مقایسه DEM و ارتفاع خام برگرفته از LiDAR در امتداد گرادیان های راهرو نمایه در یک جنگل

چکیده

ما اندازه‌گیری‌های راهروی نمایه برگرفته از LiDAR مبتنی بر میدان و هوابرد را در انواع تاج‌پوش‌های جنگلی و زمین‌های مختلف از 37٪ تا 49٪ شیب مقایسه کردیم. هر دو ارتفاع نقطه DEM و خام LiDAR مشتق شده از LiDAR با داده های میدانی مقایسه شدند. اهداف اولیه شامل بررسی اینکه آیا نوع تاج پوشش یا شیب زمین بر اندازه‌گیری‌های نمایه مشتق شده از LiDAR تأثیر می‌گذارد یا خیر. یک هدف ثانویه شامل مقایسه بارهای لاگ کابل بر اساس ارتفاعات نمایه اندازه‌گیری شده در میدان با بارهای مبتنی بر ارتفاعات مشتق شده از LiDAR بود. میانگین خطاهای ارتفاعی RMSE برای نقطه نمایه تا مقادیر LiDAR DEM (0.43 متر) نسبت به نقطه نمایه به نزدیکترین نقطه ارتفاعی LiDAR (0.49 متر) کمی کمتر بود، با این تفاوت که وقتی سایت‌های درون پاک‌سازی جنگل از تجزیه و تحلیل حذف شدند، تفاوت‌ها بزرگتر بود. هیچ رابطه آماری معنی‌داری بین شیب‌های زمین اندازه‌گیری شده در میدان و نقطه پروفایل مرتبط و تفاوت‌های ارتفاعی LiDAR DEM وجود نداشت، اما زمانی که تفاوت‌های ارتفاع نقطه خام LiDAR مقایسه شد، همبستگی خفیفی وجود داشت. تجزیه و تحلیل محموله ما فاصله بار محموله محدود را تعیین کرد و نتایج ثابتی در سراسر سایت های مطالعه داشت. نمایه مبتنی بر DEM به طور متوسط ​​5 درصد از نمایه نزدیکترین نقطه بهتر عمل کرد. نتایج نشان می‌دهد که تحلیلگران جنگل باید از نزدیک‌ترین مقدار LiDAR DEM به جای نزدیک‌ترین ارتفاع نقطه LiDAR برای ارتفاعات زمین در مکان‌های مجزا استفاده کنند، به‌ویژه زمانی که تاج پوشش جنگل مکان‌های مورد علاقه را مسدود می‌کند. تجزیه و تحلیل محموله ما فاصله بار محموله محدود را تعیین کرد و نتایج ثابتی در سراسر سایت های مطالعه داشت. نمایه مبتنی بر DEM به طور متوسط ​​5 درصد از نمایه نزدیکترین نقطه بهتر عمل کرد. نتایج نشان می‌دهد که تحلیلگران جنگل باید از نزدیک‌ترین مقدار LiDAR DEM به جای نزدیک‌ترین ارتفاع نقطه LiDAR برای ارتفاعات زمین در مکان‌های مجزا استفاده کنند، به‌ویژه زمانی که تاج پوشش جنگل مکان‌های مورد علاقه را مسدود می‌کند. تجزیه و تحلیل محموله ما فاصله بار محموله محدود را تعیین کرد و نتایج ثابتی در سراسر سایت های مطالعه داشت. نمایه مبتنی بر DEM به طور متوسط ​​5 درصد از نمایه نزدیکترین نقطه بهتر عمل کرد. نتایج نشان می‌دهد که تحلیلگران جنگل باید از نزدیک‌ترین مقدار LiDAR DEM به جای نزدیک‌ترین ارتفاع نقطه LiDAR برای ارتفاعات زمین در مکان‌های مجزا استفاده کنند، به‌ویژه زمانی که تاج پوشش جنگل مکان‌های مورد علاقه را مسدود می‌کند.

1. مقدمه

راهروهای پروفیل ترانسکت ها یا مسیرهایی خطی هستند که در امتداد آنها شیب و ارتفاعات زمین اندازه گیری می شود. اندازه‌گیری‌ها شامل جمع‌آوری اندازه‌گیری ارتفاع در نقاط مجزا در امتداد یک ترانسکت خطی است. اندازه‌گیری‌های راهرو نمایه معمولاً برای پشتیبانی از عملیات ثبت کابل جمع‌آوری می‌شوند، اما ممکن است برای پروژه‌های طراحی مختلف از جمله ساخت جاده و مسیر، ایجاد گذرگاه ماهی، و بازسازی کانال جریان نیز جمع‌آوری شوند. برخی از کاربردها، مانند طراحی جاده با حجم کم یا مسیرهای تفریحی ممکن است اولویت نسبتاً کمی برای اندازه‌گیری‌های دقیق پروفایل داشته باشند. کاربردهای دیگر، مانند قرار دادن قابل اعتماد کولورت یا حصول اطمینان از ردپای ساختاری سطح ساختمان، ممکن است الزامات بیشتری برای دقت داشته باشند.

اندازه گیری ارتفاع در سراسر یک منظره را می توان با استفاده از چندین رویکرد مختلف جمع آوری کرد. در حمایت از این رویکردها، انواع ابزارهای اندازه گیری میدانی و سنجش از دور برای اندازه گیری راهروی پروفایل موجود است. تکنیک های اندازه گیری راهرو پروفیل از نظر هزینه، کارایی و دقت متفاوت است. داده های ارتفاع را می توان به طور مستقیم یا از طریق استفاده از تجهیزات تراز دیفرانسیل یا از طریق گیرنده های سیستم موقعیت یابی جهانی (GPS) جمع آوری کرد. ارتفاع را می‌توان به‌طور غیرمستقیم با استفاده از تجهیزات اندازه‌گیری زاویه عمودی آنالوگ، مانند آبنی یا کلینومتر، و اندازه‌گیری نوار برای ثبت فاصله بین نقاط اندازه‌گیری کرد. سپس از مثلثات برای محاسبه ارتفاعات استفاده می شود. ابزار اندازه‌گیری فاصله الکترونیکی (EDM) همچنین می‌تواند برای ثبت تمایلات و فواصل برای تعیین ارتفاع مثلثاتی استفاده شود.

