Object-Oriented Automatic Identification of Forest Gaps Using Digital Orthophoto Maps and LiDAR Data

Abstract

Identification of forest gaps is a prerequisite for quantification of their size, shape, and dynamics, and for clarification of both complex structural forest species regeneration and understory species diversity. Although airborne LiDAR and digital orthophoto maps (DOM) have been used separately to identify forest gaps, few studies have considered integration of the two data sources for forest gap segmentation and classification. True color DOM (20 cm) and airborne LiDAR (3.7 points/m²) data were used to study object-oriented gap identification in the typical natural secondary forest of the Maoershan Experimental Forest Farm (China). Three segmentation schemes based on DOM only data, LiDAR data, and integrated DOM & LiDAR were adopted when processing the object-oriented classification. Based on the segmentation results, the support vector machine classifier was used with DOM spectral features, LiDAR height features, and integrated features from both data sources to identify forest gaps. The Modified Euclidean Distance 3 (ED3_Modified) index was selected to assess segmentation quality. Comparison of the three segmentation schemes revealed that segmentation based on LiDAR was the best and the classification accuracy using integrated spectral and height features was the highest (OA = 87%, Kappa = 0.81). Those results could provide technical support for the quantitative analysis of forest gap features.

RÉSUMÉ

L’identification des trouées d’une forêt est une condition préalable pour quantifier leur taille, leur forme et leurs caractéristiques dynamiques. Elle est également la base d’une meilleure compréhension du renouvellement des espèces forestières aux structures complexes et de l’étude de la diversité des espèces forestières. Bien que le LiDAR aéroporté et les orthophotographies aériennes (DOM) aient été appliqués séparément à l’identification des trouées forestières, peu d’études ont considéré l’intégration des deux types de données pour la segmentation et la classification de ces trouées. Prenant les DOM en couleur réelle (20 cm) et le LiDAR aéroporté (3,7 points/m²) comme sources de données, la forêt naturelle secondaire typique de la ferme forestière expérimentale de Maoershan en Chine a été sélectionnée comme zone de test. Trois schémas de segmentation ont été adoptés lors du traitement de la classification orientée objet: basée sur les DOM, basée sur les données LiDAR et DOM & LiDAR intégrées. Sur la base des résultats de la segmentation, la machine à vecteurs de support est utilisée pour les caractéristiques spectrales DOM, les caractéristiques de hauteur LiDAR et les caractéristiques combinées des deux sources de données pour la classification des trouées forestières. La distance euclidienne modifiée 3 (ED3_Modified) est utilisée pour évaluer la qualité de la segmentation. La segmentation basée sur les données LiDAR seulement est la meilleure. Pour la classification des trouées, la plus grande précision est obtenue lors de l’utilisation combinée des caractéristiques spectrales et de la hauteur (OA: 87%; Kappa: 0,81). Ces résultats fournissent des outils techniques pour quantifier les caractéristiques des trouées forestières.

Acknowledgments

We thank James Buxton MSc from Liwen Bianji, Edanz Group China (www.liwenbianji.cn./ac), for editing the English text of this manuscript.

Additional information

Funding

This work is jointly supported by National Key R&D Program of China [2017YFD0600902] and the Fundamental Research Funds for the Central Universities [2572019CP12, 2572018BA02].