関心のある対象に対する植生成長を見積もる方法とシステム
関心のある対象に対する植生成長を見積もる方法が開示される。目標植生は第２検出データセットから識別される（３０）。対応する目標植生は第１検出データセット内で識別され（３４）、該第１検出データセットは該第２検出データセット（２８）の前の時間に収集される（２６）。第１統計値は、該関心のある対象に対する該第１検出データセット内の対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる（３８）。第２統計値は、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えられる（４０）。侵入速度は該第１統計値と該第２統計値の比較から決定される（４２）。
【発明の詳細な説明】
【技術分野】
【０００１】
請求する発明は一般的にＬｉＤＡＲデータの様な検出データから樹木についての情報を決定する方法とシステムに関する。特に、該請求する発明は他の対象に対する植生の成長を見積もる方法とシステムに関する。
【０００２】
版権
本特許文書の開示の１部分は版権保護を受ける資料を含んでいる。該版権所有人は、特許庁及びその商標部門の特許フアイル又は記録に開示特許が出る限りに於いては、何人によるフアクシミリ複製にも反対しないが、それ以外の場合は全版権を留保するものである。
【背景技術】
【０００３】
多くの公益設備にとって、樹木は全ての予定しない供給停止の１番の原因である。台風時の電力供給システムへの大抵の損傷は電力線をサービス不能にする落下木又は枝により引き起こされる。供給システムへの樹木による損害の頻度を減じるのを助けるために、多くの公益事業者は保全対策として植生管理プログラムを実施している。北米公益事業者は、樹木接触導体に付随するサービス中断及び安全上の問題を防止する努力の中で植生管理に年間約５，６００億円（＄７ ｂｉｌｌｉｏｎ）から約８，０００億円（＄１０ ｂｉｌｌｉｏｎ）を費やしている。
【０００４】
従来、植生管理プログラムは、ユーティリティシステム周りの植生の管理を助けるアーボリストチームによる規則的監視及び枝打ちに頼って来たが、広大な距離をカバーする非常に多くのユーティリティラインは、多くの場合、地上監視チームの派遣を非現実的にする。結果として、多くの公益会社は、予想される植生成長問題用に調べられ得るユーティリティシステムの写真画像を提供する空中探索技術へ既に転換している。空中画像又はヘリコプターベースのラインパトロールは、公益用の敷設用地内へ侵入成長した植生を調べられるが、関心のある対象（ｏｂｊｅｃｔ ｏｆ ｉｎｔｅｒｅｓｔ）に対する植生の成長の見積に基づき、植生問題が発生する前に、該植生問題を予測出来る満足すべき方法又はシステムは未だ存在しない。公益会社は従来、植生や樹木の成長を、高さ、幹直径又は容積の成長として決定し、これらの成長速度から公益敷設用地に近い植生成長を予測するよう使われて来たが、この様な見積は該ユーティリティ（電力線の様な）に対する又はその間隙空間パターンに対する成長を提供しない。残念ながら、ライン間隙に対する成長は植生高さ、直径又は容積によりうまく規定されない。この知識不足は、必要な軽減法の種類すなわち刈り取り、カット、トリミング又は樹木除去、に関する時宜を得た、効率的な意志決定力を限定している。その結果、侵入を解決するため必要な保守の種類を決定するよう、現地職員が自身で現場を訪れる必要があることが多い。干渉軽減のコストは必要な保守の種類に非常に左右される。保守の種類に関する事前の知識不足のため効果的でない計画は資源を浪費し、必要以上のなすべき多くの仕事をもたらす。従って、電力線導体の様な関心のある対象に対する植生成長を決定し、公益設備に対する植生侵入の課題をより精密に予測するために、将来の間隙ニーヅを予測するよう、この成長を使う、経済的で、信頼出来て、使い易い方法とシステムを有することが望ましい。
【発明の概要】
【０００５】
関心のある対象に対する植生成長を見積もる方法が開示される。目標植生が第２検出データセットから識別される。対応する目標植生が第１検出データセット内で識別され、該第１検出データセットは該第２検出データセットの前の時間に収集される。第１統計値が、関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の
点の距離に基づき、該対応する目標植生の属性と考えられる。第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えられる。侵入速度は該第１統計値と該第２統計値の比較から決定される。
【０００６】
コンピュータ読み出し可能な記憶媒体も開示される。該コンピュータ読み出し可能な記憶媒体は、関心のある対象に対する植生成長を見積もるために該媒体上に記憶されたインストラクションを有する。該インストラクションは、プロセッサにより実行されると、該プロセッサに：１）第１検出データセットを提供させ、；２）第２検出データセットを提供させ；３）該第２検出データセットから目標植生を識別させ；４）該第１検出データセット内の対応する目標植生を識別させ、該第１検出データセットが該第２検出データセットの前の時間に収集されて、該対応する目標植生を識別させ；５）第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づく、該対応する目標植生の属性と考えさせ；６）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づく、該目標植生の属性と考えさせ；そして７）該第１統計値及び第２統計値の比較から侵入速度を決定させる。
【０００７】
関心のある対象に対する植生成長を見積もるシステムもまた開示される。該システムは、１）第２検出データセットから目標植生を識別し、；２）第１検出データセット内の対応する目標植生を識別し、該第１検出データセットが該第２検出データセットの前の時間に収集されて、該対応する目標植生を識別し；３）第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づく、該対応する目標植生の属性と考え；４）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づく、該目標植生の属性と考え；そして５）該第１統計値及び第２統計値の比較から侵入速度を決定する、よう構成されたプロセッサを有する。該システムは該プロセッサに接続され、該プロセッサに該第１及び第２検出データセットを提供するよう構成されたデータ入力部を有しる。該システムは更に該プロセッサか又は該データ入力部か何れかに接続されたユーザーインターフエースを有する。
【図面の簡単な説明】
【０００８】
【図１】検出データセットの実施例を略図で図解する。
【図２Ａ−２Ｃ】関心のある対象に対する植生成長を見積もる方法の１実施例を図解する。
【図３】ＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。
【図４】多角形を作ることにより中で目標植生が識別されるＬｉＤＡＲデータセットの実施例を略図で図解する。
【図５】関心のある対象に対する第１及び第２検出データセット内の目標植生の属性と考えられる第１及び第２統計値の実施例を略図で図解する。
【図６Ａ】度日（ｄｅｇｒｅｅ ｄａｙｓ）の関数として年間植生成長のパーセントをプロットするグラフの１実施例を図解する。
【図６Ｂ】度日の関数として年間植生成長のパーセントをプロットするグラフのもう１つ実施例を図解する。
【図７】関心のある対象について侵入マップを表示するグラフィカルユーザーインターフエース（ＧＵＩ）の１実施例を略図で図解する。
【図８】関心のある対象に対する植生成長を見積もるシステムの実施例を略図で図解する。
【図９】関心のある対象に対する植生成長を見積もるシステムのもう１つの実施例を略図で図解する。
【図１０】勧告する軽減の種類を決定するために、目標植生侵入方向が中でテストされるＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。
【０００９】
明確化の目的で、そして適当と考えられた場合、対応する特徴を示すために、図中では参照数字が繰り返され、そして該特徴を良く示すために図中では種々の要素が必ずしもスケール合わせして画かれてないことは評価されるであろう。
【実施例１】
【００１０】
幾つかの異なる成長速度がここでは言及される。用語“相対成長速度”は目標植生が関心のある対象に向かって成長しつつある速度を呼ぶ。用語“侵入速度（ｅｎｃｒｏａｃｈｍｅｎｔ ｒａｔｅｓ）”は用語“相対成長速度”と互換可能に使われてもよい。用語“相対成長”（“侵入成長”とも呼ばれる）が使われてもよく、それは２つの対象間の関係で最小距離の変化を引き起こす成長である。用語“年間成長速度”は１年当たりの成長を意味する。該年間成長速度は高さ、相対成長、又は何等かの他の成長について決定されてもよい。用語“間隙”は関心のある対象と問題の植生（又は他の対象）の間の最小距離を意味する。
【００１１】
図１は植生成長を見積もる方法及びシステムで使われる公知の電力線導体位置２２と敷設用地（ＲＯＷ）境界線２４を有する検出データセット２０の実施例を略図で図解する。該検出データセット２０は好ましくは木の上から空中で集めた３次元データセットであるのがよいが、或る実施例は地上ベース検出データセット収集技術を利用してもよい。この図では、ＬｉＤＡＲセンサーからの分類された３次元点クラウドデータセットが、ラスターマップに変型されており、植生高さを画素のグレイスケール値として示している。明るいグレイスケール値ほど高い植生を表しており、黒い値は植生が無いことを表す。この白黒の線画での図解を容易にするために、グレイスケール化された樹木によりカバーされない敷設用地の境界線２４の間の空いた範囲は、ＬｉＤＡＲデータセット内のこの様な範囲が黒で示されるのが典型的であるが、白として示される。ここで空いた敷設用地の範囲が他の構造体が図解されるように白で示される。なお他の実施例は、空中及び地上ベースの検出データ収集技術の組み合わせを使用してもよい。該検出データセット２０は、光検出及び測距（ＬｉＤＡＲ）データ（時に“レーザー走査データ”と呼ばれるもの）、レーダーデータ、合成開口レーダーデータ、距離測定用走査及び３次元点クラウド提供に基づく何等かのセンサーからのデータ、を含むが、それらに限定されない様な種々のデータの種類を含んでもよい。該検出データセット２０は、デジタル画像形成、ビデオ又はハイパースペクトラル画像形成データの様な他のデータセットによりサポートされてもよい。簡便のため、該検出データセット２０はＬｉＤＡＲデータと呼ばれることが多いが、他の形式のデータも請求される発明の範囲内で検出データとして使うために好適であることは理解されるべきである。該検出データセット２０はポジショニングデータ、例えば検出データセット内で対象の座標位置が既知となるようなグローバルポジショニングシステム（ＧＰＳ）データを含んでもよい。加えて、該検出データセット２０は既知のユーティリティシステム位置と組み合わされてもよい。図１の実施例では、該電力線位置２２と敷設用地境界線２４への参照も行われてもよいように既知の電力線導体位置２２と敷設用地境界２４が該検出データセットと組み合わされた。当業者は、電力線導体の様な、ユーティリティ対象を、それらの寸法と位置についてモデル化され、検出データセット２０と組み合わされることを可能にする、多くの商業的に入手可能な製品を熟知している。この様なユーティリティ対象も、例えば沈下する氷の条件下にある時、何処に電力線があるかを示す様に、種々の天候及び負荷条件をシミュレートするためモデル化されてもよい。
【００１２】
図２Ａ−２Ｃは関心のある対象に対する植生成長を見積もる方法の１実施例を図解する。オプションでは、第１検出データセットが集められ２６，第２検出データセットが集められる２８。前に述べた様に、該第１及び第２検出データセットは好ましくは各々が空中から及び／又は地上から集められた３次元データセットであるのがよい。検出データセットの好適な例は、光検出及び測距（ＬｉＤＡＲ）データ（時に“レーザー走査データ”とも呼ばれるもの）、レーダーデータ、合成開口レーダーデータ、距離測定走査及び３次元点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、又はハイパースペクトラル画像形成を含むが、それらに限定されない。或る実施例では、該検出データセットの１つ以上が既に利用可能であってもよく、例えば、もし該１つ以上の検出データセットがどこかに記憶されていれば、集められる必要はない。該検出データセットは、静止画像形成、カラー−赤外線画像形成、熱的画像形成又はハイパースペクトラル画像形成の様な他のデータセットによりサポートされてもよい。この様なサポート用データセットは、例えば、該検出データを真に迫るカラーで、或いは恐らく熱的痕跡、化学的組成、材料組成、他の様な、或る他の検出特性にマップ化するカラーで、カラー化するため使われてもよい。加えて、オプションのサポート用データセットは代わりに、３次元データ点の現実のカラー値を反映するために、３次元点応答の頂上に投影されてもよい。これは画像特徴の容易な識別を可能にする。或る実施例では、該オプションのサポート用データセットは検出データセットから目標樹木に相関を取られたスライスデータを提供する地上ベースのデータであてもよい。従って、該第１及び第２検出データセットの各々はオプションで１つ以上のサポート用データセットを有してもよい。該第２検出データセットは該第１検出データセットの後の時刻に集められたデータに対応する。或る実施例では、第１データセット及び第２データセットが集められた時の間の時間は約１成長シーズンであるが、しかしながら、他の実施例はより短い又はより長い時間を使ってもよい。
【００１３】
或る状況では、該第１検出データセット及び／又は第２検出データセットは植生応答（ｖｅｇｅｔａｔｉｏｎ ｒｅｔｕｒｎｓ）でない１つ以上のデータ点を有してもよい。ほんの二、三の例として、検出データセットは大地応答、水応答、及び／又は電力線導体応答を有してもよい。従って、或る実施例では、植生応答を識別するために第１及び／又は第２検出データセットを分類することがオプションとして望ましい２９。該分類過程に依り、該植生応答のみが次の過程で使われる、又は非植生応答が捨てられる、ように該植生応答が植生応答としてフラグを立てられてもよい。下記本文で該第１検出データセット又は第２検出データセットを参照する時、従って、１）該集められた又は記憶された検出データセットが既に植生応答を有したもののみだった、２）該集められた又は記憶された検出データセットが植生応答だけ使用するためフラグを立てるよう分類された、又は３）該集められた又は記憶された検出データセットが非植生応答を除外するよう分類された、の何れかなので、該植生応答のみが該第１及び第２検出データセット内で使われると仮定される。
【００１４】
目標植生は第２検出データセットから識別される３０。或る実施例では、該目標植生は、該第２検出データセット内の該目標植生の１つ以上の点を含む第２検出データセットからの植生多角形を識別すること３２により識別されてもよい３０。多角形形成を通しての樹木植生の識別は当業者には良く理解される。ほんの１例として、１つ以上の多角形は、１）各植生応答の大地レベルから高度を識別する；２）該植生応答上に水平に空間的に基準化されたラスターメッシュを置く；３）該ラスター内で各セル内部で大地から最高、平
均、又は他の統計的高度を読む；４）植生クラス内で有効な応答を有しないラスターセルに、０値を与える；５）最終ラスターが植生高さラスターと呼ばれる；６）該植生高さラスターに、成長抑制−領域拡張法アルゴリズム又はそのより複雑な派生品を適用し、１つ以上の多角形に帰着する、ことにより第２データセットの植生応答から形成されてもよい。
【００１５】
該識別された目標植生は、必ずしも多角形である必要のない、植生データコンテナー内に落下するよう考慮されてもよい。該植生データコンテナーは多角形、単一画素又は画素のグループ、格子セル又は分析用に形成される他の形の空間的データ実体であってもよい。分析されるべき植生を含むこれらの空間的実体は目標植生形状と呼ばれてもよい。
【００１６】
該対応する目標植生は該第１検出データセットから識別される３４。該第２検出データセットから該目標植生を識別するため使われる該植生データコンテナー又は目標植生形状は、該第１検出データセットから該対応する目標植生を識別するために３４該第１検出データデータセット上に重ね合わされる。ほんの１例として、もし植生多角形が該第２検出データセットから識別されたなら、該第２検出データセットからの該植生多角形は、該第１検出データセット内の対応する目標植生の１つ以上の点を選択するために使われてもよい３６。
【００１７】
第１統計値は、関心のある対象に対する第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる３８。該関心のある対象は、電力線、鉄道軌道、鉄道頭上導体、電話線、道路、通信ケーブル、高速道路面、そして道路標識視認セクター、の様な、しかしそれらに限定されない、種々の対象であってもよい。関心のある対象はまた、対象の周りの安全緩衝ゾーンを含んでもよい。該第１検出データセット内の１つ以上のデータ点は、例えば、上記ステップ３６で植生多角形を使うことにより、識別される様に、該対応する目標植生に属する。或る実施例では、該対応する目標植生の属性と考えられる３８第１統計値は、該第１検出データセット内の該対応する目標植生に属すると識別された該１つ以上のデータ点の各々から、該関心のある対象までの距離を計算することにより決定される。該対応する目標植生の属性と考えられる３８第１統計値は、次いで該識別された第１検出データセット点の各々から該関心のある対象までの、これらの計算距離に基づいてもよい。例えば、或る実施例では、該対応する目標植生の属性と考えられる３８第１統計値は、該識別された第１検出データセット点の各々から該関心のある対象までの計算距離のセットの最小距離であってもよい。他の実施例では、該対応する目標植生の属性と考えられる第１統計値は、該関心のある対象までのＮ個の最も近いと識別された第１検出データセット点の平均であってもよい。他の実施例では、該第１検出データセットの該対応する目標植生に属するとして識別されて来た該１つ以上のデータ点の各々からの距離を計算するよりも寧ろ、該第１検出データセット内の植生データ点の全部からの距離が最初に計算され、次いで第１検出データセット内の該対応する目標植生に属するとして識別された計算が、該対応する目標植生の属性と考えられる３８第１統計値を決定するために使われてもよい。
【００１８】
或る実施例では、該第１及び第２データセットの収集の間でセンサーの種類又は収集パラメーターが変化したために、該第１及び第２検出データセットを校正することが望ましい。センサー校正は、同時に両方のセンサー／パラメーターを用いて植生のサンプル片を集め、結果を比較する、ことにより行われてもよい。これは或る実施例では、該２つのセンサータイプでの植生読みの間のマップ化を行うために使われてもよい。
【００１９】
第２統計値は、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えられる４０。該第２検出データセット内の１つ以上のデータ点は、例えば上記ステップ３２の植生多角形の識別により、識別
される様に該目標植生に属する。或る実施例では、該目標植生の属性と考えられる４０第２統計値は、該第２検出データセット内の目標植生に属するとして識別されて来た該１つ以上のデータ点の各々から関心のある対象までの距離を計算することにより決められる。該目標植生の属性と考えられる４０第２統計値は次いで、該識別された第２検出データセット点の各々から関心のある対象までのこれら計算距離に基づいてもよい。例えば、或る実施例では、該目標植生の属性と考えられる４０第２統計値は該識別された第２検出データセット点の各々から関心のある対象までの計算された距離のセットの最小距離であってもよい。他の実施例では、該目標植生の属性と考えられる該第２統計値は、関心のある対象までの、Ｎ個の最も近い識別された第２検出データセット点の平均であってもよい。他の実施例では、該第２検出データセットの目標植生に属するとして識別されて来た該１つ以上のデータ点の各々からの距離を計算するよりも寧ろ、該第２検出データセット内の植生データ点の全部からの距離が最初に計算され、次いで該第２検出データセット内の該目標植生に属するとして識別された計算が、該目標植生の属性と考えられる４０第２統計値を決定するために使われてもよい。