حسگرهای LiDAR پالس‌های انرژی را ساطع می‌کنند که با اجسام تماس پیدا می‌کنند و سپس به سمت حسگر منعکس می‌شوند. انتشار پالس با یک گیرنده GPS داخلی و واحد ناوبری اینرسی مرتبط است که مختصات طول و عرض جغرافیایی را با هر پالس برگشتی مرتبط می کند. زمان سپری شدن زمانی که یک پالس منتشر می شود و بازگشت آن به حسگر LiDAR برای محاسبه مسافتی که به آن محدوده ای گفته می شود، استفاده می شود که پالس قبل از برخورد با یک جسم طی کرده است. این محدوده برای ارتباط یک مقدار ارتفاع با مختصات طول و عرض جغرافیایی استفاده می شود ([ 1] ایوانز و همکاران، 2009). حسگرهای LiDAR می توانند صدها هزار پالس در ثانیه ساطع کنند. اکثر حسگرهای LiDAR قادر به گرفتن چهار بازگشت جداگانه برای هر پالسی که ساطع می شود، هستند. هنگامی که پالس ها به اجسام برخورد می کنند، بخشی از پالس برمی گردد، در حالی که سایر بخش های پالس ممکن است دارای حرکت باشند. اولین بازگشت معمولاً اولین جسمی است که توسط یک پالس زده می‌شود و اغلب با یک شیء بلندتر مانند یک درخت یا سازه همراه است، در حالی که آخرین بازگشت‌ها نشان دهنده سطح زمین یا پایین‌ترین نقطه رسیده است.

دقت ارتفاع LiDAR همانطور که توسط مشخصات فروشنده بیان شده است معمولاً حدود 0.15 متر ریشه میانگین مربعات خطا (RMSE) است. با این حال، این سطح از دقت عموماً تنها در شرایط ایده‌آل مانند شرایطی که در زمین‌های مسطح و باز با حداقل موانع پوششی برای پالس‌های LiDAR مواجه می‌شوند، قابل دستیابی است ([ 2 ] Reutebuch et al., 2003; [ 3 ] Hodgson and Bresnahan، 2004; [ 4 ] سو و بورک، 2006). چندین مطالعه قبلی خطاهای ارتفاعی LiDAR را با استفاده از روش‌های مختلف بررسی کرده‌اند. در حالی که مطالعات قبلی تأثیر شیب شیب را بر دقت LiDAR در نظر گرفته‌اند، یافته‌ها در بین مطالعات سازگار نبوده و شیب شیب نسبتاً متوسطی را شامل می‌شود.

[ 5 ] کراوس و فایفر (1998) دریافتند که مدل‌های ارتفاع رقومی مشتق شده از LiDAR (DEMs) تقریباً به اندازه مدل‌های ایجاد شده از تکنیک‌های فتوگرامتری دقیق هستند. میانگین خطاهای مربعی برای DEM های LiDAR 0.57 متر گزارش شد، با دقت زمین صاف (0.25 متر) بهبود یافته است. [ 6 ] Gomes-Pereira و Janssen (1999) DEM های LiDAR را برای برنامه های برنامه ریزی جاده در نظر گرفتند و محدوده RMSE 0.08 – 0.15 متر در زمین صاف، 0.25 – 0.38 متر در زمین های شیبدار و RMSE کلی 0.29 متر گزارش کردند.

[ 2 ] رویتبوخ و همکاران. (2003) 347 نقطه تست ارتفاع واقع در چهار تنظیمات جنگل شامل شفاف، به شدت نازک شده، کمی نازک شده و بدون برش را با استفاده از ایستگاه های کل و اندازه گیری های کنترل GPS ایجاد کرد. ارتفاعات از DEM با وضوح 1.5 متر با نقاط آزمایش مقایسه شد. میانگین اختلاف ارتفاع بین نقاط آزمایش و LiDAR DEM 0.22 متر (0.24 SD) با دامنه ای از -0.63 متر تا 1.31 متر بود. میانگین اختلاف ارتفاع کمترین برای سایت شفاف (0.16 متر، 0.23 SD)، متوسط ​​برای سایت های سنگین (0.18 متر، 0.14 SD) و کم (0.18 متر، 0.18 SD) سایت های نازک شده، و بزرگترین برای سایت های جنگل بدون برش (0.31 متر) بود. ، 0.29 SD). [ 2] Reutebuch و همکاران. (2003) همچنین تأثیر شیب های مشتق شده از LiDAR را بر دقت LiDAR DEM مورد بررسی قرار داد و هیچ تأثیری را تعیین نکرد، اما اذعان کرد که برخی از هموارسازی ارتفاعات احتمالاً در تجزیه و تحلیل آنها وجود دارد.

[ 4 ] هاجسون و برسناهان (2004) یک DEM با وضوح 2 متر را بررسی کردند و با ارتفاعات تعیین شده توسط نقاط کنترل عمودی مرتبه بالا در شش دسته پوشش زمین مقایسه کردند. مقادیر RMSE برای جنگل‌های برگ‌ریز (0.26 متر) و کمترین (0.17 تا 0.26 متر) برای روسازی، چمن کم و جنگل‌های همیشه سبز بود. خطاهای ارتفاعی در شیب های تندتر (47٪، 25 درجه) دو برابر یافت شده در شیب های پایین تر (3٪، 1.5 درجه) برآورد شد. [ 7] هاجسون و همکاران. (2005) مطالعه مشابهی را در شش دسته پوشش زمین انجام داد و طیفی از مقادیر RMSE را از 0.15 تا 0.36 متر گزارش کرد. بیشترین میانگین خطا (36/0 متر) در پوشش بوته‌ها/ بوته‌ها رخ داد. RMSE گزارش شده در جنگل‌های کاج، برگ‌ریز، و جنگل‌های مختلط به ترتیب 0.28، 0.27 و 0.24 متر بود. با افزایش شیب زمین، تنها رده پوشش کم چمن، خطاهای شیب فزاینده ای را نشان داد.

