DIGITALNA ARHIVA ŠUMARSKOG LISTA
prilagoðeno pretraživanje po punom tekstu
ŠUMARSKI LIST 9-10/2008 str. 33 <-- 33 --> PDF |
IZVORNI ZNANSTVENI ÈLANCI – ORIGINAL SCIENTIFIC PAPERS Šumarski list br. 9–10, CXXXII (2008), 419-429 UDK 630* 585 + 569 (001) PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG OBRASTA USING SECOND ORDER HISTOGRAMS TO ESTIMATE RELATIVE STAND DENSITY Damir KLOBUÈAR* SAŽETAK: Rad predstavlja nastavak dosadašnjih istraživanja primjene digitalne obrade sastojinske scene i ciklièkih snimaka za potrebe ureðivanja šuma. Naime, istražena je dodatna moguænost primjene ciklièkih snimaka, izradom histograma drugoga reda i utvrðivanja njihove povezanosti s tri kategorije relativnog obrasta na primjeru gospodarske jedinice “Jamarièko brdo”, šumarije Lipovljani. Digitalni ortofoto izraðen je korištenjem crno-bijelih aerofotosnimaka, približnog mjerila 1:20 000 (K l o b u è a r, 2003). Provedenim istraživanjem utvrðena je još jedna moguænost primjene digitalne analize slike u procjeni obrasta i stanja sastojina. Histogrami drugoga reda mogu se primijeniti u procjeni relativnog sastojinskog obrasta, te su izraðena tri osnovna oblika histograma, koji se mogu pridružiti odgovarajuæim kategorijama obrasta. Postupci digitalne analize slike još su uvijek nesavršeni, i ne mogu u potpunosti zamijeniti klasiène postupke. Stoga se integracija digitalnih i vizualnih metoda u donošenju odluka (u cilju potrajnog gospodarenja šumama), smatra svrsishodnim postupkom. K l j u è n e r i j e è i : ciklièke snimke, obrast, histogrami prvoga i drugoga reda, digitalni ortofoto, tekstura. 1. UVOD – Uporaba daljinskih istraživanja u regionalnom iglobalnom smislu je neophodna. Tematske karte dobivene daljinskim istraživanjima neprocjenjivi su izvor informacija za istraživaèe, jer donose prostorne i vremenske informacije o objektima na Zemljinoj površini (C e t i n et al. 2005). Do danas su se razvile mnoge metode procjene sastojinskih velièina pomoæu aerosnimaka, koje daju zadovoljavajuæe rezultate i primjenjuju se uobièajeno u mnogim zemljama sa razvijenim šumarstvom (K u š a n , 1992; Kušan & Krejèi, 1993, Kušan & P e r n a r, 1996). Za praæenje stanja šuma i odreðivanje sastojinskih parametara od šezdesetih godina prošloga stoljeæa koriste se i satelitske snimke (H o w a r d , * Mr. sc. Damir Klobuèar, dipl. ing. šum., UŠP Zagreb, V. Nazora 7, 10 000 Zagreb, e-mail: damir.klobucarŽhrsume.hr Introduction 1991; K u š a n , 1996; P o s a r i æ , 1996; F r a n c o – Lopez et al. 2001; Kušan & Pernar, 2001; P a x – L e n n y, 2001; H a g n e r, 2002; L i n d e r m a n et al. 2004; J o s h i et al. 2006; K u p l i c h , 2006). Prilikom kvantitativnog opisivanja sastojina naj èešæe korištena velièina je obrast. Obrast sastojine može se iskazati brojem stabala, temeljnicom i volumenom neke sastojine u apsolutnim i relativnim jedinicama. Broj stabala je apsolutna mjera obrasta sastojine izražena u broju stabala po hektaru. Relativan obrast predstavlja odnos apsolutnih velièina neke sastojine (broj stabala, temeljnica, volumena) sa standardnim (normalnim, idealnim) velièinama (Pranjiæ & Lukiæ, 1997). Obrast je jedan od najznaèajnijih i najkorisnijih sastojinskih parametara, koji šumarskom struènjaku ukazuje na opæe stanje sastojine, a obrast po vrstama |
ŠUMARSKI LIST 9-10/2008 str. 34 <-- 34 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 drveæa ukazuje na dosadašnje gospodarenje, ali i na buduæe propisivanje i provoðenje smjernica gospodarenja (Pernar & Klobuèar, 2003). Obrast je dobar pokazatelj postojeæeg stanja prema normalnom stanju, kako na razini sastojine, tako na razini dobnog razreda, s tim da je pritom važna primjena odgovarajuæih normalnih modela (È a v l o v i æ et al. 2006). Prema Pravilniku o ureðivanju šuma (2006) obrast sastojina definira se odnosom stvarne i normalne temeljnice u jednodobnim sastojinama, dok je u prebornim i raznodobnim sastojinama odnos stvarne i normalne drvne zalihe. Normalna temeljnica, odnosno drvna zaliha, odreðuje se primjenom prirasno-prihodnih tablica domaæih autora. Obrast se prema ovom Pravilniku iskazuje kao: normalni obrast – iznad 0.80; manji od normalnog – od 0.50 do 0.80; slab – do 0.50. Q u a c k e n b u s h et al. (2000) i Ve r b e k e et al. (2006), poistovjeæuju sastojinski obrast s brojem stabala iskazanim po jedinici površine, te ukazuju da je izuzetno važan parametar u gospodarenju šumama. Zajedno s drugim strukturnim parametrima, koristi se u procjeni obnove, u ocjeni uspješnosti