DIGITALNA ARHIVA ŐUMARSKOG LISTA
prilago­eno pretra×ivanje po punom tekstu




ŐUMARSKI LIST 9-10/2008 str. 33     <-- 33 -->        PDF

IZVORNI ZNANSTVENI ╚LANCI ľ ORIGINAL SCIENTIFIC PAPERS Őumarski list br. 9ľ10, CXXXII (2008), 419-429
UDK 630* 585 + 569 (001)


PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI
RELATIVNOG SASTOJINSKOG OBRASTA


USING SECOND ORDER HISTOGRAMS TO ESTIMATE
RELATIVE STAND DENSITY


Damir KLOBU╚AR*


SAÄETAK: Rad predstavlja nastavak dosadaÜnjih istra×ivanja primjene
digitalne obrade sastojinske scene i cikliŔkih snimaka za potrebe ure­ivanja
Üuma.


Naime, istra×ena je dodatna moguŠnost primjene cikliŔkih snimaka, izradom
histograma drugoga reda i utvr­ivanja njihove povezanosti s tri kategorije
relativnog obrasta na primjeru gospodarske jedinice ôJamariŔko brdoö,
Üumarije Lipovljani. Digitalni ortofoto izra­en je koriÜtenjem crno-bijelih
aerofotosnimaka, pribli×nog mjerila 1:20 000 (K l o b u Ŕ a r, 2003).


Provedenim istra×ivanjem utvr­ena je joÜ jedna moguŠnost primjene digitalne
analize slike u procjeni obrasta i stanja sastojina. Histogrami drugoga
reda mogu se primijeniti u procjeni relativnog sastojinskog obrasta, te su
izra­ena tri osnovna oblika histograma, koji se mogu pridru×iti odgovarajuŠim
kategorijama obrasta.


Postupci digitalne analize slike joÜ su uvijek nesavrÜeni, i ne mogu u potpunosti
zamijeniti klasiŔne postupke. Stoga se integracija digitalnih i vizualnih
metoda u donoÜenju odluka (u cilju potrajnog gospodarenja Üumama),
smatra svrsishodnim postupkom.


K l j u Ŕ n e r i j e Ŕ i : cikliŔke snimke, obrast, histogrami prvoga i drugoga


reda, digitalni ortofoto, tekstura.


1. UVOD ľ
Uporaba daljinskih istra×ivanja u regionalnom iglobalnom smislu je neophodna. Tematske karte dobivene
daljinskim istra×ivanjima neprocjenjivi su izvor
informacija za istra×ivaŔe, jer donose prostorne i vremenske
informacije o objektima na Zemljinoj povrÜini
(C e t i n et al. 2005).


Do danas su se razvile mnoge metode procjene sastojinskih
veliŔina pomoŠu aerosnimaka, koje daju zadovoljavajuŠe
rezultate i primjenjuju se uobiŔajeno u
mnogim zemljama sa razvijenim Üumarstvom (K u Ü
a n , 1992; KuÜan & KrejŔi, 1993, KuÜan &
P e r n a r, 1996). Za praŠenje stanja Üuma i odre­ivanje
sastojinskih parametara od Üezdesetih godina proÜloga
stoljeŠa koriste se i satelitske snimke (H o w a r d ,


* Mr. sc. Damir KlobuŔar, dipl. ing. Üum., UŐP Zagreb,
V. Nazora 7, 10 000 Zagreb, e-mail: damir.klobucarÄhrsume.hr
Introduction
1991; K u Ü a n , 1996; P o s a r i Š , 1996; F r a n c o ľ
Lopez et al. 2001; KuÜan & Pernar, 2001; P a x ľ
L e n n y, 2001; H a g n e r, 2002; L i n d e r m a n et al.
2004; J o s h i et al. 2006; K u p l i c h , 2006).


Prilikom kvantitativnog opisivanja sastojina naj


ŔeÜŠe koriÜtena veliŔina je obrast.


Obrast sastojine mo×e se iskazati brojem stabala,
temeljnicom i volumenom neke sastojine u apsolutnim
i relativnim jedinicama. Broj stabala je apsolutna mjera
obrasta sastojine izra×ena u broju stabala po hektaru.
Relativan obrast predstavlja odnos apsolutnih veliŔina
neke sastojine (broj stabala, temeljnica, volumena)
sa standardnim (normalnim, idealnim) veliŔinama
(PranjiŠ & LukiŠ, 1997).
Obrast je jedan od najznaŔajnijih i najkorisnijih


sastojinskih parametara, koji Üumarskom struŔnjaku


ukazuje na opŠe stanje sastojine, a obrast po vrstama




ŐUMARSKI LIST 9-10/2008 str. 34     <-- 34 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
drveŠa ukazuje na dosadaÜnje gospodarenje, ali i na
buduŠe propisivanje i provo­enje smjernica gospodarenja
(Pernar & KlobuŔar, 2003).


Obrast je dobar pokazatelj postojeŠeg stanja prema
normalnom stanju, kako na razini sastojine, tako na
razini dobnog razreda, s tim da je pritom va×na primjena
odgovarajuŠih normalnih modela (╚ a v l o v i Š et al.
2006).


Prema Pravilniku o ure­ivanju Üuma (2006) obrast
sastojina definira se odnosom stvarne i normalne temeljnice
u jednodobnim sastojinama, dok je u prebornim
i raznodobnim sastojinama odnos stvarne i normalne
drvne zalihe. Normalna temeljnica, odnosno
drvna zaliha, odre­uje se primjenom prirasno-prihodnih
tablica domaŠih autora. Obrast se prema ovom Pravilniku
iskazuje kao: normalni obrast ľ iznad 0.80; manji
od normalnog ľ od 0.50 do 0.80; slab ľ do 0.50.


Q u a c k e n b u s h et al. (2000) i Ve r b e k e et al.
(2006), poistovjeŠuju sastojinski obrast s brojem stabala
iskazanim po jedinici povrÜine, te ukazuju da je izuzetno
va×an parametar u gospodarenju Üumama. Zajedno s
drugim strukturnim parametrima, koristi se u procjeni
obnove, u ocjeni uspjeÜnosti provo­enja gospodarskih
mjera ili slu×i kao indikator (varijabla) za ocjenu drugih
sastojinskih parametara: starosti, temeljnice i volumena.


