Zestaw danych skanowania laserowego z ziemi i z powietrza drzew w paśmie Shivalik w Indiach z pomiarami terenowymi i klasyfikacjami liście–drewno

Dlaczego mapowanie lasów drzewo po drzewie ma znaczenie

Lasy cicho pomagają regulować klimat planety, magazynować węgiel i wspierać niezliczone gatunki, w tym ludzi zależnych od drewna, pożywienia i lekarstw. Mimo to wciąż mamy trudności ze zmierzeniem, ile żywej materii — a zatem i węgla — przechowują, zwłaszcza w złożonych lasach tropikalnych. Ten artykuł przedstawia nowy, otwarcie dostępny zestaw danych z północnych Indii, który rejestruje pojedyncze drzewa w trzech wymiarach za pomocą impulsów laserowych z ziemi i z powietrza. Został on zaprojektowany tak, by pomóc naukowcom tworzyć lepsze narzędzia do śledzenia zdrowia lasów, wzrostu i magazynowania węgla na skalach od pojedynczych drzew po misje satelitarne.

Widzieć las i drzewa

Zamiast polegać wyłącznie na taśmach mierniczych i zeszytach terenowych, badacze użyli skanowania laserowego, by „pomalować” las milionami pomiarów odległości. Stacjonarne skanery laserowe (TLS), ustawione na statywach wewnątrz lasu, rejestrowały drobne szczegóły pni i gałęzi. Skanowanie lotnicze (ALS), zamontowane na helikopterze, przesuwało się nad krajobrazem, by uchwycić szerszą koronę i ukształtowanie terenu. Razem te obserwacje dostarczają zarówno widoku z bliska, jak i pokrycia dużego obszaru, umożliwiając naukowcom badanie 674 pojedynczych drzew z 12 działek w paśmie Shivalik w stanie Haryana w Indiach, reprezentujących 24 gatunki w lasach tropikalnych i subtropikalnych.

Budowanie precyzyjnego obrazu 3D

Aby zamienić surowe sygnały laserowe w wiarygodne drzewa 3D, zespół wykonał staranną sekwencję kroków. Wokół każdej działki wykonano wiele skanów naziemnych, by nie pominąć żadnej strony drzewa. Ponieważ gęsta korona blokuje sygnały satelitarne, zespół umieścił precyzyjne odbiorniki GPS na pobliskich polanach i użył tachimetru (przyrządu pomiarowego) do przeniesienia tych pozycji do wnętrza lasu. Przekształcenia matematyczne powiązały następnie wszystkie dane z globalnym układem współrzędnych z dokładnością rzędu centymetrów. W przypadku danych lotniczych skaner i kamera zamontowane na helikopterze objęły około 250 kilometrów kwadratowych, wspierane przez oznaczone cele naziemne i stację referencyjną GPS, dzięki czemu wysokość i kształt terenu mogły być mapowane spójnie.

Od surowych punktów do pojedynczych drzew

Każdy skan laserowy generuje „chmurę punktów”, chmarę kropek pokazujących, gdzie impulsy laserowe trafiły w liście, korę lub grunt. Badacze najpierw oczyszczali te chmury, usuwając szumy i identyfikując punkty gruntowe, by utworzyć odniesienie wysokości. Następnie oddzielali pojedyncze drzewa przy użyciu oprogramowania, które automatycznie grupowało punkty należące do tego samego pnia i korony, po czym wykonywano ręczne kontrole i korekty w trudnych miejscach, gdzie korony się nakładają lub podszyt jest gęsty. Te same 674 drzewa zostały potem wydzielone w danych lotniczych, tak że każde drzewo ma zarówno szczegółowy widok naziemny, jak i szerszy odpowiednik z powietrza. Równolegle zespoły terenowe mierzyły średnicę pnia, identyfikowały gatunki i fotografowały korę oraz liście, łącząc każde drzewo cyfrowe z prawdziwym, oznakowanym drzewem w lesie.

Sprawdzanie struktury liści i drewna

Specjalną zaletą tego zestawu danych jest to, że wiele drzew ma punkty oznaczone jako drewno lub liście. Przy użyciu narzędzi interaktywnych eksperci ręcznie oddzielili punkty pni i gałęzi od listowia dla drzew o większych pniach. Te ręcznie oznakowane drzewa służą jako odniesienie do testowania automatycznych metod separacji liść–drewno. Zespół uruchomił cztery szeroko stosowane algorytmy na tych danych i porównał ich wyniki. Choć rezultaty były nieco mniej dokładne niż w prostszych lasach gdzie indziej, ranking metod pokrywał się z wcześniejszymi badaniami, co sugeruje, że nowe dane są zarówno realistyczne, jak i wysokiej jakości. Dzięki wersjom drzew zawierającym tylko drewno, badacze mogą bardziej niezawodnie oszacować objętość pni i gałęzi, a tym samym nadziemną biomasę.

Od działek badawczych do satelitów

Aby sprawdzić, jak dobrze pomiary pochodzące z laserów odzwierciedlają rzeczywistość, autorzy porównali wysokości drzew i średnice pni uzyskane z TLS i ALS z pomiarami terenowymi. Stwierdzili silną zgodność, z niewielkimi średnimi różnicami odzwierciedlającymi zarówno naturalny wzrost, jak i różne punkty widzenia. Korzystając z zaawansowanych narzędzi modelowania, oszacowali objętość każdego drzewa i podsumowali, ile drewna wnoszą różne gatunki. Na przykład jeden gatunek sosny stanowił niewielki udział w liczbie drzew, lecz duży udział w całkowitej objętości, co sugeruje jego znaczącą rolę w magazynowaniu węgla. Ponieważ zestaw danych jest otwarcie udostępniony w publicznych repozytoriach, może teraz wspierać wiele rodzajów badań, od testowania nowych metod uczenia maszynowego do rozpoznawania gatunków po ulepszanie misji satelitarnych, takich jak NISAR NASA-ISRO i BIOMASS ESA, które mają na celu monitorowanie lasów na całym świecie.

Co to oznacza dla przyszłości

Mówiąc wprost, ta praca dostarcza szczegółowego „treningowego pola” dla cyfrowych narzędzi, których potrzebujemy, by rozumieć i chronić lasy. Poprzez staranne zmapowanie setek pojedynczych drzew w wcześniej niedostatecznie reprezentowanym regionie, autorzy dają naukowcom sposób na doskonalenie modeli przekształcających dane laserowe w wiarygodne informacje o wielkości, kształcie i biomasie drzewa. W miarę jak te modele będą się poprawiać, lepsze stanie się nasze zdolność śledzenia, ile węgla jest przechowywane w lasach, jak one się zmieniają w czasie i jak działają działania ochronne oraz renaturalizacyjne. Dla każdego zainteresowanego zmianami klimatu i bioróżnorodnością ten zestaw danych to ważny krok w kierunku jaśniejszego widzenia lasów — od liści aż po satelity na orbicie.

Cytowanie: Ali, M., Biswas, A., Iglseder, A. et al. Terrestrial and Airborne Laser Scanning Dataset of Trees in the Shivalik Range, India with Field Measurements and Leaf–Wood Classifications. Sci Data 13, 420 (2026). https://doi.org/10.1038/s41597-026-06674-w

Słowa kluczowe: lidar leśny, biomasa drzew, lasy tropikalne, teledetekcja, mapowanie węgla