provoðenja gospodarskih mjera ili služi kao indikator (varijabla) za ocjenu drugih sastojinskih parametara: starosti, temeljnice i volumena. È a v l o v i æ et al. (2006) koriste obrast prema broju stabala glavne (glavnih) vrste drveæa kao znaèajan kri terij za ocjenu stanja sastojina i kriterija za donošenje odluka gospodarenja u lužnjakovim šumama. Primjenom tehnike digitalne obrade sastojinskih scena u posljednjih desetak godina, došlo je do razvoja novih metoda u procjene sastojinskog obrasta (B o l d u c et. al. 1999; Wu l d e r et al. 2000; S t - O n g e & C a v a y a s , 1997; F r a n c o - L o p e z et al. 2001; H ö l m strom, 2002; Pernar & Klobuèar, 2003; Verbek e et. al. 2006). Pernar & Klobuèar (2003) istražuju moguænosti primjene histograma sastojinske scene i vizualne interpretacije digitalnog ortofota u procjeni relativnog obrasta i stanja sastojine. U tu svrhu korištene su crnobijele aerofotosnimke približnog mjerila 1:20000, sa 60 % prijeklopom, pridobivene tijekom ciklièkog snimanja Republike Hrvatske. Provedenim istraživanjem utvrðeno je da postoje tri oblika histograma prvoga reda koji se mogu pridružiti odgovarajuæim kategorijama obrasta, te da isti svrsishodno mogu poslužiti u procjeni obrasta i stanja sastojina. Prema literaturi o istraživanoj tematici, dosadašnja istraživanja uglavnom su imala za cilj analizu histograma s ciljem automatskog prepoznavanja krošanja na snimkama u doba vegetacije. Istraživanje histograma, osobito na snimkama u doba mirovanja vegetacije tj. bez lista, razmjerno je nov pristup. 1. 1. HISTOGRAMI PRVOGA REDA – First order histograms Histogram grafièki prikazuje zastupljenost pojedinih numerièkih vrijednosti u pikselima digitalne slike. Na vodoravnoj osi histograma nalaze se iznosi zacrnjenja u rasponu od 0 do 225, a na okomitoj osi je ukupnibroj piksela s tim zacrnjenjem. Histogrami sastojina normalnog obrasta su jednostavni, jednoliènog izgleda, s jednim maksimumom, kod kojih najveæi broj piksela pripada lijevom dijelu histograma, bliže sredini apscise (Slika 1). Mean: 98,54 Level: 99 5tdDev:3322 Count: 174 Median: 93 Percentile: 58,89 Pixels: 11919 Cache Level: 1 Slika 1. Histogrami sastojina normalnog obrasta Figure 1 Histograms of normal stand density Histogrami sastojina, èiji su obrasti manji od nor- obrast tek neznatno manji od normalnog, imaju histomalnog, po izgledu su dvojaki. Sastojine kod kojih je grame sliène sastojinama normalnog obrasta, ali s ve |
ŠUMARSKI LIST 9-10/2008 str. 35 <-- 35 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 æim brojem piksela u desnom dijelu histograma (Slika ali ne u tolikoj mjeri da bi bio slab, imaju histograme 2a). Sastojine kod kojih je obrast znaèajnije smanjen, nepotpunog èešljastog oblika (Slika 2b). iiÈÈÈÈÈÈÈHÈÈÈÈÈÈÈHlItiikd. Mean: 107.38 Level; 107 StdDev: 42,34 Count; 87 Median: 102 Percentile; 54,51 Pixels: 10156 Cache Level: 1 ..Jtk Mean: 170,54 Std Dev: 43,41 Median; 176 Pixels: 2650 Level: 170 Count: 19 Percentile; 44,26 Cache Level: 1 Slika 2a, b. Histogrami sastojina smanjenog obrasta Figure 2a, b. Histograms of decreased stand density Histogrami sastojina slabog obrasta imaju duži ili kraæi èešljasti, lako prepoznatljiv oblik (Slika 3). Slika 3. Histogrami sastojina slabog obrasta Figure 3 Histograms of stands with poor density 1. 2. HISTOGRAMI DRUGOGA Mjere teksture izraèunate samo na podacima iz histograma prvog reda imaju nedostatak, jer ne daju informacije s obzirom na relativni odnos izmeðu samih piksela. Može se pretpostaviti da su vrijednosti intenziteta za svaku toèku ishod nekog sluèajnog eksperimenta. Uz takvu pretpostavku histogrami prvoga reda predstavljaju procjenu funkcije gustoæe vjerojatnosti. Umjesto samo jedne toèke može se na slièan naèin promatrati bilo koji par toèaka slike, èija je meðusobna pozicija odreðena nekom relacijom. U tom sluèaju pretpostavljeni sluèajni eksperiment postaje dvodimenzionalan, a procjenu odnosno estimaciju funkcije gustoæe vjerojatnosti dobivamo iz histograma drugog reda (L o n è a r i æ , 2003). REDA – Second order histograms Gustoæa vjerojatnosti definirana je izrazom: P u1, u2 (x1, x2) = P Šu1 = x1, u2 = x2Æ N(x1, x2) / N, gdje je 0<= x1, x2 <= L-1, N (x1, x2) broj parova toèaka u slici s vrijednostima x1, x2, a N je ukupan broj toèaka u slici. Kvocjent P (x1, x2) = N(x1, x2) / N predstavlja ocjenu funkcije gustoæe vrijednosti i zove se histogram drugog reda. Mjerenjem razmazanosti (širine) histograma oko glavne dijagonale može se opisati tekstura. Dobivanje ovakvog tipa teksturalnih podataka ne odnosi se samo na distribuciju intenziteta (sive skale), nego i na poziciju piksela s istim ili sliènim vrijednostima. |