╚ a v l o v i Š et al. (2006) koriste obrast prema broju
stabala glavne (glavnih) vrste drveŠa kao znaŔajan kri


terij za ocjenu stanja sastojina i kriterija za donoÜenje
odluka gospodarenja u lu×njakovim Üumama.


Primjenom tehnike digitalne obrade sastojinskih scena
u posljednjih desetak godina, doÜlo je do razvoja novih
metoda u procjene sastojinskog obrasta (B o l d u c
et. al. 1999; Wu l d e r et al. 2000; S t - O n g e & C a v
a y a s , 1997; F r a n c o - L o p e z et al. 2001; H ÷ l m strom,
2002; Pernar & KlobuŔar, 2003; Verbek
e et. al. 2006).


Pernar & KlobuŔar (2003) istra×uju moguŠnosti
primjene histograma sastojinske scene i vizualne interpretacije
digitalnog ortofota u procjeni relativnog
obrasta i stanja sastojine. U tu svrhu koriÜtene su crnobijele
aerofotosnimke pribli×nog mjerila 1:20000, sa
60 % prijeklopom, pridobivene tijekom cikliŔkog snimanja
Republike Hrvatske. Provedenim istra×ivanjem
utvr­eno je da postoje tri oblika histograma prvoga reda
koji se mogu pridru×iti odgovarajuŠim kategorijama
obrasta, te da isti svrsishodno mogu poslu×iti u procjeni
obrasta i stanja sastojina.


Prema literaturi o istra×ivanoj tematici, dosadaÜnja
istra×ivanja uglavnom su imala za cilj analizu histograma
s ciljem automatskog prepoznavanja kroÜanja na
snimkama u doba vegetacije. Istra×ivanje histograma,
osobito na snimkama u doba mirovanja vegetacije tj.
bez lista, razmjerno je nov pristup.


1. 1. HISTOGRAMI PRVOGA REDA ľ First order histograms
Histogram grafiŔki prikazuje zastupljenost pojedinih
numeriŔkih vrijednosti u pikselima digitalne slike.
Na vodoravnoj osi histograma nalaze se iznosi zacrnjenja
u rasponu od 0 do 225, a na okomitoj osi je ukupnibroj piksela s tim zacrnjenjem.


Histogrami sastojina normalnog obrasta su jednostavni,
jednoliŔnog izgleda, s jednim maksimumom,
kod kojih najveŠi broj piksela pripada lijevom dijelu
histograma, bli×e sredini apscise (Slika 1).


Mean: 98,54 Level: 99
5tdDev:3322 Count: 174
Median: 93 Percentile: 58,89
Pixels: 11919 Cache Level: 1
Slika 1. Histogrami sastojina normalnog obrasta


Figure 1 Histograms of normal stand density


Histogrami sastojina, Ŕiji su obrasti manji od nor- obrast tek neznatno manji od normalnog, imaju histomalnog,
po izgledu su dvojaki. Sastojine kod kojih je grame sliŔne sastojinama normalnog obrasta, ali s ve




ŐUMARSKI LIST 9-10/2008 str. 35     <-- 35 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Šim brojem piksela u desnom dijelu histograma (Slika ali ne u tolikoj mjeri da bi bio slab, imaju histograme
2a). Sastojine kod kojih je obrast znaŔajnije smanjen, nepotpunog ŔeÜljastog oblika (Slika 2b).


ii╚╚╚╚╚╚╚H╚╚╚╚╚╚╚HlItiikd.


Mean: 107.38 Level; 107
StdDev: 42,34 Count; 87
Median: 102 Percentile; 54,51


Pixels: 10156 Cache Level: 1


..Jtk


Mean: 170,54
Std Dev: 43,41
Median; 176
Pixels: 2650


Level: 170
Count: 19
Percentile; 44,26
Cache Level: 1


Slika 2a, b. Histogrami sastojina smanjenog obrasta
Figure 2a, b. Histograms of decreased stand density


Histogrami sastojina slabog obrasta imaju du×i ili
kraŠi ŔeÜljasti, lako prepoznatljiv oblik (Slika 3).


Slika 3. Histogrami sastojina slabog obrasta
Figure 3 Histograms of stands with poor density


1. 2. HISTOGRAMI DRUGOGA
Mjere teksture izraŔunate samo na podacima iz histograma
prvog reda imaju nedostatak, jer ne daju informacije
s obzirom na relativni odnos izme­u samih piksela.


Mo×e se pretpostaviti da su vrijednosti intenziteta za
svaku toŔku ishod nekog sluŔajnog eksperimenta. Uz
takvu pretpostavku histogrami prvoga reda predstavljaju
procjenu funkcije gustoŠe vjerojatnosti. Umjesto samo
jedne toŔke mo×e se na sliŔan naŔin promatrati bilo
koji par toŔaka slike, Ŕija je me­usobna pozicija odre­ena
nekom relacijom. U tom sluŔaju pretpostavljeni sluŔajni
eksperiment postaje dvodimenzionalan, a procjenu
odnosno estimaciju funkcije gustoŠe vjerojatnosti dobivamo
iz histograma drugog reda (L o n Ŕ a r i Š , 2003).


REDA ľ Second order histograms
GustoŠa vjerojatnosti definirana je izrazom:
P u1, u2 (x1, x2) = P Őu1 = x1, u2 = x2Ă N(x1, x2) / N,
gdje je 0<= x1, x2 <= L-1, N (x1, x2) broj parova toŔaka
u slici s vrijednostima x1, x2, a N je ukupan broj
toŔaka u slici. Kvocjent P (x1, x2) = N(x1, x2) / N predstavlja
ocjenu funkcije gustoŠe vrijednosti i zove se histogram
drugog reda.


Mjerenjem razmazanosti (Üirine) histograma oko
glavne dijagonale mo×e se opisati tekstura. Dobivanje
ovakvog tipa teksturalnih podataka ne odnosi se samo
na distribuciju intenziteta (sive skale), nego i na poziciju
piksela s istim ili sliŔnim vrijednostima.




