Effects of some varnishes on the thermal conductivity properties of wood based panels

Öz

Background and Aims Accurate and detailed documentation of the physical characteristics of trees is of great importance for carbon absorption, environmental analysis, and sustainable urban planning. The time-consuming and costly nature of traditional measurement methods has led to the consideration of digital techniques using mobile devices as an alternative solution. This study aims to generate a three-dimensional (3D) model of a single tree using low-cost photogrammetry techniques and to perform metric accuracy analyses based on this model. Methods The study was conducted on a single tree specimen located on the campus of Mersin University. A total of 95 photographs were taken using a mobile device, and these images were processed in Agisoft Metashape software using the Structure from Motion (SfM) algorithm to generate a 3D model. For model scaling and accuracy analysis, total station data were utilized, and coordinate and length measurements were evaluated comparatively. Results The root mean square error (RMSE) was calculated as 0.022 m for coordinate data and 0.0667 m for length measurements. The height of the tree was measured as 3.58 m based on the model, with only a 6.71 cm difference from the manual measurement. The average deviation in trunk diameter measurements was determined to be 8 mm. Although the model showed limited performance in complex regions such as fine branches, it achieved high accuracy in more uniform structures such as the trunk. Conclusions The results demonstrate that photogrammetry-based 3D modeling using mobile devices offers a low-cost, accessible, and highly accurate solution. This method can be effectively applied in various fields such as forest inventory, urban green space management, and environmental monitoring. The study highlights that photogrammetry techniques provide a strong alternative to traditional measurement methods.

Anahtar Kelimeler

• Tree measurements
• sustainable forestry
• urban ecosystem management
• 3D data
• photogrammetry
• structure from motion

Kentsel planlama ve çevresel izleme için fotogrametri tabanlı ağaç modelleme

Öz

Giriş ve Amaçlar Ağaçların fiziksel özelliklerinin doğru ve detaylı bir şekilde belgelenmesi; karbon emilimi, çevresel analizler ve sürdürülebilir şehir planlaması açısından büyük önem taşımaktadır. Geleneksel ölçüm yöntemlerinin zaman alıcı ve maliyetli olması, mobil cihazlarla gerçekleştirilen dijital tekniklerin alternatif bir çözüm olarak değerlendirilmesine neden olmuştur. Bu çalışmanın amacı, düşük maliyetli fotogrametri teknikleri kullanılarak tek bir ağacın üç boyutlu (3B) modelini üretmek ve bu model üzerinden metrik doğruluk analizleri gerçekleştirmektir. Yöntemler Çalışma, Mersin Üniversitesi kampüsünde konumlanan tek bir ağaç örneği üzerinde yürütülmüştür. Mobil cihaz ile toplam 95 adet fotoğraf çekilmiş; bu görüntüler Agisoft Metashape yazılımı ile Hareketten Yapı (Structure from Motion/SfM) algoritması temelinde işlenerek 3B model üretilmiştir. Modelin ölçeklendirilmesi ve doğruluk analizleri için total-station verileri kullanılmış; koordinat ve uzunluk ölçümleri karşılaştırmalı olarak değerlendirilmiştir. Bulgular Doğruluk analizinde koordinat verileri için karesel ortalama hata (KOH) 0,022 m, uzunluk verileri için ise 0,0667 m olarak hesaplanmıştır. Ağaç yüksekliği model üzerinden 3,58 m olarak ölçülmüş ve manuel ölçümle yalnızca 6,71 cm fark tespit edilmiştir. Gövde çapı ölçümlerinde ise ortalama fark 8 mm düzeyindedir. Model, ince dallar gibi karmaşık alanlarda sınırlı başarı gösterse de gövde gibi daha yalın yapılarda yüksek doğruluk sağlamıştır. Sonuçlar Elde edilen sonuçlar, mobil cihazlarla gerçekleştirilen fotogrametri tabanlı 3B modelleme yönteminin; düşük maliyetli, erişilebilir ve oldukça hassas bir çözüm sunduğunu göstermektedir. Bu yöntem, ormancılık envanteri, kentsel yeşil alan yönetimi ve çevresel izleme gibi birçok alanda etkin bir şekilde kullanılabilir. Çalışma, fotogrametri tekniklerinin geleneksel yöntemlere güçlü bir alternatif sunduğunu ortaya koymaktadır.

