地面光達應用於林木競爭之研究

航測及遙測學刊 第十六卷 第 4 期 第 279-287 民國 102 年 01 月 279

Journal of Photogrammetry and Remote Sensing Volume16, No 4, January 2013, pp. 279-287

1國立屏東科技大學生物資源研究所 博士生 收到日期:民國 101 年 04 月 11 日

2國立屏東科技大學森林系 教授 修改日期:民國 101 年 08 月 15 日

3國立屏東科技大學亞太熱帶農業研究中心 助理 接受日期:民國 101 年 11 月 18 日

4國立屏東科技大學森林系 助理教授

＊通訊作者, 電話: 08- 770-3202 ext.7532, E-mail: zzzjohn@gisfore.npust.edu.tw

地面光達應用於林木競爭之研究

魏浚紘

陳朝圳

彭炳勳

李崇誠

陳建璋

摘 要

近年來，隨著遙測技術精進，已有許多繪製立木位置圖之方式，多半以二維空間影像來獲得立木位 置，但後續應用上會局限於二維空間資訊，無法進一步深入探討。本研究利用地面光達技術，進行森林 地區點雲掃瞄，透過三維空間點雲資訊獲取林木資訊與繪製立木位置圖，藉由立木位置圖與林木資訊，

進一步探討林木間相互競爭之關係。本研究以六龜地區之紅檜人工林為研究範圍，並透過地面光達繪製 之立木空間位置圖進行林木競爭指數計算，評估林木間相互競爭後，其生長狀態空間分布特性。透過樣 區中立木之實測值與地面光達點雲資訊所獲得之立木位置相比較，結果顯示水平誤差絕對值0.1 m 以下共 有13 株(28.26%)；垂直誤差絕對值 0.1 m 以下共有 15 株(32.61%)，而水平誤差絕對值 0.5 m 以下共有 35 株(76.09%)；垂直誤差絕對值 0.5 m 以下共有 38 株(82.61%)。透過地面光達點雲亦可得到準確度高之每木 胸徑，其 R²為0.9685，但掃瞄時必須注意掃瞄點位置與數量，方能得到點雲資訊較為足夠之光達點雲。

藉由地面光達資訊之立木距離與胸徑資訊即可計算林木競爭指數，其R²為0.9905。

關鍵詞：三維雷射掃瞄、地理資訊系統、林木位置圖、競爭指數

1. 前言

林木之間常以陽光、水分與養分為競爭之對象。

競爭結果，林木之間雖然未直接干擾對方，但均受 到互相抑制作用。當生態棲位（Ecological Niche）

越接近時，競爭現象則會越明顯（Weatherley, 1963）。

林木競爭之現象直接衝擊到的則是林木的健康狀 態，故林木競爭指數可用來代表林木健康情形(羅 時凡等，2008)。林木間產生競爭後，生長優勢高 之優勢樹種會有較高的生長速率，即越來越具有競 爭上的優勢。林木間競爭模式根據生長結構與株數 而定，而競爭程度的輕重程度取決各林木間各因子 之總和(Damgaard, 1999)。競爭指標透過林木之間 大小、數量、距離與空間分布，即可用來推測林分 之優劣程度(Moravie et al., 1999)。

競爭係為林木生長重要影響因子之一，競爭度 較高之林分，對於內部立木生長會產生抑制作用，

故瞭解林木競爭之情形，即可瞭解林木生長趨勢。

森林資源調查資訊能提供森林經營管理上之決策 方針，透過永久樣區所建立之林木資料庫，包括每 株立木屬性資料與立木位置圖之空間資料，即可提 供林木生長情形之時空變化，為森林經營管理上重 要的資訊。利用地理資訊系統將立木位置圖與單木 屬性資料結合，可用在研究立木空間分布以及時間 上的變化，有利於經營管理與研究者對資源掌握與 監測。傳統立木位置的繪製均為調查人員現場繪製，

