BOKU - Universität für Bodenkultur Wien - Forschungsinformationssystem
Gewählte Diplomarbeit / Masterarbeit:
Bernhard Gill
(2022):
Bestandesvorratsermittlung mittels Airborne Laserscanning Daten.
Diplomarbeit / Masterarbeit - Institut für Geomatik,
BOKU-Universität für Bodenkultur,
pp 51.
UB BOKU
obvsg
FullText
- Abstract:
- Das Ziel dieser Arbeit ist die Erstellung einer Holzvorratskarte. Einerseits werden ausschließlich Höhenmetriken aus einem normalisierten Oberflächenmodell auf unterschiedlichen Kreisradien gerechnet. Der andere Weg ist die Ableitung von Höhen-, Intensitätsmetriken und die Berechnung der Stammzahl aus der Punktwolke. Für die Modellierung wurde der Random Forest Regression Algorithmus angewendet. Herausfordernd für die Modellierung war die zeitliche Abweichung zwischen Erhebung der Inventur (2014) zum Zeitpunkt der Befliegung (2018). Die Inventur wurde mit einer Winkelzählprobe (WZP) erhoben. Eine WZP hat den Nachteil, dass kein Flächenbezug vorhanden ist. Für die Anwendung eines flächenbezogenen Ansatzes ist dieser aber essenziell. Kreise mit Radien von 5 bis 27.5 m in 2.5 m Abstufungen wurden auf die WZP- Punkte gelegt und im Anschluss Metriken auf diesen Flächen berechnet. Um die Modellgüte zu verbessern, wurde die Inventur im Vorfeld in Straten unterteilt. Bei dem Vergleich der Modelle aus dem nDSM und der Punktwolke ist eindeutig ersichtlich, dass die zusätzlich gewonnene Information aus der Punktwolke einen starken Einfluss auf die Modellgüte hat. Auch die Verwendung der Kreiskombinationen waren den Einzelkreisradien überlegen. Die berechnete Stammzahl auf den Plots sowie die Information aus der Sentinel-2 Szene (4 Bänder und NDVI) brachten keine Verbesserung. Die besten Modelle aus der Punktwolke für Nadelholz erzielten ein R² von 0.67 und einen RMSErel von 32.26 %. Das beste Modell für die Berechnung des Holzvorrats für Laubholz war am 15 m Einzelkreis mit Metriken abgeleitet aus der Punktwolke (R² = 0.64 bei RMSErel = 34.49 %). Im Vergleich dazu schnitt der Radius des Einzelkreises des nDSM (bestes Modell Radius = 20 m) mit einem R² von 0.48 und RMSErel von 41.76 % schlechter ab. In dieser Arbeit ist ersichtlich, dass die zusätzliche Information gewonnen aus der Punktwolke im Vergleich zu Höhenmetriken aus dem nDSM eine Modellverbesserung bewirkt.
- Beurteilende*r: Atzberger Clement
- 1.Mitwirkender: Immitzer Markus