TY  - THES
A1  - Lamprecht, Sebastian
A1  - Hill, Andreas
A1  - Stoffels, Johannes
A1  - Dotzler, Sandra
A1  - Erik, Haß
A1  - Udelhoven, Thomas
T1  - Detection of Individual Tree Stems Using ALS and its Potential for Forest Research
N2  - Forest inventories provide significant monitoring information on forest health, biodiversity,
resilience against disturbance, as well as its biomass and timber harvesting potential. For this
purpose, modern inventories increasingly exploit the advantages of airborne laser scanning (ALS)
and terrestrial laser scanning (TLS).
Although tree crown detection and delineation using ALS can be seen as a mature discipline, the
identification of individual stems is a rarely addressed task. In particular, the informative value of
the stem attributes—especially the inclination characteristics—is hardly known. In addition, a lack
of tools for the processing and fusion of forest-related data sources can be identified. The given
thesis addresses these research gaps in four peer-reviewed papers, while a focus is set on the
suitability of ALS data for the detection and analysis of tree stems.
In addition to providing a novel post-processing strategy for geo-referencing forest inventory plots,
the thesis could show that ALS-based stem detections are very reliable and their positions are
accurate. In particular, the stems have shown to be suited to study prevailing trunk inclination
angles and orientations, while a species-specific down-slope inclination of the tree stems and a
leeward orientation of conifers could be observed.
N2  - Waldinventuren stellen für Wälder grundlegende Informationen zum Gesundheitszustand, der
Biodiversität
und
Widerstandsfähigkeit,
sowie
zur
Biomasse
und
dem
potentiellen
Holzerntevolumen bereit. Zu diesem Zweck werden in modernen Inventuren zunehmend die
Vorteile von luftgestütztem (ALS) und terrestrischem Laserscanning (TLS) genutzt.
Obwohl die Detektion und Segmentierung einzelner Baumkronen basierend auf ALS als
ausgereifte Wissenschaft ansgesehen werden kann, wird nur selten versucht einzelne
Baumstämme zu identifizieren. Über den Informationsgehalt der Stammattribute – vor allem der
Neigungseigenschaften – ist nur wenig bekannt. Unabhängig davon ist auch ein Mangel an
Software für die Verarbeitung und Fusion von Forstdaten festzustellen. Die vorliegende Arbeit geht
auf diese Defizite in vier Forschungsartikeln ein, wobei ein Schwerpunkt auf die Eignung von ALS
für die Detektion und Auswertung von Stämmen gelegt wird.
Neben der Vorstellung einer neuartigen Strategie zur Georeferenzierung von Waldinventurdaten
konnte die Arbeit zeigen, dass mit ALS Stämme zuverlässig und positionsgenau detektiert werden
können. Insbesondere konnten präferierte Stammneigungen, wie eine baumartenabhängige
Hangabwärtsneigung oder eine Neigung von Nadelbäumen in Windrichtung, beobachtet werden.
KW  - airborne LiDAR
KW  - stem detection
KW  - tree inclination
KW  - forest
KW  - machine-learning
KW  - Satellitenfernerkundung
KW  - Lidar
KW  - Stamm Botanik
KW  - Detektion
Y1  - 2022
UR  - https://ubt.opus.hbz-nrw.de/frontdoor/index/index/docId/1880
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:385-1-18803
SP  - i
EP  - III
ER  -