[ 4 ] سو و بورک (2006) دقت ارتفاع DEM های مشتق شده از LiDAR را در 256 قطعه مرجع با ارتفاعات تعیین شده توسط اندازه گیری کل ایستگاه بررسی کردند. اثرات درمان شامل شیب، زاویه حسگر LiDAR، و نوع پوشش گیاهی (چمنزار مرتفع، جنگل برگ‌ریز، زمین بوته‌ها و علفزار ساحلی) بود. چندین روش درونیابی DEM نیز مورد ارزیابی قرار گرفت (کریجینگ، اسپلینینگ، و وزن دهی معکوس فاصله (IDW)). میانگین کلی خطای ارتفاع پروژه و RMSE به ترتیب +0.02 متر و 0.59 متر گزارش شده است. ارتفاعات معمولا در مراتع دست کم گرفته می شود اما در جنگل ها بیش از حد برآورد می شود. هر دو خطای ارتفاع مطلق و RMSE ها با افزایش شیب شیب افزایش می یابند.

ما اندازه‌گیری‌های راهروی نمایه را با استفاده از تکنیک‌های دقیق مبتنی بر میدان در سراسر یک منظره جنگلی که همچنین با استفاده از اسکن LiDAR در هوا اندازه‌گیری شده بود، جمع‌آوری کردیم. ما اندازه‌گیری‌های کریدور پروفایل مبتنی بر میدان و LiDAR را در طیف وسیعی از انواع مختلف تاج پوشش جنگلی و زمین مقایسه کردیم. اهداف اولیه ما این بود که بررسی کنیم آیا تغییر پوشش تاج و شیب زمین بر اندازه‌گیری‌های راهروی پروفایل مشتق شده از LiDAR تأثیر می‌گذارد یا خیر. ما هر دو DEM مشتق شده از LiDAR و ارتفاعات نقطه خام را در مقایسه های خود بررسی کردیم. مطالعات قبلی معمولاً فقط DEM های مشتق شده از LiDAR را برای ارزیابی دقت ارتفاع LiDAR در نظر گرفته اند. یک هدف ثانویه شامل بررسی یک تحلیل محموله لاگ کابل بر اساس ارتفاعات اندازه‌گیری شده در میدان و اینکه آیا در صورت اعمال ارتفاعات مشتق شده از LiDAR، تفاوت‌ها منجر به تجزیه و تحلیل می‌شود یا خیر.

2. روش ها و مواد

ما شش سایت را در جنگل تحقیقاتی مک دونالد (اورگان غربی، ایالات متحده آمریکا) برای مطالعه خود وارد کردیم ( شکل 1 ). هر سایت باید دارای مساحت کافی برای چهار راهرو نمایه باشد. معیارهای اولیه دیگر برای انتخاب مکان شامل این بود که هم مکان‌های جنگلی و هم یک مکان کنترل اندازه‌گیری بدون سایبان بالای سر در طول پرواز LiDAR گنجانده شود. معیارهای انتخاب مکان جنگلی شامل طیف وسیعی از

ویژگی های توده نشان دهنده درختان در هکتار، مساحت پایه، و جنگل های مخروطی/سخت چوب در سراسر سایت ها نشان داده می شود، و این سایت ها نباید شامل هیچ گونه چوب ایستاده ای باشد که در یک دوره 20 ساله قبل از پرواز LiDAR برداشت شده است ( جدول 1 ). ما همچنین در تلاش برای یافتن مناطقی بودیم که از زمان پرواز LiDAR نازک یا برداشت شده بودند تا عملیات جمع آوری داده های میدانی را بهبود بخشیم.

از نظر یک مکان کنترل اندازه‌گیری، ما در ابتدا یک منطقه شفاف را در نظر گرفتیم، اما با بازدید از این سایت نگران شدیم که بقایای برداشت روی زمین در طول پرواز LiDAR ممکن است ارتفاعات زمین را از LiDAR منحرف کند. ما سایت شفاف را حفظ کردیم، اما همچنین انتخاب کردیم که یک سایت علفزار باز را به عنوان کنترل اندازه گیری درج کنیم. در همه سایت‌های جنگلی، از جمله سایت شفاف، معیار دیگر این بود که شیب زمین به طور متوسط ​​از 35 درصد بیشتر شود. این آستانه شیب اغلب با مناطق جنگلی مرتبط است که نیاز به قطع کابل دارند. ما این نیاز شیب را برای سایت چمنزار کاهش دادیم زیرا هیچ منطقه باز دیگری در جنگل تحقیقاتی موجود نبود که تمام معیارهای دیگر را برآورده کند.

ما ارتفاع را در نقاط واقع در امتداد چهار خط نمایه در هر سایت مطالعه اندازه‌گیری کردیم. نقاط در امتداد هر پروفیل در تغییرات در شیب زمین گرفته شد. اگر تغییر محسوسی در شیب زمین وجود نداشت، ما سعی کردیم حداکثر فاصله بین نقاط تقریباً 7.5 متر را حفظ کنیم. میانگین فاصله نقاط زیر 7.5 متر بود، اما به دلیل شرایط صحرایی، برخی از پروفیل ها دارای فاصله متوسط ​​بیش از 7.5 متر بودند.

