Coarse woody debris (CWD; large parts of dead trees) is a vital element of forest ecosystems, playing an important role in nutrient cycling, carbon storage, fire fuel, microhabitats, and overall forest structure. However, there is a lack of effective tools for identifying and mapping both standing (snags) and downed (logs) CWD in complex natural settings. We applied a random forest machine learning classifier to detect CWD in centimetric aerial imagery acquired over a 270-hectare study area in the boreal forest of Alberta, Canada. We used a geographic object-based image analysis (GEOBIA) approach in the classification with spectral, spatial, and LiDAR (light detection and ranging)-derived height predictor variables. We found CWD to be detected with great accuracy (93.4 ± 4.2% completeness and 94.5 ± 3.2% correctness) when training samples were located within the application area, and with very good accuracy (84.2 ± 5.2% completeness and 92.2 ± 3.2% correctness) when training samples were located outside the application area. The addition of LiDAR-derived variables did not increase the accuracy of CWD detection overall (<2%), but aided significantly (p < 0.001) in the distinction between logs and snags. Foresters and researchers interested in CWD can take advantage of these novel methods to produce accurate maps of logs and snags, which will contribute to the understanding and management of forest ecosystems.
Coarse woody debris (CWD, parts of dead trees) is an important factor in forest management, given its roles in promoting local biodiversity and unique microhabitats, as well as providing carbon storage and fire fuel. However, parties interested in monitoring CWD abundance lack accurate methods to measure CWD accurately and extensively. Here, we demonstrate a novel strategy for mapping CWD volume (m3) across a 4300-hectare study area in the boreal forest of Alberta, Canada using optical imagery and an infra-canopy vegetation-index layer derived from multispectral aerial LiDAR. Our models predicted CWD volume with a coefficient of determination (R2) value of 0.62 compared to field data, and a root-mean square error (RMSE) of 0.224 m3/100 m2. Models using multispectral LiDAR data in addition to image-analysis data performed with up to 12% lower RMSE than models using exclusively image-analysis layers. Site managers and researchers requiring reliable and comprehensive maps of CWD volume may benefit from the presented workflow, which aims to streamline the process of CWD measurement. As multispectral LiDAR radiometric calibration routines are developed and standardized, we expect future studies to benefit increasingly more from such products for CWD detection underneath canopy cover.
Apresenta-se uma ferramenta computacional denominada de AzimuthFinder, para funcionamento dentro do conjunto de programas do ArcGis®. O programa desenvolvido na linguagem Python tem por finalidade facilitar e otimizar a geração de tabelas de dados azimutais, a partir de lineamentos estruturais previamente traçados em imagens de satélite, fotografias aéreas ou mapas geológicos em meio digital. As características do AzimuthFinder permitem que, a critério do usuário, sejam geradas diferentes tabelas para o mesmo objeto de análise, dependendo do peso relativo atribuído aos lineamentos, por exemplo dando maior peso àqueles de traçado mais longo. Outra característica da ferramenta é a exportação dos dados no formato TXT, que é universal para vários tipos de programas, com formatação específica para softwares como o Stereo32, Win Tensor, OpenStereo e StereoNet 7, que por sua vez são softwares livres preparados para a confecção de diagramas de rosetas. Os testes com a ferramenta demonstraram que é bastante eficiente e rápida para a geração das tabelas azimutais, facilitando de maneira eficaz a confecção de diagramas de rosetas necessários à análise estrutural em áreas essencialmente submetidas à deformação frágil.
Forest land-use planning and restoration requires effective tools for mapping and attributing linear disturbances such as roads, trails, and asset corridors over large areas. Most existing linear-feature databases are generated by heads-up digitizing. While suitable for cartographic purposes, these datasets often lack the fine spatial details and multiple attributes required for more demanding analytical applications. To address this need, we developed the Forest Line Mapper (FLM), a semi-automated software tool for mapping and attributing linear features using LiDAR-derived canopy height models. Accuracy assessments conducted in the boreal forest of Alberta, Canada showed that the FLM reliably predicts both the center line (polyline) and footprint (extent polygons) of a variety of linear-feature types including roads, pipelines, seismic lines, and power lines. Our analysis showed that FLM outputs were consistently more accurate than publicly available datasets produced by human photo-interpreters, and that the tool can be reliably deployed across large application areas. In addition to accurately delineating linear features, the FLM generates a variety of spatial attributes associated with line geometry and vegetation characteristics from input canopy height data. Our statistical evaluation indicates that spatial attributes generated by the FLM may be useful for studying and classifying linear features based on disturbance type and ground conditions. The FLM is open-source and freely available and is aimed to assist researchers and land managers working in forested environments everywhere.
17 December 2013 in Boletim Paranaense de Geociências
O trabalho objetiva mostrar a aplicação no geoturismo de uma nova ferramenta computacional de análise morfométrica da rede de drenagem baseada nos métodos de Hack (1957, 1973) e Etchebehere (2004), para aplicação em estudos de enfoque neotectônico. A rotina criada trabalha a partir de um modelo digital de elevação (MDE) de modo a gerar um mapa de pontos de ruptura de declive de drenagem e/ou quebra de relevo (knickpoints) e foi programada em Python para uso acoplado ao software de sistemas de informação geográfica ArcGIS, denominada de Knickpoint Finder. Uma área de estudo foi selecionada de maneira a testar e avaliar a capacidade do software na análise e identificação de knickpoints a partir do estudo da morfologia de um recorte geográfico na Serra do Mar no estado do Paraná, com o objetivo de determinar possíveis geossítios com interesse geoturístico. Após a aplicação da ferramenta na área de estudo constatou-se que os dados de knickpoints obtidos podem caracterizar com rapidez e eficácia pontos de interesse relevante à pesquisa geoturística inicial, principalmente no que tange ao inventário de pontos de beleza cênica relevante em se tratando de corredeiras, cachoeiras ou cascatas. Para que a análise regional possa ser realizada a contento é necessário o emprego de técnicas de representação espacial de dados que podem ser realizadas pelo próprio ArcGIS, imediatamente após o processamento do Knickpoint Finder. Os resultados da técnica mostraram-se satisfatórios na correlação da maior ocorrência de knickpoints com a probabilidade do encontro de geossítios em áreas de grande amplitude, constatando-se ganho de velocidade de delimitação dos mesmos. Desta forma pode-se considerar a ferramenta virtual obtida como satisfatório recurso de auxílio na análise morfométrica voltada ao geoturismo, podendo ser aplicada em qualquer área onde haja cobertura de modelos digitais de elevação.