【００２０】
図２Ｂの方法を続けると、侵入速度は該第１統計値及び第２統計値の比較から決定されてもよい４２。該侵入速度は該目標植生が関心のある対象に向かって成長しつつある速度である。この様であるから、該侵入速度は、他の対象に関連しない従来の樹木成長速度とは非常に異なる。或る実施例で、例えば、第１検出データセット及び第２検出データセットが約１成長シーズン離れて集められた実施例では、該侵入速度は第１統計値及び第２統計値の間の差を取り、その差を約１成長シーズンにより割ることによって該目標植生用に決められる。他の実施例は該成長シーズン中に概略同時には集められない第１及び第２検出データセットを考慮してもよい。植生成長速度は該成長シーズン中に変わり、該変化は或る実施例では、全年間成長の各成長シーズン日の相対部分を予測するために、成長シーズン中の高さ成長モデルを使うことにより斟酌されてもよい。
【００２１】
度日カーブ（Ｄｅｇｒｅｅ ｄａｙ ｃｕｒｖｅｓ）は特定の地域又は天候ゾーン内で、特定樹種又は木のタイプについて成長シーズン全体の間の成長（高さ）パーセンテージを度日数の関数としてプロットする。１成長シーズン中達成される度日数はシーズンからシーズンまでで、そして地理学的位置に依り変わる。問題の成長シーズン用に特定時間向けカーブが利用可能でないならば、ローカルの年毎の平均したカーブが使われるべきである。該カーブは特定種向けであってもよく、全ての種用又はハードウッド（ｈａｒｄｗｏｏｄｓ）の様な種グループ用に均一であってもよく、一層特定的なカーブは一層精密な測定値を与える。度日カーブの例は計算例に関連して後で図解される。もう１つの例として、或る実施例は、下式を使うことにより該第１統計値及び第２統計値の比較から侵入速度Ｇａを決定し４２、該式は該第２統計値と該第１統計値の間の差を取り、その差を下記で表現される量で割り算しており、
【数１】
ここで
Ｇａは目標植生の年間侵入速度を有し、
Ｄ２は該目標植生の属性と考えられる第２統計値を有し
Ｄ１は該目標植生の属性と考えられる第１統計値を有し
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎは第１検出データセットと第２検出データセットの収集間の完全成長シーズン数を有する。ここの式で使われる時、“完全成長シーズン”は、春から秋までの全体として該ＬｉＤＡＲデータセット間に起こった成長シーズンである。部分的成長シーズンは該ＬｉＤＡＲ収集によりカットされた成長シーズンである。
【００２２】
或る実施例では、該侵入速度は、第１及び第２検出データセットから決定される該侵入速度を有効化し、調整するよう求める現地測定成長データに基づき校正されてもよい。
【００２３】
次いで関心のある対象に対する将来植生成長は、将来の期間に亘り該侵入速度を適用することにより見積もられてもよい４４。例えば、或る実施例では、関心のある対象に対する将来成長は、将来時の目標植生と関心のある対象の間の間隙距離を決定するため使われてもよい。この様に見積もられる又は予測される間隙は下記で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ） （２）
ここで
ＤＴは将来時の目標植生と関心のある対象の間の間隙距離を有し、
Ｄ２は第２統計値を有し、
Ｇａは侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは第２検出データセットの収集と将来時の間の完全成長シーズン数を有する。ここでこの式で使われる時、“完全成長シーズン数”は春から秋までの全体としてＬｉＤＡＲデータセット間で起こった成長シーズンである。部分的成長シーズンは該ＬｉＤＡＲ収集によりカットされた成長シーズンであり、そして
ＰＴは将来時に過ぎた成長シーズン度日のパーセンテージを有する。
【００２４】
１つ以上の追加の目標木用に該処理を繰り返すか否かの決定４６が行われる。もし該処理が１つ以上の追加の目標木用に繰り返されるなら４８、ステップ３２及び３６での追加目標植生の識別でスタートする該過程が繰り返される。代わりに、該過程は１つ以上の追加目標木用に繰り返される必要がない５０。なお他の実施例では、アクション３８−４２及びオプションの４４がバッチ処理として進められてもよい。例えば、多数の目標植生の場合は第２検出データセットから１ステップで識別されてもよい。次いで対応する目標植生の多数の対応する場合が該第１検出データセットから識別される。目標植生及び対応する目標植生の対の１つの場合の属性として第１及び第２統計値を考える代わりに、多数の対が、第１及び第２統計値の多数の対を得るバッチの部分として処理されてもよい。かくして、この様なバッチ実施例では、侵入速度は、バッチ取扱いなのでその過程を繰り返す必要無しに、識別された多数の目標植生の各々用に決定される。
【００２５】
実施例に依っては、或るオプション的アクションが上記説明の方法で含まれてもよい。オプションでは、該関心のある対象に対する将来植生成長が、該目標植生及び該１つ以上の追加の目標植生を含む該第２検出データセットの少なくとも１部分と連携して、該目標植生及び該１つ以上の追加の目標植生用に、表示されてもよい５２。この様な表示の実施例は図７と関連して論じられる。１使用例として、将来の期間（例えば、次の５年）用に、各木について導体までの最小安全距離を保持するために必要なカット量を見出すよう該決定情報及び／又は表示情報が使われる。大規模には、トリミング作業で、余りに詳細なデータの使用は非生産的になるので、現地仕事の仕様を規定するのに、距離は木ベースでなく、範囲ベースで使用されてもよい。
【００２６】
図２Ｃの方法を続けると、もし該関心のある対象に対する目標植生の将来の植生成長が、将来時に、該関心のある対象と交差する目標植生に帰着するだろうと見積もられるならば５４、
・ユーザーに該将来時の関心のある対象との見積もられる将来交差を知らせる、
・該目標植生と該関心のある対象との間の見積もられる将来の相互作用を説明する相互作用表記録を植生データベースに属させる、
・マップ上の目標植生に、該関心のある対象との見積もられる将来交差の故にサービスを要するとフラグを立てる、
・該目標植生を軽減させる作業注文を発生する、様なアクションが取られてもよい。｛ここで用いられる時、軽減（ｍｉｔｉｇａｔｉｏｎ）は全植生除去、刈り取り（小さな植生の除去）、枝打ち、枝全体の除去、トリミング、枝の望ましい形へのカット、化学的処理（例えば、植生を殺すための除草剤の使用、かくしてその更に成長するのを止める）、或いは樹皮剥ぎ取り（長期進行で木の死へ導く）を呼ぶ｝。
【００２７】
ここで使われる時、“関心のある対象”は該関心のある対象の周りの緩衝ゾーン或いは安全ゾーンも含むことは注意すべきである。
【００２８】
例示実施例
具体的方法を実行するために、第１及び第２検出データセットが集められる。この例では、該検出データセットは異なる時期に、例えば、概略１成長シーズン離して、集められたＬｉＤＡＲデータセットであってもよい。簡単のために、この例の第１検出データセットはＬｉＤＡＲ１と呼ばれ、第２検出データセットはＬｉＤＡＲ２と呼ばれる。該ＬｉＤＡＲ１とＬｉＤＡＲ２は植生、土地及び他の応答を相互に分けるよう分類されてもよい。図３の断面ＬｉＤＡＲデータ図で略図的に図解される様な、この種の分類を行う商業的なソフトウエア製品が存在する。導体５６からのＬｉＤＡＲ応答は大地５８及び植生６０からとは異なるよう分類されてもよい。ここで使われる時、用語“植生”は木、やぶ、かん木及び植物を含むがそれらに限定されないことは注目すべきである。
【００２９】
図４はＬｉＤＡＲ２検出データセットの実施例を略図的に図解し、該データセット内では、目標植生は、例えば、分析単位として働く植生多角形６２及び６４の様な、植生多角形を作ることにより識別される。この実施例では、各植生多角形は植生イベント（ＬｉＤＡＲ植生応答）を有し、該イベントは植生多角形に付随する目標植生の部分として分析されるべきである。該植生多角形形成時、大地応答６６及び導体応答６８の様な、該ＬｉＤＡＲデータ内の非植生応答型（もしあれば）は無視されてもよい。上記説明の様に、例えば、該多角形はラスター化されたＬｉＤＡＲ植生高さモデルから作られてもよい。植生高さモデルはＬｉＤＡＲからの最高植生応答と、同じＬｉＤＡＲデータから決められた大地レベルとの間の高度差を示すラスターである。この様な実施例では、分析されるべきラスター範囲は正方形画素に分けられ、該画素の各々は画素内の植生高さを表すグレイスケール値を与えられる。画素内の植生高さを予測するために、最高高さのみならず、該植生高さの百分率も使われてもよい。普通の実施例では、ＬｉＤＡＲ応答の最大高さが使われる。多角形を自動的に形成する公知の技術の或る例は、成長抑制領域拡張法（ｇｒｏｗｔｈ−ｃｏｎｓｔｒａｉｎｅｄ ｓｅｅｄｅｄ ｒｅｇｉｏｎ ｇｒｏｗｉｎｇ ｍｅｔｈｏｄ）及び抑制谷追跡アルゴリズム（ｃｏｎｓｔｒａｉｎｅｄ ｖａｌｌｅｙ−ｆｏｌｌｏｗｉｎｇ ａｌｇｏｒｉｔｈｍ）を含むがそれらに限定されない。多角形化用の他の技術は当業者には公知である。
【００３０】
この例では、植生成長は導体６８（この例の関心のある対象）に対して見積もられる。関心のある対象（この例の）を表すためにＬｉＤＡＲ導体データ６８が使われてもよく、或いは該ＬｉＤＡＲ導体データはオプションで分析されるべき導体の３次元（３Ｄ）モデルを作るため使われてもよい。関心のある対象のこの様なモデルを作る商業的ソフトウエア製品が存在し、当業者には公知である。該最終モデルは例えば、３次元ベクトル−モデルであってもよい。現地測量の様な他のデータ源から作られる、現存の３次元モデルも同様に使われてもよい。例えば、種々の沈下／揺れシナリオでのその起こり得る位置をシミュレートするために、関心のある対象（この場合では、導体）のシナリオ分析が行われてもよい。シナリオ分析は作業する方法用には必要ではないが、関心のある対象に対し見積もられる植生成長の精度を改善するかも知れない。沈下／揺れシナリオは時には“天候の状態”と呼ばれ、この様な沈下／揺れシナリオは商業的ソフトウエアパッケージでモデル化されてもよい。
【００３１】
本例でこの点まで、目標植生は、１つ以上の植生多角形を識別する多角形化法を使って、第２検出データセット（ＬｉＤＡＲ２）から識別されて来た。対応する目標植生は、該第１検出データセット内の１つ以上の対応する目標植生の対応する点を選択するために、例えば、第２検出データセットからの該１つ以上の植生多角形を使うことにより、該第１検出データセットから識別されてもよい。或る実施例では、該１つ以上の植生多角形内の植生応答用の距離計算を行うことのみにより、該検出データセット上で行われる必要のある距離計算数を減じるために、該１つ以上の植生多角形が使われてもよく、この実施例では、該距離計算は該関心のある対象への全植生応答について行われる。次いで、該１つ以上の植生多角形は、どの距離計算が、統計値を該目標植生の属性と考える目的で、該目標植生に属するかを選択するため使用される。図５は、第１及び第２統計値を、関心のある対象に対するＬｉＤＡＲ１及びＬｉＤＡＲ２検出データセット内の目標植生の属性と考える過程を略図で図解する。図５で関心のある対象は最も低い導体７０である。説明を容易にするために、該ＬｉＤＡＲ１データセットと該ＬｉＤＡＲ２データセットはこの図で重なり合っている。該ＬｉＤＡＲ１データセット植生は大きいデータ点として示され、ＬｉＤＡＲ２データセット植生は小さなデータ点として示される。この図で植生多角形７２が図解されている。該ＬｉＤＡＲ２データセットはＬｉＤＡＲ１データセットより遅い時点で取り上げられ、該ＬｉＤＡＲ２データがＬｉＤＡＲ１データセットより更に外へ延びるので、該データは該目標植生７６の介入する成長を反映する。
【００３２】
対象までの距離で帰属させられた、ＬｉＤＡＲ１からのデータセット点（大きなＬｉＤＡＲデータ点）は、植生多角形内で、第１統計値を目標植生７６の属性と考えるよう分析される。この例で、該第１統計値は該ＬｉＤＡＲ１目標植生７６から関心のある対象７０までの最短距離（矢印７８で図解）である。その多角形内のＬｉＤＡＲ２（小さなＬｉＤＡＲデータ点）からのデータセット点は同様の仕方で第２統計値を目標植生７６の属性と考えるよう分析される。この例で、該第２統計値は該ＬｉＤＡＲ２目標植生７６から関心のある対象７０までの最短距離（矢印８０により図解）である。成長により、ＬｉＤＡＲ１及びＬｉＤＡＲ２内の目標植生の同じ枝は関心のある対象７０までの最短距離を提供する枝であったり、又はなかったりすることを注目すべきである。
【００３３】
侵入速度は該第１統計値及び第２統計値の比較から決められる。この例のために、ＬｉＤＡＲ１及びＬｉＤＡＲ２のデータセットが連続する年に、各年の成長シーズンの中程近くで、集められたと仮定しよう。図６Ａの例示する度日カーブ内で図解される様に、ＬｉＤＡＲ１はその成長シーズン中４０度日が過ぎた時集められた。図６Ｂの例示度日カーブで図解される様に、ＬｉＤＡＲ２はその成長シーズン中５５度日が過ぎた時集められた。図６Ａ及び６Ｂは、特定気候ゾーンで分析される特定種類の植生について度日（ｄｄ）の関数としての年間成長パーセンテージの略図式の典型的カーブを示す。この様なカーブは局地的生物学的条件に適合され、より局地的カーブ程より精密な測定値を生じる。この方法では、もし侵入成長カーブが利用出来ないなら、侵入の成長を見積もる説明過程で高さ成長カーブが使われてもよい。当業者による選択用に多くの種々の高さ成長カーブが利用可能である。使われるべきカーブは、典型的年間合計熱量、年間降雨量、土壌生産性及びその地域内の優占種、に基づき選択される。該カーブは局地化される必要はないが、もし出来るだけ最良の精度が望ましいなら、局地的条件に適合されてもよい。既述の様に、この例では、該ＬｉＤＡＲ１データセットはその成長シーズンで４０ｄｄが既に過ぎた時集められた。図６Ａで該カーブを読むと、これは年間成長の８０％に対応する。従って、その年の年間成長の残り２０％は該ＬｉＤＡＲ１が集められた後に起こると仮定されてもよい。また、述べた様に、この例では、ＬｉＤＡＲ２のデータセットはその成長シーズンで既に５５ｄｄが過ぎた時に集められた。図６Ｂのカーブを読むと、これは年間成長の約８８％に対応する。従って、その年の年間成長の残り１２％は該ＬｉＤＡＲ２が集められた後に起こると仮定される。ＬｉＤＡＲ１データセット用の第１統計値（この例では、導体までの第１の最小距離）は約２．９０ｍ（９．５フィート）であると決定された。ＬｉＤＡＲ２データセット用の第２統計値（この例では、導体までの第２最小距離）は約１．９５ｍ（６．４フィート）であると決定された。
【００３４】
従って、該侵入速度は、例えば、前に論じた式（１）を使うことにより、該第１及び第２統計値の比較から決定される：
【数２】
【００３５】
第２統計値Ｄ２＝約１．９５ｍ（６．４フィート）であり、第１統計Ｄ１＝約２．９０ｍ（９．５フィート）であり、ＬｉＤＡＲ１が集められた時過ぎた成長シーズン度日のパーセンテージＰ１＝８０％であり、ＬｉＤＡＲ２が集められた時過ぎた成長シーズン度日のパーセンテージＰ２＝８８％であり、そしてＬｉＤＡＲ１とＬｉＤＡＲ２の収集の間の完全成長シーズン数ｎ＝０であるので、我々は年間侵入速度Ｇａは下記の様に決定出来る：
Ｇａ＝（約６．４＊０．３０４８−９．５＊０．３０４８）ｍ／｛（１００％−８０％）＋１００％＊０＋８８％｝
Ｇａ＝（−３．１＊０．３０４８ｍ）／１０８％＝−２．８７＊０．３０４８ｍ／成長年＝−０．８７５ｍ／成長年
【００３６】
最後に、我々は関心のある対象、この場合は導体、に対する将来植生成長を見積もることが出来る。例えば、もし我々が１完全成長シーズンと３０度日（ｄｄ）後に如何に該目標植生が該導体に近いかを知ろうと欲するなら、我々は上記で論じた式（２）を使うことが出来る：
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ） （２）
【００３７】
第２統計値Ｄ２＝約１．９５ｍ（６．４フィート）であり、年間侵入速度Ｇａ＝約−０．８７５ｍ（２．８７フィート）／成長年であり、ＬｉＤＡＲ２が集められた時過ぎた成長シーズン度日のパーセンテージＰ２＝８８％であり、ＬｉＤＡＲ２の収集と将来時の間の完全成長シーズン数ｍ＝１であり、そして将来時に過ぎる成長シーズン度日のパーセンテージＰＴ＝７２％（図６Ｂの成長カーブを見ると、３０度日は年間成長の７２％に対応すると見られる）なので、我々は将来時の目標植生と導体の間の距離ＤＴを下記の様に見積もることが出来る：
ＤＴ＝６．４＊０．３０４８ｍ＋（−２．８７＊０．３０４８ｍ）＊（１００％−８８％＋１００％＊１＋７２％）＝３．１３＊０．３０４８ｍ＝０．９５４ｍ
【００３８】
関心のある対象に対する植生成長を見積もる方法の実施例は多数目標植生に適用されてもよい。植生成長見積の結果は種々の方法で、例えばグラフィカルユーザーインターフエース（ＧＵＩ）を介して、ユーザーに表示される。図７は、関心のある対象（この場合、電力線８４）についての侵入マップを表示するＧＵＩ８２の実施例を略図で図解する。陰影付きの多角形は分析される種々の目標植生を示す。見積もられる侵入は、各植生の属性と考えられる第１及び第２統計値と、線導体に関する侵入速度と、により、植生間で変わる。ＧＵＩ８２上の負値は侵入する植生を意味する。選択された多角形の更に進んだ詳細を示すために該ＧＵＩ８２内に副ウインドウ８６が提供される。
【００３９】
図８は関心のある対象に対する植生成長を見積もるシステム８８の実施例を略図で図解する。該システム８８はプロセッサ９０を有し、該プロセッサは１）第１検出データセットから目標植生を識別し、２）第２検出データセット内の該目標植生を識別し、該第２検出データセットは該第１検出データセットより後れた時刻に収集されて、該第２検出データセット内で識別し、３）第１統計値を、該関心のある対象に対する該第１検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え、４）第２統計値を、該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え、５）該第１及び第２統計値の比較から侵入速度を決定し、そして６）該侵入速度を将来の期間に亘り適用することにより該関心のある対象に対する将来の植生成長を見積もる、ように構成される。これらのアクションを達成する適当なアクションの実施例が上記で開示された。該プロセッサ９０は、ＣＤ、磁気テープ、光学的ドライブ、ＤＶＤ、ハードドライブ、フラッシュドライブ、メモリーカード、メモリーチップ、又は何等かの他のコンピュータが読み出し可能な記憶媒体、の様な、しかしそれらに限定されない、コンピュータが読み出し可能な記憶媒体９２上に記憶された機械読み出し可能なインストラクションを実行するコンピュータであってもよい。該プロセッサ９０は、代わりに、又は加えて、ラップトップ又はデスクトップコンピュータ、マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、デジタル部品、アナログ部品又はそれらの何等かの組み合わせ及び／又は複数品を有してもよい。該プロセッサ９０はスタンドアロンのユニットであってもよく、或いはデバイスの分散型セットであってもよい。
【００４０】
データ入力部９４はプロセッサ９０に接続され、該プロセッサ９０に少なくとも第１検出データセット及び第２検出データセットを提供するよう構成される。検出データ取り込みデバイス９６はオプションで第１及び第２検出データセットのライブの取り込みを可能にするために該データ入力部９４に接続される。検出データ取り込みデバイスの例は、全波、多数応答又は最初と最後のパルス記録式ＬｉＤＡＲセンサーを含むがそれらに限定されない。同様に、データベース９８はオプションで、１つ以上の前に取り込まれた第１及び／又は第２検出データセットを該プロセッサ９０に提供するために該データ入力部９４に接続されてもよい。データベース９８は生データ又はフォーマットされたフアイルを保持するメモリーデバイス程簡単であってもよく、或いはデータベース９８は複雑なリレーショナルデータベースであってもよい。実施例に依って、該データ入力部９４に接続されるのは、１つ又は多数のデータベース９８及び／又は検出データ取り込みデバイス９６であるか、又は検出データ取り込みデバイス９６のみであってもよい。該検出データ取り込みデバイス９６が該データ入力部９４に接続されるのは、有線接続、光接続、又は無線接続による。無線接続の適当な例は、８０２．１１ｘプロトコル又はＢｌｕｅｔｏｏｔｈ（登録商標）プロトコルを使う無線周波接続を含むが、それに限定されない。更に、データベース９８を有する実施例では、プロセッサ９０は結果を記憶するため、又は該データ入力部９４をバイパスすることによりデータにアクセスするため、データベース９８に接続されてもよい。
