Centre de documentation
scientifique

Automated inventory of broadleaf tree plantations with UAS imagery / Aishwarya Chandrasekaran in Remote sensing, vol 14 n° 8 (April-2 2022)  

Public [article]  inRemote sensing > vol 14 n° 8 (April-2 2022) . - n° 1931 Titre : Automated inventory of broadleaf tree plantations with UAS imagery Type de document : Article/Communication Auteurs : Aishwarya Chandrasekaran, Auteur ; Guofan Shao, Auteur ; Songlin Fei, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : n° 1931 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications photogrammétriques [Termes IGN] feuillu [Termes IGN] hauteur à la base du houppier [Termes IGN] hauteur des arbres [Termes IGN] image captée par drone [Termes IGN] Indiana (Etats-Unis) [Termes IGN] inventaire forestier (techniques et méthodes) [Termes IGN] modèle numérique de surface de la canopée [Termes IGN] orthophotoplan numérique [Termes IGN] plantation forestière [Termes IGN] R (langage) [Termes IGN] semis de points [Termes IGN] structure-from-motion Résumé : (auteur) With the increased availability of unmanned aerial systems (UAS) imagery, digitalized forest inventory has gained prominence in recent years. This paper presents a methodology for automated measurement of tree height and crown area in two broadleaf tree plantations of different species and ages using two different UAS platforms. Using structure from motion (SfM), we generated canopy height models (CHMs) for each broadleaf plantation in Indiana, USA. From the CHMs, we calculated individual tree parameters automatically through an open-source web tool developed using the Shiny R package and assessed the accuracy against field measurements. Our analysis shows higher tree measurement accuracy with the datasets derived from multi-rotor platform (M600) than with the fixed wing platform (Bramor). The results show that our automated method could identify individual trees (F-score > 90%) and tree biometrics (root mean square error Numéro de notice : A2022-351 Affiliation des auteurs : non IGN Thématique : FORET/IMAGERIE Nature : Article DOI : 10.3390/rs14081931 Date de publication en ligne : 16/04/2022 En ligne : https://doi.org/10.3390/rs14081931 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100539 [article]