Deriving Forest Structural and Functional Metrics from Airborne and Ground-based Mobile Laser Scanning

by Prakash Basnet
Doctoral thesis
Date of Examination:2025-10-09
Date of issue:2025-11-26
Advisor:Prof. Dr. Dominik Seidel
Referee:Prof. Dr. Dirk Hölscher
Referee:Prof. Dr. Holger Kreft
Persistent Address: http://dx.doi.org/10.53846/goediss-11636

 

 

Files in this item

Name:eDissertation_Basnet-Prakash_forest-structur...pdf
Size:4.69Mb
Format:PDF
Description:PhD Thesis

This file will be freely accessible after 2026-10-08.

Abstract

English

This study examined the application of LiDAR-based methods, specifically Airborne Laser Scanning (ALS) and ground-based Mobile Laser Scanning (MLS), to evaluate forest structural metrics and their ecological functions across diverse geographic contexts. The overarching aim was to evaluate the capabilities of these methods in measuring forest complexity and to investigate the relationships between forest structure, environmental drivers, and ecosystem functions such as land surface temperature. The first study (Chapter I) focused on assessing the comparability of ALS and MLS in deriving forest structural metrics, particularly the box dimension (Db), a holistic measure of forest structural complexity. The study was conducted in a temperate beech-dominated forest in central Germany, using 233 circular plots, each with a diameter of 50 meters, and scanning more than 45 hectares of forests using both ALS and handheld MLS methods. Thirteen structural metrics were calculated from both datasets. Results showed moderate to strong agreement between forest structural metrics derived from both methods (mean Pearson correlation ~60%), although discrepancies were influenced by scan angle and canopy metrics. ALS was more effective for canopy-level attributes, while MLS provided finer detail of the understory. These findings highlight the complementary nature of ALS and MLS, emphasizing the need for careful calibration in LiDAR-based assessments of forest structure metrics. In the second study (Chapter II), the relationship between forest structure and ecological function was examined by linking ALS-derived forest structural metrics with satellite-based land surface temperature (LST) in the same beech-dominated forest where the first study was conducted. Using spatially aligned 30 m × 30 m plots across a 17 km² area, the study found that forests with higher structural complexity had significantly lower surface temperatures. A spatial autoregressive model revealed that elevation had the strongest influence on LST, followed by forest structural complexity, slope, and aspect. These results provide empirical evidence that structurally complex forests play a crucial role in regulating microclimate, suggesting that forest management strategies that enhance structural complexity can contribute to climate change mitigation. The third study (Chapter III) applied MLS to assess the drivers of forest structural complexity in the Himalayan forests of Nepal’s Annapurna Conservation Area, where ALS data were unavailable. A total of 69 plots were sampled across elevational and climatic gradients using handheld MLS. The study found that forest structural complexity was significantly affected by forest height, species diversity, aspect, soil pH, and disturbance level, whereas temperature and precipitation had no detectable influence. The use of MLS enabled the collection of detailed data in challenging terrain and demonstrated its practical value for forest assessment in remote mountain regions. Together, these studies provide a multi-platform perspective on how LiDAR technologies can be utilized to assess and interpret forest structure and function. The findings reinforce the potential of LiDAR, both ALS and MLS, as robust tools for ecological monitoring, forest management, and climate-related research across diverse forested landscapes.
Keywords: LiDAR; Forest Structure; Beech Forest; Mountain Forest; Airborne Laser Scanning (ALS); Mobile Laser Scanning (MLS)