【００４１】
システム８８はまた、プロセッサ９０及び／又はデータ入力部９４の何れかに接続されてもよいユーザーインターフエース１００を有する。１例として、該ユーザーインターフエース１００は、第１及び／又は第２検出データセット、関心のある対象、該関心のある対象に対するそれぞれ第１及び第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、目標植生の属性と考えられる第１及び／又は第２統計値、そして該関心のある対象に対する見積もられた将来植生成長、を表示するよう構成されてもよい。該ユーザーインターフエース１００はまた、ユーザーが、該データ入力部９４に接続されたデータベース９８から第１及び／又は第２検出データセットを選択する、又は該データ入力部９４に接続された検出データ取り込みデバイス９６からのデータの収集をスタートし、停止する、ことを可能にするよう構成されてもよい。
【００４２】
図９は関心のある対象に対する植生成長を見積もるシステム１０２のもう１つの実施例を略図で図解する。この実施例で、プロセッサ９０はネットワーク１０４上でデータ入力部９４と接続される遠隔プロセッサであるようセットアップされる。該ネットワーク１０４は有線又は無線のローカルエリヤネットワーク（ＬＡＮ又はＷＬＡＮ）であってもよく、或いはネットワーク１０４はデータを受けたり、送ったりするために何等かの数の通信プロトコルを使う有線又は無線のワイドエリヤネットワーク（ＷＡＮ又はＷＷＡＮ）であってもよい。該プロセッサ９０が遠隔に配置されるシステム１０２を有することは、多数クライアント側データ入力部９４が該プロセッサ９０のリソースを共有することを可能にする。第１及び第２検出データセットは、データベース９８から及び／又は該データ入力部９４に接続されたユーザーインターフエース１００の制御下の検出データ取り込みデバイス９６から、データ入力部９４により得られてもよい。該第１及び第２検出データセットは次いで該ネットワーク１０４上を該プロセッサ９０へ転送され、該プロセッサは次いで、１）第１検出データセットから目標植生を識別し、２）該第２検出データセット内の該目標植生を識別し、該第２検出データセットが該第１検出データセットより後れた時刻に収集され、該目標植生を識別し、３）第１統計値を、関心のある対象に対する、該第１検出データセット内の該目標植生の１つ以上の点の距離に基づき該目標植生の属性と考え、４）第２統計値を、該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき該目標植生の属性と考え、５）該第１統計値及び第２統計値の比較から侵入速度を決定し、６）該侵入速度を将来の期間に亘り適用することにより該関心のある対象に対する将来植生成長を見積もり、そして７）該関心のある対象に対する該見積もられた将来植生成長を有するデータ信号１０６をクライアント側へ送信してもよい。この様なデータ伝送は有線ケーブル、光ケーブル、及び空中の様な種々の伝送媒体上で起こってもよい。この実施例では、該遠隔のプロセッサ９０は、クライアント側のハードウエアのコストを下げるのを助けるため使われてもよく、そして中央にアップグレードされた点があるので、プロセッサへの、又は該プロセッサにより行われつつあるインストラクションへの、何等かのアップグレードを容易にする。
【００４３】
上記説明の様に、図２Ｃに関連して、関心のある対象に対する目標植生の将来植生成長が、将来時に関心のある対象と交差する目標植生に帰着することが見積もられるならば、該目標植生を軽減させる作業注文が発生されてもよい。作業注文の１部として、或る実施例はまた、例えば、刈り取り、カット、トリミング又は植生除去を含むが、それらに限定されない軽減の種類を勧告してもよい。図１０は、中で、勧告される軽減の種類を決定するため、目標植生侵入方向がテストされＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。侵入方向ベクトルの例１０８，１１０はそれぞれ植生点１１２及び１１４から突出するよう示され、最も近い電力線導体点１１６を指している。１実施例では、各多角形内の植生応答は、該植生の導体までの距離に基づき再び分類される。侵入成長と望まれる間隙の年数とに基づき、トリムされる必要のある点が、それら自身のクラスに分けられる。それらの点の重力中心が除去の中心として考慮される。除去中心から最も近い導体点までの方向ベクトルが画かれる。このベクトルは該植生が該導体へ近付く角度を規定す
る。代わりに、方向ベクトルは植生の最近点と対応するラインの間で、この順序で画かれてもよい。α及びβは、対応するベクトルが水平線と交差する時形成されるベクトル角を表す。局部的しきい値角度と呼ばれる角度Φは局部的しきい値ベクトル１１７と水平線の間に形成される角度を表す。該局部的しきい値ベクトル１１７はサイドトリムエッジ点（Ｐ）と関心のある対象とを通過する（この例では、最も近い導体点１１６）。Ｐは最小サイドトリム高さ１２０の高度で、分析される植生点と最も近い導体点を通る垂直面内の、敷設用地エッジ１１８の点である。最小サイドトリム高さは、ローカルのトリム職人が、彼等の工具と樹木刈り取り能力に基づき、規定するパラメーターである。該最小サイドトリム高さは刈り取り熟練で除去することが現実的でない植生高さに設定されるべきである。軽減の種類を決めるために、α及びβは局部的しきい値角度Фと個別に比較される。もしαが該しきい値角度Фより大きく決定されるなら、αに付随する植生点１１２はアンダーカット植生として考えられ、軽減するために刈り取り又はカットを要する。もしαがしきい値角度Фより小さいと決定されるなら、αに付随する植生点１１２はサイド侵入として考えられ、サイドトリム又は樹木除去を要する。同じ方法がβをテストするため使われる。この断面図で見られる様に、αはФより大きく、植生点１１２に付随する植生の軽減用に刈り取り又はカットが必要であることを示している。βはФより小さく見られ、植生点１１４に付随する植生の軽減用にサイドトリム又は樹木除去が必要とされることを示している。
【００４４】
かくして、関心のある対象に対する植生成長を見積もる方法とシステムの幾つかの実施例を説明したが、前記詳細な開示は例としてのみ提示されるよう意図されており、限定するためでないことは当業者に明らかである。明示的にここで述べられてないが、当業者に、種々の変更、改善及び変型が起こり、意図されるであろう。これらの変更、改善及び変型がここで示唆されるよう意図されても、それらは請求される発明の精神と範囲の中にある。例えば、具体化された方法とそれらの等価物を実行後、多数のＬｉＤＡＲデータセットは、例えば毎年１つ集められる。異なるデータセット間の相対成長速度の最終決定から、我々は相対成長速度の変動を、降雨と受けた合計熱の様な種々の予測変数の関数として分析してもよく、該関数はより良い予測能力を生ずる。
【００４５】
加えて、処理要素の詳述した順序又はシーケンス、又は更に数、文字又は他の呼称の使用は、請求項で指定されているものを除けば、請求される過程を何等かの順序に限定するよう意図されてない。
【００４６】
従って、請求される発明は下記請求項とそれらの等価物に依ってのみ限定される。
【技術分野】
【０００１】
請求する発明は一般的にＬｉＤＡＲデータの様な検出データから樹木についての情報を決定する方法とシステムに関する。特に、該請求する発明は他の対象に対する植生の成長を見積もる方法とシステムに関する。
【０００２】
版権
本特許文書の開示の１部分は版権保護を受ける資料を含んでいる。該版権所有人は、特許庁及びその商標部門の特許フアイル又は記録に開示特許が出る限りに於いては、何人によるフアクシミリ複製にも反対しないが、それ以外の場合は全版権を留保するものである。
【背景技術】
【０００３】
多くの公益設備にとって、樹木は全ての予定しない供給停止の１番の原因である。台風時の電力供給システムへの大抵の損傷は電力線をサービス不能にする落下木又は枝により引き起こされる。供給システムへの樹木による損害の頻度を減じるのを助けるために、多くの公益事業者は保全対策として植生管理プログラムを実施している。北米公益事業者は、樹木接触導体に付随するサービス中断及び安全上の問題を防止する努力の中で植生管理に年間約５，６００億円（＄７ ｂｉｌｌｉｏｎ）から約８，０００億円（＄１０ ｂｉｌｌｉｏｎ）を費やしている。
【０００４】
従来、植生管理プログラムは、ユーティリティシステム周りの植生の管理を助けるアーボリストチームによる規則的監視及び枝打ちに頼って来たが、広大な距離をカバーする非常に多くのユーティリティラインは、多くの場合、地上監視チームの派遣を非現実的にする。結果として、多くの公益会社は、予想される植生成長問題用に調べられ得るユーティリティシステムの写真画像を提供する空中探索技術へ既に転換している。空中画像又はヘリコプターベースのラインパトロールは、公益用の敷設用地内へ侵入成長した植生を調べられるが、関心のある対象（ｏｂｊｅｃｔ ｏｆ ｉｎｔｅｒｅｓｔ）に対する植生の成長の見積に基づき、植生問題が発生する前に、該植生問題を予測出来る満足すべき方法又はシステムは未だ存在しない。公益会社は従来、植生や樹木の成長を、高さ、幹直径又は容積の成長として決定し、これらの成長速度から公益敷設用地に近い植生成長を予測するよう使われて来たが、この様な見積は該ユーティリティ（電力線の様な）に対する又はその間隙空間パターンに対する成長を提供しない。残念ながら、ライン間隙に対する成長は植生高さ、直径又は容積によりうまく規定されない。この知識不足は、必要な軽減法の種類すなわち刈り取り、カット、トリミング又は樹木除去、に関する時宜を得た、効率的な意志決定力を限定している。その結果、侵入を解決するため必要な保守の種類を決定するよう、現地職員が自身で現場を訪れる必要があることが多い。干渉軽減のコストは必要な保守の種類に非常に左右される。保守の種類に関する事前の知識不足のため効果的でない計画は資源を浪費し、必要以上のなすべき多くの仕事をもたらす。従って、電力線導体の様な関心のある対象に対する植生成長を決定し、公益設備に対する植生侵入の課題をより精密に予測するために、将来の間隙ニーヅを予測するよう、この成長を使う、経済的で、信頼出来て、使い易い方法とシステムを有することが望ましい。
【発明の概要】
【０００５】
関心のある対象に対する植生成長を見積もる方法が開示される。目標植生が第２検出データセットから識別される。対応する目標植生が第１検出データセット内で識別され、該第１検出データセットは該第２検出データセットの前の時間に収集される。第１統計値が、関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の
点の距離に基づき、該対応する目標植生の属性と考えられる。第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えられる。侵入速度は該第１統計値と該第２統計値の比較から決定される。
【０００６】
コンピュータ読み出し可能な記憶媒体も開示される。該コンピュータ読み出し可能な記憶媒体は、関心のある対象に対する植生成長を見積もるために該媒体上に記憶されたインストラクションを有する。該インストラクションは、プロセッサにより実行されると、該プロセッサに：１）第１検出データセットを提供させ、；２）第２検出データセットを提供させ；３）該第２検出データセットから目標植生を識別させ；４）該第１検出データセット内の対応する目標植生を識別させ、該第１検出データセットが該第２検出データセットの前の時間に収集されて、該対応する目標植生を識別させ；５）第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づく、該対応する目標植生の属性と考えさせ；６）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づく、該目標植生の属性と考えさせ；そして７）該第１統計値及び第２統計値の比較から侵入速度を決定させる。
【０００７】
関心のある対象に対する植生成長を見積もるシステムもまた開示される。該システムは、１）第２検出データセットから目標植生を識別し、；２）第１検出データセット内の対応する目標植生を識別し、該第１検出データセットが該第２検出データセットの前の時間に収集されて、該対応する目標植生を識別し；３）第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づく、該対応する目標植生の属性と考え；４）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づく、該目標植生の属性と考え；そして５）該第１統計値及び第２統計値の比較から侵入速度を決定する、よう構成されたプロセッサを有する。該システムは該プロセッサに接続され、該プロセッサに該第１及び第２検出データセットを提供するよう構成されたデータ入力部を有しる。該システムは更に該プロセッサか又は該データ入力部か何れかに接続されたユーザーインターフエースを有する。
【図面の簡単な説明】
【０００８】
【図１】検出データセットの実施例を略図で図解する。
【図２Ａ−２Ｃ】関心のある対象に対する植生成長を見積もる方法の１実施例を図解する。
【図３】ＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。
【図４】多角形を作ることにより中で目標植生が識別されるＬｉＤＡＲデータセットの実施例を略図で図解する。
【図５】関心のある対象に対する第１及び第２検出データセット内の目標植生の属性と考えられる第１及び第２統計値の実施例を略図で図解する。
【図６Ａ】度日（ｄｅｇｒｅｅ ｄａｙｓ）の関数として年間植生成長のパーセントをプロットするグラフの１実施例を図解する。
【図６Ｂ】度日の関数として年間植生成長のパーセントをプロットするグラフのもう１つ実施例を図解する。
【図７】関心のある対象について侵入マップを表示するグラフィカルユーザーインターフエース（ＧＵＩ）の１実施例を略図で図解する。
【図８】関心のある対象に対する植生成長を見積もるシステムの実施例を略図で図解する。
【図９】関心のある対象に対する植生成長を見積もるシステムのもう１つの実施例を略図で図解する。
【図１０】勧告する軽減の種類を決定するために、目標植生侵入方向が中でテストされるＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。
【０００９】
明確化の目的で、そして適当と考えられた場合、対応する特徴を示すために、図中では参照数字が繰り返され、そして該特徴を良く示すために図中では種々の要素が必ずしもスケール合わせして画かれてないことは評価されるであろう。
【実施例１】
【００１０】
幾つかの異なる成長速度がここでは言及される。用語“相対成長速度”は目標植生が関心のある対象に向かって成長しつつある速度を呼ぶ。用語“侵入速度（ｅｎｃｒｏａｃｈｍｅｎｔ ｒａｔｅｓ）”は用語“相対成長速度”と互換可能に使われてもよい。用語“相対成長”（“侵入成長”とも呼ばれる）が使われてもよく、それは２つの対象間の関係で最小距離の変化を引き起こす成長である。用語“年間成長速度”は１年当たりの成長を意味する。該年間成長速度は高さ、相対成長、又は何等かの他の成長について決定されてもよい。用語“間隙”は関心のある対象と問題の植生（又は他の対象）の間の最小距離を意味する。
【００１１】
図１は植生成長を見積もる方法及びシステムで使われる公知の電力線導体位置２２と敷設用地（ＲＯＷ）境界線２４を有する検出データセット２０の実施例を略図で図解する。該検出データセット２０は好ましくは木の上から空中で集めた３次元データセットであるのがよいが、或る実施例は地上ベース検出データセット収集技術を利用してもよい。この図では、ＬｉＤＡＲセンサーからの分類された３次元点クラウドデータセットが、ラスターマップに変型されており、植生高さを画素のグレイスケール値として示している。明るいグレイスケール値ほど高い植生を表しており、黒い値は植生が無いことを表す。この白黒の線画での図解を容易にするために、グレイスケール化された樹木によりカバーされない敷設用地の境界線２４の間の空いた範囲は、ＬｉＤＡＲデータセット内のこの様な範囲が黒で示されるのが典型的であるが、白として示される。ここで空いた敷設用地の範囲が他の構造体が図解されるように白で示される。なお他の実施例は、空中及び地上ベースの検出データ収集技術の組み合わせを使用してもよい。該検出データセット２０は、光検出及び測距（ＬｉＤＡＲ）データ（時に“レーザー走査データ”と呼ばれるもの）、レーダーデータ、合成開口レーダーデータ、距離測定用走査及び３次元点クラウド提供に基づく何等かのセンサーからのデータ、を含むが、それらに限定されない様な種々のデータの種類を含んでもよい。該検出データセット２０は、デジタル画像形成、ビデオ又はハイパースペクトラル画像形成データの様な他のデータセットによりサポートされてもよい。簡便のため、該検出データセット２０はＬｉＤＡＲデータと呼ばれることが多いが、他の形式のデータも請求される発明の範囲内で検出データとして使うために好適であることは理解されるべきである。該検出データセット２０はポジショニングデータ、例えば検出データセット内で対象の座標位置が既知となるようなグローバルポジショニングシステム（ＧＰＳ）データを含んでもよい。加えて、該検出データセット２０は既知のユーティリティシステム位置と組み合わされてもよい。図１の実施例では、該電力線位置２２と敷設用地境界線２４への参照も行われてもよいように既知の電力線導体位置２２と敷設用地境界２４が該検出データセットと組み合わされた。当業者は、電力線導体の様な、ユーティリティ対象を、それらの寸法と位置についてモデル化され、検出データセット２０と組み合わされることを可能にする、多くの商業的に入手可能な製品を熟知している。この様なユーティリティ対象も、例えば沈下する氷の条件下にある時、何処に電力線があるかを示す様に、種々の天候及び負荷条件をシミュレートするためモデル化されてもよい。
【００１２】
図２Ａ−２Ｃは関心のある対象に対する植生成長を見積もる方法の１実施例を図解する。オプションでは、第１検出データセットが集められ２６，第２検出データセットが集められる２８。前に述べた様に、該第１及び第２検出データセットは好ましくは各々が空中から及び／又は地上から集められた３次元データセットであるのがよい。検出データセットの好適な例は、光検出及び測距（ＬｉＤＡＲ）データ（時に“レーザー走査データ”とも呼ばれるもの）、レーダーデータ、合成開口レーダーデータ、距離測定走査及び３次元点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、又はハイパースペクトラル画像形成を含むが、それらに限定されない。或る実施例では、該検出データセットの１つ以上が既に利用可能であってもよく、例えば、もし該１つ以上の検出データセットがどこかに記憶されていれば、集められる必要はない。該検出データセットは、静止画像形成、カラー−赤外線画像形成、熱的画像形成又はハイパースペクトラル画像形成の様な他のデータセットによりサポートされてもよい。この様なサポート用データセットは、例えば、該検出データを真に迫るカラーで、或いは恐らく熱的痕跡、化学的組成、材料組成、他の様な、或る他の検出特性にマップ化するカラーで、カラー化するため使われてもよい。加えて、オプションのサポート用データセットは代わりに、３次元データ点の現実のカラー値を反映するために、３次元点応答の頂上に投影されてもよい。これは画像特徴の容易な識別を可能にする。或る実施例では、該オプションのサポート用データセットは検出データセットから目標樹木に相関を取られたスライスデータを提供する地上ベースのデータであてもよい。従って、該第１及び第２検出データセットの各々はオプションで１つ以上のサポート用データセットを有してもよい。該第２検出データセットは該第１検出データセットの後の時刻に集められたデータに対応する。或る実施例では、第１データセット及び第２データセットが集められた時の間の時間は約１成長シーズンであるが、しかしながら、他の実施例はより短い又はより長い時間を使ってもよい。
