Misurazione automatica di singoli alberi attraverso analisi morfologiche su dati laser scanning
1. Introduzione
La redazione di un piano di assestamento forestale prevede operazioni di campagna rilevanti e dispendiose in termini di tempi/operatore (es. cavallettamento totale). Alcune proprietà dei singoli alberi sono particolarmente indicative delle caratteristiche e dello stato evolutivo del bosco. In particolare la densità del popolamento, la distribuzione relativa e l'altezza della vegetazione sono variabili ecologiche descrittive fondamentali.La disponibilità di immagini digitali ad alta risoluzione ha determinato un crescente interesse nello sviluppo di algoritmi per l'identificazione di tali parametri in modo speditivo su vaste aree boscate.
Per quanto riguarda la stima del numero di alberi, uno dei metodi più utilizzati è quello sviluppato dal Canadian Forest Service (Gougeon, 1998) che si basa sull'analisi dei massimi locali di intensità a partire da immagini telerilevate.
La disponibilità di dati LiDAR (Light Detection and Ranging) offre nuove possibilità nelle indagini in campo forestale in quanto permette di misurare direttamente la struttura tridimensionale del bosco.
Attraverso un rilievo laser scanning gli elementi presenti sulla superficie terrestre sono restituiti sottoforma di "nube georeferenziata di punti". In particolare, il bosco ed i singoli alberi che lo costituiscono sono il risultato del campionamento discreto della chioma fogliare. L'elevata densità di punti per unità di superficie, definita in fase di commissione del rilievo, determina una copertura pressoché omogenea del territorio.
Negli ultimi anni sono stati valutati molti metodi per la caratterizzazione dei popolamenti forestali a partire da dati laser scanning (Morsdorf et al., 2003).
In questo lavoro, viene presentato un metodo per l'estrazione automatica del numero di alberi.
Una sequenza specifica di trasformazioni morfologiche sui Modelli Digitali di Superficie (DSM) LiDAR può essere usata per isolare i singoli alberi che compongono la superficie boscata. A tal scopo è stato implementato in ambiente OpenSource GrassGIS (Neteler e Mitasova, 2004) l'algoritmo Top Hat, una funzione matematica di elaborazione di immagini che permette di estrarre gli elementi di picco nella scala dei valori rappresentata. Originariamente quest'algoritmo è stato sviluppato per l'analisi di immagini binarie bidimensionali (Andersen, 2001); successivamente la teoria della matematica morfologica è stata estesa alle immagini in scala di grigi tridimensionali come ad esempio i Modelli Digitali del Terreno (DTM). In questo caso la trasformazione Top Hat permette di effettuare un'analisi della morfologia del paesaggio in modo da mettere in evidenza le strutture del rilievo (Schmidt and Hewitt, 2004).
Le aree d'indagine ricadono in due settori montani della regione Friuli Venezia Giulia caratterizzati rispettivamente da boschi di conifere (peccete e piceo-abbieti di Pramosio - Alpi Carniche) e boschi di latifoglie (faggete e aceri-frassineti, località Taipana - Prealpi Giulie).
I dati di partenza provengono dalle scansioni LiDAR effettuate nell'ambito del progetto INTERREG IIIA, in collaborazione con OGS di Trieste, dalla società Helica di Amaro (UD) mediante un sistema Optech ALTM 3033 installato su elicottero. Lo strumento misura le coordinate x, y, z (in WGS84) e le relative intensità di riflessione di due echi di ritorno per ogni impulso emesso dal telemetro laser (first & last pulse).
All'interno delle 2 aree sono stati georeferenziati 16 transetti con dimensione 20 x 20 metri e 2 transetti da 100 x 100 metri mediante strumentazione topografica e dGPS. Per ognuno di essi sono stati rilevati il numero e la posizione relativa dei singoli alberi.
2. Analisi morfologiche su DSM LiDAR
L'applicazione del filtro Top Hat implica l'utilizzo di un Modello Digitale di Superficie di tipo raster, formato cioè da una matrice di pixel georeferiti per ciascuno dei quali la quota rappresenta un attributo associato. Dalla nube di punti delle scansioni LiDAR (raw data) è stato generato un Modello Digitale di Superficie in formato TIN (Triangulated Irregular Network) con il metodo di Delaunay. Il modello è stato convertito a formato raster (geotiff) con celle di 1m x 1m (esempio in Fig. 3a).La formulazione matematica della Top Hat è relativa alla teoria dell'elaborazione di immagini esplicitata da Serra (1982, 1988) ed è considerata una funzione a soglia di adattamento, in quanto il risultato della trasformazione è un'immagine priva di livelli di background locale.
