Een EPFL-promovendus heeft methoden bedacht om bossen effectiever in kaart te brengen met behulp van remote sensing vanuit de lucht, ter ondersteuning van bosinventarisaties op de grond.

Bossen zijn een essentieel onderdeel van de ecosystemen in de wereld en een belangrijke indicator voor de gezondheid van onze planeet. Ze leveren waardevolle hulpbronnen – zoals hout voor de bouw en verwarming – en ze filteren regenwater, beschermen tegen erosie en lawines, en kan voor tal van vrijetijdsactiviteiten worden gebruikt. Om deze en andere redenen het is belangrijk om hun ontwikkeling te volgen door middel van regelmatige bosinventarisaties. inventarissen ter plaatse, naast het feit dat ze onderworpen zijn aan de subjectiviteit van de waarnemers, zijn kostbaar en arbeidsintensief en kunnen alleen worden gedaan in gemakkelijk bereikbare regio's. Als resultaat, ze worden niet vaak uitgevoerd, en alleen in beperkte gebieden. In Zwitserland, bijvoorbeeld, de nationale inventaris is sinds 1985 slechts om de tien jaar bijgewerkt.

Teledetectie vanuit de lucht kan een goede aanvulling zijn op monitoring op de grond. Het is objectiever en goedkoper, en het kan een groter gebied bestrijken. Momenteel worden twee technieken gebruikt:laserscanning in de lucht, die de driedimensionale structuur van het bos bepaalt, en hyperspectrale beeldvorming, die de precieze kleur van het bladerdak identificeert, zelfs buiten het zichtbare lichtspectrum. Wetenschappers weten hoe ze deze twee soorten gegevens moeten verzamelen, maar het extraheren van de informatie die nodig is om bossen te monitoren en te beheren is ingewikkelder.

"Afhakken" 5, 000 bomen met de hand

Voor zijn Ph.D. stelling, Matthew Parkan, van EPFL's laboratorium voor geografische informatiesystemen, een aantal algoritmen ontwikkeld die in staat zijn om automatisch bepaalde voorraadparameters te bepalen, zoals de locatie van de stam, geschatte diameter en soort - over grote gebieden. Deze algoritmen kunnen worden gebruikt, bijvoorbeeld, om een ​​gedetailleerde kaart van een gebied te maken ter voorbereiding op het markeren van bomen (vóór het kappen), de ontwikkeling van individuele bomen nauwlettend volgen en habitats identificeren die meer geschikt zijn voor bepaalde diersoorten.

Om zijn algoritmen te kalibreren en te valideren, Parkan moest een referentiedataset bouwen door er handmatig meer dan 5 te extraheren, 000 bomen uit een 3D-puntenwolk. Voor deze, hij creëerde een digitale bosbouwtoolbox om de handmatige extractie van bomen en de visuele identificatie van boomsoorten te vergemakkelijken. Hierdoor kon hij verifiëren dat de algoritmen op betrouwbare wijze de locatie en vorm van bomen konden detecteren, en om zijn classificatiemodellen te kalibreren voor negen boomsoorten die veel voorkomen in Zwitserse bossen.

een aanvulling, geen vervanging

"Mijn doel was om methoden en tools te ontwikkelen die de inventarissen ter plaatse kunnen aanvullen in plaats van ze te vervangen, ", zegt Parkan. Inventarisatie op de grond is nog steeds essentieel voor het kalibreren van modellen, valideren van resultaten en identificeren van subtiele kenmerken - zoals het dode hout op de grond, habitatbomen en de gedetailleerde gezondheid van bomen - dat kan niet worden gedetecteerd door de meeste teledetectietechnieken vanuit de lucht die momenteel beschikbaar zijn. Omdat bomen complexe organismen zijn waarvan de vorm en ruimtelijke structuur enorm variëren binnen een bos, het is erg moeilijk om al hun kenmerken automatisch te detecteren. "Voorlopig, geen enkel algoritme kan een volledig betrouwbare reeks resultaten opleveren, " zegt Parkan. "Dat gezegd hebbende, Er zal de komende jaren enorme vooruitgang worden geboekt naarmate er steeds meer gegevens met een zeer hoge resolutie beschikbaar komen en we algoritmen ontwikkelen die bijna net zo goed werken als het menselijk brein."