dc.description.abstract
Wälder sind für uns von grossem ökonomischem und ökologischem Nutzen. Wälder liefern einerseits Holzressourcen, anderseits erbringen sie eine Vielzahl an lebensnotwendigen Ökosystemdienstleistungen. Um die Funktionsfähigkeit der Waldökosysteme zu gewährleisten und um sicherzustellen, dass Wälder weiterhin diese Ökosystemdienstleistungen bieten, sind regelmässige Erhebungen über den Zustand des Waldes wichtig. Dies schliesst auch Abschätzungen des Holzvorrates mit ein. Diese Informationen werden in Waldinventuren (FI, von engl. forest inventories) erhoben. FIs ermöglichen die Optimierung der Waldbewirtschaftung und entstammen ursprünglich ökonomischen Erfordernissen. Die Information, welche in FIs bereit gestellt wird, liefert aber genauso die Grundlage für die Überwachung des Zustandes und der Gesundheit der Wälder und zeigt deren Veränderungen. FIs werden klassischerweise durch Messungen im Feld erhoben. Diese Messungen schliessen eine Vielzahl an Waldparametern mit ein, die innerhalb einer Parzelle erfasst werden. Mit der zunehmenden Verfügbarkeit von flugzeuggestützten Laserscanning-Systemen (ALS, von engl. airborne laser scanning) können solche lokal erhobenen Inventuren in einfacher, zuverlässiger und reproduzierbarer Weise auf grössere Flächen hochskaliert werden.Die derzeitigen Ansätze zur Erhebung und Hochskalierung von FIs weisen allerdings eine Reihe von Defiziten auf. Erstens basieren FIs auf Messungen im Feld. Solche Messungen sind arbeitsaufwändig und zudem teilweise subjektiv, z.B. die Abschätzung des Kronenschlussgrades. Zweitens werden FI-Parameter, beispielsweise der Holzvorrat, grossflächig über allometrische Funktionen geschätzt. Diese allometrischen Funktionen werden aus den Felderhebungen abgeleitet und dann auf ALS- oder andere Fernerkundungsdaten angewendet. Allerdings geben die allometrischen Funktionen nicht notwendigerweise die gebietsspezifischen Charakteristiken wieder, was zu Fehlern in den geschätzten Parametern führt. Die Erhebung lokal angepasster allometrischer Funktionen mittels Felderhebungen hingegen ist aufwändig und teuer, weshalb oft keine entsprechenden Funktionen existieren. Drittens werden die Waldbestände, auf welche die allometrischen Funktionen angewendet werden, manuell auf der Basis von Orthophotos abgegrenzt. Die Abgrenzung von Waldbeständen ist jedoch eine komplexe Aufgabe, was dazu führt, dass die resultierenden Bestände nicht notwendigerweise homogene Einheiten darstellen. Die verfügbaren Bestandesgrenzen basieren zudem oft auf historischen Waldbewirtschaftungseinheiten, welche sich über die Zeit verändert haben können. Das Ziel dieser Thesis ist es nun, zu untersuchen, wie die heutigen Ansätze zur Erhebung von FIs durch die Integration der unterschiedlichen Laserscanning-Systeme, die uns heute zur Verfügung stehen, verbessert werden könnten. Die Miniaturisierung der Laserscanning-Sensoren und der Positionssysteme erlaubt es, diese Systeme von leichten, unbemannten Drohnen (UAV-gestütztes Laserscanning, ULS) oder vom Boden aus (terrestrisches Laserscanning, TLS) einzusetzen. Allerdings besteht eine Lücke zwischen ALS und solchen Nahbereichs-Systemen. Erstens liefern die verschiedenen Systeme sehr unterschiedliche Punktwolken-Qualitäten in Bezug auf die Auflösung der Punktwolke. Zweitens unterscheiden sich die Blickrichtung und die Aufnahmegeometrie der Systeme fundamental, insbesondere zwischen TLS, womit die Kronenschicht von unten betrachtet wird, und ALS-Systemen, welche die bodennahen Waldbereiche kaum zu erfassen vermögen. FIs könnten nun