ŐUMARSKI LIST 9-10/2008 str. 36     <-- 36 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Coburn & Roberts (2004) navode da istra×iva-mo njih Üest (energija, kontrast, varijanca, homogeŔi
u podruŔju daljinskih istra×ivanja u analizi teksture i nost, korelacija i entropija) uŔestalije koristi u daljinklasifikaciji
najŔeÜŠe koriste podatke dobivene pomo-skim istra×ivanjima.
Šu histograma drugoga reda, dok je slabija primjena hi-K a y i t a k i r e et al. (2006) navode da su se znaŔajstograma
prvoga reda. ke dobivene posredstvom histograma drugoga reda


Histograme drugoga reda (co ľ occurrence matrix) Ŕesto koristile u klasifikaciji ili segmentaciji tekstura
u ekstrakciji znaŔajki teksture predlo×io je H a r a l i c k ( H a y et. al. 1996; F r a n k l i n et al. 2000, 2001; C o et
al. (1973). b u r n & R o b e r t s , 2004), ali su se vrlo rijetko koris


Berberoglu & Curran (2006), Kayitakire tile u estimaciji sastojinskih parametara (K a y i t a k i r e
et al. (2006) navode da se od 14 definiranih tekstural-et al. 2006).
nih znaŔajki drugog reda (H a r a l i c k et al. 1973), sa


2. CILJ ISTRAÄIVANJA ľ Research aim
BuduŠi da su cikliŔke snimke izuzetno pristupaŔne, nju Üuma, izradom histograma drugoga reda i utvr­ivate
da je do sada istra×ivana svrsishodnost njihove pri- nja njihove povezanosti s tri kategorije relativnog
mjene u Üumarstvu (KlobuŔar, 2003; Pernar & obrasta na primjeru gospodarske jedinice ôJamariŔko
K l o b u Ŕ a r, 2003: P e r n a r et al. 2003; K l o b u Ŕ a r, brdoö. Digitalni ortofoto (Slika 4) izra­en je koriÜte2004;
K l o b u Ŕ a r & P e r n a r, 2005), odluŔeno je do- njem crno-bijelih aerofotosnimaka, pribli×nog mjerila
datno istra×iti moguŠnost njihove primjene u ure­iva- 1:20 000 (K l o b u Ŕ a r, 2003).


Slika 4. Perspektivni prikaz digitalnog ortofota prevuŔen preko digitalnog modela reljefa
Figure 4 View of digital orthophotographies pulled over DTM


3. METODA RADA Work method
U svrhu izrade histograma drugoga reda za svaku sa- da se ekstrakcija znaŔajki slike provodi za sastojinstojinsku
scenu isjeŔen je uzorak (Slika 5; 6; 7; 8) s digiske
scene (odsjeke/odjele) koje su veŠ stratificirane
talnog ortofota. Ukupno je obra­eno 80 odsjeka/odjela prema kriterijima ure­ivanja Üuma,
(sastojinskih scena) u ure­ajnim razredima hrasta lu×- da odabir veliŔine matrice (prozora) nije bitan samo


njaka, hrasta kitnjaka i obiŔne bukve. Prilikom izrade iz raŔunalnih razloga, veŠ je znaŔajniji u definiranju
uzoraka nastojalo se obuhvatiti Üto veŠu povrÜinu sasto-reprezentativnog uzorka (Hodgson, 1994;
jinske scene. F r a n k l i n et al. 2000).


U odabiru veliŔine uzorka imalo se u vidu dvije
Ŕinjenice:




ŐUMARSKI LIST 9-10/2008 str. 37     <-- 37 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Slika 5. Uzorak sastojinske scene 22a odsjeka (obrast, 0.89) Slika 6. Uzorak sastojinske scene 48a odsjeka (obrast, 0.72)
Figure 5 Sample of stand scene for subcompartment 22a Figure 6 Sample of stand scene for subcompartment 48a
(density, 0.89) (density, 0.72)


Slika 7. Uzorak sastojinske scene 61 b odsjeka (obrast, 0.64) Slika 8. Uzorak sastojinske scene 44 c odsjeka (obrast, 0.25)
Figure 7 Sample of stand scene for subcompartment 61b Figure 8 Sample of stand scene for subcompartment 44c
(density, 0.64) (density, 0.25)
Za izradu histograma drugoga reda koriÜten je prozuje
histogram drugog reda za vektor D = ŐDx DyĂ. D je


gram MATLAB 6. 5, odnosno funkcija imhist2 (Kova- udaljenost izmedu toŔaka za koje se raŔuna histogram, a
Ŕ e v i Š & P e t k o v i Š , 2004). Navedena funkcija prika- zadani vektor pomaka je D = Ő1 1Ă.


4. REZULTATI ISTRAÄIVANJA I RASPRAVA ľ Research results and discussion
Nakon provedbe opisanog postupka utvr­ena su tri gu pridru×iti trima kategorijama relativnog obrasta.
elipsoidna oblika histograma drugog reda, koji se mo




ŐUMARSKI LIST 9-10/2008 str. 38     <-- 38 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Histogram II reda za sastojine normalnog obrasta (Slika 9; 10)


NajveŠa mjera razmazanosti (Üirine) oko glavne di-dijelu glavne dijagonale,
jagonale, NajveŠa Üirina ôreÜetkiö


Slabija uŔestalost (frekvencija) doga­aja u desnom
ILJ X . i. . %
┤i
:"aimmiE╚i<.,::,┤



┤v╚ ┤ i╚vim╚╚╚╚╚╚╚╚╚╚╚╚╚ ╚╚╚H
r iF-rv:


┤fa


C ┤ ;ffl
┤.1 "╚ 1╚ ╚H


l-->╚Viđ ╚ ┤." ;




╚ V?..,: .
,╚ 3 a I╚╚H╚╚╚╚H H


╚╚*╚


.. ╚.*.-Ifl╚╚╚╚╚╚╚╚╚H
╚H


, i R!;Ji?:-
.!


Š
* * ╚╚╚
-┤. ,...:


";
╚ ;╚:: -> ┤ . ╚╚H


┤╚


-=╚


, ? r.Ü-╚┤╚-╚╚╚╚╚╚╚╚╚╚H
m.╚ : ╚╚╚╚


: i:╚ ┤ Ö 3 V┤- ╚╚╚╚H ╚J ti
>".

Ŕ : *┤


P┤


i


* ┤ i-u. ┤ -1 A ╚╚╚1 -╚Fi f
iv╚i .-
╚ s
-T !i-.r
%╚ 1 ┤ ╚h" h -
; ;.╚..


Kr┤
l.L


"_┤
; .


