Eines der Probleme bei der Vermessung eines Waldes besteht darin, dass die Bäume dazu neigen, im Weg zu stehen. Terrestrisches Laserscanning (TLS) kann Bäume schnell zappen, aber mit einer statischen Station können nähere Bäume weiter entfernte Bäume verdecken. Mobiles Laserscanning (MLS) umgeht dieses Problem, indem es dem Vermesser neue Blickwinkel ermöglicht. Diese Vermessungen können Millionen von Punkten erzeugen, die die Umgebung in 3D mit einer Genauigkeit im Millimeterbereich erfassen. Eine Schwierigkeit besteht darin, diese vielen Datenpunkte in Baummodelle aufzunehmen. Bienert und Kollegen haben einen neuen Algorithmus entwickelt, um alle Punkte zu verstehen.

„Algorithmen für die vollständige Baum- und Baumkronensegmentierung aus MLS-Daten sind nur für Stadtbäume verfügbar. Städtische Umgebungen zeichnen sich in der Regel durch eine einreihige Anordnung von Straßenbäumen parallel zur Trajektorie des MLS-Systems aus und bieten so eine klare Sicht auf den Stamm- und Kronenraum“, schreiben Bienert und Kollegen. Sie fügen hinzu, dass die Isolation von Stadtbäumen das Aufspüren ihrer Stämme und Äste viel einfacher macht als in freier Wildbahn. „Das Ziel unserer Studie war es, einen neuartigen Segmentierungsalgorithmus für MLS-Datensätze vorzustellen und seine Qualität und Genauigkeit für die Verarbeitung eines großen MLS-Datensatzes eines natürlichen Mischwalds zu untersuchen.“

Das Team der Botaniker ging in den Lauerholzer Wald in Norddeutschland. Sie nahmen ein Riegl VMX-250 Mobile Mapping System und befestigten es oben auf einem Lieferwagen, um den Wald zu scannen. Sie fuhren den Lieferwagen in beide Richtungen entlang der Waldwege, um die Schatteneffekte zu verringern. Der Aufbau ermöglichte es dem Team, 3.73 Milliarden Datenpunkte in weniger als zwei Stunden zu sammeln.

Anschließend nahmen sie diese Daten und untersuchten, wie sich die Scanentfernung vom Scanner auf die automatische Baumsegmentierung auswirkte.

„Unsere Analysen des gesamten Untersuchungsgebiets haben gezeigt, dass für mehr als 50 % der Bäume die Kronenhöhen und Baumpositionen bis zu einer Entfernung von 30 m rechts und links der Forststraße abgeleitet werden können. Daraus wiederum ließen sich die Waldkompartimentgrenzen hinsichtlich Stammzahl und Höhenverteilung bestimmen“, schreiben die Autoren.

Der Algorithmus ist nicht auf ein bestimmtes System angewiesen, um zu funktionieren. Bienert und Kollegen schreiben, dass die Methode „…unabhängig vom mobilen Laserscansystem ist und mit einer Punktwolke (X, Y, Z) und einer Trajektorie im Format (Zeit, X, Y, Z) arbeitet. Somit kann theoretisch jedes LiDAR-System mit einem trajektorienbasierten terrestrischen Scan verwendet werden. Da der Segmentierungsalgorithmus keine Einschränkungen hinsichtlich der Baumgröße hat, wurden auch kleinere Objekte (Unterholzvegetation) erkannt und segmentiert. Daher ist die Anzahl der erhaltenen Segmente höher als die Anzahl der tatsächlichen Bäume im Bestand.“

Einige dieser kleineren Objekte in der Studie enthielten Spaziergänger, aber diese wurden (aus den Daten) eliminiert, indem die Segmentierungsparameter festgelegt wurden.

Während die Verwendung von mobilem Laserscanning nicht alle Probleme der Okklusion von Bäumen durch nähere Bäume beseitigt, glauben Bienert und Kollegen, dass ihre Methode viel Datenverarbeitung ermöglichen wird. Sie fügen hinzu, dass Vermessungsingenieure alle schwierigen Stellen mit persönlichen Laserscansystemen ausfüllen können.