TREE-BASED APPROACH TO ESTIMATE WOOD VOLUME FROM LiDAR DATA: A CASE STUDY IN A PINE PLANTATION

• Main Authors: Ahmed Hamrouni, Français Français
• Format: Article
• Language: English
• Published: Société Française de Photogrammétrie et de Télédétection 2015-12-01
• Series: Revue Française de Photogrammétrie et de Télédétection
• Online Access: https://rfpt.sfpt.fr/index.php/RFPT/article/view/555
• ISSN: 1768-9791; 2426-3974

Nous proposons une méthode pour estimer le volume d’arbres individuels d’une zone dominée par des pins maritimes, à partir de données LiDAR aéroporté. Le nuage de point à été segmenté à partir de l’algorithme PTrees. Pour chaque arbre segmenté, la hauteur du plus haut point, le volume de l’enveloppe du nuage et de l’enveloppe de la couronne ont été utilisés dans des modèles non linéaires pour prédire le volume total d’arbres mesurés sur le terrain. A l’arbre, les modèles testés permettent d’estimer le volume avec une erreur quadratique moyenne (RMSE) de l’ordre de 35%. Ce niveau d’erreur a plusieurs origines. Tout d’abord les volumes terrain ont été estimés à partir de tarifs de cubage qui décrivent un arbre moyen. Ainsi une variabilité autour de cet arbre moyen peut être induite par des variations de fertilité ou de sylviculture qui agissent localement sur la croissance des arbres. Le passage à la placette permet de diminuer la RMSE d’un facteur 2, autour de 15%. Ce changement d’échelle permet en effet de compenser les erreurs liées à la segmentation et qui se traduisent par des fausses détections d’arbres soit omissions qui génèrent des fusions de couronnes. Par ailleurs, nos résultats suggèrent que des paramètres de hauts niveaux, tel que la hauteur de la base du houppier, ou le volume de la couronne peuvent introduire du bruit dans les modèles. Nous recommandons donc de sélectionner les variables LiDAR afin de limiter la propagation d’erreur, tout en ajoutant des variables permettant de décrire l’environnement de l’arbre afin de mieux prendre en compte ses conditions de croissance.