نقاط راهروی محل مطالعه با استفاده از یکی از دو تکنیک پیمایش میدانی اندازه‌گیری شد. انتخاب روش نقشه برداری میدانی بسته به اینکه هر سایت دارای سایبان بوده یا در طول اندازه گیری های میدانی متفاوت است. علفزار، بریدگی، تراکم کم جنگل، و سایت های جنگلی مختلط یا قبلاً فاقد سایه بان بودند یا پس از پرواز LiDAR بریده شده بودند. این چهار سایت با جی‌پی‌اس واقعی کینماتیک (RTK) با استفاده از گیرنده جی‌پی‌اس درجه نظرسنجی بررسی شدند. یک نقطه کنترل اندازه گیری در هر سایت تنظیم شد و یک مشاهده ثابت چهار ساعته یا بیشتر GPS انجام شد. مشاهدات GPS سپس با استفاده از سرویس موقعیت یابی آنلاین کاربر سازمان زمین شناسی ملی (OPUS) به یک نقطه کنترل پردازش شد. با استفاده از نقطه کنترل به عنوان ایستگاه پایه برای نقشه برداری RTK، نقاط ارتفاعی در امتداد راهروهای پروفایل در هر یک از چهار سایت اندازه گیری شد.

نقاط اضافی در امتداد هر پروفیل برای ارائه مقداری از دقت نقاط اندازه‌گیری شده RTK گرفته شد. هر پنجمین نقطه ای که در طول گذر اولیه در امتداد پروفیل اندازه گیری شد، علامت گذاری و علامت گذاری شد. پس از یک دوره حداقل 15 دقیقه ای که امکان حرکت صورت فلکی ماهواره را فراهم می کرد، نقاط مستقر شده مجددا بررسی و برای بار دوم اندازه گیری شدند. تفاوت در مقادیر فاصله افقی و ارتفاع برای هر جفت نقطه تکرار شده محاسبه شد. میانگین اختلاف ارتفاع عمودی 0.055 متر یا کمتر برای همه سایت ها بود ( جدول 2 ).

سایت‌های جنگلی با تراکم متوسط ​​و بالا هر کدام دارای شرایط سایه‌بانی بودند که بررسی GPS را غیرعملی می‌کرد. نقاط نمایه در هر یک از این سایت ها با یک ایستگاه کل دیجیتال اندازه گیری شد. کنترل اندازه گیری در هر سایت با استفاده از نزدیکترین دهانه سایبان ایجاد شد که از مشاهده بدون مانع GPS پشتیبانی می کرد. هنگام استفاده از ایستگاه کل دو نقطه کنترل مورد نیاز است: یک نقطه برای ایجاد مختصات کنترل استفاده می شود در حالی که نقطه دوم جهت گیری ایستگاه کل را تعیین می کند. مختصات کنترل اولیه با حداقل چهار ساعت مشاهده ثابت GPS که با OPUS پردازش شده بود، ارائه شد. نقطه دوم با استفاده از یک مشاهده RTK سه دقیقه ای بر اساس نقطه کنترل OPUS برای ایجاد جهت زاویه ای تنظیم شد. برای هر دو سایت،

هنگامی که کنترل اندازه گیری در سایت های جنگلی با تراکم متوسط ​​و بالا برقرار شد، اندازه گیری های ایستگاه کل در امتداد راهروها جمع آوری شد. برای کاهش خطاهای بالقوه در اندازه‌گیری‌های ایستگاه کل دیجیتال، در طول تمام تنظیمات ابزار، پشت‌بینی‌های تکراری انجام شد. پس از تکمیل هر یک از دید پشت و اندازه گیری های بعدی برای تنظیم ابزار، نقطه دید پشتی دوباره اندازه گیری شد. نقطه دید اولیه و نقطه اندازه گیری مجدد در طول بررسی معکوس شدند تا اطمینان حاصل شود که اشتباهی مرتکب نشده است. راهروهای پروفیل با قفل کردن آزیموت کل ایستگاه ها در طول تمام اندازه گیری ها در یک راستا نگه داشته شدند.

داده‌های LiDAR مورد استفاده در این مطالعه توسط Watershed Sciences، Inc. از Corvallis، Oregon ارسال شد. داده‌ها در آوریل 2008 جمع‌آوری شد، که هنوز در دوره «برگ‌آف» برای آن سال بود. اسکنر لیزری مورد استفاده یک Leica ALS 50 بود که قادر به ثبت چهار برگشت در هر پالس لیزر است و تراکم طبیعی هشت نقطه مثبت در هر متر مربع را تولید می کند. مجموع بازده LiDAR به طور متوسط ​​10 امتیاز در متر مربع ^در سراسر جنگل و زمین دوباره

جدول 1 . مشخصات سایت پروفایل

جدول 2 . دوباره اندازه گیری زمان واقعی تفاوت ارتفاع GPS سینماتیک (متر).

میانگین چرخش 1.12 امتیاز در متر مربع ⁽ [ 8 ] علوم آبخیز 2008). بازده نقطه خام و همچنین DEM با وضوح یک متر ارائه شد. داده‌های LiDAR با استفاده از داده‌های NAD 83 (CORS96) در مختصات Universal Transverse Mercator (UTM) ثبت شدند. راه‌حل‌های OPUS در نقاط کنترل نیز در مختصات و داده‌های UTM یکسان در دسترس بودند، بنابراین هر دو داده‌های میدانی و LiDAR در طرح‌بندی نقشه فضایی یکسان بودند.