Anahtar Kelimeler

• Ağaç ölçümleri
• sürdürülebilir ormancılık
• kentsel ekosistem yönetimi
• 3B veri
• fotogrametri
• Hareketten Yapı

Etik Beyan

Yapılan çalışmada araştırma ve yayın etiğine uyulmuştur.

Kaynakça

1. Agisoft, 2022. Agisoft Metashape User Manual Professional Edition, Version 1.8. Agisoft LLC, St. Petersburg.
2. Akarsu, N., 2019. Orman sahalarında ağaç boyunun fotogrametrik yöntemlerle elde edilmesi. Yüksek Lisans Tezi, Kastamonu Üniversitesi, Fen Bilimleri Enstitüsü, Kastamonu.
3. Balaban, O., Özgür, B., Sakar, B., 2021. İklim değişikliği, göç ve yerel yönetimler. Yerel Yönetişim ve Göç Dizisi II-Kitap, 2.
4. Balestra, M., Tonelli, E., Vitali, A., Urbinati, C., Frontoni, E., Pierdicca, R., 2023. Geomatic data fusion for 3D tree modeling: The case study of monumental chestnut trees. Remote Sensing, 15(8), 2197.
5. Çakıroğlu, E.O., 2024. Anıtsal yapıların farklı 3D modelleme programları ve ağaç türleri ile uygulanabilirliği. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 25(1), 181–198.
6. Cárdenas, J.L., Ogayar, C.J., Feito, F.R., Jurado, J.M., 2022. Modeling of the 3D tree skeleton using real-world data: a survey. IEEE Transactions on Visualization and Computer Graphics, 29(12), 4920–4935.
7. Ceylan, M.C., Uysal, M., 2021. İnsansız hava aracı ile elde edilen veriler yardımıyla ağaç çıkarımı. Türkiye Fotogrametri Dergisi, 3(1), 15–21.
8. Dai, T.S., Lyuu, Y.D., 2010. The bino-trinomial tree: A simple model for efficient and accurate option pricing. Journal of Derivatives, 17(4), 7.

