składnik siedliska leśnego, Sylwan, 08/09, 1970, 26–30.
  26. Rodarmel Craig, Jie Shan, Principal component analysis for hyperspectral image classification. “Surveying and Land Information Science”, 62.2 (2002): 115.
  27. Shisanya C., Recha C., Anyamba A., Rainfall variability and its impact on Normalized Difference Vegetation Index in arid and semi-arid lands of Kenya. International Journal of Geosciences, 2011, 2, 36–41.
  28. Sienkiewicz J., Koncepcje bioróżnorodności – ich wymiary i miary w świetle literatury, “Ochrona Środowiska i Zasobów Naturalnych”, 2010 (45), 7–29.
  29. Tilman D., Reich P., Isbell F., Biodiversity impacts ecosystem productivity as much as resources, disturbance, or herbivory, Proceedings of the National Academy of Sciences, 2012 (109), 10394–10397.
  30. Wilson E., Różnorodność życia. PWN, Warszawa 1999.
  31. Wiśniowski W., XX lat programu samolotów lekkich i bezpieczeństwa (PSLIB), Prace Instytutu Lotnictwa, 3 (236), 2014, 7–25.