┤i Ŕ >┤đ ┤i :╚╚v!1 ┤""il !


; ╚┤┤.
┤ "I"
Si ╚ ┤╚rl<┤ i┤.W i?.r-;┤. -


┤li╚┤t┤╚U Ba!ź!.>::┤ L.; ┤,┤.j╚┤.
1


,
┤ "J╚ 1


&
T." -;


┤╚╚



, ╚f╚. *
** * *
shf*


-. : i"l. i sT ╚
┤ V. ┤.-┤, ╚ ;; JS/-┤...j┤




Vi V-╚╚v*╚!



2


>-┤;?╚>┤;saaBiKiM)ii╗t┤:,┤...:-.".


. 1
┤-╚


j*





1 SS


,┤ 1


-


->


┤.





╚7


┤:đ/i;


S;


S tS:


E ╚ "┤


L i ┤


-╚ . f *.


, au


. .;.;N


┤"


A┤.".;-?!╚W!ÖHBBBllŐfl&Ki;-tr V....


┤" :J;╚ź aa-it.:-; ...


-


╚╚╚ ;


╚s


:
jV


St


┤┤╚


╚╚╚╚╚H


.?;┤!,┤ 1╚*


1 ->. ┤.


;_:┤,


M┤i╚


In╚w


╚╚╚╚╚╚H


╚Jl-


T;
i


.-­!i!fl !┤;┤╚i┤"┤"
. .┤┤.: .3 ╚ -:UiuŠ;imii╚╚


"╚""-fc
rr.


>


, ,-,┤┤


╚╚╚╚╚╚╚m


fJ! .::.


.. V╚>┤i*!╚2SEffliafiS:┤┤:.i;....
;-;╚X╚MfflWEfi!Sr>.i┤..:


┤╚┤╚rjj


╚:i┤ v


iiii┤r╚I


╚;.;i╚
i;╚╚╚╚


╚╚╚╚


..








-/V


.:!


_


:┤


:╚::f╚S┤


fl


w ┤*i


kf╚


V"


t"╚ ┤


;
1


i !╚>:rTđ


1 1


f┤ >j┤ rfr :;r
.


Slika 9. Histogram II reda 27a odsjeka (obrast, 0.83) Slika 10. Histogram II reda 69b odsjeka (obrast, 0.94)
Figure 9 Second order histogram for subcompartment 27a Figure 10 Second order histogram for subcompartment 69b


(density, 0.83.)
(density, 0.94.)


Histogram II reda za sastojine obrasta od 0.5 ľ 0.8 (Slika 11; 12)


Histrogrami drugoga reda za ovu kategoriju obrasta Ŕajno razvidnije manje ôreÜetkeö. Histogrami druge
mogu se podijeliti u dvije podgrupe. Histogrami prve podgrupe (Slika 12) imaju Üiru glavnu dijagonalu i veŠe
podgrupe (Slika 11) sliŔni su histogramima sastojina ôreÜetkeö od histograma slabog obrasta (Slika 13; 14).
normalnog obrasta (Slika 9; 10), s tim da im je manja Dakle, histogrami ove grupe izgledom se nalaze izÜirina
glavne dijagonale (slabije uoŔljivo), dok su zna-me­u histograma ostalih dviju grupa.


­Jiiqp3 tppi ╚╚╚╚╚


╚╚╚╚╚╚╚╚╚╚H


(╚%L"/╚


>iT;i.-:┤-


f r!!!i B H
t :3!!i I


1╚╚╚╚╚╚╚╚


b: V V ╚╚╚H
"maar┤-.i;:,!-:-╚╚╚H


c V I╚V


╚B


1


7 ╚ "╚ . H╚╚╚╚╚l
II-SLSMB
╚H­ft r?"""" - rH W ifl╚╚╚╚H╚ H ┤╚┤: :Ă!>tl╗a B: 1 ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚m


>>..┤.


┤-..:╚.Yźiai ir< Hi╚:-.-╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H


╚╚╚╚╚BC ┤ ?╚ ╚╚╚╚╚╚╚H╚╚H
.┤┤>9EiBB Hl iBtlf--:!-.┤.


H╚HHI ╚╚ ╚ :
╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H


1IH
1
1 ifll╚╚H


WwM"
┤*.>.


╚H yy EVU
ni I I Dl E╚, r. ╚╚╚╚╚╚╚╚H



!>>*


rJ tu NI IB i╚ .


EI╚╚╚╚B


╚╚Kft.╚:..
╚╚╚╚╚╚╚╚ *l >Ă 2: :-Ŕ: ╚╚╚B


╚B╚╚H ╚╚╚╚╚╚╚H I-," f╚ ╚╚╚╚╚╚╚╚╚H


╚B╚╚╚h
"J z IH M

╚╚╚╚╚╚╚╚╚╚╚1


9 k V ╚╚╚╚╚╚╚╚╚H


Jr-7 3 Ŕ╚╚╚╚H ╚╚╚╚╚╚╚╚╚╚╚╚ ╚n p


h LV h . . ╚╚╚╚╚╚╚╚╚H


┤╚." * PII 1


G j li!╚:""!":┤:: j : JHM
╚╚╚╚╚╚╚╚╚╚╚╚╚╚H 1 q (A n


ISCM╚--it :: E╚Bn
iź: ITJ╚┤. ╚╚╚╚╚H


li
juU i ----tiM ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚K: >.­ k l ╚╚╚╚╚1


1
╚╚╚╚╚╚B


Hl 1 L.╚.-.-l -.-.n S ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H┤--fb


r** i*
-?
s>:t p
╚╚1 ╚
╚╚ ┤╚╚╚H╚iHMMiH-N
>╚đ
"╚ V


;;:;;::;; * ! ╚╚╚ ╚
r┤-i 1 1 ?a


HHnRrH 1


╚╚╚╚╚╚╚╚B ┤ * E JT , ╚ T V "H╚╚H
;╚v 1 m v_┤ "


đ-9!ll IIUH .


