การประมาณค่ามวลชีวภาพเหนือพื้นดินของต้นยูคาลิปตัสด้วยเทคนิคการสร้างพื้นผิวใหม่จากการสแกนด้วยเลเซอร์ภาคพื้นดิน
Article Sidebar
Main Article Content
บทคัดย่อ
มวลชีวภาพเหนือพื้นดิน (AGB) เป็นตัวแปรทางนิเวศวิทยาที่สำคัญซึ่งควรได้รับตรวจวัดอย่างแม่นยำเพื่อประมาณการกักเก็บคาร์บอนของต้นไม้ที่ถูกต้อง วิธีการดั้งเดิมสำหรับการประมาณค่า AGB ใช้การตัดต้นไม้ซึ่งไม่เหมาะกับพื้นที่แปลงปลูกขนาดใหญ่ เพราะต้องใช้แรงงานมากและก่อให้เกิดผลการคำนวณที่มีความแปรปรวนทางสถิติสูง การสแกนด้วยเลเซอร์ภาคพื้นดิน (TLS) ซึ่งเป็นเทคนิคใหม่ที่ช่วยให้การเก็บข้อมูลทำได้ง่ายขึ้นและให้ความถูกต้องสูงกว่าวิธีการดั้งเดิม ดังนั้นวัตถุประสงค์ของการวิจัยนี้ คือ การประมาณค่า AGB ของต้นไม้จากพอยท์คลาวด์ของการสแกนด้วยเลเซอร์ภาคพื้นดิน ใช้ต้นไม้ตัวอย่างจากแปลงปลูกยูคาลิปตัสคามาลดูเลนซิส จำนวน 24 ต้น ประมาณค่า AGB โดยใช้วิธี qualitative surface model (QSM) และวิธี poisson surface reconstruction (PSR) เปรียบเทียบความถูกต้องของค่า AGB จากทั้ง 2 วิธี กับค่า AGB จริงที่ได้จากวิธีการแทนที่น้ำ ค่าความถูกต้องของผลการคำนวณ AGB แสดงด้วยค่ารากที่สองของความคลาดเคลื่อนกำลังสองเฉลี่ย (RMSE) ผลการทดสอบพบว่าค่า RMSE จากวิธี QSM เท่ากับ 3.08 กิโลกรัม และค่า RMSE วิธี PSR เท่ากับ 1.78 กิโลกรัม ผลลัพธ์จากงานวิจัยนี้ช่วยยืนยันได้ว่าการใช้เทคนิค TLS นั้นมีประสิทธิภาพเพียงพอ ซึ่งแนะนำให้ผู้ประกอบการอุตสาหกรรมไม้โตเร็วนำไปใช้เพื่อช่วยในการบริหารจัดการแปลงปลูกเพื่อรองรับความต้องการไม้ภายในประเทศ
Article Details
เอกสารอ้างอิง
Næsset, E., Gobakken, T., Holmgren, J., Hyyppä, H., Hyyppä, J., Maltamo, M., Nilsson, M., Olsson, H., Persson, Å. and Söderman, U., 2004, Laser scanning of forest resources: The nordic experience, Scand. J. Forest Res. 19: 482-499.
Küßner, R. and Mosandl, R., 2000, Comparison of direct and indirect estimation of leaf area index in mature Norway spruce stands of eastern Germany, Can. J. Forest Res. 30: 440-447.
Henning, J.G. and Radtke, P.J., 2006, Ground-based laser imaging for assessing three-dimensional forest canopy structure, Photogramm. Eng. Remote Sens. 72: 1349-1358.
Falkowski, M.J., Evans, J.S., Martinuzzi, S., Gessler, P.E. and Hudak, A.T., 2009, Charac terizing forest succession with lidar data: An evaluation for the Inland Northwest, USA, Remote Sens. Environ. 113: 946-956.
Popescu, S.C., 2007, Estimating biomass of individual pine trees using airborne lidar, Biomass Bioenergy 31: 646-655.
Hudak, A.T., Evans, J.S. and Smith, A.M.S., 2009, LiDAR utility for natural resource managers, Remote Sens. 1: 934-951.
Lim, K., Treitz, P., Wulder, M., St-Onge, B. and Flood, M., 2003, LiDAR remote sensing of forest structure, Prog. Phys. Geogr. 27: 88-106.
Dassot, M., Constant, T. and Fournier, M., 2011, The use of terrestrial LiDAR techno logy in forest science: Application fields, benefits and challenges, Ann. Forest Sci. 68: 959-974.
Loudermilk, E.L., Hiers, J.K., O'Brien, J.J., Mitchell, R.J., Singhania, A., Fernandez, J.C., Cropper, W.P.Jr. and Slatton, K.C., 2009, Ground-based LIDAR: A novel approach to quantify fine-scale fuelbed characteristics, Int. J. Wildland Fire 18: 676-685.
Holopainen, M., Vastaranta, M., Kankare, V., Räty, M., Vaaja, M., Liang, X., Yu, X., Hyyppä, J., Hyyppä, H., Viitala R. and Kaasalainen, S., 2011, Biomass estimation of individual trees using stem and crown diameter TLS measurements, Int. Arch. Photogramm. Remote Sens. Spatial Inform. Sci. 38-5W12: 91-95.
Mengesha, T., Hawkins, M. and Nieuwen huis, M., 2015, Validation of terrestrial laser scanning data using conventional forest inventory methods, Eur. J. For. Res. 134: 211-222.
Liang, X., Kankare, V., Hyyppä, J., Wang, Y., Kukko, A., Haggrén, H., Yu, X., Kaartinen, H., Jaakkola, A., Guan, F., Holopainen, M. and Vastaranta, M., 2016, Terrestrial laser scanning in forest inventories, J. Photogramm. Remote Sens. 115: 63-77.