تجزیه و تحلیل ما شامل دو مقایسه اولیه بین ارتفاعات نقطه نمایه اندازه‌گیری شده در میدان و ارتفاعات استخراج‌شده LiDAR بود. ابتدا، برای هر ارتفاع نقطه نمایه ای که در میدان بررسی شد، مقدار LiDAR DEM را که با همان مکان مرتبط بود کم کردیم. دوم، ما همچنین نزدیکترین ارتفاع نقطه LiDAR را از هر ارتفاع نقطه نمایه کم کردیم. این محاسبات با سیستم اطلاعات جغرافیایی (GIS) انجام شده است. ما همچنین بررسی کردیم که آیا شیب‌های زمین بر تفاوت‌های بین ارتفاعات اندازه‌گیری شده از میدان و ارتفاعات مشتق شده از LiDAR تأثیر می‌گذارد یا خیر. شیب زمین مرتبط با هر نقطه پروفیل با گرفتن میانگین درصد شیب همانطور که توسط اندازه‌گیری‌های میدانی به نقاط سربالایی بعدی و سراشیبی بعدی نشان داده شده است، محاسبه شد. در مورد نقطه پروفیل اولیه، ما فقط از شیب نقطه سرازیری بعدی استفاده کردیم.

ما برای مقایسه های آماری توصیفی بر ریشه میانگین مربعات خطا و میانگین خطاهای بین میدان بررسی شده و ارتفاعات LiDAR تکیه کردیم. برای تجزیه و تحلیل آماری، از قدر مطلق اختلاف ارتفاع استفاده کردیم تا از خطاهای جبرانی ناشی از استفاده از اختلاف میانگین جلوگیری کنیم. روش های آزمون آماری شامل آنالیز واریانس (ANOVA) و تست های چند دامنه ای توکی بود. ما از یک تبدیل لگاریتمی پایه 10 از خطاهای مطلق استفاده کردیم به طوری که توزیع داده ها نرمال بودن را تقریب زد و از آمار پارامتریک پشتیبانی کرد.

ما همچنین مقایسه سومی را انجام دادیم که تجزیه و تحلیل بار لاگ کابل را بر اساس ارتفاعات و تفاوت‌های اندازه‌گیری شده میدانی که با استفاده از ارتفاعات مشتق شده از LiDAR برای همان پروفایل‌ها حاصل می‌شد، در نظر گرفت. دلیل اصلی ایجاد راهروهای پروفیل تعیین بار محدود کننده برای عملیات لاگ کابل است ( شکل 2)). مقایسه سوم ما تفاوت بین بارهای مرتبط با سه منبع داده را در نظر گرفت. شیب دارترین نمایه از هر یک از شش سایت برای تجزیه و تحلیل بار انتخاب شد. سه نسخه از هر پروفایل مورد تجزیه و تحلیل قرار گرفت و شامل ارتفاعات اندازه‌گیری شده در میدان، ارتفاعات DEM LiDAR و نزدیک‌ترین ارتفاعات نقطه LiDAR بود. نرم افزار تجزیه و تحلیل Skyline XL بود که تجزیه و تحلیل بار را در یک رابط صفحه گسترده اکسل امکان پذیر می کند. Skyline XL توسط سازمان جنگلداری ایالات متحده تولید می شود و به صورت رایگان در دسترس است ([ 9 ] USFS، 2010).

هر پروفایل با استفاده از پارامترهای یکسان تجزیه و تحلیل شد تا بتوان مقایسه‌های نسبی را با یک استثنا انجام داد. پارامترهای کلیدی شامل سیستم کابل، ترکیب حیاط و کالسکه، ارتفاع دکل، اندازه چوب، و فاصله است ( جدول 3 ). در حالی که اکثر پروفیل‌ها اجازه می‌دادند دم‌سپار 9.1 متری داشته باشند، پروفیل‌های جنگلی با تراکم متوسط ​​و بالا هر دو به یک دم‌سپار 15.2 متری نیاز داشتند تا از سطح زمین برای تحمل بار استفاده کنند. تحت شرایط واقعی، ممکن است

جدول 3 . پارامترهای تجزیه و تحلیل پروفایل

یک راه اندازی چند دهانه را به جای یک دم بلندتر با یک خط افق دهانه در نظر بگیرید، اما مجموعه پارامترهای مشترک ما امکان مقایسه بین سه منبع ارتفاعی را فراهم می کند. ما از یک برج نسبتا کوچکتر (10.1 متر) برای تجزیه و تحلیل بار استفاده کردیم. انتخاب یک برج کوچکتر نسبت به یک برج بزرگتر احتمالاً تفاوت در ظرفیت بار بین سه منبع ارتفاعی را برجسته می کند.

3. نتایج

ما ارتفاعات 505 نقطه نمایه را که 3524 متر از راهروهای پروفیل را در شش سایت مطالعه می پوشانند اندازه گیری کردیم (جدول 4). کمترین تعداد نقاط نمایه در سایت کم تراکم جنگل (39) در حالی که بیشترین تعداد در سایت جنگل با تراکم بالا (158) جمع آوری شد. به طور کلی، به طور متوسط ​​7.33 متر وجود داشت که مکان های نقطه نمایه را در داخل راهروها از هم جدا می کرد. کمترین میانگین تفکیک نقطه در سایت جنگلی با تراکم متوسط ​​(6.15 متر) و بیشترین در سایت جنگل مختلط (9.04 متر) رخ داد.