ŠUMARSKI LIST 9-10/2008 str. 36 <-- 36 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Coburn & Roberts (2004) navode da istraživa-mo njih šest (energija, kontrast, varijanca, homogeèi u podruèju daljinskih istraživanja u analizi teksture i nost, korelacija i entropija) uèestalije koristi u daljinklasifikaciji najèešæe koriste podatke dobivene pomo-skim istraživanjima. æu histograma drugoga reda, dok je slabija primjena hi-K a y i t a k i r e et al. (2006) navode da su se znaèajstograma prvoga reda. ke dobivene posredstvom histograma drugoga reda Histograme drugoga reda (co – occurrence matrix) èesto koristile u klasifikaciji ili segmentaciji tekstura u ekstrakciji znaèajki teksture predložio je H a r a l i c k ( H a y et. al. 1996; F r a n k l i n et al. 2000, 2001; C o et al. (1973). b u r n & R o b e r t s , 2004), ali su se vrlo rijetko koris Berberoglu & Curran (2006), Kayitakire tile u estimaciji sastojinskih parametara (K a y i t a k i r e et al. (2006) navode da se od 14 definiranih tekstural-et al. 2006). nih znaèajki drugog reda (H a r a l i c k et al. 1973), sa 2. CILJ ISTRAŽIVANJA – Research aim Buduæi da su ciklièke snimke izuzetno pristupaène, nju šuma, izradom histograma drugoga reda i utvrðivate da je do sada istraživana svrsishodnost njihove pri- nja njihove povezanosti s tri kategorije relativnog mjene u šumarstvu (Klobuèar, 2003; Pernar & obrasta na primjeru gospodarske jedinice “Jamarièko K l o b u è a r, 2003: P e r n a r et al. 2003; K l o b u è a r, brdo”. Digitalni ortofoto (Slika 4) izraðen je korište2004; K l o b u è a r & P e r n a r, 2005), odluèeno je do- njem crno-bijelih aerofotosnimaka, približnog mjerila datno istražiti moguænost njihove primjene u ureðiva- 1:20 000 (K l o b u è a r, 2003). Slika 4. Perspektivni prikaz digitalnog ortofota prevuèen preko digitalnog modela reljefa Figure 4 View of digital orthophotographies pulled over DTM 3. METODA RADA Work method U svrhu izrade histograma drugoga reda za svaku sa- da se ekstrakcija znaèajki slike provodi za sastojinstojinsku scenu isjeèen je uzorak (Slika 5; 6; 7; 8) s digiske scene (odsjeke/odjele) koje su veæ stratificirane talnog ortofota. Ukupno je obraðeno 80 odsjeka/odjela prema kriterijima ureðivanja šuma, (sastojinskih scena) u ureðajnim razredima hrasta luž- da odabir velièine matrice (prozora) nije bitan samo njaka, hrasta kitnjaka i obiène bukve. Prilikom izrade iz raèunalnih razloga, veæ je znaèajniji u definiranju uzoraka nastojalo se obuhvatiti što veæu površinu sasto-reprezentativnog uzorka (Hodgson, 1994; jinske scene. F r a n k l i n et al. 2000). U odabiru velièine uzorka imalo se u vidu dvije èinjenice: |
ŠUMARSKI LIST 9-10/2008 str. 37 <-- 37 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Slika 5. Uzorak sastojinske scene 22a odsjeka (obrast, 0.89) Slika 6. Uzorak sastojinske scene 48a odsjeka (obrast, 0.72) Figure 5 Sample of stand scene for subcompartment 22a Figure 6 Sample of stand scene for subcompartment 48a (density, 0.89) (density, 0.72) Slika 7. Uzorak sastojinske scene 61 b odsjeka (obrast, 0.64) Slika 8. Uzorak sastojinske scene 44 c odsjeka (obrast, 0.25) Figure 7 Sample of stand scene for subcompartment 61b Figure 8 Sample of stand scene for subcompartment 44c (density, 0.64) (density, 0.25) Za izradu histograma drugoga reda korišten je prozuje histogram drugog reda za vektor D = ŠDx DyÆ. D je gram MATLAB 6. 5, odnosno funkcija imhist2 (Kova- udaljenost izmedu toèaka za koje se raèuna histogram, a è e v i æ & P e t k o v i æ , 2004). Navedena funkcija prika- zadani vektor pomaka je D = Š1 1Æ. 4. REZULTATI ISTRAŽIVANJA I RASPRAVA – Research results and discussion Nakon provedbe opisanog postupka utvrðena su tri gu pridružiti trima kategorijama relativnog obrasta. elipsoidna oblika histograma drugog reda, koji se mo |