Newnham, G.J., Armston, J.D., Calders, K., Disney, M.I., Lovell, J.L., Schaaf, C.B., Strahler, A.H. and Danson, F.M., 2015, Terrestrial laser scanning for plot-scale forest measurement, Curr. Forestry Rep. 1: 239-251.
Olsoy, P.J., Glenn, N.F., Clark, P.E. and Derryberry, D.R., 2014, Aboveground total and green biomass of dryland shrub derived from terrestrial laser scanning, ISPRS J. Photogram. Remote Sens. 88: 166-173.
Raumonen, P., Kaasalainen, M., Markku, A., Kaasalainen, S., Kaartinen, H., Vastaranta, M., Holopainen, M., Disney M. and Lewis, P., 2013, Fast automatic precision tree models from terrestrial laser scanner data, Remote Sens. 5: 491-520.
Kazhdan, M., Bolitho, M. and Hoppe, H., 2006, Poisson surface reconstruction, in Proceedings of the 4th Eurographics Symposium on Geometry Processing 7: 21-30.
Feliciano, E.A., Wdowinski, S. and Potts, M.D., 2014, Assessing mangrove above-ground biomass and structure using terrestrial laser scanning: A case study in the everglades national park, Wetlands 34: 955-968.
Ishak, N.I., Abu Bakar, M.A., Abdul Rahman, M.Z.A., Rasib, A.W., Kanniah, K.D., Meng Shin, A.L. and Razak, K.A., 2015, Estimating single tree stem and branch biomass using terrestrial laser scanning, J. Teknol. 77: 59-67.
Maas, H.G., Bienert, A., Scheller, S. and Keane, E., 2008, Automaticforest inventory parameter determination from terrestrial laser scanner data, Int. J. Remote Sens. 29: 1579-1593.
Hackenberg, J., Wassenberg, M., Spiecker, H. and Sun, D., 2015, Nondestructive method for biomass prediction combining TLS derived tree volume and wood density, Forests 6: 1274-1300.
Stovall, A.E.L., Vorster, A.G., Anderson, R.S., Evangelista, P.H. and Shugart, H.H., 2017, Non-destructive aboveground biomass estimation of coniferous trees using terrestrial LiDAR, Remote Sens. Environ. 200: 31-42.
Berger, M., Tagliasacchi, A., Seversky, L.M., Alliez, P., Guennebaud, G., Levine, J.A., Sharf, A. and Silva, C.T., 2017, A survey of surface reconstruction from point clouds, Comput. Graph. Forum 36: 301-329.
Owers, C.J., Rogers, K. and Woodroffe, C.D., 2018, Terrestrial laser scanning to quantify above-ground biomass of structurally complex coastal wetland vegetation, Estuarine, Coastal Shelf Sci. 204: 164-176.
Åkerblom, M., 2012, Quantitative Tree Modeling from Laser Scanning Data, Master Thesis, Tampere University of Technology, Tampere.
Ribeiro, S.C., Soares, C.P.B., Fehrmann, L., Jacovine, L.A.G. and von Gadow, K., 2015, Aboveground and belowground biomass and carbon estimates for clonal eucalyptus trees in Southeast Brazil, Revista Arvore 39: 353-363.
Wassenberg, M., Montwé, D., Kahle, H.P., and Spiecker, H., 2014, Exploring high frequency densitometry calibration functions for different tree species, Dendrochronologia 32: 273-281.
Wassenberg, M., Chiu, H.S., Guo, W. and Spiecker, H., 2015, Analysis of wood density profiles of tree stems: Incorporating vertical variations to optimize wood sampling strategies for density and biomass estimations, Trees Struct. Funct. 29: 551-561.
Komiyama, A., Ong, J.E. and Poungparn, S., 2008, Allometry, biomass, and productivity of mangrove forests: A review, Aquat. Bot. 89: 128-137.
Intharat, T. and Vaipasa, C., 2018, Modeling mangrove above-ground biomass using terrestrial laser scanning technique: A case study of the Avicennia marina species in the Bang Pu district, Thailand, Thai J. Sci. Technol. 7(3): 307-318. (in Thai)
Olagoke, A., Proisy, C., Féret, J.B., Blanchard, E., Fromard, F., Mehlig, U., de Menezes, M.M., Dos Santos, V.F. and Berger, U., 2016, Extended biomass allometric equations for large mangrove trees from terrestrial LiDAR data, Trees 30: 935-947.
Robert, U.W., Etuk, S.E. and Agbasi, O.E., 2019, Bulk volume determination by modified water displacement method, Iraqi J. Sci. 60: 1704-1710.
Kazhdan, M. and Hoppe, H., 2013, Screened poisson surface reconstruction, ACM Transact. Graph. 32(3): 29.
Wilkes, P., Lau, A., Disney, M., Calders, K., Burt, A., de Tanago, J.G., Bartholomeus, H., Brede, B. and Herold, M., 2017, Data acquisition considerations for Terrestrial Laser Scanning of forest plots, Remote Sens. Environ. 196: 140-153.
Clark, D.B. and Kellner, J.R., 2012, Tropical forest biomass estimation and the fallacy of misplaced concreteness, J. Veg. Sci. 23: 1191-1196.
Danson, F.M., Gaulton, R., Armitage, R.P., Disney, M., Gunawan, O., Lewis, P., Pearson, G. and Ramirez, A.F., 2014, Developing a dual-wavelength full-waveform terrestrial laser scanner to characterize forest canopy structure, Agric. Forest Meteorol. 198-199: 7-14.
Morel, J., Bac, A. and Véga, C., 2018, Surface reconstruction of incomplete datasets: A novel poisson surface approach based on CSRBF, Comput. Graph. 74: 44-55.
