Mapping Carbon Stock of Individual Street Trees Using LIDAR-Camera Fusion-based Mobile Mapping System

Abstract

Urban street trees constitute a considerable proportion of urban trees, yet their individual carbon stocks remain under-explored. Here, we map the carbon stock of individual street trees using LiDAR-camera fusion-based Mobile Mapping System (MMS) which enables extensive urban coverage, high spatial sampling, and concurrent acquisition of species and structural parameters. We implement a two-step approach to detect individual street tree, initially applying a U-Net to images for semantic segmentation, and subsequently applying a Random Forest classifier on point clouds, informed by the image segmentation results. To measure the carbon stock of street trees, we employed another Yolo-v3 to classify tree species from images and calculated Diameter at Breast Height (DBH) and height (H) from point clouds. Through experiment, we detected 35,247 street trees from scanned streets in the Suwon, Republic of Korea, which had the carbon stock of 2.16 ± 0.03 GgC. City-wide evaluations showed the average recall, precision, and F1-score of the proposed street tree extraction method were 78.89, 85.65, and 81.79, respectively. In addition, estimated DBH and H revealed slight overestimation by an average of 4.37 cm (15.13%) and 0.86 m (8.57%) with RMSEs of 8.17 cm (28.27%) and 2.18 m (21.82%), respectively. Our work contributes a practical framework for estimating individual street trees' carbon stocks using the LiDAR-camera fusion-based MMS, paving the way towards more accurate urban carbon management and progress in urban carbon management.

도시의 가로수들은 도시 나무의 상당 부분을 차지하고 있음에도 불구하고, 그들의 개별 탄소 저장량에 대한 연구는 아직 미흡하다. 본 연구에서는 광범위한 도시 지역을 커버하고, 고정밀 공간 샘플링을 가능케 하며, 종과 구조적 파라미터들의 동시 취득을 가능케 하는 LiDAR-카메라 퓨전 기반의 모바일 매핑 시스템(MMS)을 사용하여 개별 가로수들의 탄소 저장량을 매핑하였다. 우리는 개별 가로수를 탐지하기 위한 두 단계 접근법을 구현하였는데, 이는 이미지에 U-Net을 적용하여 의미론적인 분할을 수행하고, 이미지의 분할 결과에 근거하여 포인트 클라우드에 랜덤 포레스트 분류기를 적용하는 것이다. 가로수의 탄소 저장량을 측정하기 위해, 우리는 이미지로부터 나무 종을 분류하기 위해 YOLOv3를 사용하였고, 포인트 클라우드로부터 흉고직경(DBH)과 수고(H)를 계산하였다. 실험을 통해, 우리는 한국 수원시에 스캔된 거리에서 35,247그루의 가로수를 식별하였고, 이들의 탄소 저장량이 2.16 ± 0.03 GgC 이었다. 도시 규모의 검증을 통해 제안된 개별 가로수 탐지법의 평균 재현율, 정밀도, F1 점수는 각각 78.89, 85.65, 81.79로 나타났다. 또한, 예측된 DBH와 H는 각각 평균 4.37 cm (15.13%)과 0.86 m (8.57%)으로 약간 과대평가되는 경향을 보였으며, 이에 대한 RMSE는 각각 8.17 cm (28.27%)과 2.18 m (21.82%)였다. 이 연구는 LiDAR-카메라 퓨전 기반의 MMS를 사용하여 개별 가로수의 탄소 저장량을 추정하기 위한 실용적인 프레임워크를 제공하며, 더욱 정확한 도시 탄소 관리와 도시 탄소 관리의 발전을 위한 길을 여는데 기여한다.