జర్నల్ ఆఫ్ బయోడైవర్సిటీ మేనేజ్‌మెంట్ & ఫారెస్ట్రీ

వ్యక్తిగత చెట్టు కొలత కోసం ఫ్యూజన్/LDVతో LiDAR డేటా విశ్లేషణ

హిరోమి షియోటా, కజుహిరో తనకా మరియు కైకో నాగషిమా

లక్ష్యం:
ఇటీవలి సంవత్సరాలలో, గాలిలో ఉండే LiDAR డేటాను ఉపయోగించి అడవి యొక్క నిలువు నిర్మాణంపై అనేక విశ్లేషణలు నిర్వహించబడ్డాయి. LiDAR డేటాను విశ్లేషించడానికి, విశ్లేషణ సాఫ్ట్‌వేర్ యూరప్ మరియు USAలో అభివృద్ధి చేయబడింది. ఈ దేశం మరియు జపాన్ మధ్య అటవీ పరిస్థితులు చాలా తేడాలు. ఈ అధ్యయనంలో, మేము LiDAR డేటాను విశ్లేషించడానికి ఒక సాధనంగా USAలో అభివృద్ధి చేసిన Fusion/LiDAR డేటా వ్యూయర్ (LDV) సాఫ్ట్‌వేర్‌ను ఉపయోగించాము. ఈ సాఫ్ట్‌వేర్‌ని ఉపయోగించి పొందిన పనితీరు, ఖచ్చితత్వం మరియు అవుట్‌పుట్ రకం పరంగా జపనీస్ అటవీ నిర్వహణలో Fusion/LDV యొక్క సామర్థ్యాన్ని ధృవీకరించడం ఈ అధ్యయనం యొక్క ఉద్దేశ్యం.
పద్ధతులు:
ఈ అధ్యయనంలో ఉపయోగించిన ధృవీకరణ పారామితులు చెట్టు ఎత్తు, క్రౌన్ బేస్ ఎత్తు (CBH), మరియు కిరీటం వెడల్పు (CW). మేము మూడు డేటా సోర్స్‌లను ఉపయోగించాము - ఆటోమేటిక్‌గా ఎక్స్‌ట్రాక్ట్ చేయబడిన Fusion/LDV డేటా, మాన్యువల్‌గా కొలిచిన Fusion/LDV డేటా మరియు ఫీల్డ్ సర్వే డేటా. పొందిన డేటాను సరిపోల్చడానికి, మేము స్కాటర్ రేఖాచిత్ర విశ్లేషణ, రూట్-మీన్-స్క్వేర్ ఎర్రర్ (RMSE) మరియు మూడు విభిన్న రకాల ఫీల్డ్ సర్వే డేటా నుండి తేడాలను ఉపయోగించాము.
ఫలితాలు:
చెట్టు ఎత్తును అంచనా వేయడంలో ఫ్యూజన్/ఎల్‌డివి ద్వారా ఆటోమేటిక్ మరియు మాన్యువల్ కొలతలు రెండింటిలోనూ సాపేక్షంగా అధిక ఖచ్చితత్వాన్ని అధ్యయన ఫలితాలు నిర్ధారించాయి. రెండు సర్వే ప్రాంతాలలో లీనియర్ రిగ్రెషన్ యొక్క వంపు 0.9 కంటే ఎక్కువగా ఉంది. R స్క్వేర్ యొక్క ఫలితాలు 0.7 కంటే ఎక్కువగా ఉన్నాయి. అయితే CBH లేదా CW యొక్క కొలత అంత ఖచ్చితత్వాన్ని కలిగి లేదు. లీనియర్ రిగ్రెషన్ యొక్క వంపు సున్నా లేదా మైనస్ విలువలకు సమీపంలో ఉంది.
తీర్మానం:
వ్యక్తిగత చెట్టు ఎత్తు కొలత కోసం, చెట్టు స్పష్టమైన శిఖరాన్ని కలిగి ఉన్నప్పుడు Fusion/LDV చాలా ఉపయోగకరంగా ఉంటుంది, ఇది జపనీస్ అటవీ వాతావరణంలో తగినంతగా అందుబాటులో ఉంది.