概略可分成平板儀放射法與羅盤儀前進法兩大類，

利用測繩的方式來測量距離，不論是平板儀放射法 或羅盤儀前進法在立木繪製上常常必須花費大量 的人力以及物力，最重要的是浪費過多的時間，目 前利用全球衛星定位系統(Global Position System, GPS)與雷射測距儀來進行立木位置的繪製，可大 幅度提昇便利性與節省大量的時間(馮豐隆及李宣 德，2000；曹軍等，2004)，但以 GPS 與雷射測距

280 航測及遙測學刊 第十六卷 第四期 民國 102 年 01 月

儀進行測量僅能量測單點資訊且無法記載與展示 實際空間資料。

森林區域範圍廣大，實地探勘不易且耗時，

基礎資料蒐集不易，對大面積的立木位置圖繪製 時，仍有其不便之處。由於遙測技術的發展及衛 星影像解析度的提升，即時且迅速的特性可讓管 理單位短時間內獲取大範圍的資料，如(Pouliot et al., 2002)運用影像分析來進行樹冠形狀自動繪製；

Souza et al. (2005)利用空間與時間資訊探討伐木與 森林火災對樹冠的影響；林金樹等(2005)應用高解 析力衛星影像偵測與描繪開闊地立木樹冠；江采薇 (2006)結合高解析影像的光譜特性及光達的高程 特性偵測單株立木區域，目前繪製立木位置圖之 方式，多半以二維空間影像為主，即使能獲得立 木位置圖，但無法獲得胸徑等資料，在後續應用，

如林木生長、林木競爭與森林經營策略上，二維 空間影像會因為欠缺三維空間資訊，所能提供的 訊息大幅減少，無法進一步深入探討。

本研究希望能夠以地面光達為基礎進行立木 位置圖繪製，並與傳統繪製立木位置圖之方式進行 比較，以瞭解地面光達繪製立木位置圖之可行性。

2. 材料與方法

2.1 研究範圍

本研究區域位於小關山林道隸屬屏東林管處 荖濃溪事業區六龜工作站所管轄。小關山林道位於 北回歸線以南，屬亞熱帶型氣候區。年雨量約2,700 mm，年平均降雨天數約 140 天，5-9 月為雨季，

降雨量佔全年總雨量85%，10 月至翌年 4 月為乾 旱季，雨量相當集中，降雨分布不均，海拔越高之 處降雨量越高。研究樣區位置於99 林班，海拔高 約1,700 m，全區屬國有林班地。

2.2 研究材料

2.2.1 地面光達點雲資料

光達(雷射掃瞄)測量原理係透過三維空間中

已知之座標與該點至地面點之向量(距離與角度)，

透過飛行時間法(Time of Flight)，即可計算出其距 離，再透過架站的已知點，即可求出未知座標 (Boehler et al., 2001)。光達點雲主要由許多點構成，

每筆資料均由非常密集之點所形成，數量數以萬計，

故亦稱點雲，資料中每個掃瞄點均離散分布，任意 一點均具有準確座標，若點雲密度越高，則越能完 美反應物體形狀，故可提供建立精確度較高之林木 資訊，如樹高、胸高斷面積、樹冠幅與立木材積等。

所使用的3D 地面光達是由法國 Mensi SA 所 製造的Trimble GS200 系統。此掃瞄器可水平轉 360 度與垂直60 度掃瞄。掃瞄距離為 2 到 200 m 之間 的距離測量，儀器與目標距離100 m，掃瞄的光源 大小為3 mm；測量距離的標準差為單束 6 mm，

地面光達掃瞄速度為每秒5,000 點。資料收集時，

可透過校準影像快照擷取768 ×576 像素之影像，

點雲會依照其相對位置萃取影像中自然色資料，並 自動產生於電腦中，方便觀測掃瞄資料與後續作 業。

本研究所使用之光達資料於2009 年 5 月，利 用Trimble GS 200 地面光達，進行小關山林道紅檜 人工林試驗區之掃瞄，掃瞄點雲具有 X 座標、Y 座標、Z 座標、反射強度值(Intensity, I)、紅光、綠 光與藍光 (Red Green Blue, RGB)等自然色資訊，

