En doktorand från EPFL har kommit på metoder för att kartlägga skogar mer effektivt med hjälp av fjärranalys från luften, till stöd för skogsinventeringar på marken.

Skogar är en viktig komponent i världens ekosystem och en nyckelindikator på vår planets hälsa. De tillhandahåller värdefulla resurser – som trä för konstruktion och uppvärmning – och de filtrerar regnvatten, skydda mot erosion och laviner, och kan användas för många fritidssysselsättningar. Av dessa och andra skäl, det är viktigt att följa deras utveckling genom regelbundna skogsinventeringar. Inventeringar på marken, förutom att vara föremål för observatörernas subjektivitet, är dyra och arbetskrävande och kan endast göras i lättåtkomliga regioner. Som ett resultat, de utförs inte särskilt ofta, och endast i begränsade områden. I Schweiz, till exempel, den nationella förteckningen har uppdaterats endast vart tionde år eller så sedan 1985.

Fjärranalys från luften kan vara ett bra komplement till övervakning på marken. Det är mer objektivt och billigare, och den kan täcka ett större område. Två tekniker används för närvarande:luftburen laserskanning, som bestämmer skogens tredimensionella struktur, och hyperspektral avbildning, som identifierar den exakta färgen på trädkronan, även utanför det synliga ljusspektrumet. Forskare vet hur man samlar in dessa två typer av data, men att utvinna den information som behövs för att övervaka och förvalta skogar är mer komplicerat.

"Höga ner" 5, 000 träd för hand

För sin Ph.D. avhandling, Matthew Parkan, från EPFL:s Laboratory of Geographic Information Systems, utvecklat ett antal algoritmer som automatiskt kan bestämma vissa inventeringsparametrar – såsom trunkplats, beräknad diameter och art – över stora ytor. Dessa algoritmer kan användas, till exempel, att skapa en detaljerad karta över ett område som förberedelse för trädmarkering (före kapning), att noga följa utvecklingen av enskilda träd och att identifiera livsmiljöer som är mer lämpade för vissa djurarter.

För att kalibrera och validera sina algoritmer, Parkan var tvungen att bygga en referensdatauppsättning genom att manuellt extrahera mer än 5, 000 träd från ett 3D-punktmoln. För detta, han skapade en digital verktygslåda för skogsbruk för att underlätta manuell utvinning av träd och visuell identifiering av trädarter. Detta gjorde det möjligt för honom att verifiera att algoritmerna på ett tillförlitligt sätt kunde detektera trädens plats och form, och att kalibrera hans klassificeringsmodeller för nio trädarter som vanligtvis finns i schweiziska skogar.

Ett komplement, inte ett substitut

"Mitt mål var att utveckla metoder och verktyg som kan komplettera inventeringar på plats snarare än att ersätta dem, " säger Parkan. Inventeringar på marken är fortfarande viktiga för att kalibrera modeller, validera resultat och identifiera subtila egenskaper – som den döda veden på marken, habitatträd och trädens detaljerade hälsa – som inte kan upptäckas med de flesta av de tekniker för fjärranalys som finns tillgängliga för närvarande. Eftersom träd är komplexa organismer vars form och rumsliga struktur varierar enormt inom en skog, det är mycket svårt att automatiskt upptäcka alla deras egenskaper. "För närvarande, ingen algoritm kan ge en helt tillförlitlig uppsättning resultat, " säger Parkan. "Det sagt, enorma framsteg kommer att göras under de kommande åren när mer och mer mycket högupplöst data blir tillgänglig och vi utvecklar algoritmer som fungerar nästan lika bra som den mänskliga hjärnan."