ŠUMARSKI LIST 9-10/2008 str. 38 <-- 38 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Histogram II reda za sastojine normalnog obrasta (Slika 9; 10) Najveæa mjera razmazanosti (širine) oko glavne di-dijelu glavne dijagonale, jagonale, Najveæa širina “rešetki” Slabija uèestalost (frekvencija) dogaðaja u desnom ILJ X . i. . % ´i :"aimmiEÈi<.,::,´ ´ ´vÈ ´ iÈvimÈÈÈÈÈÈÈÈÈÈÈÈÈ ÈÈÈH r iF-rv: ´fa C ´ ;ffl ´.1 "È 1È ÈH l-->ÈViÐ È ´." ; ´ ´ È V?..,: . ,È 3 a IÈÈHÈÈÈÈH H ÈÈ*È .. È.*.-IflÈÈÈÈÈÈÈÈÈH ÈH , i R!;Ji?:- .! æ * * ÈÈÈ -´. ,...: "; È ;È:: -> ´ . ÈÈH ´È -=È , ? r.š-È´È-ÈÈÈÈÈÈÈÈÈÈH m.È : ÈÈÈÈ : i:È ´ ™ 3 V´- ÈÈÈÈH ÈJ ti >". È è : *´ P´ i * ´ i-u. ´ -1 A ÈÈÈ1 -ÈFi f ivÈi .- È s -T !i-.r %È 1 ´ Èh" h - ; ;.È.. Kr´ l.L "_´ ; . ´i è > ; È´´. ´ "I" Si È ´Èrl<´ i´.W i?.r-;´. - ´liÈ´t´ÈU Ba!«!.>::´ L.; ´,´.jÈ´. 1 , ´ "JÈ 1 & T." -; ´ÈÈ È , ÈfÈ. * ** * * shf* -. : i"l. i sT È ´ V. ´.-´, È ;; JS/-´...j´ È È Vi V-ÈÈv*È! È 2 >-´;?È>´;saaBiKiM)ii»t´:,´...:-.". . 1 ´-È j* È 1 SS ,´ 1 - -> ´. È7 ´:Ð/i; S; S tS: E È "´ L i ´ -È . f *. , au . .;.;N ´" A´.".;-?!ÈW!™HBBBllŠfl&Ki;-tr V.... ´" :J;È« aa-it.:-; ... - ÈÈÈ ; Ès : jV St ´´È ÈÈÈÈÈH .?;´!,´ 1È* 1 ->. ´. ;_:´, M´iÈ InÈw ÈÈÈÈÈÈH ÈJl- T; i .-ð!i!fl !´;´Èi´"´" . .´´.: .3 È -:Uiuæ;imiiÈÈ "È""-fc rr. > , ,-,´´ ÈÈÈÈÈÈÈm fJ! .::. .. VÈ>´i*!È2SEffliafiS:´´:.i;.... ;-;ÈXÈMfflWEfi!Sr>.i´..: ´È´Èrjj È:i´ v iiii´rÈI È;.;iÈ i;ÈÈÈÈ ÈÈÈÈ .. È È -/V .:! _ :´ :È::fÈS´ fl w ´*i kfÈ V" t"È ´ ; 1 i !È>:rTÐ 1 1 f´ >j´ rfr :;r . Slika 9. Histogram II reda 27a odsjeka (obrast, 0.83) Slika 10. Histogram II reda 69b odsjeka (obrast, 0.94) Figure 9 Second order histogram for subcompartment 27a Figure 10 Second order histogram for subcompartment 69b (density, 0.83.) (density, 0.94.) Histogram II reda za sastojine obrasta od 0.5 – 0.8 (Slika 11; 12) Histrogrami drugoga reda za ovu kategoriju obrasta èajno razvidnije manje “rešetke”. Histogrami druge mogu se podijeliti u dvije podgrupe. Histogrami prve podgrupe (Slika 12) imaju širu glavnu dijagonalu i veæe podgrupe (Slika 11) slièni su histogramima sastojina “rešetke” od histograma slabog obrasta (Slika 13; 14). normalnog obrasta (Slika 9; 10), s tim da im je manja Dakle, histogrami ove grupe izgledom se nalaze izširina glavne dijagonale (slabije uoèljivo), dok su zna-meðu histograma ostalih dviju grupa. ðJiiqp3 tppi ÈÈÈÈÈ ÈÈÈÈÈÈÈÈÈÈH (È%L"/È >iT;i.-:´- f r!!!i B H t :3!!i I 1ÈÈÈÈÈÈÈÈ b: V V ÈÈÈH "maar´-.i;:,!-:-ÈÈÈH c V IÈV ÈB 1 7 È "È . HÈÈÈÈÈl II-SLSMB ÈHðft r?"""" - rH W iflÈÈÈÈHÈ H ´È´: :Æ!>tl»a B: 1 ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈm >>..´. ´-..:È.Y«iai ir< HiÈ:-.-ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH ÈÈÈÈÈBC ´ ?È ÈÈÈÈÈÈÈHÈÈH .´´>9EiBB Hl iBtlf--:!-.´. HÈHHI ÈÈ È : ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH 1IH 1 1 ifllÈÈH WwM" ´*.>. ÈH yy EVU ni I I Dl EÈ, r. ÈÈÈÈÈÈÈÈH ´ !>>* rJ tu NI IB iÈ . EIÈÈÈÈB ÈÈKft.È:.. ÈÈÈÈÈÈÈÈ *l >Æ 2: :-è: ÈÈÈB ÈBÈÈH ÈÈÈÈÈÈÈH I-," fÈ ÈÈÈÈÈÈÈÈÈH ÈBÈÈÈh "J z IH M ´ ÈÈÈÈÈÈÈÈÈÈÈ1 9 k V ÈÈÈÈÈÈÈÈÈH Jr-7 3 èÈÈÈÈH ÈÈÈÈÈÈÈÈÈÈÈÈ Èn p h LV h . . ÈÈÈÈÈÈÈÈÈH ´È." * PII 1 G j li!È:""!":´:: j : JHM ÈÈÈÈÈÈÈÈÈÈÈÈÈÈH 1 q (A n ISCMÈ--it :: EÈBn i«: ITJÈ´. ÈÈÈÈÈH li juU i ----tiM ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈK: >.ð k l ÈÈÈÈÈ1 1 ÈÈÈÈÈÈB Hl 1 L.È.-.-l -.-.n S ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH´--fb r** i* -? s>:t p ÈÈ1 È ÈÈ ´ÈÈÈHÈiHMMiH-N >ÈÐ "È V ;;:;;::;; * ! ÈÈÈ È r´-i 1 1 ?a HHnRrH 1 ÈÈÈÈÈÈÈÈB ´ * E JT , È T V "HÈÈH ;Èv 1 m v_´ " Ð-9!ll IIUH . È;i-7" = È iTl 1 . - 1 Èf y´n´ 1 - ::: mÐ ÈÈÈÈÈÈÈÈÈÈÈB SSLÈ»è V. 1 ÈÈ1 ÈH 1È ´ ÈÈÈ1 ÈÈÈH ´ " -ÈH L ffiw È ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH 1 & ÈÈM ÈÈÈÈÈÈÈBSU! j-ÈÈ´i.i9 ´´, ; ÈÈÈÈÈÈÈÈH IL Slika 11. Histogram II reda 48a odsjeka (obrast, 0.72) Slika 12. Histogram II reda 45b odsjeka (obrast, 0.51) Figure 11 Second order histogram for subcompartment 48a Figure 12 Second order histogram for subcompartment 45b (density, 0.72.) (density, 0.51.) |
ŠUMARSKI LIST 9-10/2008 str. 39 <-- 39 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Histogram II reda za sastojine slabog obrasta (Slika 13; 14) Najmanja mjera razmazanosti (širine) oko glavne glavne dijagonale, dijagonale, Najmanja širina “rešetki”. Uèestalost dogaðaja prisutna je cijelom dužinom 1 1111111111 .´ "P E a H: È1 D* ÈÈT K ´»-È-´ -L ai itea 1 n i Vk ii´ ´ ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH -riti M i r; > rii´ i » È91 Li-´? f´t a i ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈH 11 U´" L HL>ð : i 1 >Ir l, ÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈÈ1 . ´ BI 1 V ÐrÈl 1 9«! i» a ÈÈÈÈÈÈÈÈÈÈÈÈÈH * -i * 1 Ði ÈÈÈÈÈÈÈÈÈÈH a«i A. ÈÈ1 ! .p M*i I M 1È17 ÈÈÈÈÈÈÈÈÈÈÈÈÈÈH lU *1 I M ÈÈÈÈÈÈÈÈÈÈÈÈH ai rz fm a:´ ia I L f ÈÈÈÈÈÈÈÈH ".: ÈÈÈÈÈÈÈÈÈ , -È muд . «ð BI 1 k. ÈÈ1 È1 дР´ ÈÈH XT ´ J « t* Slika 13. Histogram II reda 44c odsjeka (obrast, 0.25) Figure 13 Second order histogram for subcompartment 44c (density, 0.25.) Dakle, intuitivno je moguæe na osnovi opisnih znaèajki histograma drugoga reda (kao i onih prvoga reda) odrediti kojoj kategoriji obrasta pripada sastojina. Poveæanje vrijednosti ŠDx DyÆ, poveæava i širinu (razmazanost) histograma drugog reda, èime se poèinje gubiti vizualna vrijednost histograma. Naime, digitalne È, ykÐ-.