3.1. نقطه نمایه و ارتفاعات DEM

برای تعیین RMSE، میانگین و انحراف استاندارد (SD) اختلاف ارتفاع، مقادیر LiDAR DEM را از ارتفاعات نقطه نمایه کم کردیم ( جدول 4) .). سایت چمنزار دارای کمترین میانگین ارتفاع کلی RMSE (0.38 متر) و مکان کلرکات دارای بالاترین (0.50 متر) بود. چهار سایت جنگلی دارای مقادیر متوسط ​​RMSE بودند که از 0.41 تا 0.46 متر متغیر بود. میانگین کلی اختلاف ارتفاع برای مقادیر DEM برای همه مکان‌های مطالعه با میانگین ترکیبی 0.09- متر منفی بود (SD 0.22). این نشان می دهد که DEM های LiDAR تمایل دارند ارتفاع واقعی را بیش از حد تخمین بزنند. ما متوجه شدیم که تفاوت های آماری معنی داری بین نقطه نمایه و تفاوت ارتفاع DEM در بین شش سایت مورد مطالعه وجود دارد (0.03 = P). سایت با تراکم متوسط ​​جنگل دارای کمترین میانگین خطای ارتفاع (0.02- متر، 0.21 SD) و سایت شفاف دارای بیشترین (-0.22 متر، 0.19 SD) بود. یک آزمون چند دامنه ای توکی مشخص کرد که این تنها دو سایت مطالعه بودند که از نظر آماری با یکدیگر متفاوت بودند. دو سایت مطالعه دیگر، با این حال، راهروهای فردی با تفاوت ارتفاع مثبت داشتند. این شامل کریدورهای 3 (0.03 متر) و 4 (0.02 متر) در سایت جنگلی با تراکم متوسط ​​و کریدور 3 در سایت جنگلی با تراکم بالا (0.03 متر) بود.

ما همچنین آزمایش کردیم که آیا شیب‌های زمین اندازه‌گیری‌شده در میدان با نقطه نمایه و تفاوت‌های ارتفاعی DEM مرتبط است یا خیر، و هیچ ارتباط آماری معنی‌داری پیدا نکردیم (P = 0.21).

3.2. نقطه نمایه و نزدیکترین ارتفاعات نقطه LiDAR

ما ارتفاع هر نقطه پروفایل را با کم کردن ارتفاعات نقطه LiDAR با نزدیکترین نقطه LiDAR مقایسه کردیم. به طور کلی، نزدیکترین نقطه LiDAR به طور متوسط ​​0.62 متر از نزدیکترین نقطه پروفایل قرار داشت ( جدول 4 ). میانگین فواصل برای سایت‌های علفزار (32/0 متر) و مکان‌های شفاف (33/0 متر) کمترین مقدار بود. میانگین فاصله جداسازی برای سایت‌های جنگلی نسبتاً ثابت بود و از 0.68 متر برای سایت جنگلی مختلط تا 0.75 متر برای سایت‌های جنگلی با تراکم متوسط ​​و بالا متغیر بود. ما از رگرسیون برای آزمایش تأثیر نقطه نمایه و نزدیکترین تفاوت جدایی نقطه LiDAR استفاده کردیم و هیچ تفاوت آماری معنی‌داری پیدا نکردیم (98/0 = p).

میانگین ارتفاع RMSE برای نزدیکترین نقطه LiDAR 0.49 متر در تمام سایت های مطالعه بود. نزدیکترین مقایسه ارتفاع LiDAR برای سایت چمنزار (0.35 متر) کمترین و برای سایت جنگل با تراکم کم (0.57 متر) بالاترین بود. سه دسته دیگر جنگل دارای RMSEهایی بودند که بین 0.48 متر (جنگل با تراکم بالا) و 0.53 متر (جنگل با تراکم متوسط ​​و جنگل مختلط) متغیر بود. سایت شفاف دارای RMSE 0.49 متر بود.

میانگین اختلاف ارتفاع برای نزدیک‌ترین نقطه LiDAR 0.07- متر در تمام شش سایت مورد مطالعه بود، اما شامل تغییرات قابل‌توجه (0.33 SD) و دو مکان با میانگین تفاوت‌ها بود که منفی نبودند (جنگل کم تراکم (0.01 متر) و جنگل مختلط (0.07 متر) ). در بین 24 راهروی مجزا، شش راهرو در سه سایت وجود داشت که میانگین ارتفاعی آنها دارای اختلاف مثبت بود. روند کلی، با این حال، نشان می دهد که ارتفاعات LiDAR

جدول 4 . نتایج اندازه گیری پروفایل (واحد در متر).

بیش از برآورد ارتفاع واقعی

ما تفاوت های آماری معنی داری را در تفاوت میانگین ارتفاع بین نقطه نمایه و ارتفاعات نقطه LiDAR پیدا کردیم (01/0p <). آزمایش‌های چند دامنه‌ای توکی مشخص کرد که سایت علفزار از سایت‌های جنگلی شفاف، تراکم متوسط ​​و جنگل‌های مختلط متفاوت است. کمترین میانگین اختلاف ارتفاع در سایت های جنگل کم تراکم (0.01 متر) و جنگل با تراکم بالا (-0.01 متر) تعیین شد. حداکثر اختلاف ارتفاع میانگین ارتفاع در محل کلیشه (-0.23 متر) اندازه گیری شد.

شیب‌های زمین اندازه‌گیری‌شده در زمین به تفاوت‌های میانگین ارتفاع بین نقطه پروفیل و ارتفاعات نقطه LiDAR مربوط می‌شوند (01/0p<) اما همبستگی قوی نبود (01 /0 ⁼ r2).

3.2. تجزیه و تحلیل بار

برای هر پروفیل، نقطه بحرانی زمین یا نقطه ای که باعث بار محدود می شود، بدون توجه به منبع ارتفاع (میدان اندازه گیری شده، DEM مشتق شده، و نزدیکترین ارتفاع خام LiDAR) در همان فاصله از حیاط رخ داده است. ما این نتیجه را پیش‌بینی کردیم زیرا اختلاف ارتفاع بین سه منبع ارتفاعی نسبتاً کوچک بود، که منجر به یک هندسه کلی برای هر پروفیل شد.