9. de Jesus França, L.C., Júnior, F.W.A., e Silva, C.S.J., Monti, C.A.U., Ferreira, T.C., de Oliveira Santana, C.J., Gomide, L.R., 2022. Forest landscape planning and management: a state-of-the-art review. Trees, Forests and People, 8, 100275.
10. Deliry, S.I., Avdan, U., 2021. Accuracy of unmanned aerial systems photogrammetry and structure from motion in surveying and mapping: a review. Journal of the Indian Society of Remote Sensing, 49(8), 1997–2017.
11. Dong, Y., Fan, G., Zhou, Z., Liu, J., Wang, Y., Chen, F., 2021. Low cost automatic reconstruction of tree structure by AdQSM with terrestrial close-range photogrammetry. Forests, 12(8), 1020.
12. Durgun, H., Çoban, H.O., Eker, M., 2022. İnsansız hava aracıyla elde edilen hava fotoğraflarından kızılçam ağaçlarının çap ve boylarının ölçümü ve gövde hacminin tahmini. Turkish Journal of Forestry, 23(4), 255–267.
13. Durrieu, S., Vega, C., Bouvier, M., Gosselin, F., Renaud, J.P., Saint-André, L., Soma, M., 2024. Optical remote sensing of tree and stand heights. In: Remote Sensing Handbook, Volume IV, CRC Press, pp. 125–188.
14. Estornell, J., Martí, J., Hadas, E., López-Cortés, I., Velázquez-Martí, B., Fernández-Sarría, A., 2024. Biomass estimation of abandoned orange trees using UAV-SFM 3D points. International Journal of Applied Earth Observation and Geoinformation, 130, 103931.
15. Fassnacht, F.E., Latifi, H., Stereńczak, K., Modzelewska, A., Lefsky, M., Waser, L.T., Ghosh, A., 2016. Review of studies on tree species classification from remotely sensed data. Remote Sensing of Environment, 186, 64–87.
16. Fernández-Sarría, A., López-Cortés, I., Martí, J., Estornell, J., 2022. Estimation of walnut structure parameters using terrestrial photogrammetry based on structure-from-motion (SfM). Journal of the Indian Society of Remote Sensing, 50(10), 1931–1944.
17. Fraser, B.T., 2021. Characterizing forest stands using unmanned aerial systems (UAS) digital photogrammetry: Advancements and challenges in monitoring local scale forest composition, structure, and health. Doctoral Thesis, University of New Hampshire, Durham.
18. Freschet, G.T., Pagès, L., Iversen, C.M., Comas, L.H., Rewald, B., Roumet, C., McCormack, M.L., 2021. A starting guide to root ecology: strengthening ecological concepts and standardising root classification, sampling, processing and trait measurements. New Phytologist, 232(3), 973–1122.
19. Greco, R., Barca, E., Raumonen, P., Persia, M., Tartarino, P., 2023. Methodology for measuring dendrometric parameters in a Mediterranean forest with UAVs flying inside forest. International Journal of Applied Earth Observation and Geoinformation, 122, 103426.
20. Greve, M.H., Kheir, R.B., Greve, M.B., Bøcher, P.K., 2012. Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark. Ecological Indicators, 18, 1–10.
21. Gruen, A., 2021. Everything moves: The rapid changes in photogrammetry and remote sensing. Geo-spatial Information Science, 24(1), 33–49.
22. Gülci, S., Akay, A.E., Aricak, B., Sariyildiz, T., 2023. Recent advances in UAV-based structure-from-motion photogrammetry for aboveground biomass and carbon storage estimations in forestry. In: Concepts and Applications of Remote Sensing in Forestry, pp. 395–409.
23. Hamal, S.N.G., Ulvi, A., 2022. 3B kent modelleri oluşturma sürecinde İHA fotogrametrisi ve CBS entegrasyonu: Mersin Üniversitesi Çiftlikköy Kampüsü örneği. Türkiye Coğrafi Bilgi Sistemleri Dergisi, 4(2), 97–105.
24. Jiang, S., Jiang, W., Wang, L., 2021. Unmanned aerial vehicle-based photogrammetric 3D mapping: A survey of techniques, applications, and challenges. IEEE Geoscience and Remote Sensing Magazine, 10(2), 135–171.
