Определение высоты и диаметра деревьев по данным лидарной съемки с беспилотного воздушного судна

Леса играют важную роль в регулировании климата, благодаря способности аккумулировать значительные объемы углерода в древесной фитомассе. Согласно данным ФАО, в 2021–2025 гг. лесные экосистемы обеспечивали поглощение около 3,6 млрд т CO₂/год, при этом на Российскую Федерацию приходилось около 1,15 млрд т CO₂/год (FAO, 2025).
Значительная часть лесных ресурсов России сосредоточена в Сибири. В Ханты-Мансийском автономном округе — Югре (ХМАО — Югра) леса занимают 53,7 % территории и испытывают значительное антропогенное воздействие, связанное с сейсморазведкой, строительством дорог, лесозаготовкой и лесными пожарами (Характеристика…, 2025). При этом значительная площадь лесов, труднодоступность отдельных участков и неоднородность древостоев по породному составу и структуре затрудняют проведение наземной лесотаксации и получение объективных данных о запасах древесины и состоянии лесов. Кроме того, наземные методы оценки требуют значительных временных и трудовых затрат, а точность получаемых результатов во многом зависит от квалификации специалистов (Крошкина, Бучельникова, 2023).
В связи с этим актуальной задачей становится совершенствование методов оценки лесных ресурсов. Одним из перспективных решений является применение беспилотных авиационных систем (БАС), оснащенных лазерными сканерами, позволяющих дистанционно оценивать таксационные характеристики лесных насаждений, в том числе запасы древесины, при обязательной наземной верификации полученных результатов.
Целью работы является оценка запасов стволовой древесины и породного состава древостоя по данным лидарной съемки с БВС на примере смешанного лесного массива Советского района ХМАО — Югры.
Для ее достижения были поставлены следующие задачи:
1) Определение количества, высоты и диаметра стволов деревьев на пробных площадях на основе данных лидарной съемки;
2) Определение породного состава по данным лидарной съемки;
3) Расчет запаса стволовой древесины с использованием аллометрических уравнений;
4) Верификация результатов дистанционной оценки по данным наземных измерений.
Методы исследования. 18 марта и 7 апреля 2025 года (до и после рубки, для последующей оценки объема вырубленных деревьев, с учетом видового состава) в лесном массиве, расположенном в Советском районе ХМАО – Югры (координаты: 63,80377 с. ш., 62,20723 в. д.), было проведено воздушное лазерное сканирование (одновременно была осуществлена фотосъемка в RGB-диапазоне) с использованием БВС DJI Matrice 300, оснащенного лазерным сканером Zenmuse L1 (SZ DJI Technology Co., Ltd., China). Съемка выполнялась в надире с высоты 50 м, при скорости полета 3,7 м/с и поперечном перекрытии маршрутов 70%; плотность облака точек составляла не менее 3000 точек/м².
Данные воздушного лазерного сканирования были предварительно обработаны в DJI Terra (DJI, Китай): облака точек были выровняли, выполнили сглаживание и выгрузили в формате .las. Затем в TerraScan (Terrasolid Ltd., Финляндия) были проведены:
1) Классификация облака точек по классам «земля» и «растительность»;
2) Сегментация отдельных деревьев и ручная корректировка результатов;
3) Расчет высоты деревьев.
На основе наземных данных и визуального анализа ортофотоплана исследуемого участка были выделены экспертно пять доминирующих пород: Ель (Picea obovata), Сосна (Pinus sylvestris), Лиственница (Larix sibirica), Береза (Betula pendula) и Кедр (Pinus sibirica). Для их распознавания использовали девять морфологических, структурных и спектрально-текстурных признаков:
1) Отношение высоты дерева к диаметру кроны — геометрические пропорции дерева и кроны;
2) Площадь проекции кроны — горизонтальный размер кроны по проекции ТЛО;
3) Плотность точек лазерных отражений в пределах кроны — плотность заполнения объема кроны лазерными отражениями;
4) Средняя интенсивность красного канала — среднее нормированное значение R для точек сегмента;
5) Средняя интенсивность зеленого канала — среднее нормированное значение G для точек сегмента
6) Средняя интенсивность синего канала — среднее нормированное значение B для точек сегмента.
7) Текстурная энтропия — неоднородность распределения яркости внутри сегмента;
8) Относительная высота максимума плотности кроны — положение слоя с максимальной концентрацией ТЛО по нормированной высоте кроны;
9) Зимний индекс зелености — спектральный индекс, характеризующий соотношение зеленого и красного каналов.
На основе выбранных признаков сегменты классифицировали методом CatBoost, для чего разметили обучающую выборку объемом 448 сегментов (Береза – 131 шт; Ель – 79; Кедр – 126; Лиственница – 36; Сосна – 75). Диаметр ствола на высоте 1,3 м определяли по зависимости от высоты дерева, параметризованной на основе таблиц хода роста Н. П. Анучина (1981). Для выбора разряда высот по каждой породе отбирали по 50 деревьев, для которых в Agisoft Metashape (ООО «Живой софт», Россия) вручную измеряли высоту и диаметр ствола. На основе соотношения этих показателей устанавливали соответствующий разряд высот, после чего подбирали параметры зависимости диаметра от высоты путем минимизации средней абсолютной процентной ошибки между табличными и расчетными значениями диаметров.
Объем стволовой древесины рассчитывали для каждого дерева с учетом его высоты (H), расчетного диаметра (D) и породной принадлежности. Для ели, сосны и березы использовали породные уравнения В.В. Загреева и соавторов (1992), для кедра и лиственницы — уравнение для сосны. Полученные объемы суммировали по породам для определения общего запаса стволовой древесины.
Наземная верификация полученной зависимости между диаметрами и высотой стволов состояла в повторной параметризации аллометрических уравнений: для этого минимизировали функционал, включающий взвешенную (по породам) сумму средней абсолютной процентной ошибки (MAPE), рассчитанную с учетом наземной оценки запасов древесины. Это позволило оценить возможности “наилучшей” параметризации (D-H), которая могла бы быть получена для данного участка, и сравнить ее с выполненной на предыдущем этапе.
Результаты исследования. До наземной верификации суммарный запас стволовой древесины, рассчитанный по данным ВЛС, составил 1438,8 м³ при наземной оценке 1417 м³. После уточнения параметров моделей с учетом наземных измерений оценка составила 1409 м³.
По отдельным породам дистанционная оценка до и после учета наземных измерений составила (порода — наземная оценка — дистанционная оценка до калибровки — дистанционная оценка после калибровки):
1) Ель — 255 м3 — 251 м³ — 255 м³;
2) Сосна — 334 м3 — 290 м³ — 267 м³;
3) Лиственница — 71 м3 — 62 м³ — 63 м³;
4) Берёза — 490 м3 — 455 м³ — 490 м³;
5) Кедр — 267 м3 — 381 м³ — 334 м³.
Полученные результаты показывают, что используемый подход обеспечивает более точную оценку запасов для лиственных пород — березы и лиственницы. Для хвойных пород расхождения с наземными данными оказались более выраженными, особенно для кедра, что может свидетельствовать о сложностях разделения отдельных видов хвойных пород по характеристикам облака точек. При этом верификация с использованием наземных измерений позволила сократить расхождение расчетных запасов с наземной оценкой для сосны и ели.
Исследование выполнено в рамках реализации задач проекта РНФ (25-17-20042) “Разработка системы комплексной оценки состояния природных сред с учетом целей низкоуглеродного развития ХМАО-Югры: БПЛА, ГИС, нейронные сети и наземная верификация”.