Light Detection and Ranging (LiDAR)

Light Detection and Ranging (LiDAR) systems are able to capture
the complex three-dimensional (3-D) structure of forest canopies and
underlying ground surface topography at very high spatial resolutions,
and have proven to be highly effective for the estimation of
forest biomass and other biophysical properties across a broad range
of forest ecosystems (Lefsky et al., 2002b; Reutebuch et al., 2003).
When using LiDAR to undertake forest surveys, data are typically
collected either as a complete (‘wall-to-wall’) spatial coverage or as
series of discrete, non-overlapping flight lines (also known as swaths
or strips). Field estimates of the target variable (e.g., total aboveground
biomass—TAGB) are acquired before or after LiDAR data
collection using a network of ground-reference (field) plots established
in areas with planned or known LiDAR coverage. Finally, a
regression model (or suite of models) is developed (1) to describe the
statistical relationship between the field-measured variable of
interest (response) and one or more LiDAR metrics (predictors),
and (2) to spatially extend model predictions of the target variable
across all areas of the land base where LiDAR data were captured
(García et al., 2010; Hudak et al., 2006; Li et al., 2008; Næsset &
Gobakken, 2008)

ผลลัพธ์ (ไทย) 1:

Ranging (LiDAR) และตรวจสอบระบบจะจับ
ซับซ้อนสามมิติ (3-D) โครงสร้างของป่า canopies และ
ต้นพื้นผิวภูมิประเทศปริภูมิความละเอียดที่สูงมาก,
และพิสูจน์ว่ามีประสิทธิภาพสูงในการประเมินของ
ป่าชีวมวลและคุณสมบัติอื่น ๆ biophysical ข้ามสิ่ง
ของระบบนิเวศป่า (Lefsky et al., 2002b Reutebuch et al., 2003) .
เมื่อใช้ LiDAR เพื่อสำรวจป่า ข้อมูลโดยปกติ
รวบรวม เป็นสมบูรณ์ครอบคลุมพื้นที่ ('ผนัง') หรือเป็น
ชุดบรรทัดบินแยกกัน ไม่ซ้อนกัน (หรือที่เรียกว่า swaths
หรือแถบ) ฟิลด์การประเมินของตัวแปรเป้าหมาย (เช่น รวม aboveground
ชีวมวล – TAGB) จะมาก่อน หรือ หลังข้อมูล LiDAR
คอลเลกชันโดยใช้เครือข่ายของผืนดินอ้างอิง (ฟิลด์) ที่ก่อตั้ง
ในพื้นที่ที่มีการวางแผน หรือไม่รู้จัก LiDAR ความครอบคลุมการ สุดท้าย การ
แบบจำลองถดถอย (หรือชุดรูปแบบ) คือ พัฒนา (1) เพื่ออธิบายการ
ความสัมพันธ์ทางสถิติระหว่างตัวแปรที่วัดฟิลด์ของ
สนใจ (ตอบสนอง) และอย่าง น้อยหนึ่ง LiDAR วัด (predictors),
และ (2) การขยายแบบจำลองการคาดคะเนของตัวแปรเป้าหมาย spatially
ทั่วทุกพื้นที่ของฐานแผ่นดินที่ได้รวบรวมข้อมูลจาก LiDAR
(García et al., 2010 Hudak และ al., 2006 Li et al., 2008 Næsset &
Gobakken, 2008)

ผลลัพธ์ (ไทย) 2:

แสงและการตรวจสอบตั้งแต่ (LiDAR) ระบบจะสามารถจับภาพ
ที่มีความซับซ้อนโครงสร้างสามมิติ (3-D) ของพันธุป่าและ
ภูมิประเทศที่อยู่ภายใต้พื้นดินที่ความละเอียดเชิงพื้นที่สูงมาก
และได้พิสูจน์แล้วว่ามีประสิทธิภาพสูงสำหรับการประมาณของ
ป่าชีวมวล และคุณสมบัติทางชีวภาพอื่น ๆ ในช่วงกว้าง
ของระบบนิเวศป่าไม้ (Lefsky และคณะ, 2002b.. Reutebuch et al, 2003)
เมื่อมีการใช้ LiDAR ที่จะดำเนินการสำรวจป่าข้อมูลมักจะ
เก็บไม่ว่าจะเป็นฉบับสมบูรณ์ ('ผนังกับผนัง ') ครอบคลุมพื้นที่หรือเป็น
ชุดต่อเนื่อง, ที่ไม่ใช่สายการบินที่ทับซ้อนกัน (หรือเรียกว่าการเพาะปลูก
หรือแถบ) ประมาณการสนามของตัวแปรเป้าหมาย (เช่นทั้งหมดเหนือพื้นดิน
ชีวมวล TAGB) จะได้มาก่อนหรือหลังข้อมูล LiDAR
เก็บโดยใช้เครือข่ายของพื้นดินอ้างอิง (นอกสถานที่) แผนการจัดตั้งขึ้น
ในพื้นที่ที่มีการวางแผนหรือที่รู้จักกันในการรายงานข่าว LiDAR ในที่สุด
รูปแบบการถดถอย (หรือชุดของรุ่น) ได้รับการพัฒนา (1) ในการอธิบาย
ความสัมพันธ์ทางสถิติระหว่างตัวแปรด้านการวัดของ
ดอกเบี้ย (การตอบสนอง) และหนึ่งหรือมากกว่าหนึ่งตัวชี้วัด LiDAR (พยากรณ์)
และ (2) การขยายรูปแบบการสันนิฐาน การคาดการณ์ของตัวแปรเป้าหมาย
ทั่วทุกพื้นที่ของฐานที่ดินที่ข้อมูล LiDAR ถูกจับ
(García et al, 2010;. Hudak et al, 2006;.. Li et al, 2008; Næssetและ
Gobakken, 2008)

ผลลัพธ์ (ไทย) 3:

การตรวจจับแสงและระยะทาง ( lidar ) ระบบจะสามารถจับภาพที่ซับซ้อนสามมิติ ( 3-D )

) และโครงสร้างของหลังคาป่าพื้นดินพื้นผิวภูมิประเทศที่สูงมากสำหรับความละเอียด
และมีการพิสูจน์แล้วว่ามีประสิทธิภาพสูงในการประมาณของป่าชีวมวลและคุณสมบัติทางชีวกายภาพอื่นๆ

ผ่านหลากหลายของระบบนิเวศป่าไม้ ( lefsky et al . , 2002b ; reutebuch et al . ,2003 ) .
เมื่อใช้ LIDAR เพื่อรับการสำรวจป่า , ข้อมูลที่รวบรวมโดย
เป็นสมบูรณ์ ( 'wall-to-wall ) ครอบคลุมพื้นที่หรือ
ชุดต่อเนื่อง ไม่ใช่สายการบินที่ทับซ้อนกัน ( ยังเป็นที่รู้จักเพาะปลูก
หรือแถบ ) ด้านประมาณการของตัวแปรเป้าหมาย ( เช่น เหนือพื้นดิน
tagb มวลชีวภาพรวม ) จะซื้อก่อนหรือหลัง LIDAR ข้อมูล
คอลเลกชันที่ใช้เครือข่ายของการอ้างอิงพื้นดิน ( สนาม ) แปลงก่อตั้ง
ในพื้นที่ที่มีการวางแผนหรือรู้จัก LIDAR ครอบคลุม ในที่สุด ,
แบบจำลองการถดถอย ( หรือชุดของรุ่น ) พัฒนา ( 1 ) อธิบายถึงความสัมพันธ์ทางสถิติระหว่างสนาม

ตัวแปรของดอกเบี้ย ( การตอบสนอง ) และหนึ่งหรือมากกว่าหนึ่ง LIDAR เมตริก ( พยากรณ์ )
( 2 ) เพื่อขยายรูปแบบเปลี่ยนการคาดการณ์ของเป้าหมายตัวแปร
ทั่วทุกพื้นที่ของที่ดินที่ถูกจับฐานข้อมูล LIDAR
( กาโอ การ์ซีอา et al . , 2010 ; ฮูเดิ่ก et al . , 2006 ; Li et al . , 2008 ; n æ sset &
gobakken , 2008 )