掃瞄區域之點雲平均密度介於74.5 point m^-3。

2.2.2 試驗對象

紅檜(Chamaecyparis formosana)屬於裸子植物，

柏科，扁柏屬為台灣特有種，是台灣中海拔山區中 的主要樹種，最盛生長海拔範圍約1,300 - 2,100 m，

為早期台灣主要伐木的樹種之一。

掃瞄之樣區大小為20 m×30 m，共選定兩個樣 區，其中一樣區坡度較平緩 (A 樣區)，而另一樣 區坡度較陡 (B 樣區)，兩樣區相鄰約 10 m，除坡 度不同之外，其他環境條件均相同，此處均有撫育 作業，地表適合架設地面光達。

2.3 研

2.3.1

本研 括樣區基 目為胸徑 國 農 業 Agricultu 約4.5 fee 直徑測量 或附生植 立木位置 立於GIS

透過 Total Sta 位置，而 之角度配 計算之，

同之地面 由於掃瞄 蓋兩個樣 維立體共 12 cm，材 球至少6 方根誤差 RMSE 控

魏浚

研究方法

立木位置

研究共計調查 基本資料收集彙 徑與立木位置

部 林 務 署(U ure Forest Serv et(約 1.3 m)為 量，並紀錄數據 植物應予去除 置圖計算其林 S 圖層資料庫

圖 過地面控制點

ation)，配合菱 而立木中心位置

配合胸徑(Diam 此測量之立木 面控制點為基 瞄方式為360°

樣區(樣區 A 與 共軛掃瞄球進

材質為實心白 6 個且均為分布 差(Root Mean

控制於 5 cm

浚紘、陳朝圳、

法

置測量

46 株紅檜(圖 彙整與每木調 圖等，而胸徑 United States vice)之標準，

為標準，透過 據至小數點第

後，再進行測 木競爭指數，

庫中，以便未來

1 現地照片 點配合電子全

菱鏡進行高精 置計算方式，

meter at Brea 木位置做為實

準，進行地面

，故7 處不同 與B)。藉由資 進行點雲套疊

白色工程塑膠 布在掃瞄範圍

Squared Erro 以下，並建立

彭炳勳、李崇

圖1)，調查內容 調查，每木調查 徑測量方式參照 s Department

以地面垂直向 過胸高直徑尺進 第二位，若有藤 測量。透過胸徑 並將資料彙整 來分析與探討

全站儀(Electr 精度控制測量立

系以菱鏡所擺 ast Height, D 實測值，亦透過 面光達點雲掃瞄 同位置之資料均 資料與資料間之

，掃瞄球直徑 膠，兩處掃瞄共 圍內，並計算其 or, RMSE)，並 立成三維點雲

崇誠、陳建璋：

容包 查項 照美 nt of

向上 進行 藤本 徑與 整建 討。

ronic 立木 擺設 DBH) 過相 瞄，

均涵 之三 徑為 共軛 其均 並將 雲(圖

2)。

以0 低點 分類 面高 10 根據 每株 合胸

調查 (Re 間立

地面光達應用

。

透過地面光 0.1 m x 0.1 m 點點雲，將其分 類後將地面點 高度為基準(0 cm 橫切面，

據點雲空間分 株林木之圓盤 胸徑與立木位

圖3 地面光達 透過上述由 查資料進行比 egression Anal 立木位置之誤

用於林木競爭之

光達點雲資訊將 之運算視窗尋 分類為地面點 點以內插法進行

m)，向上延伸 即林木胸徑 分布狀態，選取

盤點雲以外切 位置測量(圖 3)

圖2 三維點

達之立木中心 由地面光達獲

比對其誤差狀 lysis)探討兩者 誤差情形，以瞭

之研究

將林地立木點 尋找該範圍內 點，其餘則分成 行DEM 製作 伸1.3 m 切取

，並以人工判 取每株林木位 切圓方程式進

)。

點雲

心位置(紅點標 獲取之立木位

狀況，透過迴 者間差異，並 瞭解應用地面

281

點雲資料，

內，高程最 成林木點，

作，透過地 取光達點雲 判釋方式，

位置，並將 行人工擬

標示處) 置與實地 迴歸分析 並探討兩者 面光達繪製

282

林地立木

2.3.2

林木 以分成距 距離從屬 慮林木空 而 後 者 Bartelink 考量林木 1)，利用 徑，將範 計算其競 地面調查 得之資料 兩 者 間 競 (Correlati 異。



 ⁿ

i

CI

1

( Di為主體 Lij為競爭 改良 小之競爭 過分母處 越高則表

誤差絕 0.

