Czynniki wpływające na gęstość chmury punktów „leżących na gruncie” lotniczego skanowania laserowego na przykładzie danych pochodzących z projektu ISOK

Obszary gęsto pokryte roślinnością charakteryzują się obniżoną gęstością chmury punktów „leżących na gruncie”. Wpływa to negatywnie na odwzorowanie szczegółów terenowych na danym obszarze. W Polsce w latach 2011 - 2015 pozyskano dane lotniczego skanowania laserowego w ramach projektu Informatyczny Systemu Osłony Kraju (ISOK) przed nadzwyczajnymi zagrożeniami. Ze względu na coraz częstsze wykorzystanie tych danych do generowania NMT, należy ocenić czynniki wpływające na gęstość chmury punktów pod obszarami gęsto pokrytymi roślinnością. Praca przedstawia przykład takiej oceny. W pierwszym etapie wykonano modele rastrowe: gęstości chmury punktów, procentowego udziału punktów gruntu, liczby szeregów, NMT, nachylenia terenu, kąta skanowania, zwarcia drzewostanów i znormalizowanego numerycznego modelu pokrycia terenu (zNMPT). W dalszej części dla punktów testowych przeprowadzono analizę związków między zmiennymi na podstawie wielkości z wygenerowanych modeli oraz obiektów wektorowych. W wyniku przeprowadzonych badań stwierdzono, że gęstość chmury punktów warunkowana jest głównie przez zwarcie drzewostanów, wysokość szaty roślinnej i kąt skanowania, przy czym pewien wpływ na kształtowanie się gęstości chmury punktów ma również nachylenie terenu oraz liczba szeregów.

Areas covered with vegetation are characterized by a lower density of ground points. This issue has a negative impact on the accuracy of terrain representation and terrain details that could be detected. Country-wide ALS data was delivered in Poland within the ISOK Project (the IT System of the Country’s Protection against Extreme Hazards) between 2011 and 2015. Considering the increasing use of this data in the process of generation of Digital Terrain Models (DTM), factors affecting the density of ground points in areas covered with vegetation should be carefully assessed. During the first step various raster models were generated: the point cloud density, the percentage of ground points, the point source number, the slope, the scan angle, the canopy cover, the DTM and the normalized Digital Surface Model (nDSM). In the next step statistical analysis of relations between variables, basing on values from generated models and vector objects, was performed. The results showed that the density of ground points is mainly determined by the canopy cover, the forest height and the scan angle; however it is also influenced by the slope and the point source number.