Ứng dụng dữ liệu LiDAR UAV đánh giá mối liên hệ giữa cấu trúc tán rừng và môi trường ánh sáng dưới tán rừng tại khu bảo tồn thiên nhiên Sơn Trà - Đà Nẵng
DOI:
https://doi.org/10.5281/zenodo.18186613Từ khóa:
LiDAR, UAV, Mô hình chiều cao tán cây (CHM),, Độ che phủ tán rừng (FCC)Tóm tắt
Cấu trúc không gian ba chiều (3D) của rừng có vai trò quan trọng trong hình thành môi trường sống cho các loài, trong đó sự phân bố không đồng nhất của ánh sáng dưới tán là yếu tố quyết định, ảnh hưởng trực tiếp đến sự tái sinh và đa dạng sinh học. Tuy nhiên, các phương pháp đo đạc truyền thống như khảo sát thực địa hay chụp ảnh mặt đất gặp nhiều hạn chế về quy mô không gian và tính liên tục, gây khó khăn trong việc giám sát toàn diện hệ sinh thái rừng. Bài báo giới thiệu quy trình sử dụng dữ liệu LiDAR thu thập từ máy bay không người lái (UAV) để định lượng sự không đồng nhất của cấu trúc tán cây và mô hình hóa mối quan hệ giữa cấu trúc 3D với sự phân bố ánh sáng. Quy trình bao gồm việc thu thập dữ liệu đám mây điểm LiDAR mật độ cao, xử lý thành các mô hình số (DTM, DSM, CHM), tính toán mô hình chiều cao cây, độ che phủ tán rừng, áp dụng phương pháp thống kê đánh giá mối liên hệ giữa chiều cao tán cây, cấu trúc bề mặt tán cây đối với môi trường ánh sáng dưới tán. Bài báo này khẳng định giá trị của công nghệ UAV LiDAR như một công cụ hiệu quả để lập bản đồ cấu trúc rừng ở độ phân giải cao, mở ra nhiều ứng dụng trong quản lý rừng bền vững.
Downloads
Tài liệu tham khảo
[1] Helbach, J., Frey, J., Messier, C., Mörsdorf, M., & Scherer-Lorenzen, M. (2022). Light heterogeneity affects understory plant species richness in temperate forests supporting the heterogeneity–diversity hypothesis. Ecology and Evolution, 12(2), e8534.
[2] McGaughey, R.J. FUSION/LDV: Software for LiDAR Data Analysis and Visualization; USDA Forest Service Pacific Northwest Research Station: Seattle, WA, USA, 2018.
[3] Brüllhardt, M., Rotach, P., Schleppi, P., & Bugmann, H. (2020). Vertical light transmission profiles in structured mixed deciduous forest canopies assessed by UAV-based hemispherical photography and photogrammetric vegetation height models. Agricultural and Forest Meteorology, 281, 107843.
[4] Gao, T.; Gao, Z.; Sun, B.;Qin, P.; Li, Y.; Yan, Z. An Integrated Method for Estimating Forest-Canopy Closure Based on UAV LiDAR Data. Remote Sens. 2022, 14, 4317.
[5] Moe, K.T.; Owari, T.; Furuya, N.; Hiroshima, T.; Morimoto, J. Application of UAV Photogrammetry with LiDAR Data to Facilitate the Estimation of Tree Locations and DBH Values for High-Value Timber Species in Northern Japanese Mixed-Wood Forests. Remote Sens. 2020, 12, 2865.
[6] Wang, B., Proctor, C., Yao, Z., Li, N., Chen, Q., Liu, W., Ma, S., Jing, C., Zhou, Z., Liu, W., Ma, Y., Wang, Z., Zhang, Z., & Lin, L. (2024). FLApy: A Python package for evaluating the 3D light availability heterogeneity within forest communities. Methods in Ecology and Evolution, 15, 1540–1552.
[7] Shi, Y.; Wang, T.; Skidmore, A.K.; Heurich, M. Improving LiDAR-based tree species mapping in Central European mixed forests using multi-temporal digital aerial colour-infrared photographs. Int. J. Appl. Earth Obs. Geoinf. 2020, 84, 101970.
[8] Báo cáo Tổng kết kỹ thuật Sản phẩm bay quét UAV LiDAR, chụp ảnh số, xử lý dữ liệu khu vực Sơn Trà, Tp Đà Nẵng, Xí nghiệp Chụp ảnh Hàng không - Công ty TNHH MTV Trắc địa Bản đồ - Cục Tác chiến, năm 2025.
[9] Zhou, M., Li, C. & Li, Z. Extraction of individual tree attributes using ultra-high-density point clouds acquired by low-cost UAV-LiDAR in Eucalyptus plantations. Annals of Forest Science 82, 20 (2025).
[10] Watt, M.S.; Jayathunga, S.; Hartley, R.J.L.; Pearse, G.D.; Massam, P.D.; Cajes, D.; Steer, B.S.C.; Estarija, H.J.C. Use of a Consumer-Grade UAV Laser Scanner to Identify Trees and Estimate Key Tree Attributes across a Point Density Range. Forests 2024.
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công 4.0 Quốc tế.
Giấy phép CC 4.0