0 0

2 2.

合

木位置圖之準確

林木競爭

木競爭指數(C 距離獨立(Dist 屬(Distance De 空間分布情形

會 考 慮 林 木 k, 2002)。本研 木空間分布情 用固定搜尋半徑

範圍內之林木 競爭指數代表林 查之胸徑與立 料計算距離從

競 爭 指 數 之 ion Analysis)

  Lij Di Dj

1 ( 1 ) (

體木之胸徑(cm 爭木j與主體木 良型Hegyi指數 爭木或林木分 處加上1，來計 表示競爭情形越

絕對值(m) 1 以下 0.1-0.5

0.5-1 1-1.5 1.5-2 2-2.5 5 以上 合計

航測

確度評估。

爭指數推估

Competition I ance Indepen ependent)競爭

，將林木視為 木 空 間 分 布 研究探討距離從

形，以改良型 徑10 feet(約

選為競爭木(H 林地內林木競 立木距離資料

屬競爭指數 差 異 性 ， 亦 )與 迴 歸 分 析

1)

m)，Dj為競爭 木i之間的距 數主要考量無 岔生長其距離 計算其競爭指

越高(汪大雄等

表1 地

數量(株 13 22 9 1 0 1 0 46

測及遙測學刊

估

ndex, CI)主要 ndent)競爭指數 爭指數，前者不 為均勻分布狀態 情 形 (Porte 從屬之競爭狀 型 Hegyi 指數

3.05 m)為搜尋 Hegyi, 1974) 競爭情形，並透

與地面光達所

，以 T 檢定探 亦 透 過 相 關 分 析 探 討 兩 者 間

爭木之胸徑(cm 距離(m)。

無距離、距離非 離為0時，亦能 指數，而競爭指

等，2004)。

地面光達與實

水平(X)

株) 百

1

第十六卷 第

要可 數與 不考 態，

e &

狀態，

數(式 尋半

，再 透過 所獲 探討 分 析 間 差

(1) m)，

非常 能透 指數

3.

2個 地面 結果 為0 為 0.44 平誤 誤差 誤差 差絕

實地調查之立

百分比(%) 28.26 47.83 19.57 2.17 0.00 2.17 0.00 100.00

第四期 民國 1

3.

1 立木位

由圖4可知 個樣區中(A與 面光達點雲資 果顯示X座標

0.014 m，平均 3.5900 m，最 418 m，而統 誤差絕對值0 差絕對值0.1 m 差絕對值0.5 m 絕對值0.5 m

立木位置距離誤

數量

2

4

02 年 01 月

結果與

位置測量

知，樣區中林木 與B)，共46株 資訊所獲得之立

標最大誤差為 均誤差0.3422

最小誤差為 統計其誤差分布

.1 m以下共有

m以下共有1

m以下共有3

以下共有38

圖4 立木位 誤差表

垂直

量(株) 15 23 3 1 1 1 2 46

與討論

量準確性評

木空間分布情 株紅檜立木之

立木位置相比 為2.1660 m，

2 m；Y座標 0.0000 m， 布(表 1)情形 有13株(28.26

15株(32.61% 35株(76.09% 株(82.61%)。

位置圖

直(Y)

百分比(

32.61 50.00 6.52 2.17 2.17 2.17 4.35 100.0

評估

情形，透過 之實測值與

比較(表 1)， 最小誤差 標最大誤差 平均誤差 形可知，水 6%)；垂直

%)，而水平

%)；垂直誤

。

(%) 1 0

0

魏浚紘、陳朝圳、彭炳勳、李崇誠、陳建璋：地面光達應用於林木競爭之研究 283 根據現場林木生長情形與實際掃瞄點雲分布

狀況探討誤差較大之立木分布位置，共有5 株立木 其水平及垂直座標誤差大於1 m，41 株小於 1 m。

Al-kheder et al. (2009)在掃瞄約旦古蹟時，透 過多角度觀測可減少地面光達在獲取資料時，因遵 守光直線前進原理所造成之遮蔽。Strahler et al.