【００１３】
或る状況では、該第１検出データセット及び／又は第２検出データセットは植生応答（ｖｅｇｅｔａｔｉｏｎ ｒｅｔｕｒｎｓ）でない１つ以上のデータ点を有してもよい。ほんの二、三の例として、検出データセットは大地応答、水応答、及び／又は電力線導体応答を有してもよい。従って、或る実施例では、植生応答を識別するために第１及び／又は第２検出データセットを分類することがオプションとして望ましい２９。該分類過程に依り、該植生応答のみが次の過程で使われる、又は非植生応答が捨てられる、ように該植生応答が植生応答としてフラグを立てられてもよい。下記本文で該第１検出データセット又は第２検出データセットを参照する時、従って、１）該集められた又は記憶された検出データセットが既に植生応答を有したもののみだった、２）該集められた又は記憶された検出データセットが植生応答だけ使用するためフラグを立てるよう分類された、又は３）該集められた又は記憶された検出データセットが非植生応答を除外するよう分類された、の何れかなので、該植生応答のみが該第１及び第２検出データセット内で使われると仮定される。
【００１４】
目標植生は第２検出データセットから識別される３０。或る実施例では、該目標植生は、該第２検出データセット内の該目標植生の１つ以上の点を含む第２検出データセットからの植生多角形を識別すること３２により識別されてもよい３０。多角形形成を通しての樹木植生の識別は当業者には良く理解される。ほんの１例として、１つ以上の多角形は、１）各植生応答の大地レベルから高度を識別する；２）該植生応答上に水平に空間的に基準化されたラスターメッシュを置く；３）該ラスター内で各セル内部で大地から最高、平
均、又は他の統計的高度を読む；４）植生クラス内で有効な応答を有しないラスターセルに、０値を与える；５）最終ラスターが植生高さラスターと呼ばれる；６）該植生高さラスターに、成長抑制−領域拡張法アルゴリズム又はそのより複雑な派生品を適用し、１つ以上の多角形に帰着する、ことにより第２データセットの植生応答から形成されてもよい。
【００１５】
該識別された目標植生は、必ずしも多角形である必要のない、植生データコンテナー内に落下するよう考慮されてもよい。該植生データコンテナーは多角形、単一画素又は画素のグループ、格子セル又は分析用に形成される他の形の空間的データ実体であってもよい。分析されるべき植生を含むこれらの空間的実体は目標植生形状と呼ばれてもよい。
【００１６】
該対応する目標植生は該第１検出データセットから識別される３４。該第２検出データセットから該目標植生を識別するため使われる該植生データコンテナー又は目標植生形状は、該第１検出データセットから該対応する目標植生を識別するために３４該第１検出データデータセット上に重ね合わされる。ほんの１例として、もし植生多角形が該第２検出データセットから識別されたなら、該第２検出データセットからの該植生多角形は、該第１検出データセット内の対応する目標植生の１つ以上の点を選択するために使われてもよい３６。
【００１７】
第１統計値は、関心のある対象に対する第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる３８。該関心のある対象は、電力線、鉄道軌道、鉄道頭上導体、電話線、道路、通信ケーブル、高速道路面、そして道路標識視認セクター、の様な、しかしそれらに限定されない、種々の対象であってもよい。関心のある対象はまた、対象の周りの安全緩衝ゾーンを含んでもよい。該第１検出データセット内の１つ以上のデータ点は、例えば、上記ステップ３６で植生多角形を使うことにより、識別される様に、該対応する目標植生に属する。或る実施例では、該対応する目標植生の属性と考えられる３８第１統計値は、該第１検出データセット内の該対応する目標植生に属すると識別された該１つ以上のデータ点の各々から、該関心のある対象までの距離を計算することにより決定される。該対応する目標植生の属性と考えられる３８第１統計値は、次いで該識別された第１検出データセット点の各々から該関心のある対象までの、これらの計算距離に基づいてもよい。例えば、或る実施例では、該対応する目標植生の属性と考えられる３８第１統計値は、該識別された第１検出データセット点の各々から該関心のある対象までの計算距離のセットの最小距離であってもよい。他の実施例では、該対応する目標植生の属性と考えられる第１統計値は、該関心のある対象までのＮ個の最も近いと識別された第１検出データセット点の平均であってもよい。他の実施例では、該第１検出データセットの該対応する目標植生に属するとして識別されて来た該１つ以上のデータ点の各々からの距離を計算するよりも寧ろ、該第１検出データセット内の植生データ点の全部からの距離が最初に計算され、次いで第１検出データセット内の該対応する目標植生に属するとして識別された計算が、該対応する目標植生の属性と考えられる３８第１統計値を決定するために使われてもよい。
【００１８】
或る実施例では、該第１及び第２データセットの収集の間でセンサーの種類又は収集パラメーターが変化したために、該第１及び第２検出データセットを校正することが望ましい。センサー校正は、同時に両方のセンサー／パラメーターを用いて植生のサンプル片を集め、結果を比較する、ことにより行われてもよい。これは或る実施例では、該２つのセンサータイプでの植生読みの間のマップ化を行うために使われてもよい。
【００１９】
第２統計値は、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えられる４０。該第２検出データセット内の１つ以上のデータ点は、例えば上記ステップ３２の植生多角形の識別により、識別
される様に該目標植生に属する。或る実施例では、該目標植生の属性と考えられる４０第２統計値は、該第２検出データセット内の目標植生に属するとして識別されて来た該１つ以上のデータ点の各々から関心のある対象までの距離を計算することにより決められる。該目標植生の属性と考えられる４０第２統計値は次いで、該識別された第２検出データセット点の各々から関心のある対象までのこれら計算距離に基づいてもよい。例えば、或る実施例では、該目標植生の属性と考えられる４０第２統計値は該識別された第２検出データセット点の各々から関心のある対象までの計算された距離のセットの最小距離であってもよい。他の実施例では、該目標植生の属性と考えられる該第２統計値は、関心のある対象までの、Ｎ個の最も近い識別された第２検出データセット点の平均であってもよい。他の実施例では、該第２検出データセットの目標植生に属するとして識別されて来た該１つ以上のデータ点の各々からの距離を計算するよりも寧ろ、該第２検出データセット内の植生データ点の全部からの距離が最初に計算され、次いで該第２検出データセット内の該目標植生に属するとして識別された計算が、該目標植生の属性と考えられる４０第２統計値を決定するために使われてもよい。
【００２０】
図２Ｂの方法を続けると、侵入速度は該第１統計値及び第２統計値の比較から決定されてもよい４２。該侵入速度は該目標植生が関心のある対象に向かって成長しつつある速度である。この様であるから、該侵入速度は、他の対象に関連しない従来の樹木成長速度とは非常に異なる。或る実施例で、例えば、第１検出データセット及び第２検出データセットが約１成長シーズン離れて集められた実施例では、該侵入速度は第１統計値及び第２統計値の間の差を取り、その差を約１成長シーズンにより割ることによって該目標植生用に決められる。他の実施例は該成長シーズン中に概略同時には集められない第１及び第２検出データセットを考慮してもよい。植生成長速度は該成長シーズン中に変わり、該変化は或る実施例では、全年間成長の各成長シーズン日の相対部分を予測するために、成長シーズン中の高さ成長モデルを使うことにより斟酌されてもよい。
【００２１】
度日カーブ（Ｄｅｇｒｅｅ ｄａｙ ｃｕｒｖｅｓ）は特定の地域又は天候ゾーン内で、特定樹種又は木のタイプについて成長シーズン全体の間の成長（高さ）パーセンテージを度日数の関数としてプロットする。１成長シーズン中達成される度日数はシーズンからシーズンまでで、そして地理学的位置に依り変わる。問題の成長シーズン用に特定時間向けカーブが利用可能でないならば、ローカルの年毎の平均したカーブが使われるべきである。該カーブは特定種向けであってもよく、全ての種用又はハードウッド（ｈａｒｄｗｏｏｄｓ）の様な種グループ用に均一であってもよく、一層特定的なカーブは一層精密な測定値を与える。度日カーブの例は計算例に関連して後で図解される。もう１つの例として、或る実施例は、下式を使うことにより該第１統計値及び第２統計値の比較から侵入速度Ｇａを決定し４２、該式は該第２統計値と該第１統計値の間の差を取り、その差を下記で表現される量で割り算しており、
【数１】
ここで
Ｇａは目標植生の年間侵入速度を有し、
Ｄ２は該目標植生の属性と考えられる第２統計値を有し
Ｄ１は該目標植生の属性と考えられる第１統計値を有し
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎは第１検出データセットと第２検出データセットの収集間の完全成長シーズン数を有する。ここの式で使われる時、“完全成長シーズン”は、春から秋までの全体として該ＬｉＤＡＲデータセット間に起こった成長シーズンである。部分的成長シーズンは該ＬｉＤＡＲ収集によりカットされた成長シーズンである。
【００２２】
或る実施例では、該侵入速度は、第１及び第２検出データセットから決定される該侵入速度を有効化し、調整するよう求める現地測定成長データに基づき校正されてもよい。
【００２３】
次いで関心のある対象に対する将来植生成長は、将来の期間に亘り該侵入速度を適用することにより見積もられてもよい４４。例えば、或る実施例では、関心のある対象に対する将来成長は、将来時の目標植生と関心のある対象の間の間隙距離を決定するため使われてもよい。この様に見積もられる又は予測される間隙は下記で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ） （２）
ここで
ＤＴは将来時の目標植生と関心のある対象の間の間隙距離を有し、
Ｄ２は第２統計値を有し、
Ｇａは侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは第２検出データセットの収集と将来時の間の完全成長シーズン数を有する。ここでこの式で使われる時、“完全成長シーズン数”は春から秋までの全体としてＬｉＤＡＲデータセット間で起こった成長シーズンである。部分的成長シーズンは該ＬｉＤＡＲ収集によりカットされた成長シーズンであり、そして
ＰＴは将来時に過ぎた成長シーズン度日のパーセンテージを有する。
【００２４】
１つ以上の追加の目標木用に該処理を繰り返すか否かの決定４６が行われる。もし該処理が１つ以上の追加の目標木用に繰り返されるなら４８、ステップ３２及び３６での追加目標植生の識別でスタートする該過程が繰り返される。代わりに、該過程は１つ以上の追加目標木用に繰り返される必要がない５０。なお他の実施例では、アクション３８−４２及びオプションの４４がバッチ処理として進められてもよい。例えば、多数の目標植生の場合は第２検出データセットから１ステップで識別されてもよい。次いで対応する目標植生の多数の対応する場合が該第１検出データセットから識別される。目標植生及び対応する目標植生の対の１つの場合の属性として第１及び第２統計値を考える代わりに、多数の対が、第１及び第２統計値の多数の対を得るバッチの部分として処理されてもよい。かくして、この様なバッチ実施例では、侵入速度は、バッチ取扱いなのでその過程を繰り返す必要無しに、識別された多数の目標植生の各々用に決定される。
【００２５】
実施例に依っては、或るオプション的アクションが上記説明の方法で含まれてもよい。オプションでは、該関心のある対象に対する将来植生成長が、該目標植生及び該１つ以上の追加の目標植生を含む該第２検出データセットの少なくとも１部分と連携して、該目標植生及び該１つ以上の追加の目標植生用に、表示されてもよい５２。この様な表示の実施例は図７と関連して論じられる。１使用例として、将来の期間（例えば、次の５年）用に、各木について導体までの最小安全距離を保持するために必要なカット量を見出すよう該決定情報及び／又は表示情報が使われる。大規模には、トリミング作業で、余りに詳細なデータの使用は非生産的になるので、現地仕事の仕様を規定するのに、距離は木ベースでなく、範囲ベースで使用されてもよい。
【００２６】
図２Ｃの方法を続けると、もし該関心のある対象に対する目標植生の将来の植生成長が、将来時に、該関心のある対象と交差する目標植生に帰着するだろうと見積もられるならば５４、
・ユーザーに該将来時の関心のある対象との見積もられる将来交差を知らせる、
・該目標植生と該関心のある対象との間の見積もられる将来の相互作用を説明する相互作用表記録を植生データベースに属させる、
・マップ上の目標植生に、該関心のある対象との見積もられる将来交差の故にサービスを要するとフラグを立てる、
・該目標植生を軽減させる作業注文を発生する、様なアクションが取られてもよい。｛ここで用いられる時、軽減（ｍｉｔｉｇａｔｉｏｎ）は全植生除去、刈り取り（小さな植生の除去）、枝打ち、枝全体の除去、トリミング、枝の望ましい形へのカット、化学的処理（例えば、植生を殺すための除草剤の使用、かくしてその更に成長するのを止める）、或いは樹皮剥ぎ取り（長期進行で木の死へ導く）を呼ぶ｝。
【００２７】
ここで使われる時、“関心のある対象”は該関心のある対象の周りの緩衝ゾーン或いは安全ゾーンも含むことは注意すべきである。
【００２８】
例示実施例
具体的方法を実行するために、第１及び第２検出データセットが集められる。この例では、該検出データセットは異なる時期に、例えば、概略１成長シーズン離して、集められたＬｉＤＡＲデータセットであってもよい。簡単のために、この例の第１検出データセットはＬｉＤＡＲ１と呼ばれ、第２検出データセットはＬｉＤＡＲ２と呼ばれる。該ＬｉＤＡＲ１とＬｉＤＡＲ２は植生、土地及び他の応答を相互に分けるよう分類されてもよい。図３の断面ＬｉＤＡＲデータ図で略図的に図解される様な、この種の分類を行う商業的なソフトウエア製品が存在する。導体５６からのＬｉＤＡＲ応答は大地５８及び植生６０からとは異なるよう分類されてもよい。ここで使われる時、用語“植生”は木、やぶ、かん木及び植物を含むがそれらに限定されないことは注目すべきである。
【００２９】
図４はＬｉＤＡＲ２検出データセットの実施例を略図的に図解し、該データセット内では、目標植生は、例えば、分析単位として働く植生多角形６２及び６４の様な、植生多角形を作ることにより識別される。この実施例では、各植生多角形は植生イベント（ＬｉＤＡＲ植生応答）を有し、該イベントは植生多角形に付随する目標植生の部分として分析されるべきである。該植生多角形形成時、大地応答６６及び導体応答６８の様な、該ＬｉＤＡＲデータ内の非植生応答型（もしあれば）は無視されてもよい。上記説明の様に、例えば、該多角形はラスター化されたＬｉＤＡＲ植生高さモデルから作られてもよい。植生高さモデルはＬｉＤＡＲからの最高植生応答と、同じＬｉＤＡＲデータから決められた大地レベルとの間の高度差を示すラスターである。この様な実施例では、分析されるべきラスター範囲は正方形画素に分けられ、該画素の各々は画素内の植生高さを表すグレイスケール値を与えられる。画素内の植生高さを予測するために、最高高さのみならず、該植生高さの百分率も使われてもよい。普通の実施例では、ＬｉＤＡＲ応答の最大高さが使われる。多角形を自動的に形成する公知の技術の或る例は、成長抑制領域拡張法（ｇｒｏｗｔｈ−ｃｏｎｓｔｒａｉｎｅｄ ｓｅｅｄｅｄ ｒｅｇｉｏｎ ｇｒｏｗｉｎｇ ｍｅｔｈｏｄ）及び抑制谷追跡アルゴリズム（ｃｏｎｓｔｒａｉｎｅｄ ｖａｌｌｅｙ−ｆｏｌｌｏｗｉｎｇ ａｌｇｏｒｉｔｈｍ）を含むがそれらに限定されない。多角形化用の他の技術は当業者には公知である。
【００３０】
この例では、植生成長は導体６８（この例の関心のある対象）に対して見積もられる。関心のある対象（この例の）を表すためにＬｉＤＡＲ導体データ６８が使われてもよく、或いは該ＬｉＤＡＲ導体データはオプションで分析されるべき導体の３次元（３Ｄ）モデルを作るため使われてもよい。関心のある対象のこの様なモデルを作る商業的ソフトウエア製品が存在し、当業者には公知である。該最終モデルは例えば、３次元ベクトル−モデルであってもよい。現地測量の様な他のデータ源から作られる、現存の３次元モデルも同様に使われてもよい。例えば、種々の沈下／揺れシナリオでのその起こり得る位置をシミュレートするために、関心のある対象（この場合では、導体）のシナリオ分析が行われてもよい。シナリオ分析は作業する方法用には必要ではないが、関心のある対象に対し見積もられる植生成長の精度を改善するかも知れない。沈下／揺れシナリオは時には“天候の状態”と呼ばれ、この様な沈下／揺れシナリオは商業的ソフトウエアパッケージでモデル化されてもよい。
【００３１】
本例でこの点まで、目標植生は、１つ以上の植生多角形を識別する多角形化法を使って、第２検出データセット（ＬｉＤＡＲ２）から識別されて来た。対応する目標植生は、該第１検出データセット内の１つ以上の対応する目標植生の対応する点を選択するために、例えば、第２検出データセットからの該１つ以上の植生多角形を使うことにより、該第１検出データセットから識別されてもよい。或る実施例では、該１つ以上の植生多角形内の植生応答用の距離計算を行うことのみにより、該検出データセット上で行われる必要のある距離計算数を減じるために、該１つ以上の植生多角形が使われてもよく、この実施例では、該距離計算は該関心のある対象への全植生応答について行われる。次いで、該１つ以上の植生多角形は、どの距離計算が、統計値を該目標植生の属性と考える目的で、該目標植生に属するかを選択するため使用される。図５は、第１及び第２統計値を、関心のある対象に対するＬｉＤＡＲ１及びＬｉＤＡＲ２検出データセット内の目標植生の属性と考える過程を略図で図解する。図５で関心のある対象は最も低い導体７０である。説明を容易にするために、該ＬｉＤＡＲ１データセットと該ＬｉＤＡＲ２データセットはこの図で重なり合っている。該ＬｉＤＡＲ１データセット植生は大きいデータ点として示され、ＬｉＤＡＲ２データセット植生は小さなデータ点として示される。この図で植生多角形７２が図解されている。該ＬｉＤＡＲ２データセットはＬｉＤＡＲ１データセットより遅い時点で取り上げられ、該ＬｉＤＡＲ２データがＬｉＤＡＲ１データセットより更に外へ延びるので、該データは該目標植生７６の介入する成長を反映する。
【００３２】
対象までの距離で帰属させられた、ＬｉＤＡＲ１からのデータセット点（大きなＬｉＤＡＲデータ点）は、植生多角形内で、第１統計値を目標植生７６の属性と考えるよう分析される。この例で、該第１統計値は該ＬｉＤＡＲ１目標植生７６から関心のある対象７０までの最短距離（矢印７８で図解）である。その多角形内のＬｉＤＡＲ２（小さなＬｉＤＡＲデータ点）からのデータセット点は同様の仕方で第２統計値を目標植生７６の属性と考えるよう分析される。この例で、該第２統計値は該ＬｉＤＡＲ２目標植生７６から関心のある対象７０までの最短距離（矢印８０により図解）である。成長により、ＬｉＤＡＲ１及びＬｉＤＡＲ２内の目標植生の同じ枝は関心のある対象７０までの最短距離を提供する枝であったり、又はなかったりすることを注目すべきである。
【００３３】