25. Jurado, J.M., López, A., Pádua, L., Sousa, J.J., 2022. Remote sensing image fusion on 3D scenarios: A review of applications for agriculture and forestry. International Journal of Applied Earth Observation and Geoinformation, 112, 102856.
26. Kabadayı, A., 2024. Mobil cihazların fotogrametri tabanlı 3B modellemedeki potansiyeli üzerine bir araştırma. Türkiye Fotogrametri Dergisi, 6(2), 71–77.
27. Kabadayı, A., Erdoğan, A., 2022. Application of terrestrial photogrammetry method in cultural heritage studies: A case study of Seyfeddin Karasungur. Mersin Photogrammetry Journal, 4(2), 62–67.
28. Kabadayı, A., Erdoğan, A., 2023. İHA fotogrametrisi kullanarak Yozgat Çilekçi Türbesi’nin 3 boyutlu nokta bulutu ve modelinin üretilmesi. Türkiye Fotogrametri Dergisi, 5(1), 29–35.
29. Kabadayı, A., Kaya, Y., 2024. Tarihi sütunların yersel fotogrametri yöntemiyle 3 boyutlu modellenmesi ve web tabanlı görselleştirilmesi. Türkiye Fotogrametri Dergisi, 6(2), 48–53.
30. Kaya, Y., Temel, D., 2022. Cep telefonu kameralarından elde edilen görüntüler ile kültürel miras eserlerinin modellenmesi. Türkiye Fotogrametri Dergisi, 4(1), 17–22.
31. Kaya, Y., Şenol, H.İ., Polat, N., 2021. Three-dimensional modeling and drawings of stone column motifs in Harran Ruins. Mersin Photogrammetry Journal, 3(2), 48–52.
32. Kovanič, Ľ., Peťovský, P., Topitzer, B., Blišťan, P., 2024. Spatial analysis of point clouds obtained by SfM photogrammetry and the TLS method—Study in quarry environment. Land, 13(5), 614.
33. Kum, Ö., 2022. Kültürel mirasın fotogrametrik yöntemle 3D modellenmesi: Tokat yazma kalıbı örneği. Türkiye Bilimsel Araştırmalar Dergisi, 7(1), 237–252.
34. Lauria, G., Sineo, L., Ficarra, S., 2022. A detailed method for creating digital 3D models of human crania: An example of close-range photogrammetry based on the use of structure-from-motion (SfM) in virtual anthropology. Archaeological and Anthropological Sciences, 14(3), 42.
35. Lavaquiol, B., Sanz, R., Llorens, J., Arnó, J., Escolà, A., 2021. A photogrammetry-based methodology to obtain accurate digital ground-truth of leafless fruit trees. Computers and Electronics in Agriculture, 191, 106553.
36. Lin, Q., Huang, H., Chen, L., Wang, J., Huang, K., Liu, Y., 2021. Using the 3D model RAPID to invert the shoot dieback ratio of vertically heterogeneous Yunnan pine forests to detect beetle damage. Remote Sensing of Environment, 260, 112475.
37. Lin, Y., Wiegand, K., 2021. Towards 3D tree spatial pattern analysis: Setting the cornerstone of LiDAR advancing 3D forest structural and spatial ecology. International Journal of Applied Earth Observation and Geoinformation, 103, 102506.
38. Lindenmayer, D.B., Laurance, W.F., 2017. The ecology, distribution, conservation and management of large old trees. Biological Reviews, 92(3), 1434–1458.
39. Liu, J., Feng, Z., Mannan, A., Khan, T.U., Cheng, Z., 2019. Comparing non-destructive methods to estimate volume of three tree taxa in Beijing, China. Forests, 10(2), 92.
40. Majeed, F.A., Abaas, Z.R., 2023. The ecological balance restoration in existing cities. Journal of Al-Farabi for Engineering Sciences, 2(1), 15–15.
41. Maravelakis, E., Bilalis, N., Mantzorou, I., Konstantaras, A., Antoniadis, A., 2012. 3D modelling of the oldest olive tree of the world. IJCER, 2(2), 340–347.
42. Marín-Buzón, C., Pérez-Romero, A., López-Castro, J.L., Ben Jerbania, I., Manzano-Agugliaro, F., 2021.
43. Photogrammetry as a new scientific tool in archaeology: Worldwide research trends. Sustainability, 13(9), 5319. Miller, J., Morgenroth, J., Gomez, C., 2015. 3D modelling of individual trees using a handheld camera: Accuracy of height, diameter and volume estimates. Urban Forestry & Urban Greening, 14(4), 932–940.
