Assessing the possibility of land cover mapping using airborne laser scanning

Airborne Laser Scanning (ALS) provides three-dimensional geodata at very high level of detail. At first, they were used just to generate detailed Digital Elevation Models (DEMs). The point cloud information potential is, however, much higher: a still growing number of studies show the usefulness of ALS data in different disciplines. One of the novel ALS applications is land cover mapping. In contrast to optical sensors, ALS is able to distinguish land cover features based on their height, and the data is shadow-free. This can improve the classification accuracy. In this study, the possibility of land cover classification using standard ALS data product provided by a national mapping agency, is assessed. Three raster models were derived from the point cloud: height above ground, first/last echo height difference and intensity. The models were merged to a colour composite, segmented using Region Growing alghoritm, and classified using supervised Bhattacharya distance classifier implemented in SPRING 5.2 (INPE) software. Five land cover classes were identified: buildings, woody vegetation, meadows, open space and water bodies. The overall classification accuracy was 87,6% and the kappa coefficient was 0,845. The best results were achieved for elevated land cover features: buildings and woody vegetation. On the other hand, flat areas, where intensity was the only meaningful information, were harder to classify. The results are acceptable, proving the feasibility of land cover classification using ALS data. However, due to incompatible classification scheme and higher resolution, they are hard to compare with existing land cover maps.

Lotniczy skaning laserowy (ALS) dostarcza trójwymiarowych danych o bardzo wysokim stopniu szczegółowości. Pierwotnie głównym zastosowaniem tej technologii było tworzenie dokładnych modeli ukształtowania terenu. Potencjał informacyjny chmury punktów ALS jest jednak znacznie większy, co potwierdzają wyniki badań z coraz większej liczby dziedzin. Jednym z stosunkowo nowych zastosowań technologii ALS jest kartowanie pokrycia terenu. W odróżnieniu od standardowych metod opartych o obrazy z sensorów optycznych, skaning laserowy pozwala na wzięcie pod uwagę także wysokości obiektów oraz jest niewrażliwy na cienie, co może przyczynić się do poprawy dokładności. Celem niniejszej pracy była ocena przydatności standardowych danych ALS, wchodzących w skład Państwowego Zasobu Geodezyjnego i Kartograficznego, do określania pokrycia terenu. Z chmury punktów wytworzono szereg rastrowych produktów pochodnych: raster wysokości obiektów nad poziomem terenu, różnicy wysokości między pierwszym i ostatnim odbiciem oraz intensywności odbicia. Otrzymane rastry, skompilowane do postaci kompozycji barwnej, poddano segmentacji metodą Region Growing, a następnie klasyfikacji wzorcowej w oparciu o odległość Bhattacharya za pomocą oprogramowania SPRING 5.2 (INPE). Wyróżniono 5 klas pokrycia terenu: budynki, drzewa i krzewy, tereny seminaturalne, inne tereny niezabudowane oraz wodę. Osiągnięto ogólną dokładność klasyfikacji na poziomie 87,6% oraz współczynnik kappa równy 0,845. Najlepsze dokładności uzyskano dla form pokrycia terenu wyróżniających się wysokościowo – budynków oraz drzew i krzewów. Więcej problemów napotkano w klasyfikacji obszarów płaskich, gdzie jedynym czynnikiem odróżniającym mogła być intensywność odbicia. Uzyskane wyniki są satysfakcjonujące, co potwierdza przydatność danych skaningu laserowego do określania pokrycia terenu, jednak ze względu na przyjęty podział na klasy oraz wyższą rozdzielczość przestrzenną – trudne do porównania z innymi dostępnymi danymi o pokryciu terenu.