侵入速度は該第１統計値及び第２統計値の比較から決められる。この例のために、ＬｉＤＡＲ１及びＬｉＤＡＲ２のデータセットが連続する年に、各年の成長シーズンの中程近くで、集められたと仮定しよう。図６Ａの例示する度日カーブ内で図解される様に、ＬｉＤＡＲ１はその成長シーズン中４０度日が過ぎた時集められた。図６Ｂの例示度日カーブで図解される様に、ＬｉＤＡＲ２はその成長シーズン中５５度日が過ぎた時集められた。図６Ａ及び６Ｂは、特定気候ゾーンで分析される特定種類の植生について度日（ｄｄ）の関数としての年間成長パーセンテージの略図式の典型的カーブを示す。この様なカーブは局地的生物学的条件に適合され、より局地的カーブ程より精密な測定値を生じる。この方法では、もし侵入成長カーブが利用出来ないなら、侵入の成長を見積もる説明過程で高さ成長カーブが使われてもよい。当業者による選択用に多くの種々の高さ成長カーブが利用可能である。使われるべきカーブは、典型的年間合計熱量、年間降雨量、土壌生産性及びその地域内の優占種、に基づき選択される。該カーブは局地化される必要はないが、もし出来るだけ最良の精度が望ましいなら、局地的条件に適合されてもよい。既述の様に、この例では、該ＬｉＤＡＲ１データセットはその成長シーズンで４０ｄｄが既に過ぎた時集められた。図６Ａで該カーブを読むと、これは年間成長の８０％に対応する。従って、その年の年間成長の残り２０％は該ＬｉＤＡＲ１が集められた後に起こると仮定されてもよい。また、述べた様に、この例では、ＬｉＤＡＲ２のデータセットはその成長シーズンで既に５５ｄｄが過ぎた時に集められた。図６Ｂのカーブを読むと、これは年間成長の約８８％に対応する。従って、その年の年間成長の残り１２％は該ＬｉＤＡＲ２が集められた後に起こると仮定される。ＬｉＤＡＲ１データセット用の第１統計値（この例では、導体までの第１の最小距離）は約２．９０ｍ（９．５フィート）であると決定された。ＬｉＤＡＲ２データセット用の第２統計値（この例では、導体までの第２最小距離）は約１．９５ｍ（６．４フィート）であると決定された。
【００３４】
従って、該侵入速度は、例えば、前に論じた式（１）を使うことにより、該第１及び第２統計値の比較から決定される：
【数２】
【００３５】
第２統計値Ｄ２＝約１．９５ｍ（６．４フィート）であり、第１統計Ｄ１＝約２．９０ｍ（９．５フィート）であり、ＬｉＤＡＲ１が集められた時過ぎた成長シーズン度日のパーセンテージＰ１＝８０％であり、ＬｉＤＡＲ２が集められた時過ぎた成長シーズン度日のパーセンテージＰ２＝８８％であり、そしてＬｉＤＡＲ１とＬｉＤＡＲ２の収集の間の完全成長シーズン数ｎ＝０であるので、我々は年間侵入速度Ｇａは下記の様に決定出来る：
Ｇａ＝（約６．４＊０．３０４８−９．５＊０．３０４８）ｍ／｛（１００％−８０％）＋１００％＊０＋８８％｝
Ｇａ＝（−３．１＊０．３０４８ｍ）／１０８％＝−２．８７＊０．３０４８ｍ／成長年＝−０．８７５ｍ／成長年
【００３６】
最後に、我々は関心のある対象、この場合は導体、に対する将来植生成長を見積もることが出来る。例えば、もし我々が１完全成長シーズンと３０度日（ｄｄ）後に如何に該目標植生が該導体に近いかを知ろうと欲するなら、我々は上記で論じた式（２）を使うことが出来る：
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ） （２）
【００３７】
第２統計値Ｄ２＝約１．９５ｍ（６．４フィート）であり、年間侵入速度Ｇａ＝約−０．８７５ｍ（２．８７フィート）／成長年であり、ＬｉＤＡＲ２が集められた時過ぎた成長シーズン度日のパーセンテージＰ２＝８８％であり、ＬｉＤＡＲ２の収集と将来時の間の完全成長シーズン数ｍ＝１であり、そして将来時に過ぎる成長シーズン度日のパーセンテージＰＴ＝７２％（図６Ｂの成長カーブを見ると、３０度日は年間成長の７２％に対応すると見られる）なので、我々は将来時の目標植生と導体の間の距離ＤＴを下記の様に見積もることが出来る：
ＤＴ＝６．４＊０．３０４８ｍ＋（−２．８７＊０．３０４８ｍ）＊（１００％−８８％＋１００％＊１＋７２％）＝３．１３＊０．３０４８ｍ＝０．９５４ｍ
【００３８】
関心のある対象に対する植生成長を見積もる方法の実施例は多数目標植生に適用されてもよい。植生成長見積の結果は種々の方法で、例えばグラフィカルユーザーインターフエース（ＧＵＩ）を介して、ユーザーに表示される。図７は、関心のある対象（この場合、電力線８４）についての侵入マップを表示するＧＵＩ８２の実施例を略図で図解する。陰影付きの多角形は分析される種々の目標植生を示す。見積もられる侵入は、各植生の属性と考えられる第１及び第２統計値と、線導体に関する侵入速度と、により、植生間で変わる。ＧＵＩ８２上の負値は侵入する植生を意味する。選択された多角形の更に進んだ詳細を示すために該ＧＵＩ８２内に副ウインドウ８６が提供される。
【００３９】
図８は関心のある対象に対する植生成長を見積もるシステム８８の実施例を略図で図解する。該システム８８はプロセッサ９０を有し、該プロセッサは１）第１検出データセットから目標植生を識別し、２）第２検出データセット内の該目標植生を識別し、該第２検出データセットは該第１検出データセットより後れた時刻に収集されて、該第２検出データセット内で識別し、３）第１統計値を、該関心のある対象に対する該第１検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え、４）第２統計値を、該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え、５）該第１及び第２統計値の比較から侵入速度を決定し、そして６）該侵入速度を将来の期間に亘り適用することにより該関心のある対象に対する将来の植生成長を見積もる、ように構成される。これらのアクションを達成する適当なアクションの実施例が上記で開示された。該プロセッサ９０は、ＣＤ、磁気テープ、光学的ドライブ、ＤＶＤ、ハードドライブ、フラッシュドライブ、メモリーカード、メモリーチップ、又は何等かの他のコンピュータが読み出し可能な記憶媒体、の様な、しかしそれらに限定されない、コンピュータが読み出し可能な記憶媒体９２上に記憶された機械読み出し可能なインストラクションを実行するコンピュータであってもよい。該プロセッサ９０は、代わりに、又は加えて、ラップトップ又はデスクトップコンピュータ、マイクロプロセッサ、特定用途向け集積回路（ＡＳＩＣ）、デジタル部品、アナログ部品又はそれらの何等かの組み合わせ及び／又は複数品を有してもよい。該プロセッサ９０はスタンドアロンのユニットであってもよく、或いはデバイスの分散型セットであってもよい。
【００４０】
データ入力部９４はプロセッサ９０に接続され、該プロセッサ９０に少なくとも第１検出データセット及び第２検出データセットを提供するよう構成される。検出データ取り込みデバイス９６はオプションで第１及び第２検出データセットのライブの取り込みを可能にするために該データ入力部９４に接続される。検出データ取り込みデバイスの例は、全波、多数応答又は最初と最後のパルス記録式ＬｉＤＡＲセンサーを含むがそれらに限定されない。同様に、データベース９８はオプションで、１つ以上の前に取り込まれた第１及び／又は第２検出データセットを該プロセッサ９０に提供するために該データ入力部９４に接続されてもよい。データベース９８は生データ又はフォーマットされたフアイルを保持するメモリーデバイス程簡単であってもよく、或いはデータベース９８は複雑なリレーショナルデータベースであってもよい。実施例に依って、該データ入力部９４に接続されるのは、１つ又は多数のデータベース９８及び／又は検出データ取り込みデバイス９６であるか、又は検出データ取り込みデバイス９６のみであってもよい。該検出データ取り込みデバイス９６が該データ入力部９４に接続されるのは、有線接続、光接続、又は無線接続による。無線接続の適当な例は、８０２．１１ｘプロトコル又はＢｌｕｅｔｏｏｔｈ（登録商標）プロトコルを使う無線周波接続を含むが、それに限定されない。更に、データベース９８を有する実施例では、プロセッサ９０は結果を記憶するため、又は該データ入力部９４をバイパスすることによりデータにアクセスするため、データベース９８に接続されてもよい。
【００４１】
システム８８はまた、プロセッサ９０及び／又はデータ入力部９４の何れかに接続されてもよいユーザーインターフエース１００を有する。１例として、該ユーザーインターフエース１００は、第１及び／又は第２検出データセット、関心のある対象、該関心のある対象に対するそれぞれ第１及び第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、目標植生の属性と考えられる第１及び／又は第２統計値、そして該関心のある対象に対する見積もられた将来植生成長、を表示するよう構成されてもよい。該ユーザーインターフエース１００はまた、ユーザーが、該データ入力部９４に接続されたデータベース９８から第１及び／又は第２検出データセットを選択する、又は該データ入力部９４に接続された検出データ取り込みデバイス９６からのデータの収集をスタートし、停止する、ことを可能にするよう構成されてもよい。
【００４２】
図９は関心のある対象に対する植生成長を見積もるシステム１０２のもう１つの実施例を略図で図解する。この実施例で、プロセッサ９０はネットワーク１０４上でデータ入力部９４と接続される遠隔プロセッサであるようセットアップされる。該ネットワーク１０４は有線又は無線のローカルエリヤネットワーク（ＬＡＮ又はＷＬＡＮ）であってもよく、或いはネットワーク１０４はデータを受けたり、送ったりするために何等かの数の通信プロトコルを使う有線又は無線のワイドエリヤネットワーク（ＷＡＮ又はＷＷＡＮ）であってもよい。該プロセッサ９０が遠隔に配置されるシステム１０２を有することは、多数クライアント側データ入力部９４が該プロセッサ９０のリソースを共有することを可能にする。第１及び第２検出データセットは、データベース９８から及び／又は該データ入力部９４に接続されたユーザーインターフエース１００の制御下の検出データ取り込みデバイス９６から、データ入力部９４により得られてもよい。該第１及び第２検出データセットは次いで該ネットワーク１０４上を該プロセッサ９０へ転送され、該プロセッサは次いで、１）第１検出データセットから目標植生を識別し、２）該第２検出データセット内の該目標植生を識別し、該第２検出データセットが該第１検出データセットより後れた時刻に収集され、該目標植生を識別し、３）第１統計値を、関心のある対象に対する、該第１検出データセット内の該目標植生の１つ以上の点の距離に基づき該目標植生の属性と考え、４）第２統計値を、該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき該目標植生の属性と考え、５）該第１統計値及び第２統計値の比較から侵入速度を決定し、６）該侵入速度を将来の期間に亘り適用することにより該関心のある対象に対する将来植生成長を見積もり、そして７）該関心のある対象に対する該見積もられた将来植生成長を有するデータ信号１０６をクライアント側へ送信してもよい。この様なデータ伝送は有線ケーブル、光ケーブル、及び空中の様な種々の伝送媒体上で起こってもよい。この実施例では、該遠隔のプロセッサ９０は、クライアント側のハードウエアのコストを下げるのを助けるため使われてもよく、そして中央にアップグレードされた点があるので、プロセッサへの、又は該プロセッサにより行われつつあるインストラクションへの、何等かのアップグレードを容易にする。
【００４３】
上記説明の様に、図２Ｃに関連して、関心のある対象に対する目標植生の将来植生成長が、将来時に関心のある対象と交差する目標植生に帰着することが見積もられるならば、該目標植生を軽減させる作業注文が発生されてもよい。作業注文の１部として、或る実施例はまた、例えば、刈り取り、カット、トリミング又は植生除去を含むが、それらに限定されない軽減の種類を勧告してもよい。図１０は、中で、勧告される軽減の種類を決定するため、目標植生侵入方向がテストされＬｉＤＡＲデータセットの断面図の実施例を略図で図解する。侵入方向ベクトルの例１０８，１１０はそれぞれ植生点１１２及び１１４から突出するよう示され、最も近い電力線導体点１１６を指している。１実施例では、各多角形内の植生応答は、該植生の導体までの距離に基づき再び分類される。侵入成長と望まれる間隙の年数とに基づき、トリムされる必要のある点が、それら自身のクラスに分けられる。それらの点の重力中心が除去の中心として考慮される。除去中心から最も近い導体点までの方向ベクトルが画かれる。このベクトルは該植生が該導体へ近付く角度を規定す
る。代わりに、方向ベクトルは植生の最近点と対応するラインの間で、この順序で画かれてもよい。α及びβは、対応するベクトルが水平線と交差する時形成されるベクトル角を表す。局部的しきい値角度と呼ばれる角度Φは局部的しきい値ベクトル１１７と水平線の間に形成される角度を表す。該局部的しきい値ベクトル１１７はサイドトリムエッジ点（Ｐ）と関心のある対象とを通過する（この例では、最も近い導体点１１６）。Ｐは最小サイドトリム高さ１２０の高度で、分析される植生点と最も近い導体点を通る垂直面内の、敷設用地エッジ１１８の点である。最小サイドトリム高さは、ローカルのトリム職人が、彼等の工具と樹木刈り取り能力に基づき、規定するパラメーターである。該最小サイドトリム高さは刈り取り熟練で除去することが現実的でない植生高さに設定されるべきである。軽減の種類を決めるために、α及びβは局部的しきい値角度Фと個別に比較される。もしαが該しきい値角度Фより大きく決定されるなら、αに付随する植生点１１２はアンダーカット植生として考えられ、軽減するために刈り取り又はカットを要する。もしαがしきい値角度Фより小さいと決定されるなら、αに付随する植生点１１２はサイド侵入として考えられ、サイドトリム又は樹木除去を要する。同じ方法がβをテストするため使われる。この断面図で見られる様に、αはФより大きく、植生点１１２に付随する植生の軽減用に刈り取り又はカットが必要であることを示している。βはФより小さく見られ、植生点１１４に付随する植生の軽減用にサイドトリム又は樹木除去が必要とされることを示している。
【００４４】
かくして、関心のある対象に対する植生成長を見積もる方法とシステムの幾つかの実施例を説明したが、前記詳細な開示は例としてのみ提示されるよう意図されており、限定するためでないことは当業者に明らかである。明示的にここで述べられてないが、当業者に、種々の変更、改善及び変型が起こり、意図されるであろう。これらの変更、改善及び変型がここで示唆されるよう意図されても、それらは請求される発明の精神と範囲の中にある。例えば、具体化された方法とそれらの等価物を実行後、多数のＬｉＤＡＲデータセットは、例えば毎年１つ集められる。異なるデータセット間の相対成長速度の最終決定から、我々は相対成長速度の変動を、降雨と受けた合計熱の様な種々の予測変数の関数として分析してもよく、該関数はより良い予測能力を生ずる。
【００４５】
加えて、処理要素の詳述した順序又はシーケンス、又は更に数、文字又は他の呼称の使用は、請求項で指定されているものを除けば、請求される過程を何等かの順序に限定するよう意図されてない。
【００４６】
従って、請求される発明は下記請求項とそれらの等価物に依ってのみ限定される。
【特許請求の範囲】
【請求項１】
関心のある対象に対する植生成長を見積もる方法であって、
第２検出データセットから目標植生を識別する過程（３０）と、
第１検出データセット内の対応する目標植生を識別する過程であり、該第１検出データセットが該第２検出データセットの前の時間に集められて、該対応する目標植生を識別する過程（３４）と、
第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考える過程（３８）と、
第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考える過程（４０）と、そして
該第１統計値と該第２統計値の比較から侵入速度を決める過程（４２）と、を具備する該方法。
【請求項２】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項１に記載の方法。
【請求項３】
該第１及び第２検出データセットの各々が、光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データから成るグループから選択されるデータを有する請求項１に記載の方法。
【請求項４】
該第１検出データセットを集める過程（２６）と、そして
該第２検出データセットを集める過程（２８）と、を更に具備する請求項１に記載の方法。
【請求項５】
該第１検出データセットを集める過程（２６）が、該第１検出データセットを空中から集める過程を更に備えており、そして
該第２検出データセットを集める過程（２８）が、該第２検出データセットを空中から集める過程を更に備える請求項４に記載の方法。
【請求項６】
植生応答を識別するために、該第１検出データセット及び／又は第２検出データセットを分類する過程（２９）を更に具備する請求項１に記載の方法。
【請求項７】
該第２検出データセットから該目標植生を識別する過程（３０）が、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別する過程（３２）を備えており、そして
該第１検出データセット内の該対応する目標植生を識別する過程（３４）が、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために、該第２検出データセットからの該植生多角形を使う過程（３６）を備える請求項１に記載の方法。
【請求項８】
該第２検出データセットから該目標植生を識別する過程（３０）が、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別する過程（３２）を備えており、そして
該第１検出データセット内の該対応する目標植生を識別する過程（３４）が、該第１検出データセットから、該第１検出データセット内の該対応する目標植生の前記１つ以上の点を有するもう１つの植生多角形を識別する過程を備える請求項１に記載の方法。
【請求項９】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択された最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項１に記載の方法。
【請求項１０】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の該距離に基づき該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定される該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項１に記載の方法。
【請求項１１】
該第１検出データセットが該第２検出データセットの前の前記時間に集められ、前記時間が、該第２検出データセットが集められる時の前に約１成長シーズンを有する請求項１に記載の方法。
【請求項１２】
該第１統計値及び該第２統計値の該比較から該侵入速度を決定する過程（４２）が該第１統計値及び該第２統計値の間の差を取る過程と、その差を該約１成長シーズンにより割る過程と、を有する請求項１１に記載の方法。
【請求項１３】
該第１統計値及び該第２統計値の該比較から該侵入速度を決定する過程（４２）が、
該第２統計値及び該第１統計値の間の差を取る過程と、そしてその差を下式で表される量で割る過程とを有しており、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎが該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する請求項１に記載の方法。
【請求項１４】
将来の期間に亘り該侵入速度を適用する過程により該関心のある対象に対する将来の植生成長を見積もる過程（４４）であって、
将来時に該目標植生と該関心のある対象の間の間隙距離を決定する過程であり、該間隙が下式で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍが該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そし
て
ＰＴが該将来時に過ぎた成長シーズン度日のパーセンテージを有する、該決定する過程に依って、前記過程（４４）を更に具備する請求項１に記載の方法。
【請求項１５】
該関心のある対象が、
電力線（２２）、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項１に記載の方法。
【請求項１６】
１つ以上の追加の目標植生用に該過程を繰り返す過程（４６）を更に具備する請求項１に記載の方法。
【請求項１７】
