Assessing accuracy of using unmanned aerial system in forest inventory

Abstract

Few studies have used unmanned aerial systems (UASs) in forest inventory, and few studies have compared airborne laser scanning (ALS) and UASs. In the present study, a UAS was used in a forest inventory. Based on the UAS imagery, three-dimensional (3D) point clouds were derived from a combination of structure from motion (SfM) and photogrammetric algorithms. Ground control points (GCPs) were used to increase the accuracy of the point clouds. Height and density metrics were derived from these point clouds from 33 sample plots of 500 m2. These metrics and corresponding field measurements were used to fit linear regression models for dominant height (hdom), Lorey’s mean height (hL), volume (V), basal area (G) and stem number (N). Two sets of UAS models were created, one set included spectral variables while the other did not. A third set of models were fitted using ALS data. When comparing the UAS models with and without spectral variables, t-tests revealed that the differences were non-significant. This was also the case when the UAS models were compared to the ALS models. When compared to the ALS models, the UAS models showed a good fit in terms of adjusted R2 (R2adj) for both hdom and hL (0.77 – 0.90). Good fits were also observed for V and G (0.73 – 0.86). With the exception of N, the relative RMSE was kept below 19.11% for all UAS models. Development class did not significantly affect the UAS models. Tree species composition indicated that the proportion of deciduous species significantly affected hL, while the proportion of spruce significantly affected hdom. The results indicate that UAS data can be used to produce rather accurate results when used in forest inventory. Improvements on the positioning systems on the UAS could potentially make GCPs unnecessary in the future. This leads to higher efficiency and less costs, which might make UAS a more attractive tool in forestry.

Få studier har brukt droner i skogtaksering, og få studier har sammenlignet flybåren laserscanning (FLS) og droner. I denne undersøkelsen ble en drone brukt til å taksere skog. Basert på bildene dronen tok ble tredimensjonale punktskyer dannet med en kombinasjon av structure from motion (SfM) og fotogrammetriske algoritmer. Passpunkt ble brukt for å øke nøyaktigheten til punktskyene. Høyde- og tetthetsvariabler ble utledet fra punktskyene av 33 prøveflater på 500 m2. Disse variablene ble sammen med feltmålinger brukt til å lage lineære regresjonsmodeller for overhøyde (hdom), middelhøyde (hL), volum (V), grunnflate (G) og stammetall (N). To sett med dronemodeller ble laget, hvor et av settene også inneholdt fargevariabler. Et tredje sett med modeller ble laget på grunnlag av FLS-dataene. Da dronemodellene med og uten fargevariabler ble sammenlignet kom det fram ved t-tester at differansene ikke var signifikante. Dette var også tilfellet da dronemodellene ble sammenlignet med FLS-modellene. Sammenlignet med FLS-modellene viste dronemodellene en god tilpasning ved justert R2 (R2adj) for både hdom og hL (0.77 – 0.90). Gode tilpasninger ble også observert for modellene V og G (0.73 – 0.86). Med unntak av N ble den relative RMSE holdt under 19.11% for alle dronemodellene. Hogstklasse hadde ikke noen signifikant effekt på dronemodellene. Treslagssammensetning indikerte at andelen lauvtrær hadde en signifikant effekt på modellen hL, mens andelen gran hadde en signifikant effekt på hdom. Resultatene indikerte at dronebilder kan bli brukt til å produsere nøyaktige resultat ved skogtaksering. Forbedringer på posisjoneringssystemene til dronene kan potensielt føre til at passpunkt blir unødvendig i fremtiden. Dette fører til større effektivitet og færre kostnader, som potensielt kan gjøre bruk av droner mer attraktivt i skogbruket.