Updating of a method for measuring tree trunk diameter based on robust design

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

The issues of developing urbanized territories in terms of managing the city's green fund are examined. The effectiveness of green fund management depends on the reliability of measurement data on dendrometric tree parameters, including tree trunk diameter. Municipal regulatory legal acts on the establishment, maintenance, and protection of green spaces set requirements for the accuracy of tree trunk diameter measurements. Modern methods and instruments for measuring tree trunk diameter, used in monitoring and inventorying urban green spaces, are analyzed. Current methods for measuring are inefficient due to the wide variety of tree species (including unique ones) and the need to account for numerous factors affecting the growth of each tree. The advantages of using a mobile laser scanner for measuring tree trunk diameter based on its three-dimensional measurement model are discussed. The main sources of measurement error in determining tree trunk diameter in urban green spaces using the Zeb-Horizon laser scanner are described. To update the method for measuring tree trunk diameter with the Zeb-Horizon mobile laser scanner during green space inventories, robust design is proposed. An Ishikawa diagram was constructed to summarize and visually interpret the cause-and-effect relationships among error sources. Using the Ishikawa diagram, key sources influencing measurement error that need to be evaluated experimentally were identified: “Track type”, “Distance between adjacent passes”, “Convergence”, and “Rigidity”. The results of robust design were presented in the context of updating the method for measuring tree trunk diameter using the Zeb-Horizon laser scanner. Optimal conditions for geodetic survey of urban green spaces were formulated: the track type should align with “Road and trail network” or “Converging spiral”, the distance between two adjacent passes should be 4–20 m; the maximum value of the “Convergence” parameter when processing primary data using specialized software 4–5 units; the value of the “Rigidity” parameter based on information about the presence of undergrowth and shrub vegetation in the area 0–5 units. The draft of method for measuring formulates procedures for preparing and conducting tree trunk diameter measurements during green space inventory.

About the authors

S. A. Mitrofanova

Academy of Standardization, Metrology and Certification (educational)

Email: s_bogomolova@mail.ru
ORCID iD: 0000-0002-6545-6119
SPIN-code: 3937-9729

E. M. Mitrofanov

Mytischi Branch of Bauman Moscow State Technical University

Email: seferok@mail.ru
ORCID iD: 0000-0003-1957-7638

V. N. Karminov

Mytischi Branch of Bauman Moscow State Technical University

Email: karminov@bmstu.ru
ORCID iD: 0000-0002-9298-956X

S. I. Chumachenko

Mytischi Branch of Bauman Moscow State Technical University

Email: chumachenkosi@bmstu.ru
ORCID iD: 0000-0002-9766-3083

References

  1. Дорогова И.Е., Еремин Д.Е., Михайлов А.К. Инвентаризация городских лесов г. Новосибирска с применением метода наземного лазерного сканирования. Регулирование земельно-имущественных отношений в России: правовое и геопространственное обеспечение, оценка недвижимости, экология, технологические решения, (1), 162–167 (2023). http://dx.doi.org/10.33764/2687-041X-2023-1-162-167
  2. Погорелов А.В., Брусило В.А., Граник Н.В. Моделирование объектов озеленения города по данным мобильного лазерного сканирования. ИнтерКарто. ИнтерГИС, 24(2), 5–17 (2018). http://dx.doi.org/10.24057/2414-9179-2018-2-24-5-17
  3. Holopainen M., Vastaranta M., Kankare V. et al. Mobile terrestrial laser scanning in urban tree inventory. The 11th International Conference on LiDAR Applications for Assessing Forest Ecosystems (SilviLaser 2011), Hobart, Australia (2011)
  4. Kükenbrink D., Gardi O., Morsdorf F. et al. Above-ground biomass references for urban trees from terrestrial laser scanning data. Annals of Botany, 128 (6), 709–724 (2021), https://doi.org/10.1093/aob/mcab002
  5. Лебедев А. В. Инвентаризация древесных насаждений урбанизированных территорий с использованием смартфона. Лесотехнический журнал, 13(3), 56–70 (2023). http://dx.doi.org/10.34220/issn.2222-7962/2023.3/5
  6. Anderson K., Hancock S., Casalegno S. et al. Visualising the urban green volume: Exploring LiDAR voxels with tangible technologies and virtual models. Landscape and Urban Planning, 178, 248–260 (2018). http://dx.doi.org/10.1016/j.landurbplan.2018.05.024
  7. Васильева Е.А. Эффективность воздушного лазерного сканирования территории при мониторинге городских зеленых насаждений. Интерэкспо Гео-Сибирь, 4(2), 31–34 (2021). http://dx.doi.org/10.33764/2618-981X-2021-4-2-31-34
  8. Arseniou G., MacFarlane D.W., Seidel D. Woody surface area measurements with terrestrial laser scanning relate to the anatomical and structural complexity of urban trees. Remote Sensing, 13(3153), (2021). http://dx.doi.org/10.3390/rs13163153.
  9. Швиденко А.З., Щепащенко Д.Г., Нильссон С., Булуй Ю.И. Таблицы и модели хода роста и продуктивности насаждений основных лесообразующих пород Северной Евразии. Нормативно-справочные материалы. М-во природных ресурсов Российской Федерации, Федеральное агентство лесного хоз-ва, Международный ин-т прикладного системного анализа, Москва (2006). https://www.elibrary.ru/qkqbeh
  10. Азарчик Р. В. Таблицы хода роста для таксации сосновых древостоев различной густоты. Труды Белорусского государственного технологического университета. Серия 1. Лесное хозяйство, (16), 88–92 (2008). https://www.elibrary.ru/vdhbst
  11. Митрофанов Е. М., Митрофанова С. А., Карминов В. Н., Чумаченко С. И. Оценивание повторяемости и воспроизводимости результатов измерений высоты деревьев мобильным лазерным сканером. Законодательная и прикладная метрология, 190(4), 11–18 (2024). http://dx.doi.org/10.32446/2782-5418.2024-4-ll-18
  12. Ishikawa K. Guide to Quality Control (Industrial engineering & technology). Asian Productivity Organization, Tokyo (1976)
  13. Боровиков В. П. Популярное введение в современный анализ данных и машинное обучение на STATISTICA. Горячая линия – Телеком, Москва (2023)
  14. Богомолова С. А. Применение методологии робастного параметрического проектирования при разработке методик измерений. Законодательная и прикладная метрология, 170(2), 44–48 (2021). https://www.elibrary.ru/icunmm
  15. Богомолова С. А., Муравьева И. В. Применение робастного параметрического проектирования при разработке методики количественного химического анализа в металлургическом производстве. Метрология, (3), 48–61 (2021). http://dx.doi.org/10.32446/0132-4713.2021-3-48-61
  16. Митрофанова С. А., Муравьева И. В. Робастное параметрическое проектирование методики определения химического состава медных сплавов рентгенофлуоресцентным методом. Измерительная техника, (11), 66–71 (2023). http://dx.doi.org/10.32446/0368-1025it.2023-11-66-71

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).