将来の期間に亘り該侵入速度を適用する過程により該関心のある対象に対する将来の植生成長を見積もる過程（４４）を更に具備する請求項１５に記載の方法。
【請求項１８】
該目標植生と該１つ以上の追加の目標植生を有する該第２検出データセットの少なくとも１部分と連携して、該目標植生と該１つ以上の追加の目標植生用に、該関心のある対象に対する該将来植生成長を表示する過程（５２）を更に具備する請求項１７に記載の方法。
【請求項１９】
将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来植生成長を見積もる過程（４４）を更に具備する請求項１に記載の方法。
【請求項２０】
もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標植生に帰着することが見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標植生と該関心のある対象の間の見積もられる将来相互作用を説明する交互作用表記録を植生データベースに属させる過程、
マップ上の該目標植生に該関心のある対象との見積もられた将来交差のためサービスを要するとしてフラグを立てる過程、そして
該目標植生を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行う過程を更に具備する請求項１９に記載の方法。
【請求項２１】
軽減の種類を勧告するため目標植生侵入方向をテストする過程を更に具備する請求項１に記載の方法。
【請求項２２】
軽減の種類を勧告するために該目標植生侵入方向をテストする過程が、
侵入方向成長ベクトルを決定する過程（１１０）、
該侵入方向成長ベクトル用のベクトル角βを決定する過程、
局所的しきい値ベクトルを決定する過程（１１７）、
該局所的しきい値ベクトル用の局所的しきい値角Фを決定する過程、を備えており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生は軽減するために刈り取る又はカットする必要があることを勧告する過程、そして
もし該ベクトル角が該局所的しきい角より小さいことが決定されれば、該目標植生は軽減するためにサイドトリム又は樹木除去をする必要があることを勧告する過程、を備える請求項２１に記載の方法。
【請求項２３】
関心のある対象に対する植生成長を見積もるためのインストラクションを記憶したコンピュータ読み出し可能な記憶媒体（９２）であって、プロセッサにより実行される時、該プロセッサ（９０）に
第１検出データセットを提供させ、
第２検出データセットを提供させ、
該第２検出データセットから目標植生を識別させ（３０）、
該第１検出データセット内の対応する目標植生を識別させ（３４）、該第１検出データセットは該第２検出データセットの前の時刻に集められる条件で、該目標植生を識別させ、
第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えさせ（３８）、
第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えさせ（４０）、そして
該第１統計値及び第２統計値の比較から侵入速度を決定させる（４２）、該インストラクションを記憶したコンピュータ読み出し可能な記憶媒体（９２）。
【請求項２４】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２５】
該第１及び第２検出データセットの各々が、光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データ、から成るグループから選択されるデータを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２６】
植生応答を識別するために、該第１検出データセット及び／又は第２検出データセットを分類するインストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２７】
該プロセッサにより実行される時、該プロセッサに該第２検出データセットから該目標植生を識別させる該インストラクションが、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別するインストラクションを更に有しており、そして
該プロセッサにより実行される時、該プロセッサに該第１検出データセット内の該対応する目標植生を識別させる該インストラクションが、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使って識別するインストラクションを更に有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２８】
該プロセッサにより実行される時、該プロセッサに該第２検出データセットから該目標植生を識別させる該インストラクションが、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別するインストラクションを更に有しており、そして
該プロセッサにより実行される時、該プロセッサに該第１検出データセット内の該対応する目標植生を識別させる該インストラクションが、該第１検出データセットから、該第１検出データセット内の該対応する目標植生の前記１つ以上の点を有するもう１つの植生多角形を識別するインストラクションを更に有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２９】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択される最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３０】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の該距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定される該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３１】
該第１検出データセットが該第２検出データセットの前の時間から存在し、前記時間は約１成長シーズンを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３２】
該プロセッサにより実行される時、該プロセッサに該第１統計値と該第２統計値の比較から侵入速度を決定させる該インストラクションが、該第２統計値と該第１統計値の間の差を取り、その差を該約１成長シーズンにより割るインストラクションを更に有する請求項３１に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３３】
該プロセッサにより実行される時、該プロセッサに該第１及び該第２統計値の比較から該侵入速度を決定させる該インストラクションが、
該第２統計値及び該第１統計値の間の差を取る過程と、そしてその差を下式で表される量で割るインストラクションを更に有しており、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎが該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３４】
該プロセッサにより実行される時、該プロセッサに将来の期間に亘り該侵入速度を適用することにより、該関心のある対象に対する将来の植生成長を見積もらせる該インストラクションが、
将来時の該目標植生と該関心のある対象の間の間隙距離を決定するインストラクションを更に有しており、該間隙距離が下式で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
ＰＴが該将来時に過ぎた成長シーズン度日のパーセンテージを有する、請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３５】
該関心のある対象が、
電力線、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３６】
１つ以上の追加の目標木用に、識別し、帰属させそして決定するインストラクションを繰り返すインストラクション（４６）を更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３７】
該プロセッサにより実行された時、該プロセッサに、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もらせる（４４）インストラクションを更に具備する請求項３６に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３８】
該目標木と該１つ以上の追加目標木を有する該第２検出データセットの少なくとも１部分と連携して、該目標木と該１つ以上の追加目標木について該関心のある対象に対する該将来の植生成長を表示する（５２）インストラクションを更に具備する請求項３７に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３９】
該プロセッサにより実行された時、該プロセッサに、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もらせる（４４）インストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４０】
もし該関心のある対象に対する該目標植生の該将来の植生成長が、該将来時の該関心のある対象と交差する該目標植生に帰着することが見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標木と該関心のある対象の間の見積もられる将来交互作用を説明する交互作用表記録を木データベースに属させる過程、
マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
該目標木を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行うインストラクションを更に具備する請求項３９に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４１】
該プロセッサにより実行された時、該プロセッサに、
軽減の種類を勧告するため目標植生侵入方向をテストさせるインストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４２】
軽減の種類を勧告するために該目標植生侵入方向をテストするインストラクションが
侵入方向成長ベクトルを決定する（１１０）、
該侵入方向成長ベクトル用のベクトル角βを決定する、
局所的しきい値ベクトルを決定する（１１７）、
該局所的しきい値ベクトル用局所的しきい値角Фを決定する、インストラクションを有しており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生が、軽減用に、刈り取り又はカット又はもう１つの下木軽減実務を要することを勧告する、そして
もし該ベクトル角が該局所的しきい値角より小さいことが決定されれば、該目標植生が軽減用にサイドトリム又は樹木除去又はもう１つのサイド成長軽減実務を要することを勧告する、インストラクションを有する請求項４１に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４３】
関心のある対象に対し植生成長を見積もるシステム（８８）であって、
ａ）プロセッサ（９０）であり
１）第２検出データセットから目標植生を識別し（３０）、
２）第１検出データセット内の対応する目標植生を識別し（３４）、該第１検出データセットは該第２検出データセットの前の時間に集められて、該対応する目標植生を識別し、
３）第１統計値を、該関心のある対象に対し該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考え（３８）、
４）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え（４０）、そして
５）該第１統計値と該第２統計値の比較から侵入速度を決定する（４２）、よう構成された該プロセッサと（９０）、
ｂ）該プロセッサに接続され、該プロセッサに該第１及び第２検出データセットを提供するよう構成されたデータ入力部と（９４）、
ｃ）該プロセッサか又は該データ入力部の何れかに接続されたユーザーインターフエースと（１０６）、を具備する該システム。
【請求項４４】
該プロセッサ（９０）に接続されたデータベース（９８）を更に具備する請求項４３に記載のシステム。
【請求項４５】
該データ入力部（９４）に接続された該データベース（９８）を更に具備する請求項４３に記載のシステム。
【請求項４６】
該データ入力部（９４）に接続された検出データ取り込みデバイス（９６）を更に具備する請求項４３に記載のシステム。
【請求項４７】
該検出データ取り込みデバイス（９６）が、光検出及び測距（ＬｉＤＡＲ）システム、レーザー走査システム、レーダーシステム、合成開口レーダーシステム、距離測定走査及び３次元点クラウド提供に基づくセンサーを使うシステム、デジタル画像形成システム、及びハイパースペクトラル画像形成システムから成るグループから選択される請求項４６に記載のシステム。
【請求項４８】
該検出データ取り込みデバイス（９６）が無線接続により該データ入力部（９４）に接続される請求項４６に記載のシステム。
【請求項４９】
該プロセッサ（９０）及び該データ入力部（９４）がネットワーク（１０４）を経由して一緒に接続される請求項４３に記載のシステム。
【請求項５０】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項４３に記載のシステム。
【請求項５１】
該第１及び第２検出データセットの各々が光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データから成るグループから選択されるデータを有する請求項４３に記載のシステム。
【請求項５２】
該プロセッサ（９０）が植生応答を識別するために該第１検出データセット及び第２検出データセットを分類する（２９）よう更に構成される請求項４３に記載のシステム。
【請求項５３】
該第２検出データセットから該目標植生を識別する（３０）プロセッサ構成が、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を、該第２検出データセットから識別する（３２）インストラクションを有しており、そして
該第１検出データセット内の該対応する目標植生を識別する（３４）プロセッサ構成が、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使う（３６）インストラクションを有する請求項４３に記載のシステム。
【請求項５４】
該第２検出データセットから該目標植生を識別する（３０）プロセッサ構成が、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を該第２検出データセットから識別する（３２）インストラクションを有しており、そして
該第１検出データセット内の該対応する目標植生を識別する（３４）プロセッサ構成が、該第１検出データセット内の該対応する目標植生の１つ以上の点を有するもう１つの植生多角形を該第１検出データセットから識別するインストラクションを有する請求項４３に記載のシステム。
【請求項５５】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択された最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項４３に記載のシステム。
【請求項５６】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項４３に記載のシステム。
【請求項５７】
該第１検出データセットが該第２検出データセットの前の時間から存在し、前記時間が約１成長シーズンを有する請求項４３に記載のシステム。
【請求項５８】
該第１統計値及び第２統計値の比較から該侵入速度を決める該プロセッサ構成が該第２統計値及び第１統計値の差を取り、その差を該約１成長シーズンにより割るインストラクションを有する請求項５７に記載のシステム。
【請求項５９】
該第１統計値及び該第２統計値の比較から該侵入速度を決定するよう構成された該プロセッサが、
該第２統計値及び該第１統計値の間の差を取り、そしてその差を下式で表される量で割るインストラクションを有し、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎは該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、請求項４３に記載のシステム。
【請求項６０】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もるよう構成され、
将来時の該目標植生と該関心のある対象の間の間隙距離が下式、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
ＰＴは該将来時に過ぎた成長シーズン度日のパーセンテージを有する、で表される該間隙を決定するインストラクションに従って、該適用することにより該見積もるよう構成される、請求項４３に記載のシステム。
【請求項６１】
該関心のある対象が、
電力線、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項４３に記載のシステム。
【請求項６２】
該プロセッサが、１つ以上の追加の目標木用に、請求項４３に記載の該プロセッサの構成で、識別する、帰属させる、そして決定するアクションを繰り返すよう（４６）更に構成される請求項４３に記載のシステム。
【請求項６３】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより関心のある対象に対する将来の植生成長を見積もる（４４）よう更に構成される請求項６２に記載のシステム。
【請求項６４】
該プロセッサが、該目標木及び該１つ以上の追加の目標木を含む該第２検出データセットの少なくとも１部分と連携して、該目標木及び該１つ以上の追加の目標木について該関心のある対象に対する該将来の植生成長を表示する（５２）よう更に構成される請求項６３に記載のシステム。
【請求項６５】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もる（４４）よう更に構成される請求項４３に記載のシステム。
【請求項６６】
該プロセッサが、もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標植生に帰着するだろうと見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標木と該関心のある対象の間の見積もられる将来相互作用を説明する相互作用表記録を木データベースに属させる過程、
マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
該目標木を軽減する作業注文を発生する過程、から成るグループから選択されたアクションを行うよう更に構成される請求項６５に記載のシステム。
【請求項６７】
該プロセッサが、或る種の軽減を勧告するために目標植生侵入方向をテストするよう更に構成される請求項４３に記載のシステム。
【請求項６８】
或る種の軽減を勧告するために該目標植生侵入方向をテストする該プロセッサ構成が
侵入方向成長ベクトルを決定する、
該侵入方向成長ベクトル用のベクトル角を決定する、
局所的しきい値ベクトルを決定する、
該局所的しきい値ベクトル用局所的しきい値角を決定する、インストラクションを有しており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生が軽減用に刈り取り又はカットを要することを勧告する、そして
もし該ベクトル角が該局所的しきい値角より小さいことが決定されれば、該目標植生が軽減用にサイドトリム又は樹木除去を要することを勧告する、インストラクションを有する請求項６７に記載のシステム。
