航空機LiDARによる単木樹種分類手法の開発  [in Japanese] Development of a Single Tree Classification Method Using Airborne LiDAR  [in Japanese]

Access this Article

Search this Article

Author(s)

Abstract

<p>近年,航空機LiDARによる高精度の森林情報取得手法が数多く提案されている。樹高や樹冠サイズのような航空機LiDARにより直接計測可能な測定値に対し,材積や胸高直径は一般的に推定式を用いて間接的に求められる。この推定式は樹種ごとに異なるのが一般的であるため,高精度の森林情報の推定には正確な樹種情報の把握が必要不可欠である。そこで本研究では,国内の森林を構成する樹種である,スギ,ヒノキ,アカマツ,カラマツ,広葉樹(落葉および常緑広葉樹)の5樹種を対象に,航空機LiDARデータを用いた単木樹冠単位での高精度樹種分類手法の開発を行った。まず,LiDARデータから反射強度,樹冠形状,レーザー透過率に関する計八つの特徴量を算出し,機械学習のアルゴリズムであるRandom Forestを用いて特徴量の重要度を推定した。推定の結果,10 m×10 mのグリッド単位で算出した樹冠形状に関する特徴量が最も分類に有効である可能性が示された。また,提案した8特徴量を用いた5樹種の分類精度は93.7%と非常に高精度であった。本研究で提案した特徴量を用いることで航空機LiDARによる単木樹冠単位での高精度樹種分類の実現可能性が示された。</p>

<p>In recent years, airborne LiDAR has been proposed as a means to acquire accurate information regarding forest structure. However, while measurements, such as tree height and crown size, can be obtained directly using airborne LiDAR, mathematical equations must be used to indirectly estimate stem volume and diameter at breast height. The equation parameters vary with tree species, so it is important to obtain accurate tree species information for each tree species to estimate accurate forest information. In this study, we propose a method for classifying tree species with high precision in single tree units using airborne LiDAR intensity data and LiDAR structure metrics. Five tree species were included: Japanese cedar, Japanese cypress, red pine, larch, and broad-leaf (deciduous and evergreen) species. We used LiDAR intensity data and tree crown shape metrics to calculate eight tree feature quantities and then compared the measurements among the five tree species to evaluate the importance of feature quantities. The comparison was performed using the random forest machine learning algorithm. We found that crown shape calculated for a grid unit of 10 m×10 m was more effective for classification than those of single trees. Classification accuracy of 93.7% was recorded after classifying the above five tree species using the proposed eight feature quantities. Thus, it is possible to accurately classify single tree units using the feature measurements presented in this study.</p>

Journal

  • Journal of the Japanese Forest Society

    Journal of the Japanese Forest Society 100(5), 149-157, 2018

    THE JAPANESE FORESTRY SOCIETY

Codes

  • NII Article ID (NAID)
    130007539638
  • NII NACSIS-CAT ID (NCID)
    AA12003078
  • Text Lang
    JPN
  • Article Type
    journal article
  • ISSN
    1349-8509
  • NDL Article ID
    029351284
  • NDL Call No.
    Z18-340
  • Data Source
    NDL  J-STAGE  JASI 
Page Top