با استفاده از پروفیل های اندازه گیری شده میدانی به عنوان خط مبنا، درصد اختلاف در بار محدود کننده برای پروفیل های ارتفاع DEM و نزدیکترین نقطه محاسبه شد. به طور متوسط، پروفیل های مبتنی بر DEM، بار محدود را 6 درصد دست کم گرفتند، با دامنه 39 درصد زیر تا 18 درصد بیش از برآورد. نمایه‌های مبتنی بر نزدیک‌ترین نقطه با میانگین تخمین بیش‌ازحد 11 درصد و دامنه 20 درصد پایین‌تر تا 39 درصد بالاتر عملکرد بدتری داشتند.

4. بحث

ما دریافتیم که میانگین خطاهای ارتفاعی RMSE برای نقطه نمایه نسبت به مقادیر LiDAR DEM (0.43 متر) کمی کمتر بود، در حالی که مقایسه نقطه نمایه به نزدیکترین نقطه ارتفاع LiDAR (0.49 متر) در شش سایت مطالعه ما بود. تفاوت ارتفاعی بین این دو روش استخراج ارتفاعات از LiDAR نسبتاً کوچک است و احتمالاً تأثیر کمی بر کاربردهایی مانند زمین و مدل‌سازی هیدرولوژیکی دارد، اما ممکن است بر تلاش‌های مهندسی که شامل برنامه‌های طراحی است تأثیر بگذارد. با این حال، زمانی که چهار مکان جنگلی در نظر گرفته شوند و مناطق چمنزار و صحرایی در نظر گرفته نشوند، تفاوت‌های ارتفاعی آشکارتر می‌شوند. میانگین مقادیر RMSE برای چهار سایت جنگلی 0.43 متر برای LiDAR DEM و 0.53 متر برای نزدیکترین نقطه LiDAR بود.

یک توضیح ممکن برای خطاهای LiDAR DEM پایین تر زمانی که با نزدیکترین خطاهای ارتفاع نقطه LiDAR مقایسه می شود، می تواند فاصله ای باشد که نقاط نمایه جمع آوری شده در میدان را از نزدیکترین ارتفاع LiDAR جدا می کند. میانگین فاصله جدایی 0.62 متر بود، اما برخی از تفاوت ها در راهروهای فردی به نزدیک به یک متر رسید. DEM های LiDAR یک سطح درون یابی را نشان می دهند که بر اساس ارتفاع متوسط ​​ایجاد شده از همسایگی نقاط LiDAR خام است. سطح درونیابی ممکن است به دلیل میانگین ارتفاع زمین، به ویژه با افزایش نزدیک‌ترین فاصله، تناسب بهتری نسبت به نزدیک‌ترین نقطه نشان دهد.

نتایج کلی RMSE ما برای مقادیر LiDAR DEM (0.43 متر) در مقایسه با نقطه نمایه به نزدیکترین نقطه ارتفاعی LiDAR (0.49 متر) کمتر از نتایج گزارش شده توسط یک مطالعه قبلی است که بر مقایسه ارتفاع DEM متمرکز شده بود ([ 4 ] Su and Bork, 2006). ). با این حال، خطاهای ما بیشتر از خطاهای گزارش شده توسط چندین مطالعه قبلی بود که از ارتفاعات DEM مشتق شده از LiDAR استفاده می کرد ([ 6 ] Gomes-Pereira and Janssen، 1999؛ [ 3 ] Hodgson and Bresnahan، 2004؛ [ 7 ] Hodgson و همکاران، 2005). ). بدون شک عوامل سایت وجود دارد که بر تفاوت ها تأثیر می گذارد. به عنوان مثال، میانگین شیب شیب ما (38٪) بیشتر از آن چیزی است که توسط چندین مطالعه گزارش شده است ([ 3 ] هاجسون و برسناهان، 2004؛ [ 7 ]] هاجسون و همکاران، 2005; [ 4 ] سو و بورک، 2006). توجه می کنیم که در حالی که [ 3 ] هاجسون و برسناهان، 2004، 47 درصد شیب را در نظر گرفتند، نتایج بر اساس مقیاس بندی نتایج از مقادیر شیب کمتر بود. همچنین بعید است که سایت های جنگلی از نظر ساختار بین هر دو مطالعه بسیار شبیه باشند. علاوه بر این، فصلی بودن و فناوری LiDAR (سخت افزار و نرم افزار) نیز بر نتایج مطالعه تأثیر می گذارد.

مقادیر RMSE معمولاً توسط مطالعات قبلی ارتفاع LiDAR استفاده شده است، اما گاهی اوقات میانگین خطاها آمار کانونی بوده است. میانگین کلی خطاهای ما برای مقادیر LiDAR DEM (-0.09 متر) و نزدیکترین نقطه ارتفاعی LiDAR (-0.07 متر) کمتر از میانگین کلی (0.22 متر) گزارش شده توسط مطالعه قبلی بود ([ 2 ] Reutebuch et al. 2003). شیب سایت در مطالعه ما، با این حال، بیشتر از شیب های گزارش شده توسط [ 2 ] Reutebuch و همکاران بود. 2003. با توجه به پیشرفت‌هایی که در فناوری اسکنر از این مطالعه قبلی رخ داده است، کاهش خطاها را پیش‌بینی می‌کنیم. علاوه بر این، چگالی پالس‌های LiDAR در مطالعه ما (10 امتیاز در متر مربع ⁾ در مقایسه با مطالعه قبلی (4 امتیاز در متر مربع ⁾ افزایش یافت.

برخی از مطالعات قبلی ارتباط بین شیب های تندتر و افزایش خطا در ارتفاعات LiDAR را تعیین کردند ([ 5 ] Kraus and Pfeifer, 1998, [ 6 ] Gomes-Pereira and Janssen, 1999؛ [ 3 ] Hodgson and Bresnahan, 2004, [ 4 ] Su and بورک، 2006) در حالی که سایر مطالعات یا همبستگی پیدا نکرده اند ([ 2 ] Reutebuch و همکاران، 2003) یا یک رابطه متناقض را بسته به محل مطالعه تعیین کرده اند. [ 7 ] هاجسون و همکاران. (2005) دریافتند که تنها دسته پوشش کم چمن با افزایش شیب زمین، خطاهای شیب فزاینده ای را نشان می دهد.