durch die Kombination der unterschiedlichen Laserscanning-Systeme verbessert werden. Nahbereichs-Systeme mit ihrem hohen Detaillierungsgrad erlauben die schnelle, genaue und kosteneffiziente Erhebung von Feldreferenzdaten, aus welchen gebietsspezifische Allometrien abgeleitet werden können. Diese verbesserten Allometrien können anschliessend auf ALS-Daten angewendet werden, welche eine tiefere Punktdichte aufweisen, jedoch grosse Gebiete abdecken.Eine derartige Kombination der unterschiedlichen Systeme ermöglicht den Skalenübergang von der Parzelle auf ganze Landschaften. Die lokal sehr detaillierte Information auf Einzelbaumebene lässt sich damit auf weite Fläche übertragen, was die landschaftsweite Abschätzung von FI-Parametern ermöglicht. Allerdings gibt es offene Fragen für die Umsetzung eines solchen Vorgehens, welche in dieser Thesis behandelt werden. In einer ersten Studie wird untersucht, welche Punktwolken-Qualitäten erforderlich sind, um eine Waldszene möglichst vollständig und genau aus ULS- Daten rekonstruieren zu können. Die Resultate zeigen, dass die Punktdichte wichtig ist für die Detektion der Stämme, während die Genauigkeit, mit der die Stämme anschliessend rekonstruiert werden können, hauptsächlich von der Genauigkeit des Sensors abhängt. Eine zweite Studie untersucht die Unterschiede, wie ALS- und ULS-Systeme die Waldstruktur erfassen. Es zeigt sich, dass ULS-Systeme die Waldstruktur vollständiger zu erfassen vermögen. In Kombination mit ihrem hohen Detaillierungsgrad erlauben es diese Systeme deshalb, Einzelbaumkomponenten direkt innerhalb der Punktwolken zu messen, dies zusätzlich zur Berechnung klassischer ALS-Metriken. Anderseits unterscheiden sich die Strukturmetriken, wie sie aus ALS- und ULS-Daten abgeleitet werden, teilweise. Wie gross die Unterschiede sind, hängt davon ab, wie die Information aus der Punktwolke in die Berechnung der Metriken einfliesst. In einer dritten Studie wird ein Ansatz vorgestellt, um homogene Waldbereiche mit ähnlicher Waldstruktur innerhalb von ALS-Punktwolken abzugrenen. Diese homogenen Waldbereiche könnten genutzt werden, um lokal gemessene FI-Parameter aus Nahbereichs-Laserscannern auf grössere Flächen hochzuskalieren, indem lokal angepasste statistische Modelle auf Punktwolke-Metriken angewendet würden, welche aus ALS-Daten berechnet wurden. Eine vierte Studie behandelt den zeitlichen Aspekt der Inventuren und untersucht das Potential, die Waldstrukturinformation, wie sie aus ALS-Daten abgeleitet wurde, mittels Sentinel-1 C-Band-Zeitserien zu aktualisieren. Die grundlegende Waldstruktur, das heisst die Höhe und die Dichte des Bestandes, können aus diesen Zeitserien wiedergegeben werden. Sentinel-1 ermöglicht es somit, zeitlichen Lücken zwischen ALS-Erhebungen zu schliessen.Die Erkenntnisse aus den vier Studien tragen dazu bei, den Informationsgehalt jedes Systems optimal zu nutzen. Die Integration der Sensorsysteme in den Skalenüber- gang ermöglicht es damit, die Erhebung von FIs zu verbessern. Eine solche Vorge hensweise erlaubt es, räumliche Waldinformation über grosse Gebiete hinweg verlässlich, schnell und kostengünstig zu erfassen. Dies eröffnet neue Möglichkeiten, um Fernerkundungsdaten in die operationelle Waldbewirtschaftung zu integrieren, beispielsweise für die Wahl von Baumarten, für Beschattungsstudien oder zur Modellierung von Waldbränden, der Sonneneinstrahlung oder des Wasserhaushalts. Schliesslich wird es uns die Integration der Daten aus den unterschiedlichen Systemen erlauben, den Zustand und die Entwicklung der Wälder besser überwachen zu können.
