Noslēguma darbu reģistrs
  
Studiju darba apraksts
Studiju veids maģistra akadēmiskās studijas
Studiju programmas nosaukums Inovatīvie risinājumi ģeomātikā
Nosaukums "Koku parametru noteikšana no LiDAR punktu mākoņa"
Nosaukums angļu valodā "Tree parameter detection from LiDAR point Cloud"
Autors Reinis Cimdiņš
Struktūrvienība 24100 Transportbūvju institūts
Darba vadītājs Andris Lazdiņš
Recenzents Jūrate Sužiedelyte Visockiene
Anotācija Meža inventarizācija ir fundamentāls informācijas avots meža apsaimniekošanai, tādēļ mežsaimniecības nozarē tiek meklētas iespējas automatizētai koku parametru iegūšanai, izmantojot attālas izpētes tehnoloģijas kā, piemēram, LiDAR (light detection and ranging). UAV (unmanned aerial vehicle) LiDAR punktu mākonim ir daudz lielāks punktu blīvums un uzlabota telpiskā precizitāte. Pētījums sniedz pamatinformāciju par LiDAR tehnoloģiju, skenēšanas procesu, datu reģistrāciju un punktu mākoņa sagatavošanu. Lāzerskenēšanas dati izmantoti, lai veiktu koku atpazīšanu, augstuma noteikšanu un atsevišķu koku izšķiršanu no punktu mākoņa. Koku atpazīšana un augstuma noteikšana veikta, izmantojot trīs metodes. RAS_OVRL metode spēja veiksmīgi atpazīt 85.7% no visiem uzmērītajiem kokiem un 65.1% no visiem parauglaukuma kokiem noteikt koku precizitāti, kas atbilst nacionālās meža inventarizācijas precizitātes prasībām. Veicot augstuma precizitātes novērtējumu, izmantojot tikai precīzi atpazītos kokus Lmax koku augstuma noteikšanas metodes precizitāte sasniedz 87.8%, taču korelācijas koeficients starp uzmērītajiem un noteiktajiem koku augstuma datiem sasniedz 0.80. Koku izšķiršanai izmantotas divas metodes un veiksmīgākā no tām izrādījās marker-controlled watershed metode, jo tā deva reālistiskākas koku formas un robežlīnijas. UAV LiDAR datiem ir potenciāls, lai atbalstītu meža inventarizāciju, taču nepieciešami precīzāki punktu mākoņa apstrādes algoritmi.
Atslēgas vārdi UAV LiDAR, koku parametri, meža inventarizācija
Atslēgas vārdi angļu valodā UAV LiDAR, tree parameters, forest inventory
Valoda eng
Gads 2020
Darba augšupielādes datums un laiks 23.01.2020 14:52:17