German

Diese Studie untersuchte die Anwendung von LiDAR-basierten Methoden, insbesondere Airborne Laser Scanning (ALS) und bodengestütztem Mobile Laser Scanning (MLS), um Waldstrukturmetriken und ihre ökologischen Funktionen in verschiedenen geografischen Kontexten zu bewerten. Das übergeordnete Ziel war es, die Fähigkeiten dieser Methoden bei der Messung der Waldkomplexität zu bewerten und die Beziehungen zwischen Waldstruktur, Umwelteinflüssen und Ökosystemfunktionen wie der Landoberflächentemperatur zu untersuchen. Die erste Studie (Kapitel I) konzentrierte sich auf die Bewertung der Vergleichbarkeit von ALS und MLS bei der Ableitung von Waldstrukturmetriken, insbesondere der Box dimension (Db), einem umfassenden Maß für die Waldstrukturkomplexität. Die Studie wurde in einem gemäßigten Buchenwald in Zentraldeutschland durchgeführt, wobei 233 kreisförmige Plots mit einem Durchmesser von 50 Metern verwendet wurden und mehr als 45 Hektar Wald mit beiden ALS- und MLS-Methoden gescannt wurden. Dreizehn Strukturmetriken wurden aus beiden Datensätzen berechnet. Die Ergebnisse zeigten eine moderate bis starke Übereinstimmung zwischen den aus beiden Methoden abgeleiteten Waldstrukturmetriken (mittlerer Pearson-Korrelationskoeffizient ~60%), obwohl die Diskrepanzen durch den Scanwinkel und die Kronenmetriken beeinflusst wurden. ALS war effektiver für Kroneneigenschaften, während MLS feinere Details des Unterwuchses lieferte. Diese Ergebnisse unterstreichen die komplementäre Natur von ALS und MLS und betonen die Notwendigkeit einer sorgfältigen Kalibrierung bei LiDAR-basierten Bewertungen von Waldstrukturmetriken. In der zweiten Studie (Kapitel II) wurde die Beziehung zwischen Waldstruktur und ökologischer Funktion untersucht, indem ALS-abgeleitete Waldstrukturmetriken mit satellitengestützten Landoberflächentemperatur (LST) in demselben Buchenwald verglichen wurden, in dem die erste Studie durchgeführt wurde. Mittels räumlich ausgerichteter 30 m × 30 m-Plots über eine Fläche von 17 km² wurde festgestellt, dass Wälder mit höherer Strukturkomplexität signifikant niedrigere Oberflächentemperatur hatten. Ein räumliches autoregressives Modell zeigte, dass die Höhe den stärksten Einfluss auf die LST hatte, gefolgt von der Waldstrukturkomplexität, der Neigung und der Ausrichtung. Diese Ergebnisse liefern empirische Beweise dafür, dass strukturkomplexe Wälder eine entscheidende Rolle bei der Regulierung des Mikroklimas spielen, was darauf hindeutet, dass Waldmanagementstrategien, die die Strukturkomplexität erhöhen, zum Klimaschutz beitragen können. Die dritte Studie (Kapitel III) wandte MLS an, um die Treiber der Waldstrukturkomplexität in den Himalaja-Wäldern des Annapurna-Schutzgebiets in Nepal zu bewerten, wo ALS-Daten nicht verfügbar waren. Insgesamt wurden 69 Plots über Höhen- und Klimagradienten hinweg mittels Hand-MLS gesampelt. Die Studie ergab, dass die Waldstrukturkomplexität signifikant von der Waldhöhe, der Artenvielfalt, der Ausrichtung, dem Boden-pH-Wert und dem Störungsgrad beeinflusst wurde, während Temperatur und Niederschlag keinen messbaren Einfluss hatten. Die Verwendung von MLS ermöglichte die Erfassung detaillierter Daten in anspruchsvollem Gelände und demonstrierte ihren praktischen Wert für die Waldbewertung in abgelegenen Bergregionen. Zusammen bieten diese Studien eine mehrplattformige Perspektive auf die Anwendung von LiDAR-Technologien zur Bewertung und Interpretation von Waldstruktur und -funktion. Die Ergebnisse unterstreichen das Potenzial von LiDAR, sowohl ALS als auch MLS, als robuste Werkzeuge für die ökologische Überwachung, das Waldmanagement und die klimabezogene Forschung in verschiedenen Waldökosystemen.