´".y, fT ;?ȧ!i .æ ´7 wTS æд j y r -´ y Sm?f.ÈiÈfi: 1 "j -. A , ´ . ´´´: ÈA-V ´ j(-È "È ,.. ; ir r / . / ft ÈSiÈfi% ÐÐ ÐEJ ) ,1 ´ViJ, lÈð.È JV´ -. i,ie ÈVi- y 31i-kÈÈ. jÈÈ´v..-.-V .. :iÐiÈ -V !il?-c ´.È È i.; *´*** * r. ÈA ÈA >s= Èi-lvÐk-д Ð:-´ -V; Iftlt Ðk--´ iÈ 3;f«: ; -c´ ;-; " ijfSiv È´ It ÈL È >:=, #; . ´JÈ È Sf.ÈÈ´È s-;--r <´i.>.´. "uaS" 1 ´. ´ r; h5È5´.´k .. ,.,1 -jjf!È 1 fi È >*È;iv*v -´jr i> "È L!?*f" 1;; È fe.Ètv ijf jU!´ . : r -TC X :È .i UarÈ -È r ´ . ´:.:´ ´ai:; h : ´.:. . Jf :»ÈJi .--"È> È,f -4" rt! S* jt:-; * iÈ È ´_,´. I È> 1È? ´:Ð ´i i .´ ´wÈ , »´È,*->_1:ÈÈ È Ð tri ´´ÈCi u" -"´ ÈrVft i´ * i Èi´ È5´r.n: ´´f´ FLÈ ´* -´´! V -v´.´ v, ;; : ( r ´-:;Ð .t H & *´"´ ´´Ðr-It f >´ >. -: J-,È ri!?f È .rt If. rl: f try -j im rt È ft " -._ a´; >> È1 i; Vir Slika 15. Histogram II reda 27a odsjeka (obrast, 0.83), pomak D = Š5 5Æ Figure 15 Second order histogram for subcompartment 27a (density, 0.83), shift D = Š5 5Æ Slika 14. Histogram II reda 46c odsjeka (obrast, 0.26) Figure 14 Second order histogram for subcompartment 46c (density, 0.26.) vrijednosti piksela sastojinske scene nisu jednolièno rasporeðene duž apscise (0 – 255), nego su uglavnom grupirane oko sredine histograma i uzimanjem veæih pomaka npr; D = Š5 5Æ (Slika 15), odnosno D = Š10 10Æ (Slika 16), poveæava se vjerojatnost novih dogaðaja, što poveæava razmazanost histograma drugog reda. ; -.y-j,..-:È+-i>´.j, rt.-´-jlÈ´..--. .-I-...:´ : m´ **" " ´: LZ-ULU h.ryðiÈ*j..:KibRrvndirvi. ´È.>ð.´Ð´% . :». :>-È *Èt*È ÈfA-Z´i iÈwti-ayi*tcuniirÈ*5V´. >:VATÈ ´ * I´i i È*oÈ´´i´i´:.tft;:--<:EtaqÆnBiBl>Bii#uivpii:i?vŠrK);r.-/**.´-i;´L´ iÈ j.f ., , . . ´ 1 ;, ;i KaHin.ÈÈH w nnÈtv n ´ --È -tratWÈÈ ´ .´ .! :*È´J:: "l"È l II-"«-« WJ141 P. IliiUHÈ VJCJi . ´ v 3 SÈk.i:::ii: i:i::i::i::i:::::j::!::i;B *-_´ Ð 1 ,, H i: :´È´-´--´ ´-: 1 Bi J!L :;;:::::::::::::::::::::::::! M9 UL *.; <1 <1 ". ´ ´´ HBÈBK I S P< È ´ ´ WBttWr ´ 1´ "´ È HBHBn iHr i ´" ´ H ÈÈÈÈÈ ÈÈÈÈÈ HiHttBwE i: i 1 bT:-T*´ — « ÈÈBfÈBBBM 1 ft ´I´ È ´ ´ ´"1 .. ÈH´´´-r. :yrvÈcp»cÆLitÈtr?HaflHflDEv>Ki Slika 16. Histogram II reda 44c odsjeka, (obrast, 0.25), pomak D = Š10 10Æ Figure 16 Second order histogram for subcompartment 44c (density, 0.25), shift D = Š10 10Æ |
ŠUMARSKI LIST 9-10/2008 str. 40 <-- 40 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Navedene histograme prvoga i drugoga reda ne treba shvaæati apsolutnim, jer kod pojedinih sastojinskih scena, iznimno, histogrami prvoga i drugoga reda u potpunosti ne odgovaraju prethodno opisanim izgledima. Razlog tomu treba tražiti u èinjenici da je u ovom sluèaju ekstrahirana znaèajka prirodne teksture (sastojinska scena) u zimskom periodu, na relativno velikoj šumskoj površini, koja je prethodno stratificirana prema kategoriji obrasta, no bez obzira na navedenu stratifikaciju, nemoguæe je oèekivati ponavljanje uzoraka. Naime, pri ekstrakciji znaèajki slike susreæemo se sa problemima heterogenosti i kompleksnosti podataka iz prirodnog okruženja, koje su opisali C h e r a k a s s k y et al. (2006), a odnose se na: vremenske, dinamièke, prostorne, biometrijske i druge komponente prikupljanja podataka, bilo da je rijeè o terestièkom ili daljinskom odreðivanju kvantitativnih i kvalitativnih varijabli. Posebno treba naglasiti problem koji obilježava istraživanja u podruèju daljinskih istraživanja, gdje je èesto puta teško raspolagati aero- i satelitskim scenama, odnosno terestièkim podacima, koji su prikupljeni u istom razdoblju (Foody & Curran, 1994; I n g r a m et al. 2005). Landek & Kauriæ (1998) navode da su ciklièna aerofotogrametrijska snimanja Republike Hrvatske iznimno važan projekat za gospodarenje prostorom. Stoga, primjena histograma drugoga reda u daljinskim istraživanjima za potrebe šumarstva, posebice ureðivanja šuma, predstavlja kontinuitet dosadašnjih istraživanja (Klobuèar, 2003; Pernar & Klobuèar, 2003; P e r n a r et al. 2003; K l o b u è a r, 2004; K l o buèar & Pernar, 2005) primjene ciklièkih snimaka u šumarstvu, a ujedno dodatni doprinos šumarske struke ovako važnom projektu. 