Lotnicze skanowanie laserowe w ocenie szkód pohuraganowych

Jednym ze skutków zmian klimatycznych jest wzrost częstotliwości występowania huraganów. Modele klimatyczne wskazują także, że ta tendencja będzie się w przyszłości utrzymywać.

Artykuł ukazał się w numerze 12/2021 „Lasu Polskiego". Nabyć go można tutaj.

Pomimo ciągłego rozwoju wiedzy i technologii, człowiek nie jest w stanie zapobiegać występowaniu huraganów, jednak wykorzystanie technik teledetekcyjnych może znacząco pomóc w procesie szybkiej oceny zniszczeń w obszarach leśnych i koordynacji prac obejmujących m.in. zabezpieczenie terenu i rozplanowanie prac uprzątających.

Zdalna metoda oceny szkód

W ramach projektu „Treequant – Opracowanie samouczącej się informatycznej platformy analitycznej wspomagającej proces zarządzania lasami w oparciu o dane obrazowe z kamer fotogrametrycznych oraz chmury punktów multi-spektralnego skanera laserowego” zespół projektowy, w skład którego wchodzili pracownicy elbląskiej firmy OPEGIEKA Sp. z o.o., Uniwersytetu Rolniczego w Krakowie oraz Nadleśnictwa Dobrocin (RDLP w Olsztynie), opracował metodę zdalnej oceny szkód pohuraganowych. Na podstawie eksperymentu przeprowadzonego w Nadleśnictwie Stare Jabłonki, gdzie 18 lipca 2018 r. wystąpiły uszkodzenia drzewostanów spowodowane działaniem huraganu, wykazano, że dzięki wykorzystaniu technologii lotniczego skanowania laserowego możliwe jest precyzyjne wskazanie lokalizacji zniszczeń, a także określenie miąższości uszkodzonych drzew.

Opracowana metoda zakłada wykorzystanie danych ALS (ang. Airborne Laser Scanning), tj. chmur punktów 3D pozyskiwanych skanerem laserowym umieszczonym na pokładzie samolotu. Takie dane pozyskane zostały przez firmę OPEGIEKA przy użyciu dwukanałowego skanera laserowego Riegl VQ-1560i-DW. W ramach misji fotolotniczej pozyskano chmury punktów o łącznej gęstości 32 pkt/m2.

Nalot przeprowadzono 27 lipca 2018 r., czyli już 9 dni po wystąpieniu huraganu. Do precyzyjnej oceny szkód, poza pozyskaniem nowych chmur ALS, konieczne jest także przygotowanie danych sprzed wystąpienia huraganu. W eksperymencie wykorzystano chmury punktów z 2012 r., charakteryzujące się gęstością 4 pkt/m2, pozyskane w ramach projektu ISOK i udostępniane przez Główny Urząd Geodezji i Kartografii.

Wymiar powierzchniowy

Opracowana metoda inwentaryzacji szkód powierzchniowych w drzewostanach opiera się na porównaniu wysokościowych modeli koron (WMK), tworzonych na podstawie danych ALS z okresów przed wystąpieniem zniszczeń i po nich. Dzięki temu możliwe było automatyczne wskazanie miejsc potencjalnych uszkodzeń koron drzew. Następnie wykonano segmentację koron (proces automatycznego wyznaczenia obrysów koron) na archiwalnym modelu WMK. Nałożenie zasięgu uszkodzeń na wektorową warstwę wydzielonych w drodze segmentacji koron pozwoliło na selekcję uszkodzonych drzew. Tym sposobem powstała wektorowa warstwa reprezentującą uszkodzenia drzewostanów w wymiarze powierzchniowym (rys. 1).

Rys. 1. Schemat wyznaczania szkód w drzewostanach w wymiarze powierzchniowym

Wymiar miąższościowy

Inwentaryzację uszkodzeń w wymiarze miąższościowym można teoretycznie oprzeć na informacji o zasobności drzewostanu dostępnej w bazie SILP oraz wynikach inwentaryzacji uszkodzeń powierzchniowych. Jednak takie dane są bardzo często niedokładne, co wynika z założeń obecnie stosowanej metodyki inwentaryzacji zapasu, gdzie głównym celem jest dokładne określenie całkowitego zapasu obrębu leśnego, a nie wchodzących w jego skład pojedynczych drzewostanów. W metodach inwentaryzacji wykorzystujących dane teledetekcyjne możliwe jest natomiast uzyskanie wysokiej dokładności na poziomie pojedynczych drzewostanów.

Opracowana przez zespół metoda oceny szkód w wymiarze miąższościowym została oparta o segmentację koron pojedynczych drzew na WMK, dla których obliczana jest następnie miąższość za pomocą modeli predykcyjnych opracowanych na podstawie pomiarów drzew na kołowych powierzchniach próbnych, zgromadzonych w trakcie realizacji pul. Modele predykcyjne utworzone zostały dla ośmiu głównych gatunków lasotwórczych: sosny, świerka, jodły, modrzewia, dębu, buka, brzozy i olchy. Do utworzenia modeli zastosowano metodę uogólnionych modeli addytywnych (ang. Generalized Additive Model – GAM), w których wykorzystano dwie zmienne objaśniające: wysokość drzewa oraz wiek drzewostanu. Na rys. 2 przedstawiono zależność rzeczywistej miąższości drzewa otrzymanej z pomiarów wykonanych w ramach pul, względem miąższości obliczonej na podstawie opracowanych modeli predykcyjnych.

