Inventarisasi Pohon di QGIS dari Citra Udara
Diterbitkan
Inventarisasi pohon di QGIS adalah layer titik dengan satu titik per pohon dan sebaris atribut: ID, spesies, ukuran batang, kondisi, dan tanggal inspeksi terakhir. Citra udara atau LiDAR memberi Anda titik, ukuran tajuk, dan tinggi dari balik meja. Spesies, batang, dan kondisi datang dari kunjungan lapangan.
adalah layer titik dengan satu titik per pohon dan sebaris atribut: ID, spesies, ukuran batang, kondisi, dan tanggal inspeksi terakhir. Citra udara atau LiDAR memberi Anda titik, ukuran tajuk, dan tinggi dari balik meja. Spesies, batang, dan kondisi datang dari kunjungan lapangan.Pembagian itu yang dilewatkan kebanyakan panduan. Tidak ada model yang bisa membaca spesies atau batang yang lapuk dari ortofoto 20 cm, jadi inventarisasi tercepat adalah yang menyerahkan penghitungan ke meja dan penilaian ke lapangan.
Jawaban singkat
| Titik awal Anda | Metode | Yang Anda dapat dari meja |
|---|---|---|
| Kota atau klien Anda sudah menerbitkan register | Metode 1: data pohon terbuka | Titik dengan spesies, sering dengan ukuran batang |
| Ortofoto dan beberapa ratus pohon | Metode 2: digitalisasi titik secara manual | Titik yang Anda letakkan sendiri |
| Surface LiDAR dan model terrain | Metode 3: puncak pohon dari canopy height model | Titik dengan tinggi masing-masing |
| Ortofoto dan ribuan pohon | Metode 4: model segmentasi | Satu poligon tajuk per pohon, lalu titik dengan ukuran tajuk |
Keempatnya berakhir sama: layer dibawa ke lapangan dengan tablet, tempat seseorang menambahkan apa yang tidak terlihat dari citra.
Apa yang dicatat dalam inventarisasi pohon
Tulis tabel atribut sebelum meletakkan satu titik pun. Mengubahnya setelah kunjungan lapangan berarti kunjungan kedua.
| Atribut | Dari meja | Dari lapangan |
|---|---|---|
| ID pohon | Ya, dibuat otomatis | Nomor tag, jika pohon bertag |
| Posisi | Ya | Dikoreksi saat tajuk menutupi batang |
| Diameter atau luas tajuk | Ya, dari citra | Diperiksa |
| Tinggi | Ya, dengan LiDAR | Diukur jika tidak ada LiDAR |
| Spesies | Tidak | Ya |
| Diameter atau lingkar batang | Tidak | Ya, pada ketinggian yang ditetapkan standar Anda |
| Kondisi, cacat, inspeksi berikutnya | Tidak | Ya |
Di Jerman, Baumkataster mencatat inspeksi yang diwajibkan oleh kewajiban kehati-hatian, dan kebanyakan pemilik mengikuti pedoman inspeksi pohon FLL (edisi 2020) dan panduan GALK untuk register pohon. Dokumen itu menetapkan daftar isian lapangan, jadi mulailah dari sana, bukan dari tabel ini.
Di mana web keliru soal ini
"AI bisa membuat seluruh inventarisasi dari citra." AI menghitung dan mengukur tajuk. Ia tidak bisa melihat batang di bawah tajuk, menyebut kebanyakan spesies dari foto RGB, atau menilai apakah sebuah dahan akan jatuh. Halaman mana pun yang menjanjikan register jadi dari satu penerbangan sedang menjual separuh pertama pekerjaan.
"Peta kanopi adalah inventarisasi pohon." Peta kanopi adalah surface yang menjawab "berapa persen distrik ini teduh". Inventarisasi menjawab "pohon yang mana, di mana, dalam kondisi apa". Jika Anda butuh tutupan, memetakan kanopi pohon di QGIS adalah panduan yang tepat.
Sebelum mulai
- QGIS 3.22 atau lebih baru.
- Citra yang cukup baru untuk menampilkan pohon tahun ini. Citra saat berdaun menampilkan tajuk dengan terbaik; citra saat gugur daun menampilkan batang dan percabangan lebih baik.
- CRS terproyeksi dalam meter, agar luas dan diameter keluar dalam meter.