5. ZAKLJUÈCI - Conclusions Istraživanje povezanosti histograma drugoga reda s tri kategorije obrasta provedeno je na primjeru gospodarske jedinice “Jamarièko brdo”, šumarije Lipovljani. Na temelju provedenih istraživanja i dobivenih rezultata mogu se izvesti sljedeæi zakljuèci: Histogrami drugoga reda mogu se primijeniti u procjeni relativnog sastojinskog obrasta. Izraðena su tri osnovna oblika histograma, koji se mogu pridružiti odgovarajuæim kategorijama relativnog obrasta. Histogrami sastojina normalnog obrasta imaju najveæu razmazanost (širinu) oko glavne dijagonale, ali i slabiju uèestalost dogaðaja u desnom dijelu dijagonale, kao i najveæu širinu “rešetki". Histrogrami drugoga reda za sastojine èiji su obrasti manji od normalnog, mogu se podijeliti u dvije podgrupe. Histogrami prve podgrupe slièni su histogramima sastojina normalnog obrasta, s tim da im je manja širina glavne dijagonale (slabije uoèljivo), dok su znaèajno razvidnije manje “rešetke”. Histogrami druge podgrupe imaju širu glavnu dijagonalu i veæe “rešetke” od histograma slabog obrasta. Histogrami sastojina slabog obrasta imaju najmanju mjeru razmazanosti (širinu) oko glavne dijagonale. Uèestalost dogaðaja prisutna je cijelom dužinom glavne dijagonale, s tim da je najmanja širina “rešetki”. Provedenim istraživanjem utvrðena je još jedna moguænost primjene digitalne analize slike u procjeni obrasta i stanja sastojina. Postupci digitalne analize slike još su uvijek nesavršeni i ne mogu u potpunosti zamijeniti klasiène postupke. Stoga se integracija digitalnih i vizualnih metoda u donošenju odluka (u cilju potrajnog gospodarenja šumama) smatra svrsishodnim postupkom. 6. LITERATURA – References Berberoglu, S., & P. J. Curran, 2006: Merging Spectral and Textural Information for Classifying Remotely Sensed Images. Remote sensing image analysis, 113–136, Springer, Netherlands. Bolduc, P., K. Lowell, & G. Edwards, 1999: Automated estimation of localized forest volumes from large-scale aerial photographs and ancillary cartographic information in a boreal forest. International Journal of Remote Sensing 20 (18), pp. 3611–3624. Cetin, M., T. K avzoglu, & N. Musaoglu, 2005: Classification of multi-spectral, multi-temporal and multi-sensor images using principal components analysis and artificial neural networks: Beykoz case. Cherkassky, V., V. Krasnopolsky, D. P. Solomatine, 2006: Computational intelligence in earth sciences and environmental applications: Issues and challenges. Neural Networks 19, 113–121. Coburn, C. A., &. A. C. B. Roberts, 2004: A multiscale texture analysis procedure for improved forest stand classification. International Journal of Remote Sensing 25 (20), pp. 4287–4308. |
ŠUMARSKI LIST 9-10/2008 str. 41 <-- 41 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Èavloviæ, J., M, Božiæ, K. Teslak, 2006: Moguænosti uspostave potrajnoga gospodarenja šumama hrasta lužnjaka u buduæim gospodarskim razdobljima. Glas. šum. pokuse, pos. izd. 5, 419–431, Zagreb. Foody, G. M., & P. J. Curran, 1994: Estimation of tropical forest extent and regenerative stage using remotely sensed data. Journal of Biogeography, 21, 223–244. Franco-Lopez, H., A. R. E k , & M. E. Bauer, 2001: Estimation and mapping of forest stand density, volume, and cover type using the k-nearest neighbors method. Remote Sensing of Environment, 77, 251–274. F r a n k l i n , S. E., R. J. H a l l , L. M. M o s k a l , A. J. M a u d i e , & M. B. L a v i g n e , 2000: Incorporating texture into classification of forest species composition from airborne multispectral images. International Journal of Remote Sensing, 21 (1), 61–79. F r a n k l i n , S. E., A. J. M a u d i e , M. B. L a v i g n e , 2001: Using spatial cooccurrence texture to increase forest structure and species composition classification accuracy. Photogrammetric Engineering and Remote Sensing, 67 (7), 849 – 855. H a g n e r, O., 2002: Combined estimation of forest parameters from high-and midium resolution satellite and forest inventory data. ForestSAT Symposium Heriot Watt University, Edinburg. Haralick, R. M., K. Shanmugam, & I. Dins t e i n , 1973: Textural features for image classification, IEEE Transactions on Systems, Man and Cybernetics, 3: 610–621. H a y, G. J., K. O. Niemann, & G. F. McLean, 1996: An object-specific image-texture analaysis of H-resolution forest imagery. Remote Sensing of Environment, 55 (2), 108–122. Hodgson , M. E., 1994: Window size and visual image classification accuracy: an experimental approach: ASPRS Technical Papers, 1994 ASPRS – ACSM Ann. Conv., v. 2, 209–218. H o l m s t r ö m , H., 2002: Estimation of single tree characteristics using the kNN method and plot- wise aerial photograph interpretations. Forest Ecology and Management, Volume 167, Issues 1–3, 303–314. H o w a r d , J. A., 1991: Remote