【請求項６９】
請求項１記載の関心のある対象に対する植生成長を見積もる方法が、
ａ）下記の
１）光検出及び測距（ＬｉＤＡＲ）データ
２）レーザー走査データ
３）レーダーデータ
４）合成開口レーダーデータ、及び
５）距離測定走査及び３次元点クラウド提供に基づくセンサーからのデータ、
から成るグループから選択された空中から収集された３次元の第２検出データセットから目標植生を識別する過程と（３０）、
ｂ）下記の
１）光検出及び測距（ＬｉＤＡＲ）データ
２）レーザー走査データ
３）レーダーデータ
４）合成開口レーダーデータ、及び
５）距離測定走査及び３次元点クラウド提供に基づくセンサーからのデータ、
から成るグループから選択された空中から収集された３次元の第１検出データセットから対応する目標植生を識別する過程と（３４）、を具備しており、
ｃ）そこでは
１）該第１検出データセットは該第２検出データセットの前の時間に収集されており（２６）、
２）該第２検出データセットから該目標植生を識別する該過程（３０）は該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を該第２検出データセットから識別する過程（３２）を備え、そして
３）該第１検出データセット内の該対応する目標植生を識別する該過程（３４）は、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使用する過程（３６）を備えており、該植生成長を見積もる方法は又
ｄ）第１統計値を、関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考える過程（３８）であって、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離に基づき該対応する目標植生の属性と考えられた該第１統計値は、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から決定される最小距離を有している、該属性と考える過程（３８）と、
ｅ）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考える過程（４０）であって、該関
心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値は、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から決定される最小距離を有している、該属性と考える過程（４０）と、
ｆ）侵入速度を決定する過程（４２）であって、
１）該第２統計値及び該第１統計値の間の差を取り、そしてその差を下式、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
で表される量で割り、
ここで
２）Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
３）Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
４）ｎは該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、該決定する過程（４２）と、
ｇ）将来時の該目標植生と該関心のある対象の間の間隙距離を決定することにより将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来植生成長を見積もる過程（４４）であって、該間隙距離が下式で表され、
１）ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
２）ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
３）Ｄ２は該第２統計値を有し、
４）Ｇａは該侵入速度を有し、
５）Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
６）ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
７）ＰＴは該将来時に過ぎた成長シーズン度日のパーセンテージを有する、該見積もる過程（４４）と、
ｈ）１つ以上の追加の目標植生について該上記アクションを繰り返す過程（４６）と、
ｉ）該目標植生と該１つ以上の追加の目標植生を有する該第２検出データセットの少なくとも１部分と連携して該目標植生と該１つ以上の追加の目標植生について該関心のある対象に対する該将来の植生成長を表示する過程（５２）と
ｊ）もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標木に帰着するだろうと見積もられるなら、
１）ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
２）該目標木と該関心のある対象の間の見積もられる将来相互作用を説明する相互作用表記録を木データベースに属させる過程、
３）マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
４）該目標木を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行う過程と、を具備しており、
ｋ）該関心のある対象が
１）電力線、
２）電力線安全緩衝ゾーン、
３）鉄道軌道
４）鉄道軌道安全緩衝ゾーン、
５）鉄道頭上導体、
６）鉄道頭上導体安全緩衝ゾーン、
７）電話線
８）電話線安全緩衝ゾーン、
９）通信ケーブル
１０）通信ケーブル安全緩衝ゾーン、
１１）道路、
１２）高速道路面、そして
１３）道路標識視認セクター、
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される、該植生成長を見積もる方法。
【請求項１】
関心のある対象に対する植生成長を見積もる方法であって、
第２検出データセットから目標植生を識別する過程（３０）と、
第１検出データセット内の対応する目標植生を識別する過程であり、該第１検出データセットが該第２検出データセットの前の時間に集められて、該対応する目標植生を識別する過程（３４）と、
第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考える過程（３８）と、
第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考える過程（４０）と、そして
該第１統計値と該第２統計値の比較から侵入速度を決める過程（４２）と、を具備する該方法。
【請求項２】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項１に記載の方法。
【請求項３】
該第１及び第２検出データセットの各々が、光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データから成るグループから選択されるデータを有する請求項１に記載の方法。
【請求項４】
該第１検出データセットを集める過程（２６）と、そして
該第２検出データセットを集める過程（２８）と、を更に具備する請求項１に記載の方法。
【請求項５】
該第１検出データセットを集める過程（２６）が、該第１検出データセットを空中から集める過程を更に備えており、そして
該第２検出データセットを集める過程（２８）が、該第２検出データセットを空中から集める過程を更に備える請求項４に記載の方法。
【請求項６】
植生応答を識別するために、該第１検出データセット及び／又は第２検出データセットを分類する過程（２９）を更に具備する請求項１に記載の方法。
【請求項７】
該第２検出データセットから該目標植生を識別する過程（３０）が、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別する過程（３２）を備えており、そして
該第１検出データセット内の該対応する目標植生を識別する過程（３４）が、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために、該第２検出データセットからの該植生多角形を使う過程（３６）を備える請求項１に記載の方法。
【請求項８】
該第２検出データセットから該目標植生を識別する過程（３０）が、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別する過程（３２）を備えており、そして
該第１検出データセット内の該対応する目標植生を識別する過程（３４）が、該第１検出データセットから、該第１検出データセット内の該対応する目標植生の前記１つ以上の点を有するもう１つの植生多角形を識別する過程を備える請求項１に記載の方法。
【請求項９】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択された最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項１に記載の方法。
【請求項１０】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の該距離に基づき該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定される該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項１に記載の方法。
【請求項１１】
該第１検出データセットが該第２検出データセットの前の前記時間に集められ、前記時間が、該第２検出データセットが集められる時の前に約１成長シーズンを有する請求項１に記載の方法。
【請求項１２】
該第１統計値及び該第２統計値の該比較から該侵入速度を決定する過程（４２）が該第１統計値及び該第２統計値の間の差を取る過程と、その差を該約１成長シーズンにより割る過程と、を有する請求項１１に記載の方法。
【請求項１３】
該第１統計値及び該第２統計値の該比較から該侵入速度を決定する過程（４２）が、
該第２統計値及び該第１統計値の間の差を取る過程と、そしてその差を下式で表される量で割る過程とを有しており、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎが該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する請求項１に記載の方法。
【請求項１４】
将来の期間に亘り該侵入速度を適用する過程により該関心のある対象に対する将来の植生成長を見積もる過程（４４）であって、
将来時に該目標植生と該関心のある対象の間の間隙距離を決定する過程であり、該間隙が下式で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍが該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そし
て
ＰＴが該将来時に過ぎた成長シーズン度日のパーセンテージを有する、該決定する過程に依って、前記過程（４４）を更に具備する請求項１に記載の方法。
【請求項１５】
該関心のある対象が、
電力線（２２）、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項１に記載の方法。
【請求項１６】
１つ以上の追加の目標植生用に該過程を繰り返す過程（４６）を更に具備する請求項１に記載の方法。
【請求項１７】
将来の期間に亘り該侵入速度を適用する過程により該関心のある対象に対する将来の植生成長を見積もる過程（４４）を更に具備する請求項１５に記載の方法。
【請求項１８】
該目標植生と該１つ以上の追加の目標植生を有する該第２検出データセットの少なくとも１部分と連携して、該目標植生と該１つ以上の追加の目標植生用に、該関心のある対象に対する該将来植生成長を表示する過程（５２）を更に具備する請求項１７に記載の方法。
【請求項１９】
将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来植生成長を見積もる過程（４４）を更に具備する請求項１に記載の方法。
【請求項２０】
もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標植生に帰着することが見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標植生と該関心のある対象の間の見積もられる将来相互作用を説明する交互作用表記録を植生データベースに属させる過程、
マップ上の該目標植生に該関心のある対象との見積もられた将来交差のためサービスを要するとしてフラグを立てる過程、そして
該目標植生を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行う過程を更に具備する請求項１９に記載の方法。
【請求項２１】
軽減の種類を勧告するため目標植生侵入方向をテストする過程を更に具備する請求項１に記載の方法。
【請求項２２】
軽減の種類を勧告するために該目標植生侵入方向をテストする過程が、
侵入方向成長ベクトルを決定する過程（１１０）、
該侵入方向成長ベクトル用のベクトル角βを決定する過程、
局所的しきい値ベクトルを決定する過程（１１７）、
該局所的しきい値ベクトル用の局所的しきい値角Фを決定する過程、を備えており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生は軽減するために刈り取る又はカットする必要があることを勧告する過程、そして
もし該ベクトル角が該局所的しきい角より小さいことが決定されれば、該目標植生は軽減するためにサイドトリム又は樹木除去をする必要があることを勧告する過程、を備える請求項２１に記載の方法。
【請求項２３】
関心のある対象に対する植生成長を見積もるためのインストラクションを記憶したコンピュータ読み出し可能な記憶媒体（９２）であって、プロセッサにより実行される時、該プロセッサ（９０）に
第１検出データセットを提供させ、
第２検出データセットを提供させ、
該第２検出データセットから目標植生を識別させ（３０）、
該第１検出データセット内の対応する目標植生を識別させ（３４）、該第１検出データセットは該第２検出データセットの前の時刻に集められる条件で、該目標植生を識別させ、
第１統計値を、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えさせ（３８）、
第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考えさせ（４０）、そして
該第１統計値及び第２統計値の比較から侵入速度を決定させる（４２）、該インストラクションを記憶したコンピュータ読み出し可能な記憶媒体（９２）。
【請求項２４】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２５】
該第１及び第２検出データセットの各々が、光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データ、から成るグループから選択されるデータを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２６】
植生応答を識別するために、該第１検出データセット及び／又は第２検出データセットを分類するインストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２７】
該プロセッサにより実行される時、該プロセッサに該第２検出データセットから該目標植生を識別させる該インストラクションが、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別するインストラクションを更に有しており、そして
該プロセッサにより実行される時、該プロセッサに該第１検出データセット内の該対応する目標植生を識別させる該インストラクションが、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使って識別するインストラクションを更に有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２８】
該プロセッサにより実行される時、該プロセッサに該第２検出データセットから該目標植生を識別させる該インストラクションが、該第２検出データセットから、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を識別するインストラクションを更に有しており、そして
該プロセッサにより実行される時、該プロセッサに該第１検出データセット内の該対応する目標植生を識別させる該インストラクションが、該第１検出データセットから、該第１検出データセット内の該対応する目標植生の前記１つ以上の点を有するもう１つの植生多角形を識別するインストラクションを更に有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項２９】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択される最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３０】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の該距離に基づき、該対応する目標植生の属性と考えられる該第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定される該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３１】
該第１検出データセットが該第２検出データセットの前の時間から存在し、前記時間は約１成長シーズンを有する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３２】
該プロセッサにより実行される時、該プロセッサに該第１統計値と該第２統計値の比較から侵入速度を決定させる該インストラクションが、該第２統計値と該第１統計値の間の差を取り、その差を該約１成長シーズンにより割るインストラクションを更に有する請求項３１に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３３】
該プロセッサにより実行される時、該プロセッサに該第１及び該第２統計値の比較から該侵入速度を決定させる該インストラクションが、
該第２統計値及び該第１統計値の間の差を取る過程と、そしてその差を下式で表される量で割るインストラクションを更に有しており、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎが該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３４】
該プロセッサにより実行される時、該プロセッサに将来の期間に亘り該侵入速度を適用することにより、該関心のある対象に対する将来の植生成長を見積もらせる該インストラクションが、
将来時の該目標植生と該関心のある対象の間の間隙距離を決定するインストラクションを更に有しており、該間隙距離が下式で表され、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
ＰＴが該将来時に過ぎた成長シーズン度日のパーセンテージを有する、請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３５】
該関心のある対象が、
電力線、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３６】
１つ以上の追加の目標木用に、識別し、帰属させそして決定するインストラクションを繰り返すインストラクション（４６）を更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３７】
該プロセッサにより実行された時、該プロセッサに、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もらせる（４４）インストラクションを更に具備する請求項３６に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３８】