(2008) 比較地面光達與傳統林分面積調查儀之結 果，發現由光達單一視角所掃瞄之斷面積與樹幹密 度因受到遮蔽與實際相較大約減少10%。Lovell et al. (2011)指出可利用地面光達之回波強度頻度圖 藉由一個簡單的閥值來自動化偵測位置和樹幹直 徑，且成功識別大部分的樹，包括一些部分遮蔽的 位置。

透過完整高密度的點雲資料可直接以點雲測 量樹幹直徑(Bucksch et al., 2009; Rahman et al., 2009)，但實際上，必須注意點雲資料的完整性以 及所受到遮蔽的問題。本研究5 株立木誤差較大之 原因，根據現場實際勘查為樣區內雜草雜木阻擋與 林木互相遮蔽情形，故誤差較大之立木，點雲數量 均較為稀少導致誤差形成。若區域內有完善撫育使 地被不至於過度雜亂產生遮蔽，在立木位置測量準 確性評估方面，透過地面光達確實可正確獲得立木 資訊。但由於掃瞄點位會受到林木遮蔽所影響造成 誤差，且樣區面積若過大則需要新增多處掃瞄點位，

透過多次取樣才能得到良好點雲。對於本研究兩個 20 m x 30 m 樣區而言，利用 7 個不同掃瞄點位，

即可控制1 m 以上誤差低於 11%。

3.2 應用地面光達推估立木胸徑

本研究透過改良型 Hegyi 指數作為林木競爭 之標準，其中改良型Hegyi 指數需透過競爭木與本 體木之間之距離與兩者胸徑大小作為計算基礎，故 計算林木競爭指數前，需探討地面光達萃取立木胸 徑之準確度。

依照 2 個樣區所調查資料選取誤差較小之樣 區(A 樣區)共 24 株紅檜立木並萃取胸徑資料，將 地面光達獲取之胸徑與實地調查資料進行比對，結 果顯示，兩者相關性達到 0.9841 有顯著相關，R² 為0.9685(圖 5)，胸徑誤差值介於 0–6.7 cm 間，平

均誤差2.13 cm，表示可透過地面光達來獲取立木 胸徑，並進行改良型Hegyi 指數計算。

圖5 光達胸徑與實測胸徑迴歸分析

3.3 應用地面光達推估林木競 爭指數

根據上述研究得知，可透過地面光達獲取林木 胸徑與立木位置圖，本研究以上述24 株立木為樣 本，將地面光達所計算之林木競爭指數與實測值所 計算之林木競爭指數相比對(表 2)，結果顯示，兩 者誤差值最小為 0，最大為 0.2013，平均誤差為 0.0454，根據圖 6 可知，透過相關分析與迴歸分析 得知，相關係數為0.9952，R²為0.9905 表示光達 競爭指數與實測競爭指數兩者間具有高度相關性，

且呈現正相關，另以 T 檢定探討兩者間競爭指數 之差異性，由結果得知，P<0.05，故兩者無顯著差 異，亦可透過光達所獲得之競爭指數判斷林木受到 競爭所產生之壓力程度。

圖6 光達競爭指數與實測競爭指數迴歸分析

y = 0.984x - 1.4387 R² = 0.9685

0 10 20 30 40 50 60 70 80

0 20 40 60 80

實測胸徑(cm) 光

達 胸 徑 (cm)

1：1 線 

y = 1.0074x - 0.0004 R² = 0.9905

-0.5 0 0.5 1 1.5 2 2.5 3

-0.5 0 0.5 1 1.5 2 2.5 3

實測競爭指數 光

達 競 爭 指 數

1：1 線 

284 航測及遙測學刊 第十六卷 第四期 民國 102 年 01 月

表2 光達競爭指數與實測競爭指數之誤差

編號 光達胸徑

(cm)

