LiDAR as a tool for timber assortment assessment and characterization in mountain forests

Abstract

The aim of the thesis was to develop a robust procedure for timber assortment estimation of trees in a mixed-species and multi-layered forest using LiDAR data. To achieve the objective, the thesis is divided into three sub-objectives. The first research aim was to provide an overview of the most recent approaches used in timber assortment estimation using LiDAR data, through a literature review; the second study aim was to provide a stepwise approach to assess the stem volume and carbon stock at single tree level using Airborne Laser Scanning (ALS) data, while the third study aim was to provide a stepwise approach to retrieve the timber assortment information from forest stands using Terrestrial Laser scanning (TLS) data. These studies were carried out in Bosco Pennataro, a Mediterranean forest belonging to the Central Apennine Mountains in Molise (Italy).

El objetivo de la tesis fue desarrollar un procedimiento sólido para estimar el surtido de madera en bosques con especies mixtas utilizando datos LiDAR. La tesis se divide en tres estudios: revisión de literatura sobre enfoques recientes en estimación de surtido de madera con LiDAR, evaluación de volumen y almacenamiento de carbono a nivel de árbol con Escaneo Láser Aerotransportado (ALS) y obtención de información sobre surtido de madera mediante Escaneo Láser Terrestre (TLS). Se realizaron estudios en Bosco Pennataro, un bosque mediterráneo italiano. La revisión mostró que la mayoría de los estudios se centraban en inventario forestal y productividad, con pocos enfoques con relación al surtido de madera y biodiversidad. ALS y TLS fueron las tecnologías LiDAR más utilizadas, con algoritmos de aprendizaje automático desde 2010. El segundo estudio destacó la importancia de la heterogeneidad del bosque y la calidad de los puntos para detectar árboles individuales, con tasa de detección del 48%. El tercer estudio demostró que TLS fue útil para reconstruir los árboles (67% reconstruidos). En conclusión, LiDAR es útil para reconstruir arboles y estimar el surtido de la madera con precisión, evitando métodos destructivos como la tala de árboles, y respaldando así el manejo forestal sostenible.