╚;i-7" =

iTl 1


.
-
1 ╚f


y┤n┤ 1


-
::: mđ
╚╚╚╚╚╚╚╚╚╚╚B SSL╚╗Ŕ
V.
1


╚╚1 ╚H
1╚ ┤


╚╚╚1 ╚╚╚H


"
-╚H L


ffiw ╚


╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H 1 &


╚╚M ╚╚╚╚╚╚╚BSU! j-╚╚┤i.i9
┤┤,


;


╚╚╚╚╚╚╚╚H
IL


Slika 11. Histogram II reda 48a odsjeka (obrast, 0.72) Slika 12. Histogram II reda 45b odsjeka (obrast, 0.51)
Figure 11 Second order histogram for subcompartment 48a Figure 12 Second order histogram for subcompartment 45b
(density, 0.72.) (density, 0.51.)




ŐUMARSKI LIST 9-10/2008 str. 39     <-- 39 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Histogram II reda za sastojine slabog obrasta (Slika 13; 14)


Najmanja mjera razmazanosti (Üirine) oko glavne glavne dijagonale,
dijagonale, Najmanja Üirina ôreÜetkiö.
UŔestalost doga­aja prisutna je cijelom du×inom
1
1111111111


.┤ "P E a H:
╚1 D*


╚╚T K ┤╗-╚-┤ -L



ai itea


1 n i Vk ii┤ ┤ ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H
-riti M i
r; > rii┤
i ╗ ╚91 Li-┤?
f┤t a i ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚H
11 U┤"


L
HL>­
: i 1 >Ir l, ╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚╚1
. ┤ BI 1


V


đr╚l
1
9ź! i╗ a ╚╚╚╚╚╚╚╚╚╚╚╚╚H


*


-i * 1 đi


╚╚╚╚╚╚╚╚╚╚H


aźi A.


╚╚1 ! .p


M*i I M 1╚17 ╚╚╚╚╚╚╚╚╚╚╚╚╚╚H


lU


*1 I M ╚╚╚╚╚╚╚╚╚╚╚╚H


ai
rz


fm a:┤
ia I L f ╚╚╚╚╚╚╚╚H


".: ╚╚╚╚╚╚╚╚╚


, -╚ muđ┤


. ź­ BI


1 k.


╚╚1
╚1


đ┤đ


┤ ╚╚H
XT


┤ J ź t*


Slika 13. Histogram II reda 44c odsjeka (obrast, 0.25)
Figure 13 Second order histogram for subcompartment 44c
(density, 0.25.)


Dakle, intuitivno je moguŠe na osnovi opisnih znaŔajki
histograma drugoga reda (kao i onih prvoga reda)
odrediti kojoj kategoriji obrasta pripada sastojina.


PoveŠanje vrijednosti ŐDx DyĂ, poveŠava i Üirinu
(razmazanost) histograma drugog reda, Ŕime se poŔinje
gubiti vizualna vrijednost histograma. Naime, digitalne


╚, ykđ-.┤".y,


fT ;?╚ž!i


.Š ┤7 wTS Šđ┤ j y
r -┤ y Sm?f.╚i╚fi:


1 "j -.
A , ┤ . ┤┤┤: ╚A-V ┤ j(-╚


"╚ ,.. ; ir
r / . / ft ╚Si╚fi%
đđ đEJ ) ,1


┤ViJ,
l╚­.╚
JV┤
-.
i,ie ╚Vi-
y 31i-k╚╚. j╚╚┤v..-.-V ..
:iđi╚ -V !il?-c ┤.╚ ╚ i.; *┤*** *


r.
╚A
╚A
>s=


╚i-lvđk-đ┤
đ:-┤ -V; Iftlt


đk--┤
i╚ 3;fź: ; -c┤


;-;
"


ijfSiv-. v,--SstJ╚╚ź!.: i╚i" -! -


╚┤ It
╚L



>:=,
#;
. ┤J╚ ╚ Sf.╚╚┤╚ s-;--r


<┤i.>.┤.


"uaS" 1 ┤. ┤ r; h5╚5┤.┤k


.. ,.,1
-jjf!╚ 1 fi ╚ >*╚;iv*v
-┤jr i> "╚


L!?*f"
1;; ╚ fe.╚tv


ijf jU!┤


.
: r -TC


X


:╚
.i Uar╚


-╚ r

. ┤:.:┤
┤ai:; h : ┤.:. . Jf :╗╚Ji
.--"╚> ╚,f -4" rt! S* jt:-;


* i╚


╚ ┤_,┤. I
╚>
1╚? ┤:đ ┤i


i


.┤ ┤w╚


, ╗┤╚,*->_1:╚╚ ╚
đ tri ┤┤╚Ci


u"


-"┤ ╚rVft i┤ * i ╚i┤ ╚5┤r.n:


┤┤f┤


FL╚


┤* -┤┤! V
-v┤.┤


v, ;; : ( r ┤-:;đ


.t H &


*┤"┤ ┤┤đr-It f >┤ >. -: J-,╚ ri!?f



╚ .rt
If. rl: f


try


-j
im


rt ╚
ft
"
-._ a┤;


>>


╚1


i;
Vir
Slika 15. Histogram II reda 27a odsjeka (obrast, 0.83),
pomak D = Ő5 5Ă
Figure 15 Second order histogram for subcompartment 27a
(density, 0.83), shift D = Ő5 5Ă


Slika 14. Histogram II reda 46c odsjeka (obrast, 0.26)
Figure 14 Second order histogram for subcompartment 46c
(density, 0.26.)


vrijednosti piksela sastojinske scene nisu jednoliŔno
raspore­ene du× apscise (0 ľ 255), nego su uglavnom
grupirane oko sredine histograma i uzimanjem veŠih
pomaka npr; D = Ő5 5Ă (Slika 15), odnosno D = Ő10 10Ă
(Slika 16), poveŠava se vjerojatnost novih doga­aja, Üto
poveŠava razmazanost histograma drugog reda.


; -.y-j,..-:╚+-i>┤.j, rt.-┤-jl╚┤..--. .-I-...:┤ :


m┤ **"


" ┤: LZ-ULU h.ry­i╚*j..:KibRrvndirvi. ┤╚.>­.┤đ┤% .


:╗. :>-╚ *╚t*╚ ╚fA-Z┤i i╚wti-ayi*tcuniir╚*5V┤. >:VAT╚ ┤ *


I┤i i ╚*o╚┤┤i┤i┤:.tft;:--<:EtaqĂnBiBl>Bii#uivpii:i?vŐrK);r.-/**.┤-i;┤L┤
i╚
j.f ., , . . ┤ 1 ;, ;i KaHin.╚╚H


w nn╚tv n ┤ --╚ -tratW╚╚


┤ .┤ .! :*╚┤J::
"l"╚ l II-"ź-ź WJ141 P. IliiUH╚
VJCJi


. ┤ v


3 S╚k.i:::ii: i:i::i::i::i:::::j::!::i;B


*-_┤


đ
1 ,,


H i: :┤╚┤-┤--┤
┤-: 1


Bi J!L :;;:::::::::::::::::::::::::!