實測胸徑

(cm) 光達競爭指數 實測競爭指數

競爭指數誤差值 (取絕對值)

1 56.0 56.0 0.000 0.000 0.000

2 58.0 58.5 0.000 0.000 0.000

3 49.0 49.5 0.347 0.344 0.003

4 19.3 19.0 0.855 0.724 0.131

5 16.8 20.8 0.748 0.883 0.135

6 52.0 53.0 0.376 0.380 0.003

7 35.0 34.5 2.352 2.162 0.190

8 22.0 26.5 1.637 1.838 0.201

9 27.5 29.0 0.000 0.000 0.000

10 56.0 57.3 2.552 2.502 0.049

11 20.0 21.5 1.270 1.273 0.003

12 19.5 20.5 1.040 0.968 0.072

13 56.0 64.9 0.000 0.000 0.000

14 52.0 51.2 0.000 0.000 0.000

15 45.0 49.5 0.216 0.242 0.026

16 46.5 47.7 0.000 0.000 0.000

17 68.0 66.7 0.500 0.446 0.054

18 60.0 61.6 0.000 0.000 0.000

19 30.0 28.5 0.199 0.163 0.036

20 41.0 45.0 0.000 0.000 0.000

21 44.0 48.5 0.000 0.000 0.000

22 42.0 45.0 0.967 0.968 0.001

23 33.0 39.7 1.333 1.453 0.120

24 44.0 49.4 2.028 1.962 0.066

平均 41.36 43.49 0.680 0.684 0.045

許多研究(Omasa et al., 2002; Hosoi & Omasa, 2006; Côté et al., 2009; Keightley & Bawden, 2010;

Wei et al., 2011)指出透過地面光達所測得之林分 性態值(胸徑、樹高、林木模型、葉面積、植物體 積與生物量等)與實際資料比對，均具有高程度的 相關性，而本研究透過地面光達所計算之胸徑配合 立木位置與距離所計算之競爭指數與傳統測量所 計算之競爭指數有顯著相關，與前人研究相符合。

值得注意的是以飛行時間法來獲取點雲資訊 之地面光達在測量的原理均與雷射測距原理相同，

故遮蔽會造成很大的影響，透過多方位的觀測進行 重複掃瞄可避免遮蔽所造成的誤差，根據本研究結 果得知，透過足夠的地面光達掃瞄點位，可準確獲 得立木位置圖與胸徑資訊，藉由地面光達所建立之 立木位置圖與胸徑資訊，即可進行林木競爭指標計 算，並可用來探討林木間相互競爭之關係。

魏浚紘、陳朝圳、彭炳勳、李崇誠、陳建璋：地面光達應用於林木競爭之研究 285

4. 結論與討論

傳統立木位置的繪製均為調查人員現場繪製，

藉由測繩的方式來測量距離，不僅需要大量人力與 物力，更花費許多時間，而近年透過全站儀進行調 查，雖可減少調查時間，但後續無法針對前次調查 進行檢核，故不論任何方法在立木繪製上最重要的 是無法保存當時現場狀況，又林業研究常為長時間 研究，前後期調查往往差異5 至 10 年甚至更久，

故資料的保留實為重要，除了後面研究者可進行比 對外，亦可檢核過去資料作為一個具有高價值的參 考。本研究透過地面光達點雲，以電腦處理方式即 可獲得準確度高之立木位置圖，以及可保存當時現 場狀況之三維點雲，但於掃瞄時，必須注意光達點 雲的完整性，方可使後續處理事半功倍。透過地面 光達點雲亦可得到準確度高之每木胸徑，其 R²為 0.9685，但掃瞄時必須注意掃瞄點位置與數量，方 能得到點雲資訊較為足夠之光達點雲。藉由地面光 達資訊之立木距離與胸徑資訊即可計算林木競爭 指數，其 R²為0.9905，透過地面光達技術與地理 資訊系統技術，即可將現地資料空間化與量化，亦 可進行相關模擬，使決策者更容易掌握現況。除可 提供作為未來地面光達於森林資源調查之方法論 外，尚有提高森林資源調查效率、擴充森林資源調 查層面與促進森林資源調查技術等實質效用。