Citra gratis lebih baik daripada yang dikira kebanyakan orang:
- Polandia: ortofoto nasional di Geoportal gratis untuk penggunaan apa pun sejak 24 Juni 2020, kebanyakan 25 cm dan 10 cm atau kurang di kota. Plugin gratis "Pobieracz danych GUGiK" mengunduhnya dari dalam QGIS.
- Jerman: beberapa Länder menerbitkan DOP20, ortofoto 20 cm mereka, sebagai data terbuka, di antaranya Baden-Württemberg dan Lower Saxony. Layanan se-Jerman dari badan federal berbayar.
- Inggris: Environment Agency menerbitkan model surface dan terrain LiDAR 1 m untuk hampir seluruh negara di bawah Open Government Licence.
- Amerika Serikat: citra udara NAIP gratis dari USDA.
Metode 1: Data pohon terbuka
Banyak kota sudah punya register dan menerbitkannya. Berlin membagikan pohon jalan dan taman, Dortmund menerbitkan register yang dibuat dari datanya sendiri dan citra udara, Köln menaruh registernya online pada Juli 2025, dan Paris menyediakan 219.432 pohon sebagai titik. Muat file atau layanannya di QGIS dan Anda mulai dengan spesies yang sudah terisi.
OpenStreetMap juga memetakan pohon tunggal, sebagai titik natural=tree. Mengunduh data OSM di QGIS menunjukkan cara mengambilnya dengan QuickOSM.
Pakai saat: pohon milik kota dan register-nya baru.
Lewati saat: pekerjaan mencakup lahan pribadi, kampus, atau kawasan baru. Register terbuka berhenti di pohon publik.
Metode 2: Digitalisasi titik secara manual
Buat layer dengan Layer > Create Layer > New GeoPackage Layer…, tipe geometri Point, lalu tambahkan field dari tabel di atas. Aktifkan editing, lalu klik sekali di pusat setiap tajuk di atas ortofoto.
Ini metode meja yang paling akurat dan paling lambat. Anda memutuskan setiap titik, jadi pagar tanaman tidak pernah jadi dua belas pohon dan dua tajuk yang bersentuhan tidak pernah jadi satu.
Pakai saat: beberapa ratus pohon, atau lokasi di mana setiap pohon penting, seperti pada permohonan izin perencanaan.
Lewati saat: jumlahnya mencapai ribuan.
Metode 3: Puncak pohon dari canopy height model
Dengan LiDAR, puncak setiap pohon adalah piksel tertinggi di sekitarnya, jadi Anda bisa menemukan puncak tanpa pelatihan apa pun. Buat dulu canopy height model, yaitu surface dikurangi terrain, seperti dijelaskan di panduan kanopi pohon; penjelasan DSM dan DTM membahas kedua inputnya.
Temukan maksimum lokal
Jalankan r.neighbors (GRASS) pada canopy height model dengan metode maximum dan neighbourhood 5 piksel. Pada piksel 1 m itu berarti jendela 5 m.
Simpan puncak pohon
Di Raster > Raster Calculator…, simpan piksel yang sama dengan maksimum lokal dan lebih tinggi dari 3 m: ("chm@1" = "chm_max@1") AND ("chm@1" > 3).
Ubah piksel menjadi titik
Konversi hasilnya dengan Raster pixels to points, lalu simpan titik bernilai 1 dengan Extract by attribute.
Tambahkan tinggi
Tambahkan tinggi ke setiap titik dengan Sample raster values pada canopy height model.
Ukuran jendela adalah pengaturan yang paling penting. Terlalu kecil dan satu pohon ek yang lebar menghasilkan tiga puncak; terlalu besar dan dua pohon kecil menyatu jadi satu. Sesuaikan dengan lebar tajuk umum di lokasi Anda dan periksa sampel dengan mata.
Pakai saat: Anda punya LiDAR dan butuh tinggi.
Lewati saat: Anda hanya punya citra, atau LiDAR-nya lebih tua daripada pohon yang Anda hitung.
Metode 4: Model segmentasi
Model segmentasi sudah belajar seperti apa tajuk itu dan mengembalikan satu poligon per pohon dari ortofoto RGB biasa. Kami membuatnya, AI Segmentation, dan bagian ini membahas tool kami sendiri.