Sensing of Forest Resources. Chapman & Hall. 418 pp. I n g r a m , J. C., T. P. Dawson, & R. J. Whittaker, 2005: Mapping tropical forest structure in southeastern Madagascar using remote sensing and artificial neural networks. Remote Sensing of Environment 94, 491–507. Joshi, C., Jan. D e Leeuw, A. K. Skidmore, I. C. van Duren, H. Oosten, 2006: Remotely sensed estimation of forest canopy density: A comparison of the performance of four methods. International Journal of Applied Earth Observation and Geoinformation 8, 84–95. K a y i t a k i r e , F., C. H a m e l , P. D e f o u r n y, 2006: Retrieving forest structure variables based on image texture analysis and IKONOS – 2 imagery. Remote Sensing of Environment 102, 390–401. K l o b u è a r, D., 2003: Ocjena toènosti geokodiranja Osnovne državne karte i digitalnog ortofota. Šum. list 9–10, 457–465, Zagreb. K l o b u è a r, D., 2004: Izluèivanje sastojina prema sklopu na digitalnom ortofotu i usporedba sa terestièkim izluèivanjem. Rad. Šumar. inst. 39 (2): 223–230, Jastrebarsko. K l o b u è a r, D., R. P e r n a r, 2005: Picture histogram and interpretation of digital orthophotos in forest management. Proceedings of the 4th international symposium on image and signal processing and analysis: 395–401, Zagreb. Kovaèeviæ, D., & T. Petkoviæ, 2004: Zavod za elektronièke sustave i obradu informacija. Fakultet elektrotehnike i raèunarstva Sveuèilišta u Zagrebu. Upute za laboratorijske vježbe iz digitalne obrade slike, 53–54. K u p l i c h , T. M., 2006: Classifying regenerating forest stages in Amazonia using remotely sensed images and a neural network. Forest Ecology and Management 234, 1–9. K u š a n , V., 1992: Procjena volumena sastojina èetinjaèa fotointerpretacijom aerosnimaka uz pomoæ prirasno-prihodnih tablica. Meh. šuma (3–4): 53–66, Zagreb. Kušan, V., & V. Krejèi, 1993: Regresijski model za procjenu volumena sastojina hrasta lužnjaka (Quercus robur L.) na aerosnimkama. Radovi, 28 (1–2): 69–77, Jastrebarsko. K u š a n , V. , & R. P e r n a r, 1996: Procjena prsnog promjera i temeljnice najznaèajnijih vrsta drveæa gorskog podruèja na temelju velièina mjerljivih na aerosnimkama. Unapreðenje proizvodnje biomase šumskih eko sustava (knjiga 1): 157–168, Zagreb. Kušan, V., 1996: Kartiranje šuma pomoæu Landsat TN satelitskih snimaka, Disertacija, 159, Šumarski fakultet Zagreb. K u š a n , V., & R. P e r n a r, 2001: Primjena satelitskih snimaka za procjenu stanja sastojina. Znanstvena knjiga “Znanost u potrajnom gospodarenju Hrvatskim šumama”, 429–434, Zagreb. |
ŠUMARSKI LIST 9-10/2008 str. 42 <-- 42 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 L a n d e k , J., & D. K a u r i æ , 1998.: Ciklièka aerofoto-litskih snimki. Diplomski rad, 65, Šumarski fagrametrijska snimanja u Republici Hrvatskoj. kultet Zagreb. Zbornik radova sto godina fotogrametrije u Hr-P r a n j i æ , A. & N. L u k i æ , 1997: Izmjera šuma. Za tvatskoj. HAZU: 249–254, Zagreb. greb, 405 pp. L i n d e r m a n , M., J. L i u , J. Q i , L. A n , Z. O u y -Quackenbush, L., P. Hopkins, & G. Kinn, a n g s , J. Ya n g , & Y. Ta n , 2004: Using artifi2000: Developing forestry products from high cial neural networks to map the spatial distriburesolution digital aerial imagery. Photogrammetion of understorey bamboo from remote sentric Engineering and Remote Sensing 66 (11), sing data. Internationa Journal of Remote Senpp. 1337–1346. sing, Vol. 25. No. 9, 1685–1700. St-Onge, B., F. Cavayas, 1997: Automated forest L o n è a r i æ , S., 2003: Predavanja. structure mapping from high resolution imagery http://ipg.zesoi.fer.hr based on directional semivariogram estimates. Pax-Lenney, M., C. E. Woodcock, S. A. Ma-Remote Sensing of Environment 61, pp. 82–95. comber, S. Gopal, C. Song, 2001: Forest Verbeke, L. P. C., F. M. B. Va n Coillie, & R. R. mapping with a generalized classifier and Land-D e Wu l f , 2006: Object-based forest stand densat TM data. Remote Sensing of Environment 77, sity estimation from very high resolution optical 241–250. imagery using wavelet-based texture measures. P e r n a r, R., & D. K l o b u è a r, 2003: Estimating stand In: 1st International Conference on Object-badensity and condition with use of picture histosed Image Analysis (OBIA 2006). grams and visual interpretation of digital orthop-Wulder, M., K. Niemann, & D. Goodenough, hotos. Glas. šum. pokuse 40: 81–111, Zagreb. 