Εκτίμηση δασικών παραμέτρων με τη χρήση σύγχρονων μεθόδων τηλεπισκόπησης στο πλαίσιο της προσαρμοστικής διαχείρισης των δασικών οικοσυστημάτων

Abstract

Forest parameters are key characteristics of forest ecosystems that describe the structure and composition of vegetation. Assessing these characteristics is an integral part of forest management, providing vital information on the availability and condition of natural resources. Consequently, the development of adaptive forest management strategies requires their timely and accurate estimation. Despite the high accuracy of conventional methods used to estimate forest parameters, their application is a time-consuming and demanding process, particularly in extensive and remote areas. Remote sensing technologies help address these limitations by providing the means for accurate and reliable assessment across a variety of spatial scales. In recent decades, a range of new remote sensing technologies has been developed, providing improved capabilities for monitoring forest ecosystems. This doctoral dissertation focuses on investigating the application of advanced remote sensing methods to estimate forest parameters directly related to the productivity of forest ecosystems. As part of the research, automated methodologies were developed based on the use of remote sensing data, considering the complex structure of natural forests. The specific objectives of the research were as follows: (a) to investigate the possibility of estimating above-ground biomass at the individual tree level using UAV optical data, (b) to develop a methodology for estimating above-ground biomass at the plot level using SAR data, (c) to develop a methodology for estimating diameter at breast height using portable LiDAR data, (d) the development of a methodology for estimating roundwood volume using portable LiDAR data, and (e) the detection of forest canopy fragmentation using SAR data. The implementation of the first objective involved investigating the ability of UAV-derived optical data to provide reliable estimates of forest biomass at the tree level. At the same time, the effect of the digital elevation model, geometric distortions, and sensor distance on the estimation accuracy was examined. To achieve the above, digital photogrammetry techniques were applied, yielding height metrics that were used to estimate aboveground biomass. The second objective involved developing a methodology for estimating aboveground biomass at the surface level using SAR data. Specifically, textural features from the Sentinel-1 and ICEYE satellites were utilized to train two separate machine learning-based models. Regarding the third objective, mobile LiDAR data were utilized to estimate the diameter at breast height of standing trees. To determine the optimal method, four circle and cylinder fitting models were evaluated and applied to the point clouds collected in the field. The fourth objective involved the use of mobile LiDAR data to reliably estimate the roundwood volume of fir logs. Five circle and cylinder fitting algorithms were used to estimate the biophysical characteristics of the logs, and in combination with the Smalian equation, the volume of each sample was estimated. At the same time, the effect of seasonality on the model with the highest estimation accuracy was examined, using samples collected during the winter and summer seasons. The final objective of the thesis involved identifying the fragmentation of the forest canopy due to abiotic factors, utilizing SAR data. ICEYE data were evaluated at four spatial scales, as well as the effect of applying morphological filters on detection accuracy. The detection method developed is based on temporal sensor observations and image wavelet transformation. The results obtained from the implementation of the above objectives, as well as the conclusions of the study, highlight the decisive contribution of remote sensing to forest parameters estimation. The application of these methods can contribute to a more effective forest parameters estimation at the local and regional scales, supporting the development of forest management strategies.