Gambar zona di atas ortofoto yang terbuka di QGIS dan ketik tree. Model berjalan di server kami, jadi tidak perlu kartu grafis, dan setiap tajuk kembali sebagai poligon dalam CRS project Anda dengan area_m2 dan score kepercayaan.
Untuk mengubah tajuk menjadi titik inventarisasi:
Buat satu titik per tajuk
Jalankan Centroids pada layer tajuk. Setiap titik mempertahankan atribut tajuknya.
Tambahkan diameter tajuk
Tambahkan diameter tajuk dengan Field Calculator, sebagai field desimal: 2 * sqrt("area_m2" / pi()).
Beri nomor pohon
Tambahkan field tree_id yang diisi dengan @row_number, lalu kolom lapangan kosong dari tabel atribut Anda.
Pakai saat: ribuan pohon di jalan, taman, atau kebun, dari citra yang sudah Anda miliki.
Lewati saat: tegakannya rapat. Tanpa celah antar tajuk, run tree mengembalikan satu bentuk besar, bukan satu poligon per batang, jadi pakai Metode 3 di sana. Tile citra dikirim ke server kami; jika tidak boleh keluar dari mesin Anda, pakai Metode 2 atau 3.
Selesaikan di lapangan
Bawa layer titik ke pohon-pohonnya dengan QField, aplikasi seluler gratis untuk project QGIS dari OPENGIS.ch. Ia berjalan offline, membuka formulir yang Anda siapkan di QGIS, dan memungkinkan Anda menambah foto per pohon. Siapkan drop-down untuk spesies dan kondisi di QGIS sebelum berangkat, agar setiap surveyor menulis kata yang sama.
Untuk inspeksi berkala dengan catatan hukum, ada software register khusus, dan sebagian, seperti Baumsicht di Jerman, berjalan di QGIS. Layer titik yang Anda buat di sini bisa diimpor ke dalamnya.
Yang perlu diingat
- Inventarisasi pohon adalah satu titik per pohon dengan atribut, bukan surface kanopi.
- Meja memberi posisi, ukuran tajuk, dan, dengan LiDAR, tinggi. Lapangan memberi spesies, batang, dan kondisi.
- Pakai register terbuka dulu, digitalisasi manual untuk beberapa ratus pohon, puncak LiDAR saat butuh tinggi, dan model segmentasi untuk ribuan pohon pada citra.
- Periksa setiap metode otomatis pada sampel yang Anda hitung manual sebelum memercayai totalnya.
Pertanyaan yang sering diajukan
Apakah inventarisasi pohon wajib?
Biasanya tidak ada hukum yang mewajibkan register itu sendiri. Pemilik pohon di tepi jalan dan jalur wajib memeriksanya demi keselamatan, dan register adalah cara membuktikan inspeksi itu dilakukan. Di Jerman, kewajiban kehati-hatian itulah alasan kebanyakan kota menyimpan Baumkataster.
Bisakah AI mengidentifikasi spesies pohon dari citra udara?
Tidak dengan andal dari ortofoto RGB yang dimiliki kebanyakan orang. Pemetaan spesies membutuhkan citra multispektral atau hiperspektral dan data latih lokal, dan itu pun diperiksa di lapangan. Plugin kami mengembalikan tajuk, bukan spesies.
Seberapa akurat deteksi pohon otomatis?
Lebih bergantung pada kanopi daripada pada tool-nya. Pohon jalan dan kebun yang terpisah hasilnya baik, tajuk yang bersentuhan menyatu. Hitung 50 pohon secara manual pada citra Anda sendiri, bandingkan dengan layer, dan Anda punya tingkat kesalahan untuk lokasi Anda.
Bisakah saya membuat inventarisasi pohon di QGIS secara gratis?
Bisa. Register terbuka, digitalisasi manual, dan puncak pohon LiDAR tidak memakan biaya selain waktu, dan QField gratis. Model segmentasi menghemat waktu untuk jumlah besar dan bisa dimulai gratis.
Untuk pekerjaan terkait, apa itu ortofoto menjelaskan citra di balik setiap metode di sini, dan halaman plugin AI QGIS menunjukkan apa yang dibutuhkan tiap plugin untuk berjalan.