Rys. 2. Wartości rzeczywiste miąższości drzewa względem wartości przewidywanych przez model predykcyjny dla głównych gatunków lasotwórczych

Opracowane modele wykorzystano do predykcji miąższości pojedynczych drzew uszkodzonych przez huragan. Predykcję wykonano dla segmentów koron drzew, które zostały wskazane jako uszkodzone na etapie inwentaryzacji szkód powierzchniowych.

Do oceny dokładności opracowanej metody wykorzystano informację na temat miąższości grubizny pozyskanej w 28 wydzieleniach Nadleśnictwa Stare Jabłonki w ramach uprzątania szkód. Miąższość oszacowana na podstawie ALS była o 644,7 m3 mniejsza niż rzeczywiste pozyskanie drewna w analizowanych wydzieleniach, co przekłada się na niedoszacowanie rzędu 8,4%. Jednocześnie należy mieć na uwadze, że w ramach cięć uprzątających często wycina się także pojedyncze drzewa lub ich grupy, które nie zostały połamane lub wywrócone, ale są otoczone przez uszkodzony drzewostan. Chmura punktów ALS została pozyskana 9 dni po wystąpieniu huraganu, kiedy nie były jeszcze wykonane prace uprzątające, w związku z czym nie może dziwić fakt, że miąższość oszacowana z danych ALS jest mniejsza od rzeczywistego pozyskania.

Detekcja wywrotów

Wykorzystanie danych ALS w połączeniu z wybranymi warstwami geometrycznymi LMN oraz bazą SILP pozwala także na automatyczne wskazanie fragmentów dróg, linii energetycznych i innych obiektów, objętych działaniem huraganu. Przed przystąpieniem do ich opracowania warto dodatkowo przeprowadzić analizę dokładności poszczególnych warstw LMN, porównując ich przebieg z modelami lidarowymi, i wprowadzić ewentualne korekty geometrii, co pozwoli podnieść dokładność opracowania. Po zawężeniu analizy do obiektów znajdujących się w zasięgu potencjalnych uszkodzeń (rys. 3) możliwe jest dokładne wskazanie i zliczenie powalonych drzew. Wymaga to jednak odpowiedniego przefiltrowania danych ALS tak, aby przedstawiały jedynie pnie drzew. Wizualna interpretacja umożliwia precyzyjne określenie liczby wywróconych drzew znajdujących się na drogach (rys. 4).

Rys. 3. Odcinki dróg przecinających drzewostany, w których doszło do uszkodzeń

Rys. 4. Zmodyfikowany model wysokościowy i drogi leśne na tle ortofotomapy lotniczej

Podsumowanie

Opracowane podejście pozwala na relatywnie szybkie oszacowanie szkód pohuraganowych bez konieczności wykonywania dodatkowych prac terenowych. Miąższość uszkodzonego drewna określana jest z wykorzystaniem archiwalnych i aktualnych chmur punktów ALS oraz modeli predykcyjnych miąższości drzew, opracowanych przy użyciu danych terenowych z pul. Dodatkowo wykorzystanie danych ALS w połączeniu z wybranymi warstwami geometrycznymi LMN oraz bazą SILP pozwala na wskazanie i zliczenie powalonych drzew na drogach leśnych, przeciwpożarowych i publicznych oraz identyfikację uszkodzeń infrastruktury przesyłowej, zlokalizowanej na obszarach leśnych.

Analiza wskazuje, jak duże znaczenie może odgrywać teledetekcja we współczesnym leśnictwie. Nowe technologie wspomagają dziś proces decyzyjny, dostarczając decydentom ważnych informacji. Zaprezentowane podejście pozwala już na wstępnym etapie precyzyjnie oszacować straty, zaplanować odpowiednie siły i środki, w celu uprzątnięcia drzew na wszystkich ważnych odcinkach drogowych, oraz znacząco przyśpieszyć naprawę infrastruktury przesyłowej. Jednocześnie, jako że jest to metoda całkowicie zdalna, przeprowadzona tym sposobem inwentaryzacja jest zdecydowanie bezpieczniejsza, a pomiary mogą dotyczyć bardzo dużych obszarów.

Omawiane badania zostały zaprezentowane na konferencji POLSCAN zorganizowanej w 2019 r. przez Instytut Badawczy Leśnictwa i Uniwersytet Rolniczy w Krakowie. Temat wzbudził duże zainteresowanie i został wyróżniony – poster prezentujący badania zajął drugie miejsce w konkursie na najlepszy poster konferencji.

Łukasz Jełowicki, Dominik Mielczarek, Jakub Krawczyk 
Opegieka Sp. z o.o.

Paweł Hawryło 
Uniwersytet Rolniczy w Krakowie

Kamil Onoszko
Nadleśnictwo Dobrocin