M9 UL *.; <1 <1 ". ┤
┤┤


HB╚BK I S P< ╚ ┤ ┤


WBttWr ┤ 1┤ "┤



HBHBn iHr i ┤"
┤ H


╚╚╚╚╚


╚╚╚╚╚ HiHttBwE i: i 1 bT:-T*┤ Ś ź
╚╚Bf╚BBBM 1 ft ┤I┤ ╚ ┤ ┤ ┤"1
.. ╚H┤┤┤-r. :yrv╚cp╗cĂLit╚tr?HaflHflDEv>Ki


Slika 16. Histogram II reda 44c odsjeka, (obrast, 0.25),
pomak D = Ő10 10Ă
Figure 16 Second order histogram for subcompartment 44c
(density, 0.25), shift D = Ő10 10Ă




ŐUMARSKI LIST 9-10/2008 str. 40     <-- 40 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Navedene histograme prvoga i drugoga reda ne treba
shvaŠati apsolutnim, jer kod pojedinih sastojinskih
scena, iznimno, histogrami prvoga i drugoga reda u
potpunosti ne odgovaraju prethodno opisanim izgledima.
Razlog tomu treba tra×iti u Ŕinjenici da je u ovom
sluŔaju ekstrahirana znaŔajka prirodne teksture (sastojinska
scena) u zimskom periodu, na relativno velikoj
Üumskoj povrÜini, koja je prethodno stratificirana prema
kategoriji obrasta, no bez obzira na navedenu stratifikaciju,
nemoguŠe je oŔekivati ponavljanje uzoraka.


Naime, pri ekstrakciji znaŔajki slike susreŠemo se
sa problemima heterogenosti i kompleksnosti podataka
iz prirodnog okru×enja, koje su opisali C h e r a k a s s
k y et al. (2006), a odnose se na: vremenske, dinamiŔke,
prostorne, biometrijske i druge komponente
prikupljanja podataka, bilo da je rijeŔ o terestiŔkom ili
daljinskom odre­ivanju kvantitativnih i kvalitativnih
varijabli.


Posebno treba naglasiti problem koji obilje×ava istra×ivanja
u podruŔju daljinskih istra×ivanja, gdje je
Ŕesto puta teÜko raspolagati aero- i satelitskim scenama,
odnosno terestiŔkim podacima, koji su prikupljeni
u istom razdoblju (Foody & Curran, 1994; I n g
r a m et al. 2005).


Landek & KauriŠ (1998) navode da su cikliŔna
aerofotogrametrijska snimanja Republike Hrvatske iznimno
va×an projekat za gospodarenje prostorom. Stoga,
primjena histograma drugoga reda u daljinskim istra×ivanjima
za potrebe Üumarstva, posebice ure­ivanja
Üuma, predstavlja kontinuitet dosadaÜnjih istra×ivanja
(KlobuŔar, 2003; Pernar & KlobuŔar,
2003; P e r n a r et al. 2003; K l o b u Ŕ a r, 2004; K l o buŔar
& Pernar, 2005) primjene cikliŔkih snimaka
u Üumarstvu, a ujedno dodatni doprinos Üumarske struke
ovako va×nom projektu.


5. ZAKLJU╚CI - Conclusions
Istra×ivanje povezanosti histograma drugoga reda s
tri kategorije obrasta provedeno je na primjeru gospodarske
jedinice ôJamariŔko brdoö, Üumarije Lipovljani.
Na temelju provedenih istra×ivanja i dobivenih rezultata
mogu se izvesti sljedeŠi zakljuŔci:


Histogrami drugoga reda mogu se primijeniti u procjeni
relativnog sastojinskog obrasta.


Izra­ena su tri osnovna oblika histograma, koji se
mogu pridru×iti odgovarajuŠim kategorijama relativnog
obrasta.


Histogrami sastojina normalnog obrasta imaju najveŠu
razmazanost (Üirinu) oko glavne dijagonale,
ali i slabiju uŔestalost doga­aja u desnom dijelu dijagonale,
kao i najveŠu Üirinu ôreÜetki".


Histrogrami drugoga reda za sastojine Ŕiji su obrasti
manji od normalnog, mogu se podijeliti u dvije
podgrupe. Histogrami prve podgrupe sliŔni su histogramima
sastojina normalnog obrasta, s tim da im
je manja Üirina glavne dijagonale (slabije uoŔljivo),
dok su znaŔajno razvidnije manje ôreÜetkeö. Histogrami
druge podgrupe imaju Üiru glavnu dijagonalu
i veŠe ôreÜetkeö od histograma slabog obrasta.


Histogrami sastojina slabog obrasta imaju najmanju
mjeru razmazanosti (Üirinu) oko glavne dijagonale.
UŔestalost doga­aja prisutna je cijelom du×inom
glavne dijagonale, s tim da je najmanja Üirina
ôreÜetkiö.
Provedenim istra×ivanjem utvr­ena je joÜ jedna
moguŠnost primjene digitalne analize slike u procjeni
obrasta i stanja sastojina. Postupci digitalne analize slike
joÜ su uvijek nesavrÜeni i ne mogu u potpunosti zamijeniti
klasiŔne postupke. Stoga se integracija digitalnih
i vizualnih metoda u donoÜenju odluka (u cilju potrajnog
gospodarenja Üumama) smatra svrsishodnim
postupkom.


6. LITERATURA ľ References
Berberoglu, S., & P. J. Curran, 2006: Merging
Spectral and Textural Information for Classifying
Remotely Sensed Images. Remote sensing
image analysis, 113ľ136, Springer, Netherlands.


Bolduc, P., K. Lowell, & G. Edwards, 1999:
Automated estimation of localized forest volumes
from large-scale aerial photographs and ancillary
cartographic information in a boreal forest.
International Journal of Remote Sensing 20
(18), pp. 3611ľ3624.