ما هیچ ارتباط آماری معنی‌داری بین شیب‌های زمین اندازه‌گیری شده با نقطه نمایه و اختلاف ارتفاع DEM پیدا نکردیم (21/0 = P). با این حال، ما کشف کردیم که شیب‌های زمین اندازه‌گیری شده به طور قابل‌توجهی با میانگین اختلاف ارتفاع بین نقطه نمایه و ارتفاعات نقطه LiDAR مرتبط است (01/0p<) اما همبستگی نسبتاً ضعیف بود ( 01/0 ⁼ r2). با توجه به این نتایج، به نظر می‌رسد که شیب‌های بزرگ‌تر ممکن است گاهی اوقات تأثیر کمی بر دقت LiDAR داشته باشد، اما تأثیر آن در سایت‌های مطالعه در مطالعه ما احتمالاً ناچیز است. این یافته ممکن است نتیجه روشی باشد که در آن شیب های زمین را در سایت های مزرعه خود تعیین کردیم. شیب زمین بر اساس میانگین شیب بین هر نقطه پروفیل و شیب بالا و پایین شیب همسایه نقاط نیم رخ آن تعیین شد.

تجزیه و تحلیل بار در برخی مواقع یک فرآیند غیر دقیق است، زیرا تعداد زیادی از متغیرها می توانند بر نتایج تأثیر بگذارند. ما اکثر متغیرها را در تحلیل خود ثابت نگه داشتیم به استثنای ارتفاع دم اسپار. تجزیه و تحلیل بار ما در نظر گرفت که در آن بار محموله محدود نسبت به یاردر رخ داده است و نتایج در بین تمام سایت‌های مطالعه سازگار بود. به نظر می رسد که نمایه مبتنی بر DEM به طور متوسط ​​5 درصد از نمایه نزدیکترین نقطه بهتر عمل می کند و به نظر می رسد که منبع ارتفاعی LiDAR ترجیحی برای تجزیه و تحلیل بار باشد.

نتایج ما نشان می‌دهد که تحلیل‌گران جنگل باید از نزدیک‌ترین مقدار LiDAR DEM به جای نزدیک‌ترین ارتفاع نقطه LiDAR برای ارتفاعات زمین در مکان‌های مجزا استفاده کنند، به‌ویژه زمانی که تاج جنگل مکان‌های مورد علاقه را مسدود می‌کند. ما این توصیه را بر اساس عملکرد کمی بهبود یافته LiDAR DEM نسبت به نزدیکترین مقایسه ارتفاع مشخصات نقطه LiDAR است، و توجه داشته باشید که زمانی که فقط به سایت‌های جنگلی مربوط می‌شود، عملکرد بیشتر افزایش می‌یابد. ما همچنین عملکرد بهبود یافته LiDAR DEM را در تحلیل محموله خود مشاهده کردیم.

علاوه بر این، با دسترسی آسان به DEM ها در بسته های GIS، معمولا برای تحلیلگر آسان تر است که به یک نمایه مشتق شده از LiDAR DEM دستکاری کرده و به جای تلاش برای ترسیم مقادیر از نزدیک ترین ارتفاعات. این شرایط انگیزه بیشتری برای استفاده از DEM های LiDAR به عنوان منبع داده های ارتفاعی ایجاد می کند.

5. نتیجه گیری ها

تحقیقات اولیه ما تعیین اینکه آیا نوع تاج یا شیب زمین بر اندازه‌گیری‌های پروفایل مشتق شده از LiDAR تأثیر می‌گذارد یا خیر بود. ما همچنین بارهای لاگ کابل را بر اساس ارتفاعات نمایه اندازه‌گیری شده میدانی با بارهایی که بر اساس ارتفاعات مشتق شده از LiDAR بودند مقایسه کردیم. برای حمایت از این تحقیقات، ما اندازه‌گیری‌های راهرو پروفیل برگرفته از LiDAR مبتنی بر میدان و هوا را در انواع مختلف تاج پوشش و در شیب‌های متوسط ​​مقایسه کردیم. اندازه‌گیری‌های میدانی ما با DEM مشتق‌شده از LiDAR و ارتفاعات نقطه خام LiDAR مقایسه شد. نقطه نمایه به مقادیر LiDAR DEM RSME که ما تعیین کردیم کمی پایین‌تر (0.43 متر) از نقطه نمایه به نزدیک‌ترین نقطه ارتفاعی LiDAR RSME (0.49 متر) بود. این تفاوت‌ها زمانی افزایش یافت که مکان‌های مطالعه که در پاک‌سازی‌های جنگلی رخ داده بودند، در تحلیل گنجانده نشدند.

مایکل جی. وینگ، مایکل کریون، جان سشنز، جف ویمر ما فاصله بار محدود کننده را تعیین کردیم و بدون توجه به محل مطالعه، در یافته‌های خود سازگاری پیدا کردیم. نمایه مبتنی بر DEM به طور متوسط ​​منجر به بهبود 5 درصدی شد. نتایج ما تحلیلگران جنگل را تشویق کرد که از داده‌های LiDAR برای پشتیبانی از عملیات استفاده می‌کنند، باید با نزدیک‌ترین مقدار LiDAR DEM به جای نزدیک‌ترین ارتفاع نقطه LiDAR برای ارتفاعات زمین در مکان‌های مجزا، به‌ویژه در زیر سایه‌بان جنگل کار کنند. DEM های مبتنی بر LiDAR اغلب توسط فروشندگان LiDAR ارائه می شوند، به ذخیره سازی کمتری نسبت به ارتفاعات نقطه LiDAR نیاز دارند و به طور کلی کار با آنها آسان تر است.

منابع