Estimating vertical canopy cover using dense image-based point cloud data in four vegetation types in southern Sweden

↓ Direkt till sidans innehåll
↓ Direkt till sidans sekundära innehåll (sidomenyn)

Sökning: WFRF:(Olofsson Mattias) > Estimating vertical...

Granholm, Ann-HelenSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management (författare)

Estimating vertical canopy cover using dense image-based point cloud data in four vegetation types in southern Sweden

Artikel/kapitelEngelska2017

Förlag, utgivningsår, omfång ...

2017-01-31
Informa UK Limited,2017
Taylor & Francis: STM, Behavioural Science and Public Health Titles,2024

Nummerbeteckningar

LIBRIS-ID:oai:slubar.slu.se:79930
https://res.slu.se/id/publ/79930URI
https://doi.org/10.1080/01431161.2017.1283074DOI

Kompletterande språkuppgifter

Språk:engelska
Sammanfattning på:engelska

Ingår i deldatabas

SwePubSwePub

Klassifikation

Ämneskategori:ref swepub-contenttype
Ämneskategori:art swepub-publicationtype

Anmärkningar

This study had the aim of investigating the utility of image-based point cloud data for estimation of vertical canopy cover (VCC). An accurate measure of VCC based on photogrammetric matching of aerial images would aid in vegetation mapping, especially in areas where aerial imagery is acquired regularly. The test area is located in southern Sweden and was divided into four vegetation types with sparse to dense tree cover: unmanaged coniferous forest; pasture areas with deciduous tree cover; wetland; and managed coniferous forest. Aerial imagery with a ground sample distance of 0.24 m was photogrammetrically matched to produce dense image-based point cloud data. Two different image matching software solutions were used and compared: MATCH-T DSM by Trimble and SURE by nFrames. The image-based point clouds were normalized using a digital terrain model derived from airborne laser scanner (ALS) data. The canopy cover metric vegetation ratio was derived from the image-based point clouds, as well as from raster-based canopy height models (CHMs) derived from the point clouds. Regression analysis was applied with vegetation ratio derived from near nadir ALS data as the dependent variable and metrics derived from image-based point cloud data as the independent variables. Among the different vegetation types, vegetation ratio derived from the image-based point cloud data generated by using MATCH-T resulted in relative root mean square errors (rRMSE) of VCC ranging from 6.1% to 29.3%. Vegetation ratio based on point clouds from SURE resulted in rRMSEs ranging from 7.3% to 37.9%. Use of the vegetation ratio based on CHMs generated from the image-based point clouds resulted in similar, yet slightly higher values of rRMSE.

Ämnesord och genrebeteckningar

Biuppslag (personer, institutioner, konferenser, titlar ...)

Lindgren, NilsSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management(Swepub:slu)92561 (författare)
Olofsson, KennethSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management(Swepub:slu)49528 (författare)
Nyström, MattiasSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management(Swepub:slu)47271 (författare)
Allard, AnnaSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management(Swepub:slu)50172 (författare)
Olsson, HåkanSwedish University of Agricultural Sciences,Sveriges lantbruksuniversitet,Institutionen för skoglig resurshushållning,Department of Forest Resource Management(Swepub:slu)46943 (författare)
Sveriges lantbruksuniversitetInstitutionen för skoglig resurshushållning (creator_code:org_t)
Sveriges lantbruksuniversitet

Sammanhörande titlar

Ingår i:International Journal of Remote Sensing: Informa UK Limited38, s. 1820-18380143-11611366-5901

Internetlänk

Hitta via bibliotek

International Journal of Remote Sensing (Sök värdpublikationen i LIBRIS)

Till lärosätets databas

Hitta mer i SwePub

Av författaren/redakt...: Granholm, Ann-He ...; Lindgren, Nils; Olofsson, Kennet ...; Nyström, Mattias; Allard, Anna; Olsson, Håkan

Om ämnet

TEKNIK OCH TEKNOLOGIER: TEKNIK OCH TEKNO ...; och Naturresurstekni ...; och Fjärranalystekni ...

LANTBRUKSVETENSKAPER: LANTBRUKSVETENSK ...; och Annan lantbruksv ...; och Miljö och naturv ...

LANTBRUKSVETENSKAPER: LANTBRUKSVETENSK ...; och Lantbruksvetensk ...; och Skogsvetenskap

Artiklar i publikationen: International Jo ...

Av lärosätet: Sveriges Lantbruksuniversitet

Sök utanför SwePub

Sök vidare i:: Google; Google Book Search; Google Scholar

Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.

LIBRIS.kb.se