2000: Local maximum filtering for the extrac Pernar, R., D. Klobuèar, & V. Kušan, 2003: The tion of tree locations and basal area from high application of aerial photographs from cyclic spatial resolution imagery. Remote Sensing of recordings in the Republic of Croatia to forest Environment 73, pp. 103–114. management. Glas. šum. pokuse 40: 113–168, Osnova gospodarenja za g. j . “Jamarièko brdo”, važ- Zagreb. nost 1. 1. 2002. – 31. 12. 2011. P o s a r i æ , D., 1996: Postupak dobivanja kolor kompo- Pravilnik o ureðivanju šuma, NN 111/06. zita kao podloga za vizualnu interpretaciju sate- SUMMARY: The paper continues on past research into the application of digital stand scene processing and digital ortophoto processing for the needs of forest management. Black-and-white aerial photographs obtained during cyclic surveying of the Republic of Croatia were used for this purpose at an approximate scale 1:20,000 and 60 % overlap. Research was based on the example of the management unit “Jamarièko Brdo” of Lipovljani Forest Office. The most commonly used parameter for quantitative stand descriptions is density. Since the application of digital processing techniques of stand scenes in the last ten years has resulted in the development of new methods of stand density evaluation, an additional possibility was investigated of cyclic photograph application by constructing second order histograms and establishing their relationship with three relative density categories. First order histograms represent a graphic display of the proportion of some numerical values in the pixels of a digital photograph. Shades of gray ranging from 0 to 225 are found on the horizontal histogram axis, and the total number of pixels with these shades is found on the vertical axis. Texture measures calculated only by means of the first order histogram data are deficient because they do not give information related to the relative relationship between the pixels themselves. Texture may be described by measuring the smudginess (width) of a histogram around the main diagonal. Such type of textural data does not relate only to intensity distribution (gray scale) but also to the position of pixels with the same or similar values. |
ŠUMARSKI LIST 9-10/2008 str. 43 <-- 43 --> PDF |
D. Klobuèar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Šumarski list br. 9–10, CXXXII (2008), 419-429 Namely, instead of only one point, any pair of picture points may be observed in a similar way, whose mutual position is determined with a relation. In this case, the assumed random experiment becomes two-dimensional, and evaluation or estimation of a probability density function is obtained from a second order histogram. This is the reason that researchers in the field of remote sensing use data obtained from second order histograms to analyze texture and perform classifications. First order histograms are less frequently used. Texture features obtained with second order histograms are used in forestry remote sensing, especially for purposes of texture classification or segmentation, but are rarely used for stand parameter estimation. This research indicates yet another possibility of applying digital image analysis to the assessment of relative density and stand condition. Second order histograms may be used to evaluate stand density. Three basic histogram shapes were constructed which can be associated with the related density categories. Cyclic aerial photogrammetric survey of the Republic of Croatia is an exceptionally important project for space management. Hence, the application of second order histograms in remote sensing for the needs of forestry and for forest management in particular, shows continuity of research into the use of cyclic imaging in forestry. At the same time, it is yet another contribution of forestry to this project. According to the available literature treating this issue, research in the past generally involved histogram analysis for the purpose of automatically recognizing crowns in the images during the vegetation period. Histogram analysis, especially in pictures obtained during vegetation dormancy, i.e. when vegetation is without leaves, is a relatively new approach. Procedures of digital picture analysis are still imperfect and cannot fully replace classical procedures. Consequently, integrating digital and visual methods in decision making (with the goal of sustainable forest management) is considered appropriate. K e y w o rd s : cyclic records, density, first and second order histograms, digital ortophoto, texture. |
ŠUMARSKI LIST 9-10/2008 str. 44 <-- 44 --> PDF |
430 |