Arboriculture & Urban Forestry 46(1): January 2020 Stennis program of the National Institute of Food and Agricul- ture, US Department of Agriculture. Won Hoi Hwang (corresponding author) Department of Forest Resources & Environmental Conservation Virginia Tech Blacksburg, VA, USA
[email protected] P. Eric Wiseman Department of Forest Resources & Environmental Conservation Virginia Tech Blacksburg, VA, USA Conflicts of Interest: The authors reported no conflicts of interest. Résumé. L’évaluation de la canopée des arbres urbains (CAU) est essentielle à la compréhension de la structure et aux fonctions des forêts urbaines pour l’élaboration de stratégies de gestion. Les techniques de géolocalisation sont couramment utilisées pour l’évaluation des CAU bien que leurs potentiels et leurs limites ne soient pas toujours évidentes aux praticiens en foresterie urbaine. Cette recherche fournit une vue d’ensemble de deux méthodes de base pour l’évaluation en géolocalisation de CAU : la photo-in- terprétation (PI) et la classification d’images informatisées (CI). Ces méthodes furent évaluées dans le contexte d’une étude de cas pour un campus collégial urbanisé de l’Est des États-Unis. L’application en ligne i-Tree Canopy est une méthode PI qui a recours à un échantillonnage statistique de points pour estimer le couvert terrestre. Afin d’examiner l’impact de la taille des points échantillonnés sur la précision et la certitude des estimés de cou- vert terrestre, nous réalisâmes des évaluations reproduites de manière indépendante de notre étude de cas avec échantillonnés de taille variable. des points Nous comparâmes alors ces résultats avec deux méthodes CI soit une analyse propriétaire util- isant des images à haute résolution spatiale et une analyse avec une basse résolution en recourant à l’application en ligne i-Tree Landscape. Avec i-Tree Canopy, l’estimé de la CAU pour notre étude de cas se stabilisa à un décevant 14.7% lorsque la taille des points d’échantillonnage atteignait 100 points alors que plus de 500 points furent nécessaires afin d’atteindre une marge d’erreur acceptable inférieure à 1.7%. En comparaison, l’imagerie à haute résolution (considérée comme la méthode d’évaluation la plus poussée) établit la CAU du secteur à l’étude à 16.1%, tandis que i-Tree Landscape sous-estima considérablement cette dernière à 11.3%. Les sources potentielles de variation de ces estimés, rela- tivement à des considérations pratiques en vue du choix de la méthode appropriée d’évaluation de la CAU, furent examinées. Zusammenfassung. Die Untersuchung von Kronen urbaner Bäume (UTC) ist wichtig für das Verständnis der Struktur und Funktion urbaner Forste und für Entwicklung von Management- strategien. Raumbezogene Techniken werden routinemäßig für die Kronenuntersuchung (UTC) verwendet, obwohl ihre Möglichkeiten und Begrenzungen für die Praktiker in der urbanen Forstwirtschaft nicht so offensichtlich sind. Dieses Papier liefert einen Überblick zu zwei grundlegenden Methoden der 65 räumlichen Kronenmessung: Fotointerpretation (PI)und Klassi- fikation von computer-generierten Bildern (IC). Diese Methoden wurden durch eine Fallstudie an einem urbanisiertem College Campus in den östlichen Vereinigten Staaten bewertet. Die Web- basierte Applikation i-Tree Canopy ist eine PI-Methode, die statistische Punkte zur Schätzung der Landbedeckung sammelt. Um die Auswirkungen der Größe der gesammelten Punkte auf Akkuresse und Sicherheit über die Landbedeckung zu schätzen, führten wir zwei unabhängig voneinander wiederholte Überprü- fungen unserer Studie mit verschiedenen Punktsammelgrößen durch. Wir verglichen die Ergebnisse mit zwei IC-Methoden: eine Eigentums-Analyse unter Verwendung von Bildern mit hoher räumlicher Auflösung und einer analyse mit geringer räum- licher Auflösung unter Verwendung der web-basierten Applika- tion i-Tree Landscape. Mit i-Tree Canopy stabilisierte sich die geschätzte Kronenfläche in unserer untersuchten Fläche bei durchschnittlich 14.7 %, wenn die Punktsammelgröße der erfassten Punkte 100 Punkte erreichte, aber es erforderte mehr als 500 Punkte, um einen tolerablen Standortfehler von weniger als 1.7 % zu erzielen. Im Vergleich schätze die hoch auflösende Bildgebung (angesehen als die meist robuste Form der Untersu- chung) in der Studienfläche 16.1 % UTC und i-Tree Landscapeu- nterschätzte die UTC deutlich mit 11.3%. Mögliche Ursachen für die Variationen dieser Schätzungen gemeinsam mit praktischen Überlegungen für die Wahl einer angemessenen UTC Untersu- chungsmethode werden diskutiert. Resumen. La evaluación del dosel arbóreo urbano (UTC) es esencial para comprender la estructura y función de los bosques urbanos y para diseñar estrategias de manejo. Las técnicas geo- espaciales se usan rutinariamente para la evaluación del UTC. Sin embargo, sus capacidades y limitaciones pueden no ser evidentes para los profesionales de la silvicultura urbana. Este documento proporciona una visión general de dos métodos principales de evaluación UTC geoespacial: interpretación fotográfica (PI) y clasificación de imágenes computarizadas (IC). Estos métodos fueron evaluados a través de un estudio de caso de un campus universitario urbanizado en el este de los Estados Unidos. La aplicación basada en la web i-Tree Canopy es un método PI que utiliza el muestreo de puntos estadísticos para estimar la cober- tura del suelo. Para examinar el efecto del tamaño de la muestra puntual en la precisión y certeza de las estimaciones de la cober- tura del suelo, realizamos evaluaciones replicadas de forma inde- pendiente de nuestra área de estudio en varios tamaños de muestra puntuales. Comparamos estos hallazgos con dos métodos de CI: un análisis patentado usando imágenes de alta resolución espacial y un análisis de baja resolución espacial usando la aplicación basada en la web i-Tree Landscape. Con i-Tree Canopy, la esti- mación de UTC en nuestra área de estudio se estabilizó en un pro- medio de 14.7% cuando el tamaño de la muestra puntual alcanzó los 100 puntos, pero requirió más de 500 puntos para alcanzar un error estándar tolerable de menos del 1.7%. En comparación, las imágenes de alta resolución (consideradas la forma más sólida de evaluación) estimaron UTC en el área de estudio en 16.1%, e i-Tree Landscape subestimó sustancialmente UTC en 11.3%. Se discuten las posibles fuentes de variación en estas estimaciones, junto con consideraciones prácticas para elegir un método de evaluación UTC apropiado. ©2020 International Society of Arboriculture
January 2020
| Title Name |
Pages |
Delete |
Url |
| Empty |
Search Text Block
Page #page_num
#doc_title
Hi $receivername|$receiveremail,
$sendername|$senderemail wrote these comments for you:
$message
$sendername|$senderemail would like for you to view the following digital edition.
Please click on the page below to be directed to the digital edition:
$thumbnail$pagenum
$link$pagenum