Οι δασικές παράμετροι αποτελούν βασικά χαρακτηριστικά των δασικών οικοσυστημάτων, τα οποία περιγράφουν τη δομή και τη σύνθεση της βλάστησης. Η εκτίμηση αυτών των χαρακτηριστικών αποτελεί αναπόσπαστο κομμάτι της δασικής διαχείρισης, παρέχοντας πληροφορίες ζωτικής σημασίας, για την διαθεσιμότητα και την κατάσταση των φυσικών πόρων. Κατά συνέπεια, η ανάπτυξη στρατηγικών προσαρμοστικής διαχείρισης των δασών, προϋποθέτει την έγκαιρη και ακριβή εκτίμηση τους. Παρά την υψηλή ακρίβεια των συμβατικών μεθόδων που χρησιμοποιούνται για την εκτίμηση των δασικών παραμέτρων, η εφαρμογή τους αποτελεί μία χρονοβόρα και απαιτητική διαδικασία, ιδιαίτερα σε απομακρυσμένες περιοχές και μεγάλες εκτάσεις. Οι τεχνολογίες τηλεπισκόπησης συμβάλουν στην αντιμετώπιση αυτών των περιορισμών, προσφέροντας δυνατότητες έγκυρης και αξιόπιστης εκτίμησης, σε ποικίλες χωρικές κλίμακες. Τις τελευταίες δεκαετίες, έχουν αναπτυχθεί μία σειρά από νέες τεχνολογίες τηλεπισκόπησης, οι οποίες παρέχουν βελτιωμένες δυνατότητες στην παρακολούθηση των δασικών οικοσυστημάτων. Η παρούσα διδακτορική διατριβή εστιάζει στην διερεύνηση της αξιοποίησης προηγμένων μεθόδων τηλεπισκόπησης, με σκοπό την εκτίμηση δασικών παραμέτρων που σχετίζονται άμεσα με την παραγωγικότητα των δασικών οικοσυστημάτων. Στα πλαίσια της έρευνας, αναπτύχθηκαν αυτοματοποιημένες μεθοδολογίες, που βασίζονται στη χρήση δεδομένων τηλεπισκόπησης, λαμβάνοντας υπ’ όψη την πολύπλοκη δομή των φυσικών δασών. Οι επιμέρους στόχοι της έρευνας ήταν οι εξής: (α) η διερεύνηση της δυνατότητας εκτίμησης της υπέργειας βιομάζας σε επίπεδο ατόμου, με τη χρήση οπτικών δεδομένων UAV, (β) η ανάπτυξη μεθοδολογίας για την εκτίμηση της υπέργειας βιομάζας σε επίπεδο επιφάνειας, με τη χρήση δεδομένων SAR, (γ) η ανάπτυξη μεθοδολογίας για την εκτίμηση της στηθιαίας διαμέτρου, με τη χρήση δεδομένων φορητού LiDAR, (δ) η ανάπτυξη μεθοδολογίας για την εκτίμηση όγκου στρογγύλης ξυλείας, με τη χρήση δεδομένων φορητού LiDAR και (ε) ο εντοπισμός διάσπασης της δασικής κωμοστέγης, με τη χρήση δεδομένων SAR. Η υλοποίηση του πρώτου στόχου, περιλάμβανε την διερεύνηση της δυνατότητας οπτικών δεδομένων UAV, να παρέχουν αξιόπιστες εκτιμήσεις δασικής βιομάζας, σε επίπεδο δέντρου. Παράλληλα, εξετάστηκε η επίδραση του ψηφιακού μοντέλου εδάφους, των γεωμετρικών παραμορφώσεων και της απόστασης του αισθητήρα, στην ακρίβεια της εκτίμησης. Για την επίτευξη των παραπάνω, εφαρμόστηκαν τεχνικές ψηφιακής φωτογραμμετρίας, από τις οποίες προέκυψαν μετρικά ύψους, τα οποία χρησιμοποιήθηκαν για την εκτίμηση της υπέργειας βιομάζας. Ο δεύτερος στόχος, αφορούσε την ανάπτυξη μεθοδολογίας για την εκτίμηση της υπέργειας βιομάζας σε επίπεδο επιφάνειας, με τη χρήση δεδομένων SAR. Συγκεκριμένα, αξιοποιήθηκαν χαρακτηριστικά υφής από τους δορυφόρους Sentinel-1 και ICEYE, προκειμένου να εκπαιδεύσουν δύο ξεχωριστά μοντέλα εκτίμησης, βασισμένα στη μηχανική μάθηση. Σχετικά με τον τρίτο στόχο, αξιοποιήθηκαν δεδομένα φορητού LiDAR για την εκτίμηση της στηθιαίας διαμέτρου ιστάμενων κορμών. Για τον προσδιορισμό της βέλτιστης μεθόδου, αξιολογήθηκαν τέσσερα μοντέλα κυκλικής και κυλινδρικής προσαρμογής, τα οποία εφαρμόστηκαν στα νέφη σημείων που συλλέχθηκαν στο πεδίο. Ο τέταρτος στόχος περιλάμβανε την αξιοποίηση των δεδομένων φορητού LiDAR, για την αξιόπιστη εκτίμηση του όγκου στρογγύλης ξυλείας ελάτης. Χρησιμοποιήθηκαν πέντε αλγόριθμοι κυκλικής και κυλινδρικής προσαρμογής, οι οποίοι αξιοποιήθηκαν για την εκτίμηση των βιοφυσικών χαρακτηριστικών των κορμών, και σε συνδυασμό με την εξίσωση Smalian, εκτιμήθηκε ο ξυλώδης όγκος κάθε δείγματος. Παράλληλα, εξετάστηκε η επίδραση της εποχικότητας στο μοντέλο με την υψηλότερη ακρίβεια εκτίμησης, χρησιμοποιώντας δείγματα που συλλέχθηκαν κατά την χειμερινή και καλοκαιρινή περίοδο. Ο τελευταίος στόχος της διατριβής περιελάβανε τον εντοπισμό διάσπασης της δασικής κωμοστέγης από αβιοτικούς παράγοντες, αξιοποιώντας δεδομένα SAR. Αξιολογήθηκαν τα δεδομένα ICEYE σε τέσσερις χωρικές κλίμακες, καθώς και η επίδραση της εφαρμογής μορφολογικών φίλτρων στην ακρίβεια του εντοπισμού. Η μέθοδος ανίχνευσης που αναπτύχθηκε στηρίζεται σε διαχρονικές παρατηρήσεις του αισθητήρα και στον μετασχηματισμό κυματιδίων της εικόνας. Τα αποτελέσματα που προέκυψαν από την υλοποίηση των παραπάνω στόχων, καθώς και τα συμπεράσματα της έρευνας, αναδεικνύουν την καθοριστική συμβολή της τηλεπισκόπησης στην εκτίμηση των δασικών παραμέτρων. Η αξιοποίηση των παραπάνω μεθόδων δύναται να συμβάλει στην αποτελεσματικότερη εκτίμηση των δασικών παραμέτρων σε τοπικό και περιφερειακό επίπεδο, υποστηρίζοντας την ανάπτυξη στρατηγικών δασικής διαχείρισης.