謝誌

本研究感謝屏東林區管理處與六龜工作站所 提供之資料、屏東科技大學地理資訊系統與遙感探 測研究室成員協助，以及力弘科技股份有限公司技 術支援，得以順利完成，特此誌謝。

參考文獻

江采薇 (2006) 融合光達及高解析影像建立三維 植生覆蓋模型。國立中央大學土木工程研究所 碩士論文。

汪大雄、王兆桓、高毓斌、楊浚 (2004) 多納地區 台灣杉與台灣赤陽人工混淆林生長競爭之研 究。台灣林業科學 19(4)：337-351。

林金樹、黃家培、柯建全、張建禕 (2005) 應用高 解析力衛星影像偵測與描繪開闊地立木樹冠 之研究。中華林學季刊 38(2)：163-178。

曹軍、祝彥杰、王懷宇 (2004) 論便攜式激光測距 儀在森林調查作業中應用的可行性。森林工程 20(2)：11-12。

馮豐隆、李宣德 (2000) 林木位置圖之製作與應用。

林業研究季刊 22(2)：61-72。

羅時凡、陳淯婷、沙學均、陳朝圳 (2008) 林木健 康 指 標 之 建 立 與 效 度 評 估 。 林 業 研 究 季 刊 30(3)：41-52。

Al-kheder, S., Y. Al-shawabkeh, and N. Haala (2009) Developing a documentation system for desert palaces in Jordan using 3D laser scanning and digital photogrammetry. Journal of Archaeological Science 36: 537-546.

Boehler, W., Heinz, G. and Marbs, A. (2001) The Potential of Non-contact Close Range Laser Scanners for Cultural Heritage Recording.

Proceedings of CIPA International Symposium, Potsdam, Germany.

Bucksch, A., R. Lindenbergh, M. Menenti, and M. Z.

Raman (2009) Skeleton-based botanic tree diameter estimation from dense LiDAR data. In:

Proceedings of SPIE, the International Society for Optical Engineering, Lidar remote sensing for environmental monitoring No. 10, San Diego CA.

Côté, J. F., J. L. Widlowski, R. A. Fournier, and M.

M. Verstraete (2009) The structural and radiative consistency of three-dimensional tree reconstructions from terrestrial lidar. Remote Sensing of Environment 113 (5): 1067-1081.

Damgaard, C. (1999) A test of asymmetric competition in plant monocultures using the maximum likelihood function of a simple growth model. Department of Terrestrial Ecology.

National Environmental Research Institute.

Hegyi, F. (1974) A simulation model for managing jack-pine stands, In: Fries, J. (Ed.) Growth models for tree and stand simulation, Royal Collage of Forestry. Stockholm, pp. 74-90.

Hosoi, F., and K. Omasa (2006) Voxel-based 3D modeling of individual trees for estimating leaf area density using high-resolution portable

286 航測及遙測學刊 第十六卷 第四期 民國 102 年 01 月 scanning lidar. IEEE Transactions on Geoscience

and Remote Sensing 44: 3610-3618.

Keightley, K. E., and G. W. Bawden (2010) 3D volumetric modeling of grapevine biomass using Tripod LiDAR. Computers and Electronics in Agriculture 74: 305-312.

Lovell, J. L., D. L. B. Jupp, G. J. Newnhamc, and D.

S. Culvenor (2011) Measuring tree stem diameters using intensity profiles from ground-based scanning lidar from a fixed viewpoint. ISPRS Journal of Photogrammetry and Remote Sensing 66: 46-55.

Moravie, M. A., Durand, M. and Houllier, F. (1999) Ecological meaning and predictive ability of social status, vigor and competition indices in a tropical rain forest (India). Forest Ecology and Management 117: 221-240.