Cetin, M., T. K avzoglu, & N. Musaoglu, 2005:
Classification of multi-spectral, multi-temporal


and multi-sensor images using principal components
analysis and artificial neural networks:
Beykoz case.


Cherkassky, V., V. Krasnopolsky, D. P. Solomatine,
2006: Computational intelligence in
earth sciences and environmental applications:
Issues and challenges. Neural Networks 19,
113ľ121.


Coburn, C. A., &. A. C. B. Roberts, 2004: A multiscale
texture analysis procedure for improved
forest stand classification. International Journal
of Remote Sensing 25 (20), pp. 4287ľ4308.




ŐUMARSKI LIST 9-10/2008 str. 41     <-- 41 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
╚avloviŠ, J., M, Bo×iŠ, K. Teslak, 2006: MoguŠnosti
uspostave potrajnoga gospodarenja
Üumama hrasta lu×njaka u buduŠim gospodarskim
razdobljima. Glas. Üum. pokuse, pos. izd.
5, 419ľ431, Zagreb.


Foody, G. M., & P. J. Curran, 1994: Estimation of
tropical forest extent and regenerative stage
using remotely sensed data. Journal of Biogeography,
21, 223ľ244.


Franco-Lopez, H., A. R. E k , & M. E. Bauer,
2001: Estimation and mapping of forest stand
density, volume, and cover type using the k-nearest
neighbors method. Remote Sensing of Environment,
77, 251ľ274.


F r a n k l i n , S. E., R. J. H a l l , L. M. M o s k a l , A. J.
M a u d i e , & M. B. L a v i g n e , 2000: Incorporating
texture into classification of forest species
composition from airborne multispectral images.
International Journal of Remote Sensing, 21
(1), 61ľ79.


F r a n k l i n , S. E., A. J. M a u d i e , M. B. L a v i g n e ,
2001: Using spatial cooccurrence texture to increase
forest structure and species composition
classification accuracy. Photogrammetric Engineering
and Remote Sensing, 67 (7), 849 ľ 855.


H a g n e r, O., 2002: Combined estimation of forest parameters
from high-and midium resolution satellite
and forest inventory data. ForestSAT Symposium
Heriot Watt University, Edinburg.


Haralick, R. M., K. Shanmugam, & I. Dins
t e i n , 1973: Textural features for image classification,
IEEE Transactions on Systems, Man
and Cybernetics, 3: 610ľ621.


H a y, G. J., K. O. Niemann, & G. F. McLean,
1996: An object-specific image-texture analaysis
of H-resolution forest imagery. Remote Sensing
of Environment, 55 (2), 108ľ122.


Hodgson , M. E., 1994: Window size and visual image
classification accuracy: an experimental approach:
ASPRS Technical Papers, 1994 ASPRS


ľ ACSM Ann. Conv., v. 2, 209ľ218.
H o l m s t r ÷ m , H., 2002: Estimation of single tree
characteristics using the kNN method and plot-
wise aerial photograph interpretations. Forest
Ecology and Management, Volume 167, Issues
1ľ3, 303ľ314.
H o w a r d , J. A., 1991: Remote Sensing of Forest Resources.
Chapman & Hall. 418 pp.
I n g r a m , J. C., T. P. Dawson, & R. J. Whittaker, 2005:
Mapping tropical forest structure in southeastern
Madagascar using remote sensing and artificial
neural networks. Remote Sensing of Environment
94, 491ľ507.


Joshi, C., Jan. D e Leeuw, A. K. Skidmore, I. C.
van Duren, H. Oosten, 2006: Remotely
sensed estimation of forest canopy density: A
comparison of the performance of four methods.
International Journal of Applied Earth Observation
and Geoinformation 8, 84ľ95.


K a y i t a k i r e , F., C. H a m e l , P. D e f o u r n y, 2006:
Retrieving forest structure variables based on
image texture analysis and IKONOS ľ 2 imagery.
Remote Sensing of Environment 102, 390ľ401.


K l o b u Ŕ a r, D., 2003: Ocjena toŔnosti geokodiranja
Osnovne dr×avne karte i digitalnog ortofota.
Őum. list 9ľ10, 457ľ465, Zagreb.


K l o b u Ŕ a r, D., 2004: IzluŔivanje sastojina prema
sklopu na digitalnom ortofotu i usporedba sa terestiŔkim
izluŔivanjem. Rad. Őumar. inst. 39 (2):
223ľ230, Jastrebarsko.


K l o b u Ŕ a r, D., R. P e r n a r, 2005: Picture histogram
and interpretation of digital orthophotos in forest
management. Proceedings of the 4th international
symposium on image and signal processing
and analysis: 395ľ401, Zagreb.


KovaŔeviŠ, D., & T. PetkoviŠ, 2004: Zavod za
elektroniŔke sustave i obradu informacija. Fakultet
elektrotehnike i raŔunarstva SveuŔiliÜta u
Zagrebu. Upute za laboratorijske vje×be iz digitalne
obrade slike, 53ľ54.


K u p l i c h , T. M., 2006: Classifying regenerating forest
stages in Amazonia using remotely sensed
images and a neural network. Forest Ecology
and Management 234, 1ľ9.


K u Ü a n , V., 1992: Procjena volumena sastojina ŔetinjaŔa
fotointerpretacijom aerosnimaka uz pomoŠ
prirasno-prihodnih tablica. Meh. Üuma (3ľ4):
53ľ66, Zagreb.


KuÜan, V., & V. KrejŔi, 1993: Regresijski model za
procjenu volumena sastojina hrasta lu×njaka
(Quercus robur L.) na aerosnimkama. Radovi,
28 (1ľ2): 69ľ77, Jastrebarsko.


K u Ü a n , V. , & R. P e r n a r, 1996: Procjena prsnog promjera
i temeljnice najznaŔajnijih vrsta drveŠa
gorskog podruŔja na temelju veliŔina mjerljivih
na aerosnimkama. Unapre­enje proizvodnje biomase
Üumskih eko sustava (knjiga 1): 157ľ168,
Zagreb.


KuÜan, V., 1996: Kartiranje Üuma pomoŠu Landsat
TN satelitskih snimaka, Disertacija, 159, Őumarski
fakultet Zagreb.


K u Ü a n , V., & R. P e r n a r, 2001: Primjena satelitskih
snimaka za procjenu stanja sastojina. Znanstvena
knjiga ôZnanost u potrajnom gospodarenju
Hrvatskim Üumamaö, 429ľ434, Zagreb.