Si consideri f(x) il valore di grigio del generico pixel x di un punto localizzato in u con f(X) corrispondente al valore della trasformata dell'intera matrice X. Si definisce
l'elemento strutturale
geometrico ovvero la dimensione della matrice esplorativa centrata in x e si operano le trasformazioni Erosion [1] e
Dilatation [2] (Rodriguez et al., 2002):
Erosion: 
|
[1] |
Dilation: 
|
[2] |
si definiscono quindi le funzioni Opening [3] e Closing [4]:
Opening: 
|
[3] |
Closing: 
|
[4] |
Le funzioni Opening e Closing, che sono alla base della trasformata Top Hat, sono comunemente utilizzate per
identificare le zone rispettivamente chiare e scure, estremi nella scala di valori dell'immagine; l'estrazione viene
effettuata in base alle dimensioni della componente utilizzata.
|
Si procede quindi alla separazione degli elementi Top [5] e Bottom [6], ovvero all'identificazione di sommità e valli per differenza dalla superficie originaria.
TOP: 
|
[5] |
BOTTOM: 
|
[6] |
Soltanto gli elementi dell'immagine più marcati, con dimensioni maggiori dell'elemento strutturale
, sono conservati.
Nella verifica sperimentale, la trasformazione Top Hat è stata utilizzata per l'estrazione delle figure di picco
(Top) con una dimensione della matrice esplorativa () di 3x3 in modo da
ottimizzare l'individuazione dei massimi locali costituiti dagli elementi apicali arborei.
L'applicazione di un successivo filtro gerarchico rank permette di riclassificare il modello ottenuto attribuendo ai
pixel un valore compreso tra 1 e 9, dove i picchi assumono valore 1 (pixel blu in Fig. 3c).
Infine una trasformazione binaria fornisce la posizione nel piano degli elementi apicali e ne permette il conteggio
automatico (Fig. 3d).
|
|
||
|
|
Analisi dei risultati
In tab. 1 sono riportati i dati raccolti in campo nelle due aree studio sui singoli transetti ed i rispettivi valori stimati attraverso la procedura sopra descritta. Tutti i transetti hanno dimensioni di 400 m2 ad eccezione del n°11 e del n°15 (10.000 m2).Per semplificare la lettura dei dati, il numero di alberi è stato riferito alla stessa unità di superficie (1 ettaro). Il confronto sui transetti nell'area a conifere evidenzia i seguenti aspetti:
- l'errore è sempre inferiore al 20% tranne nel transetto n°10 e n°13, per i quali la densità di popolamento è particolarmente elevata;
- nel transetto n° 11 (1 ettaro) l'errore diventa minimo (< 1%);
- sommando il numero di alberi contati per ogni transetto (952) e confrontando questo valore con quello stimato (924), si registra una differenza di 28 alberi su un totale di 1,48 ettari campionati.
Il confronto sui transetti nell'area a latifoglie mostra invece una marcata sottostima del numero di alberi estratti mediante la procedura Top Hat.
|
Considerata l'elevata corrispondenza tra dati reali e dati LiDAR nel caso delle conifere, è possibile utilizzare i
punti che individuano la posizione dei singoli alberi come dato geometrico al quale associare ulteriori attributi
caratterizzanti il bosco.
Ad esempio la fig. 4 rappresenta un modello tridimensionale della foresta di Pramosio realizzato a partire da dati
laser scanning.
|
Ad ogni punto (x,y) è stata attribuita la quota (z) sul DTM LiDAR e la corrispondente altezza dell'albero (differenza
tra la quota del DSM e del DTM).
Si possono così ottenere automaticamente misure sui singoli alberi nonché utilizzare tali informazioni per derivare dei
modelli tridimensionali (GIS-3D) descrittivi della foresta.
Conclusioni
Il presente lavoro aveva l'obiettivo di sperimentare una metodologia per l'estrazione automatica del numero di alberi a partire da rilievi laser scanning di densità medio-bassa. L'algoritmo Top Hat, implementato in ambiente OpenSource GrassGIS, si è dimostrato un metodo efficace per l'estrazione di singoli alberi in aree a conifere.Per questa tipologia di bosco si può infatti considerare un errore di circa 20 alberi per ettaro. Nell'area a latifoglie il metodo non si è dimostrato altrettanto efficiente; la stima da LiDAR non mostra un sensibile adattamento ai dati reali.
Questo differente comportamento può essere spiegato analizzando la morfologia dei rispettivi modelli di superficie delle chiome: nel caso delle conifere si hanno dei picchi ben evidenti corrispondenti alle cime degli alberi, mentre nel caso delle latifoglie le chiome si intrecciano le une con le altre fino a formare una calotta unica in cui i singoli alberi sono difficilmente distinguibili.
La tecnologia LiDAR risulta essere quindi uno strumento utile per il monitoraggio della densità di popolamento e dell'altezza degli alberi su vaste aree a conifere nonché un metodo innovativo per l'aggiornamento dei piani di gestione forestale.