Orman ortamlarında ağaç konumlarının grafik eşleştirmesine dayalı hedef gerektirmeyen İHA‑LiDAR nokta bulutu kaydı

Ormanların lazer görüntülerini hizalamanın önemi

Ormanlar karbon depolar, vahşi yaşama barınak sağlar ve iklimi düzenlemeye yardımcı olur; yine de geniş alanlarda ağaç ağaç yapısını ölçmek zordur. Lazer tarayıcı taşıyan küçük insansız hava araçları (İHA‑LiDAR) ormanları olağanüstü bir ayrıntıyla haritalayabilir, ancak verileri çakışan uçuş hatlarında yakalanır ve özellikle uydu konumlandırma sinyallerinin zayıf olduğu sık örtü altında bu kayıtlar mükemmel şekilde örtüşmeyebilir. Bu çalışma, yerde insan yapımı hedeflere ihtiyaç duymadan, ağaçları doğal referans noktaları olarak kullanarak çakışan lazer taramalarının düzgünce hizalanmasını sağlayan bir yöntem sunar.

Uçan lazerlerle ormanı görmek

Modern orman incelemeleri giderek LiDAR’a dayanıyor; bu teknoloji ışık darbeleri gönderir ve geri dönme sürelerini ölçer. İHA’lara monte edildiğinde LiDAR, ağaç tepeleri, dallar ve zemin yüzeylerinin şeklini santimetre çözünürlüğünde yakalayabilir. Ancak bir İHA tipik olarak uzun, paralel hatlar boyunca uçar ve çatışan çatı kiremitleri gibi örtüşmesi gereken nokta bulutu şeritleri oluşturur. Küçük navigasyon hataları, örtü tarafından engellenme ve engebeli arazi bu şeritlerin nadiren tam eşleşmesine neden olur. Geleneksel hizalama yöntemleri düz zemin yamaları veya basit geometrik özellikler arar; oysa bunlar gerçek ormanlarda nadir ya da gizlidir. Yazarlar bunun yerine bol bulunan ve ekolojik olarak anlamlı olan bir şeye odaklanır: bireysel ağaçların düzenine.

Ağaçları doğal çapa ağı olarak kullanmak

Yeni çerçeve, her LiDAR şeridinde zeminle ve bitki örtüsüyle ayrımı yaparak arazi ve örtü için ayrıntılı yükseklik modelleri oluşturmaya başlar. Bunlardan yazılım bireysel ağaç tepelerini belirler ve her ağacı bir ağ içindeki bir düğüm olarak ele alır. Her ağaç için komşularının yere göre uzaklığını, yükseklik farklılıklarını ve birbirlerine göre konumlarını kaydeder. Bu basit mekansal ilişkiler, her ağacın çevresi için bir tür parmak izi oluşturur. Yöntem daha sonra örtüşen şeritler arasındaki ağaçları karşılaştırır ve mesafe ile yükseklik düzenini koruyan en iyi bire bir eşleştirmeyi arar. Bu eşleştirme adımı, biyolojik dizileri hizalamak için orijinal olarak geliştirilen sağlam bir algoritmayla çözülür ve böylece tüm alanda en tutarlı ağaç eşleştirmeleri seçilir.

Uyumu üç boyutta ince ayarlama

Eşleşen ağaçları bulmak işin yalnızca yarısıdır; taramaların yine de karşılık gelen ağaçların 3B uzayda aynı konuma gelmesi için döndürülüp kaydırılması gerekir. Bunu yapmak için yazarlar kuşların sürü hareketinden esinlenen ve parçacık sürü optimizasyonu olarak bilinen bir optimizasyon yaklaşımı kullanır. Döndürmeler ve kaydırmaların farklı kombinasyonlarını temsil eden birçok deneme çözüm arama uzayında hareket eder ve eşleşen ağaçları mümkün olduğunca yakınlaştıran düzenlemeye doğru yönlendirilir; açıkça uyumsuz veriler göz ardı edilir. Bu süreç, dış işaretlere veya yüksek kaliteli uydu konumlamaya bağlı kalmadan bir LiDAR şeridini diğerine hizalayan hassas, tam üç boyutlu bir dönüşüm sağlar; bu da navigasyon sinyallerinin güvenilmez olduğu ormanlarda özellikle kullanışlıdır.

Gerçek ormanlarda ne kadar iyi çalışıyor?

Ekip yöntemi güneydoğu Çin’deki bir kıyı orman parkında test etti; farklı ağaç türleri, yaşları ve gövde yoğunluklarını temsil eden sekiz dairesel parseldan veri kullandılar. Parsellerde kavak, sabah kızılcığı (dawn redwood), kara çam ve diğer türler vardı; yapraklı örtü yoğun ve LiDAR nokta yoğunluğu çok yüksekti. Kaydettikten sonra eşleştirilen ağaçlar arasındaki tipik uzaklık hataları sadece birkaç on santimetreydi ve türlere göre yaklaşık 17–27 cm arasında karekök ortalama kare sapma değerleri elde edildi. Doğru eşleştirilen ağaçların oranı yaygın olarak kullanılan bir temel yöntemle karşılaştırıldığında yaklaşık %17–27 oranında arttı ve gelişmeler özellikle ayrı, iyi ayrılmış tepeleri olan topluluklarda (ör. dawn redwood) güçlüydü. Örtüşen tepeleri olan yoğun yapraklı yaprak döken topluluklar hâlâ zorluydu; bu da gelecekte daha iyi ağaç segmentasyon araçlarına ihtiyaç duyulan yerleri ortaya koydu.

Orman izleme için bunun anlamı

Ağaçları izole nesneler yerine bir ağ içindeki noktalar olarak ele alarak bu çerçeve, birden çok İHA‑LiDAR taramasını hedef gerektirmeden tek bir tutarlı 3B orman görünümünde birleştirmenin dayanıklı bir yolunu sunar. Uzman olmayanlar için ana mesaj, uydu sinyallerinin zayıf olduğu ve zemin yaprakların altında gizli olsa bile drone anketlerini artık daha doğru bir şekilde birleştirebileceğimizdir. Bu hizalama düzeyi örtü yapısını haritalamak, orman büyümesini izlemek ve biyolojik çeşitlilik ile karbon depolama çalışmalarını desteklemek için uygundur; ancak ayrıntılı gövde ölçümleri gibi milimetre ölçeğindeki görevler için henüz yeterince hassas değildir. İHA’lar ve lazer tarayıcılar ormancılıkta daha yaygın hale geldikçe, bu tür yöntemler büyük lazer nokta bulutlarını zaman içinde ormanların nasıl değiştiğini ortaya koyan güvenilir, karşılaştırılabilir haritalara dönüştürmeye yardımcı olacaktır.

Atıf: Fekry, R., Ali, E., Sani-Mohammed, A. et al. Target-less registration of UAV-LiDAR point clouds based on graph matching of tree locations in forest environments. Sci Rep 16, 12373 (2026). https://doi.org/10.1038/s41598-025-29590-2

Anahtar kelimeler: İHA LiDAR, orman haritalama, nokta bulutu kaydı, ağaç tespiti, uzaktan algılama