44. Morgenroth, J., Gómez, C., 2014. Assessment of tree structure using a 3D image analysis technique—A proof of concept. Urban Forestry & Urban Greening, 13(1), 198–203.
45. Nitoslawski, S.A., Wong‐Stevens, K., Steenberg, J.W., Witherspoon, K., Nesbitt, L., Konijnendijk Van Den Bosch, C.C., 2021. The digital forest: Mapping a decade of knowledge on technological applications for forest ecosystems. Earth's Future, 9(8), e2021EF002123.
46. Pérez-Martín, E., López-Cuervo Medina, S., Herrero-Tejedor, T., Pérez-Souza, M.A., Aguirre de Mata, J., Ezquerra-Canalejo, A., 2021. Assessment of tree diameter estimation methods from mobile laser scanning in a historic garden. Forests, 12(8), 1013.
47. Sen, S.I., Day, A.M., 2005. Modelling trees and their interaction with the environment: A survey. Computers & Graphics, 29(5), 805–817.
48. Şenol, H.İ., Orman, E., 2022. Diyarbakır Mardin Kapı’nın yersel fotogrametri yöntemiyle 3B belgelenmesi. Türkiye Fotogrametri Dergisi, 4(1), 1–6.
49. Shu, Q., Rötzer, T., Detter, A., Ludwig, F., 2022. Tree information modeling: A data exchange platform for tree design and management. Forests, 13(11), 1955.
50. Sinha, R., Quirós, J.J., Sankaran, S., Khot, L.R., 2022. High resolution aerial photogrammetry based 3D mapping of fruit crop canopies for precision inputs management. Information Processing in Agriculture, 9(1), 11–23.
51. Suwardhi, D., Fauzan, K.N., Harto, A.B., Soeksmantono, B., Virtriana, R., Murtiyoso, A., 2022. 3D modeling of individual trees from LiDAR and photogrammetric point clouds by explicit parametric representations for green open space (GOS) management. ISPRS International Journal of Geo-Information, 11(3), 174.
52. Temiz Topsakal, M., Sağlık, A., 2024. Biyomimikrik kentlerin yeşil altyapı yönetimi ile değerlendirilmesi. GSI Journals Serie A: Advancements in Tourism Recreation and Sports Sciences, 7(1), 239–259.
53. Ulusoy, A.S., Sevim, H., 2024. Fiziki mekânın fotogrametri ile dijitalleştirilmesinde görüntü sayısı ve çözünürlüğünün etkileri. PLANARCH - Design and Planning Research, 8(2), 260–269.
54. Uslu, A., Uysal, M., 2022. Kitle kaynaklı veriler kullanılarak anıt ağaçların 3 boyutlu modellenmesi: Boab hapishane ağacı örneği. Anadolu Orman Araştırmaları Dergisi, 8(2), 98–103.
55. Uzun, Ö.F., Atila, G., Gül, A., Ü.L., 2017. Fotoğraf yardımı ile 3 boyutlu ağaç modellenmesinde uygun programın araştırılması. Mühendislik Bilimleri ve Tasarım Dergisi, 5(3), 621–631.
56. Vinceti, B., Termote, C., Ickowitz, A., Powell, B., Kehlenbeck, K., Hunter, D., 2013. The contribution of forests and trees to sustainable diets. Sustainability, 5(11), 4797–4824.
57. Vogt, H., 2021. Derivation of forest inventory parameters from high-resolution satellite imagery for the Thunkel area, Northern Mongolia. A comparative study on various satellite sensors and data analysis techniques. Doctoral Thesis, Georg-August Universität, Göttingen.
58. Whittingham, A.R., 2024. iPhone LiDAR to support documentation of clandestine gravesite photogrammetry reconstruction and depth measurement accuracy. Doctoral Thesis, Murdoch University, Perth.
59. Yan, X., Chai, G., Han, X., Lei, L., Wang, G., Jia, X., Zhang, X., 2024. SA-Pmnet: Utilizing close-range photogrammetry combined with image enhancement and self-attention mechanisms for 3D reconstruction of forests. Remote Sensing, 16(2), 416.
60. Zeybek, M., Vatandaşlar, C., 2021. El-tipi LiDAR verisiyle ağaç gövdelerinin tespiti ve sınıflandırılmasında yapay zeka teknikleri. 8. KOP Bölgesel Kalkınma Sempozyumu, 26–28 Ekim, 2021, Nevşehir, Türkiye, pp. 489–497.
61. Zeybek, M., 2020. El-tipi LiDAR nokta bulutundan tek ağaç gövdesinin otomatik çıkarımında istatistiksel sınıflandırma algoritmalarının performans analizi. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 21(2), 200–213.