Omasa, K., Y. Urano, H. Oguma, and Y. Fujinuma (2002) Mapping of tree position of Larix leptolepis woods and estimation of diameter at breast height (DBH) and biomass of the trees using range data measured by a portable scanning lidar. Journal of Remote Sensing Society of Japan 22: 550-557.

Porte, A., and Bartelink, H. H. (2002) Modelling mixed forest growth: a 28 review of models for forest management. Ecological Modelling 150:

141-188.

Pouliot, A., King, D. J., Bell, F. W. and Pitt, D. G..

(2002) Automated tree crown detection and delineation in high-resolution digital camera imagery of coniferous forest regeneration.

Remote Sensing of Environment 82: 322-334.

Rahman, M. Z. A., B. G. H.Gorte, A. K. Bucksch (2009) A new method for individual tree measurement from airborne lidar. Silvilaser 2009 Proceedings, 14-16 October 2009, Austin, Texas.

Souza, Jr., C. M., Roberts, D. A. and Cochrane, M. A.

(2005) Combining spectral and spatial information to map canopy damage from selective logging and forest fires. Remote Sensing of Environment 98: 329-343.

Strahler, A., D. L. B. Jupp, C. E. Woodcock, C.

Schaaf, T. Yao, F. Zhao, X. Yang, J. Lovell, D. S.

Culvenor, G. Newnham, W. Ni-Meister, and W.

Boykin-Morris (2008) Retrieval of forest structural parameters using a ground-based lidar instrument (Echidna^(R)). Canadian Journal of Remote Sensing 34(S2): S426-S440.

Weatherley, A. H. (1963) Notions of niche and competition among animals with special reference to freshwater fish. Nature 197: 14-17.

Wei, C. H., S. T. Wu, J. C. Chen, and C. T. Chen (2011) Application Of 3d Laser Scanning Data In Structural Forest Management Decision. The

32nd Asian Conference on Remote Sensing, 3-7 October 2011, Taipei, Taiwan.

Journal of Photogrammetry and Remote Sensing Volume 16, No.4, January 2013 287

1 Graduate Students of Ph. D, Graduate Institute of Bioresources, National Pingtung Received Date: Apr. 11, 2012 2 University of Science and Technology Revised Date: Aug. 15, 2012 2 Professor, Department of Forestry, National Pingtung University of Science and Technology Accepted Date: Nov. 18, 2012 3 Assistant, Asian Pacific Research Center for Tropical Agriculture, National Pingtung University of Science and Technology

4 Assistant Professor, Department of Forestry, National Pingtung University of Science and Technology

*.Corresponding Author, Phone: 886-8- 770-3202 ext.7532, E-mail: zzzjohn@gisfore.npust.edu.tw

Assessing Measures of Tree Competition by Using Ground-based LiDAR

Chun-Hung Wei

Chaur-Tzuhn Chen

Bing-Syun Peng

Chung-Cheng Lee

Jan-Chang Chen

ABSTRACT

Recently, remote sensing technology has progressed to permit quicker access to individual tree positions using two-dimensional (2D) information. Therefore, insufficient 2D information has led to subsequent limited applications of the technology. We used ground-based LiDAR technology to map three-dimensional (3D) individual tree positions in the Liukuei forest. The 3D laser scanner obtained highly accurate scans of cloud data, and provided basic information on individual tree spatial distribution. We compared different data collections of tree spatial distribution and forest measurement characteristics from the original field survey using the LiDAR technique. The results showed that the absolute value of horizontal error of less than 0.1 m is 28.26% (13 trees) and vertical error of less than 0.1 m is 32.61% (15 trees). In addition, the absolute value of horizontal error and vertical error of less than 0.5 m were 76.09% (35 trees) and 82.61% (38 trees), respectively. However, there was strong correlation between the LiDAR DBH and field DBH (coefficient of determination R²=0.9685). The LiDAR detection location and an increase in the detecting quantity could obtain sufficient point cloud data. The linear correlation R² value of the field measured and LiDAR detection was 0.9905, which showed that 3D laser scanning technology provided effective quantification data to reconstruct a tree competition index and tree growth model in a forest ecosystem.

Keywords: