Abschlussarbeit
Automatisierte 3D-Vegetationskartierung mit Daten des Z+F FlexScan

Details
- Extern/e Autor:in
- Julius Heilmeier
- Intern/e Betreuer:in
- Prof. Dr. Sebastian Briechle
- Abschluss
- Bachelor
- Studiengang
- Angewandte Geodäsie und Geoinformatik
- Jahr
- 2025
- Fakultät
- Fakultät für Geoinformation
- Status
- abgeschlossen
- Themengruppe
- Photogrammetrie_Fernerkundung
Die präzise Erfassung und Analyse von Waldbeständen auf Einzelbaumebene ist von zentraler Bedeutung für die Forstwirtschaft und ökologische Forschung, da sie sowohl die Waldbewirtschaftung als auch den Naturschutz unterstützt. Traditionell erfolgt die Forstinventur meist manuell, was zeit- und arbeitsintensiv ist und potenzielle Ungenauigkeiten mit sich bringt. Fortschritte in der 3D-Vegetationskartierung bieten hier eine vielversprechende Alternative. Diese Arbeit untersucht den Einsatz des mobilen Laserscanners Z+F FlexScan 22 mit SLAM-Technologie (Abb. 1, rechts) zur automatisierten 3D-Kartierung von Einzelbäumen in einem Untersuchungsgebiet in der Gemeide Kranzberg (Landkreis Freising). Zusätzlich wurden Daten des terrestrischen Laserscanners Z+F IMAGER 5016 (Abb. 1, links) zur Vegetationskartierung verwendet.
Zur 3D-Vegetationskartierung wurde das Plugin 3DFin in CloudCompare verwendet. Dieses Plugin ermöglicht die automatisierte Segmentierung von Einzelbäumen aus hochaufgelösten Punktwolken inkl. präziser 3D-Modellierung. Zusätzlich werden die Baumachse sowie u.a. folgende Baumparameter abgeleitet: Lagekoordinaten, Baumhöhe und Stammdurchmesser auf Brusthöhe (BHD). Zur vorgelagerten Filterung der teilweise dichten Bodenvegetation wurden zwei Ansätze untersucht, die beide jedoch nicht zielführend waren: eine Filterung mittels Intensitätswerten, und eine Filterung mittels eines vorab auf einem Benchmark-Datensatz trainierten Klassifikators (Plugin 3DMASC).
Generell zeigt die Untersuchung, dass die 3D-Vegetationskartierung mittels Daten des mobilen Laserscanners (SLAM) zielführender ist als mit Daten des statischen Scanners (STATIC), da Abschattungen in der statischen Punktwolke zu erheblichen Lücken führen und damit die automatisierte Auswertung erschweren. In einem repräsentativen Testgebiet konnten 21 von 21 Bäumen (SLAM; ca. 23 Mio. Punkte; Abb. 2 und 3) bzw. 7 von 21 Bäumen (STATIC; ca. 38 Mio. Punkte) segmentiert werden. Der BHD konnte bei 13 (SLAM) bzw. 6 (STATIC) Bäumen geschätzt werden. Ein Vergleich zwischen den Ergebnissen auf Grundlage der Bäume, die in beiden Datensätzen detektiert wurden, leiferte folgende Werte: mittlere Abweichung der 2D-Baumpositionen ca. 4cm (n=7), mittlere Abweichung der Baumhöhe ca. 18cm (n=5), mittlere Abweichung des DBH ca. 3cm (n=6).
Diese Ergebnisse unterstreichen das hohe Potenzial der mobilen Laserscanning-Technologie für die automatisierte 3D-Vegetationskartierung. Zukünftige Kartierungen können durch die Erfassung in laubfreier Zeit und gezielte Entfernung von Bodenvegetation hinsichtlich Effizienz und Genauigkeit weiter optimiert werden.