de
dc.description.abstract
Forests are of great economic and ecological benefit because they function as timber source and provide a variety of vital ecosystem services. To maintain the functioning of forest ecosystems and the provision of these diverse services, regular acquisitions of the forest conditions, including timber stock estimations, are required. Forest in- ventories (FI) which have evolved from economic demands provide such information and allow to optimize management strategies. FIs also form the basis to monitor abundance, health and changes of forest ecosystems. FIs traditionally rely on field measurements that include a number of forest parameters within plots. With the increasing availability of airborne laser scanning (ALS) systems, such local plot level inventories can be upscaled to larger areas in a convenient, robust and reproducible way.However, current FI acquisition methods suffer from a number of deficiencies. Firstly, FIs still rely on measurements in the field which are labor-intensive to acquire and partially subjective (e.g. the determination of crown closure). Secondly, allometric functions, which are deduced from field inventories and applied to ALS or auxiliary remote sensing data to predict FI parameters (e.g. growing stock) over larger areas, do not necessarily reflect site-specific characteristics. This leads to errors in the predicted parameters. Locally adjusted allometric functions, however, are cumbersome and expensive to achieve through field inventories. Therefore, such functions often do not exist. Thirdly, today’s forest stands, to which the respective allometric functions are applied, are derived from manual delineations based on ortho-images. Stand delineation, however, is a complex task, and resulting stands do not necessarily represent homogeneous compartments. Available forest stand boundaries are often originating from historical forest management units that have changed over time. The aim of this thesis is to investigate possibilities to improve current FI acquisition strategies through the integration of the various laser scanning systems we have at hand today.The miniaturization of laser scanning sensors and positioning systems allows the systems to be operated on light weight unmanned aerial vehicle-platforms (UAV- borne laser scanning, ULS) or placed on the ground (terrestrial laser scanning, TLS). There is a gap, however, between ALS and these close-range systems. Firstly, the systems deliver completely different point cloud qualities in terms of the resolution of the resulting point clouds. Secondly, the viewing direction and geometry differ fundamentally, particularly between TLS, which records the canopy from the bottom, and ALS, which can hardly acquire forest areas close to the ground. Yet, FIs could be improved through the combination of the different laser scanning systems. Close- range systems with the high level of detail allow for a fast, accurate and cost- efficient acquisition of field reference data, from which site-specific allometries can be deduced. Improved allometries can subsequently be applied to ALS data acquired from large areas with low point densities.Thus, the combination of the different systems allows to accomplish the scale transition from plot to landscape scales. Locally detailed single tree information could be brought to wide areas, allowing for landscape-wide FI parameter estimations. Yet, open aspects remain for such a proceeding, which are addressed in this thesis. In a first study, the point cloud quality requirements are investigated in order to allow a complete and accurate scene reconstruction from ULS data. The results show that the point density is crucial for the stem detection, whereas the accuracy of the stem reconstruction mainly depends on the accuracy of the sensor. A second study analyses differences in the ways ALS and ULS systems capture the forest structure. ULS systems acquire the forest structure more completey. In combination with the high level of detail, this allows to directly measure single tree components within the point cloud, apart from the computation of classical ALS metrics. In contrast, derived structure metrics differ between ALS and ULS, depending on the way the point cloud information is used for the metrics computation. In a third study, an approach is proposed to delineate homogeneous forest compartments with a similar forest structure from ALS point clouds. Homogeneous forest compartments can be used to upscale locally measured FI parameters from close-range laser scanning to larger areas by applying locally adjusted statistical models to ALS point cloud metrics. A final study deals with the temporal aspect of the inventories and investigates the potential to update ALS forest structure information with Sentinel-1 (S-1) C-band time series. Since the general height and stand density structures, respectively, are well reproduced, S-1 data facilitates to fill gaps between ALS acquisitions.The insights gained in the four studies will help making optimal use of the information content each system provides. Thus, the integration of the different laser scanning devices into the scale transition contributes to improving FI acquisition strategies. With such a procedure, landscape-wide accurate spatial forest information could be acquired in a robust, fast and cost-efficient way. This opens up new possibilities to integrate remote sensing in operational forest management activities, for instance for the selection of tree species, for shading studies, or for the modelling of forest fires, the sun irradiance or the water cycle. Ultimately, the integration of data from different systems will improve our ability to monitor the condition and development of forests.
en