該目標木と該１つ以上の追加目標木を有する該第２検出データセットの少なくとも１部分と連携して、該目標木と該１つ以上の追加目標木について該関心のある対象に対する該将来の植生成長を表示する（５２）インストラクションを更に具備する請求項３７に記載のコンピュータ読み出し可能な記憶媒体。
【請求項３９】
該プロセッサにより実行された時、該プロセッサに、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もらせる（４４）インストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４０】
もし該関心のある対象に対する該目標植生の該将来の植生成長が、該将来時の該関心のある対象と交差する該目標植生に帰着することが見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標木と該関心のある対象の間の見積もられる将来交互作用を説明する交互作用表記録を木データベースに属させる過程、
マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
該目標木を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行うインストラクションを更に具備する請求項３９に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４１】
該プロセッサにより実行された時、該プロセッサに、
軽減の種類を勧告するため目標植生侵入方向をテストさせるインストラクションを更に具備する請求項２３に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４２】
軽減の種類を勧告するために該目標植生侵入方向をテストするインストラクションが
侵入方向成長ベクトルを決定する（１１０）、
該侵入方向成長ベクトル用のベクトル角βを決定する、
局所的しきい値ベクトルを決定する（１１７）、
該局所的しきい値ベクトル用局所的しきい値角Фを決定する、インストラクションを有しており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生が、軽減用に、刈り取り又はカット又はもう１つの下木軽減実務を要することを勧告する、そして
もし該ベクトル角が該局所的しきい値角より小さいことが決定されれば、該目標植生が軽減用にサイドトリム又は樹木除去又はもう１つのサイド成長軽減実務を要することを勧告する、インストラクションを有する請求項４１に記載のコンピュータ読み出し可能な記憶媒体。
【請求項４３】
関心のある対象に対し植生成長を見積もるシステム（８８）であって、
ａ）プロセッサ（９０）であり
１）第２検出データセットから目標植生を識別し（３０）、
２）第１検出データセット内の対応する目標植生を識別し（３４）、該第１検出データセットは該第２検出データセットの前の時間に集められて、該対応する目標植生を識別し、
３）第１統計値を、該関心のある対象に対し該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考え（３８）、
４）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考え（４０）、そして
５）該第１統計値と該第２統計値の比較から侵入速度を決定する（４２）、よう構成された該プロセッサと（９０）、
ｂ）該プロセッサに接続され、該プロセッサに該第１及び第２検出データセットを提供するよう構成されたデータ入力部と（９４）、
ｃ）該プロセッサか又は該データ入力部の何れかに接続されたユーザーインターフエースと（１０６）、を具備する該システム。
【請求項４４】
該プロセッサ（９０）に接続されたデータベース（９８）を更に具備する請求項４３に記載のシステム。
【請求項４５】
該データ入力部（９４）に接続された該データベース（９８）を更に具備する請求項４３に記載のシステム。
【請求項４６】
該データ入力部（９４）に接続された検出データ取り込みデバイス（９６）を更に具備する請求項４３に記載のシステム。
【請求項４７】
該検出データ取り込みデバイス（９６）が、光検出及び測距（ＬｉＤＡＲ）システム、レーザー走査システム、レーダーシステム、合成開口レーダーシステム、距離測定走査及び３次元点クラウド提供に基づくセンサーを使うシステム、デジタル画像形成システム、及びハイパースペクトラル画像形成システムから成るグループから選択される請求項４６に記載のシステム。
【請求項４８】
該検出データ取り込みデバイス（９６）が無線接続により該データ入力部（９４）に接続される請求項４６に記載のシステム。
【請求項４９】
該プロセッサ（９０）及び該データ入力部（９４）がネットワーク（１０４）を経由して一緒に接続される請求項４３に記載のシステム。
【請求項５０】
該第１及び第２検出データセットの各々が３次元データセットを有する請求項４３に記載のシステム。
【請求項５１】
該第１及び第２検出データセットの各々が光検出及び測距（ＬｉＤＡＲ）データ、レーザー走査データ、レーダーデータ、合成開口レーダーデータ、距離測定走査及び点クラウド提供に基づく何等かのセンサーからのデータ、デジタル画像形成、ビデオ、又はハイパースペクトラル画像形成データから成るグループから選択されるデータを有する請求項４３に記載のシステム。
【請求項５２】
該プロセッサ（９０）が植生応答を識別するために該第１検出データセット及び第２検出データセットを分類する（２９）よう更に構成される請求項４３に記載のシステム。
【請求項５３】
該第２検出データセットから該目標植生を識別する（３０）プロセッサ構成が、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を、該第２検出データセットから識別する（３２）インストラクションを有しており、そして
該第１検出データセット内の該対応する目標植生を識別する（３４）プロセッサ構成が、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使う（３６）インストラクションを有する請求項４３に記載のシステム。
【請求項５４】
該第２検出データセットから該目標植生を識別する（３０）プロセッサ構成が、該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を該第２検出データセットから識別する（３２）インストラクションを有しており、そして
該第１検出データセット内の該対応する目標植生を識別する（３４）プロセッサ構成が、該第１検出データセット内の該対応する目標植生の１つ以上の点を有するもう１つの植生多角形を該第１検出データセットから識別するインストラクションを有する請求項４３に記載のシステム。
【請求項５５】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の該１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から選択された最小距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から選択された最小距離を有する請求項４３に記載のシステム。
【請求項５６】
該関心のある対象に対する、該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考えられる第１統計値が、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有しており、そして
該関心のある対象に対する、該第２検出データセット内の該目標植生の１つ以上の点の該距離に基づき、該目標植生の属性と考えられる第２統計値が、該関心のある対象に対する該第２検出データセット内の該目標植生の複数の該１つ以上の点の該距離から決定された該関心のある対象までの平均距離を有する請求項４３に記載のシステム。
【請求項５７】
該第１検出データセットが該第２検出データセットの前の時間から存在し、前記時間が約１成長シーズンを有する請求項４３に記載のシステム。
【請求項５８】
該第１統計値及び第２統計値の比較から該侵入速度を決める該プロセッサ構成が該第２統計値及び第１統計値の差を取り、その差を該約１成長シーズンにより割るインストラクションを有する請求項５７に記載のシステム。
【請求項５９】
該第１統計値及び該第２統計値の比較から該侵入速度を決定するよう構成された該プロセッサが、
該第２統計値及び該第１統計値の間の差を取り、そしてその差を下式で表される量で割るインストラクションを有し、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
ここで
Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
ｎは該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、請求項４３に記載のシステム。
【請求項６０】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もるよう構成され、
将来時の該目標植生と該関心のある対象の間の間隙距離が下式、
ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
Ｄ２は該第２統計値を有し、
Ｇａは該侵入速度を有し、
Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
ＰＴは該将来時に過ぎた成長シーズン度日のパーセンテージを有する、で表される該間隙を決定するインストラクションに従って、該適用することにより該見積もるよう構成される、請求項４３に記載のシステム。
【請求項６１】
該関心のある対象が、
電力線、
電力線安全緩衝ゾーン、
鉄道軌道
鉄道軌道安全緩衝ゾーン、
鉄道頭上導体、
鉄道頭上導体安全緩衝ゾーン、
電話線
電話線安全緩衝ゾーン、
通信ケーブル
通信ケーブル安全緩衝ゾーン、
道路、
高速道路面、そして
道路標識視認セクター
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される請求項４３に記載のシステム。
【請求項６２】
該プロセッサが、１つ以上の追加の目標木用に、請求項４３に記載の該プロセッサの構成で、識別する、帰属させる、そして決定するアクションを繰り返すよう（４６）更に構成される請求項４３に記載のシステム。
【請求項６３】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより関心のある対象に対する将来の植生成長を見積もる（４４）よう更に構成される請求項６２に記載のシステム。
【請求項６４】
該プロセッサが、該目標木及び該１つ以上の追加の目標木を含む該第２検出データセットの少なくとも１部分と連携して、該目標木及び該１つ以上の追加の目標木について該関心のある対象に対する該将来の植生成長を表示する（５２）よう更に構成される請求項６３に記載のシステム。
【請求項６５】
該プロセッサが、将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来の植生成長を見積もる（４４）よう更に構成される請求項４３に記載のシステム。
【請求項６６】
該プロセッサが、もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標植生に帰着するだろうと見積もられるなら、
ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
該目標木と該関心のある対象の間の見積もられる将来相互作用を説明する相互作用表記録を木データベースに属させる過程、
マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
該目標木を軽減する作業注文を発生する過程、から成るグループから選択されたアクションを行うよう更に構成される請求項６５に記載のシステム。
【請求項６７】
該プロセッサが、或る種の軽減を勧告するために目標植生侵入方向をテストするよう更に構成される請求項４３に記載のシステム。
【請求項６８】
或る種の軽減を勧告するために該目標植生侵入方向をテストする該プロセッサ構成が
侵入方向成長ベクトルを決定する、
該侵入方向成長ベクトル用のベクトル角を決定する、
局所的しきい値ベクトルを決定する、
該局所的しきい値ベクトル用局所的しきい値角を決定する、インストラクションを有しており、
もし該ベクトル角が該局所的しきい値角より大きいことが決定されれば、該目標植生が軽減用に刈り取り又はカットを要することを勧告する、そして
もし該ベクトル角が該局所的しきい値角より小さいことが決定されれば、該目標植生が軽減用にサイドトリム又は樹木除去を要することを勧告する、インストラクションを有する請求項６７に記載のシステム。
【請求項６９】
請求項１記載の関心のある対象に対する植生成長を見積もる方法が、
ａ）下記の
１）光検出及び測距（ＬｉＤＡＲ）データ
２）レーザー走査データ
３）レーダーデータ
４）合成開口レーダーデータ、及び
５）距離測定走査及び３次元点クラウド提供に基づくセンサーからのデータ、
から成るグループから選択された空中から収集された３次元の第２検出データセットから目標植生を識別する過程と（３０）、
ｂ）下記の
１）光検出及び測距（ＬｉＤＡＲ）データ
２）レーザー走査データ
３）レーダーデータ
４）合成開口レーダーデータ、及び
５）距離測定走査及び３次元点クラウド提供に基づくセンサーからのデータ、
から成るグループから選択された空中から収集された３次元の第１検出データセットから対応する目標植生を識別する過程と（３４）、を具備しており、
ｃ）そこでは
１）該第１検出データセットは該第２検出データセットの前の時間に収集されており（２６）、
２）該第２検出データセットから該目標植生を識別する該過程（３０）は該第２検出データセット内の該目標植生の前記１つ以上の点を有する植生多角形を該第２検出データセットから識別する過程（３２）を備え、そして
３）該第１検出データセット内の該対応する目標植生を識別する該過程（３４）は、該第１検出データセット内の該対応する目標植生の１つ以上の点を選択するために該第２検出データセットからの該植生多角形を使用する過程（３６）を備えており、該植生成長を見積もる方法は又
ｄ）第１統計値を、関心のある対象に対する該第１検出データセット内の該対応する目標植生の１つ以上の点の距離に基づき、該対応する目標植生の属性と考える過程（３８）であって、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離に基づき該対応する目標植生の属性と考えられた該第１統計値は、該関心のある対象に対する該第１検出データセット内の該対応する目標植生の該１つ以上の点の該距離から決定される最小距離を有している、該属性と考える過程（３８）と、
ｅ）第２統計値を、該関心のある対象に対する該第２検出データセット内の該目標植生の１つ以上の点の距離に基づき、該目標植生の属性と考える過程（４０）であって、該関
心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離に基づき該目標植生の属性と考えられる該第２統計値は、該関心のある対象に対する該第２検出データセット内の該目標植生の該１つ以上の点の該距離から決定される最小距離を有している、該属性と考える過程（４０）と、
ｆ）侵入速度を決定する過程（４２）であって、
１）該第２統計値及び該第１統計値の間の差を取り、そしてその差を下式、
（１００％−Ｐ１）＋１００％＊ｎ＋Ｐ２
で表される量で割り、
ここで
２）Ｐ１は該第１検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
３）Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、そして
４）ｎは該第１検出データセットと該第２検出データセットの収集の間の完全成長シーズン数を有する、該決定する過程（４２）と、
ｇ）将来時の該目標植生と該関心のある対象の間の間隙距離を決定することにより将来の期間に亘り該侵入速度を適用することにより該関心のある対象に対する将来植生成長を見積もる過程（４４）であって、該間隙距離が下式で表され、
１）ＤＴ＝Ｄ２＋Ｇａ＊（１００％−Ｐ２＋１００％＊ｍ＋ＰＴ）
ここで
２）ＤＴは該将来時の該目標植生と該関心のある対象の間の該間隙距離を有し、
３）Ｄ２は該第２統計値を有し、
４）Ｇａは該侵入速度を有し、
５）Ｐ２は該第２検出データセットが集められた時過ぎた成長シーズン度日のパーセンテージを有し、
６）ｍは該第２検出データセットの収集と該将来時の間の完全成長シーズン数を有し、そして
７）ＰＴは該将来時に過ぎた成長シーズン度日のパーセンテージを有する、該見積もる過程（４４）と、
ｈ）１つ以上の追加の目標植生について該上記アクションを繰り返す過程（４６）と、
ｉ）該目標植生と該１つ以上の追加の目標植生を有する該第２検出データセットの少なくとも１部分と連携して該目標植生と該１つ以上の追加の目標植生について該関心のある対象に対する該将来の植生成長を表示する過程（５２）と
ｊ）もし該関心のある対象に対する該目標植生の該将来の植生成長が該将来時の該関心のある対象と交差する該目標木に帰着するだろうと見積もられるなら、
１）ユーザーに該将来時該関心のある対象との見積もられる将来交差を知らせる過程、
２）該目標木と該関心のある対象の間の見積もられる将来相互作用を説明する相互作用表記録を木データベースに属させる過程、
３）マップ上の該目標木に該関心のある対象との見積もられた将来交差のためにサービスを要するとしてフラグを立てる過程、そして
４）該目標木を軽減させる作業注文を発生する過程、から成るグループから選択されたアクションを行う過程と、を具備しており、
ｋ）該関心のある対象が
１）電力線、
２）電力線安全緩衝ゾーン、
３）鉄道軌道
４）鉄道軌道安全緩衝ゾーン、
５）鉄道頭上導体、
６）鉄道頭上導体安全緩衝ゾーン、
７）電話線
８）電話線安全緩衝ゾーン、
９）通信ケーブル
１０）通信ケーブル安全緩衝ゾーン、
１１）道路、
１２）高速道路面、そして
１３）道路標識視認セクター、
交通標識視認セクター、
交通照明視認セクター、そして
広告板又は法人標識視認セクター、から成るグループから選択される、該植生成長を見積もる方法。
【図１】
【図２Ａ】
【図２Ｂ】
【図２Ｃ】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【図２Ａ】
【図２Ｂ】
【図２Ｃ】
【図３】
【図４】
【図５】
【図６Ａ】
【図６Ｂ】
【図７】
【図８】
【図９】
【図１０】
【公表番号】特表２０１３−５１４５９６（Ｐ２０１３−５１４５９６Ａ）
【公表日】平成２５年４月２５日（２０１３．４．２５）
【国際特許分類】
【出願番号】特願２０１２−５４４７５１（Ｐ２０１２−５４４７５１）
【出願日】平成２２年１２月１５日（２０１０．１２．１５）
【国際出願番号】ＰＣＴ／ＵＳ２０１０／０６０４８６
【国際公開番号】ＷＯ２０１１／０８４４７１
【国際公開日】平成２３年７月１４日（２０１１．７．１４）
【出願人】（５１２０８２５３２）ユーテイリテイ・リスク・マネジメント・コーポレーシヨン・エルエルシー (2)
【氏名又は名称原語表記】Ｕｔｉｌｉｔｙ Ｒｉｓｋ Ｍａｎａｇｅｍｅｎｔ Ｃｏｒｐｏｒａｔｉｏｎ， ＬＬＣ
【Ｆターム（参考）】
【公表日】平成２５年４月２５日（２０１３．４．２５）
【国際特許分類】
【出願日】平成２２年１２月１５日（２０１０．１２．１５）
【国際出願番号】ＰＣＴ／ＵＳ２０１０／０６０４８６
【国際公開番号】ＷＯ２０１１／０８４４７１
【国際公開日】平成２３年７月１４日（２０１１．７．１４）
【出願人】（５１２０８２５３２）ユーテイリテイ・リスク・マネジメント・コーポレーシヨン・エルエルシー (2)
【氏名又は名称原語表記】Ｕｔｉｌｉｔｙ Ｒｉｓｋ Ｍａｎａｇｅｍｅｎｔ Ｃｏｒｐｏｒａｔｉｏｎ， ＬＬＣ
【Ｆターム（参考）】
[ Back to top ]