ŐUMARSKI LIST 9-10/2008 str. 42     <-- 42 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
L a n d e k , J., & D. K a u r i Š , 1998.: CikliŔka aerofoto-litskih snimki. Diplomski rad, 65, Őumarski fagrametrijska
snimanja u Republici Hrvatskoj. kultet Zagreb.
Zbornik radova sto godina fotogrametrije u Hr-P r a n j i Š , A. & N. L u k i Š , 1997: Izmjera Üuma. Za


tvatskoj. HAZU: 249ľ254, Zagreb. greb, 405 pp.
L i n d e r m a n , M., J. L i u , J. Q i , L. A n , Z. O u y -Quackenbush, L., P. Hopkins, & G. Kinn,


a n g s , J. Ya n g , & Y. Ta n , 2004: Using artifi2000:
Developing forestry products from high
cial neural networks to map the spatial distriburesolution
digital aerial imagery. Photogrammetion
of understorey bamboo from remote sentric
Engineering and Remote Sensing 66 (11),


sing data. Internationa Journal of Remote Senpp.
1337ľ1346.
sing, Vol. 25. No. 9, 1685ľ1700.


St-Onge, B., F. Cavayas, 1997: Automated forest
L o n Ŕ a r i Š , S., 2003: Predavanja. structure mapping from high resolution imagery
http://ipg.zesoi.fer.hr based on directional semivariogram estimates.
Pax-Lenney, M., C. E. Woodcock, S. A. Ma-Remote Sensing of Environment 61, pp. 82ľ95.
comber, S. Gopal, C. Song, 2001: Forest Verbeke, L. P. C., F. M. B. Va n Coillie, & R. R.
mapping with a generalized classifier and Land-D e Wu l f , 2006: Object-based forest stand densat
TM data. Remote Sensing of Environment 77, sity estimation from very high resolution optical
241ľ250. imagery using wavelet-based texture measures.


P e r n a r, R., & D. K l o b u Ŕ a r, 2003: Estimating stand In: 1st International Conference on Object-badensity
and condition with use of picture histosed
Image Analysis (OBIA 2006).
grams and visual interpretation of digital orthop-Wulder, M., K. Niemann, & D. Goodenough,
hotos. Glas. Üum. pokuse 40: 81ľ111, Zagreb. 2000: Local maximum filtering for the extrac


Pernar, R., D. KlobuŔar, & V. KuÜan, 2003: The tion of tree locations and basal area from high
application of aerial photographs from cyclic spatial resolution imagery. Remote Sensing of
recordings in the Republic of Croatia to forest Environment 73, pp. 103ľ114.


management. Glas. Üum. pokuse 40: 113ľ168, Osnova gospodarenja za g. j . ôJamariŔko brdoö, va×-
Zagreb. nost 1. 1. 2002. ľ 31. 12. 2011.
P o s a r i Š , D., 1996: Postupak dobivanja kolor kompo- Pravilnik o ure­ivanju Üuma, NN 111/06.
zita kao podloga za vizualnu interpretaciju sate-


SUMMARY: The paper continues on past research into the application of
digital stand scene processing and digital ortophoto processing for the needs of
forest management. Black-and-white aerial photographs obtained during cyclic
surveying of the Republic of Croatia were used for this purpose at an approximate
scale 1:20,000 and 60 % overlap. Research was based on the example
of the management unit ôJamariŔko Brdoö of Lipovljani Forest Office.


The most commonly used parameter for quantitative stand descriptions is
density. Since the application of digital processing techniques of stand scenes
in the last ten years has resulted in the development of new methods of stand
density evaluation, an additional possibility was investigated of cyclic photograph
application by constructing second order histograms and establishing
their relationship with three relative density categories.


First order histograms represent a graphic display of the proportion of some
numerical values in the pixels of a digital photograph. Shades of gray ranging
from 0 to 225 are found on the horizontal histogram axis, and the total
number of pixels with these shades is found on the vertical axis.


Texture measures calculated only by means of the first order histogram data
are deficient because they do not give information related to the relative relationship
between the pixels themselves.


Texture may be described by measuring the smudginess (width) of a histogram
around the main diagonal. Such type of textural data does not relate only
to intensity distribution (gray scale) but also to the position of pixels with
the same or similar values.




ŐUMARSKI LIST 9-10/2008 str. 43     <-- 43 -->        PDF

D. KlobuŔar: PRIMJENA HISTOGRAMA DRUGOGA REDA U PROCJENI RELATIVNOG SASTOJINSKOG ... Őumarski list br. 9ľ10, CXXXII (2008), 419-429
Namely, instead of only one point, any pair of picture points may be observed
in a similar way, whose mutual position is determined with a relation. In
this case, the assumed random experiment becomes two-dimensional, and
evaluation or estimation of a probability density function is obtained from a
second order histogram.


This is the reason that researchers in the field of remote sensing use data
obtained from second order histograms to analyze texture and perform classifications.
First order histograms are less frequently used. Texture features obtained
with second order histograms are used in forestry remote sensing, especially
for purposes of texture classification or segmentation, but are rarely
used for stand parameter estimation.


This research indicates yet another possibility of applying digital image
analysis to the assessment of relative density and stand condition. Second order
histograms may be used to evaluate stand density. Three basic histogram
shapes were constructed which can be associated with the related density categories.


Cyclic aerial photogrammetric survey of the Republic of Croatia is an exceptionally
important project for space management. Hence, the application
of second order histograms in remote sensing for the needs of forestry and for
forest management in particular, shows continuity of research into the use of
cyclic imaging in forestry. At the same time, it is yet another contribution of
forestry to this project.


According to the available literature treating this issue, research in the
past generally involved histogram analysis for the purpose of automatically
recognizing crowns in the images during the vegetation period. Histogram
analysis, especially in pictures obtained during vegetation dormancy, i.e.
when vegetation is without leaves, is a relatively new approach.


Procedures of digital picture analysis are still imperfect and cannot fully
replace classical procedures. Consequently, integrating digital and visual
methods in decision making (with the goal of sustainable forest management)
is considered appropriate.


K e y w o rd s : cyclic records, density, first and second order histograms,
digital ortophoto, texture.




ŐUMARSKI LIST 9-10/2008 str. 44     <-- 44 -->        PDF

430