ITC, Individual Tree Crown Technology 2006 ictrees inc.

overgår tradisjonelle metoder Detaljert skogkartlegging basert på ITC, Individual Tree Crown Technology 2006 ictrees inc. TerraNor Boks 44, 2713 Roa Tlf: +47 6132 2830 Fax: +47 6132 2829

Automatisk skogkartlegging fra digitale data. Nye metoder utviklet av Canadian Forest Service og det canadiske selskapet ictrees, gjør det mulig å foreta automatisk kartlegging av skog basert på digitale data. Metodene inkluderer programvare for bestandsinndeling, telle antall trær i eldre skog og plantefelt, kontroll av løv i plantefelt og registrere hogstflater. I tillegg kan resultatet brukes for å finne hull i bestandet, helse status og gode planteplasser. TerraNor samarbeider med ictrees om å tilpasse metodene til nordisk skogbruk og er i gang med testproduksjon hos flere skogeierne og kartleggingsfirmaene i Norge og Sverige. Fig 1, Automatisk bestandsinndeling basert på individuelle trekroner. Hvert treslag har egen farge. Bakgrunn: Digitale metoder har gjort skogkartlegging mer effektiv de siste 15-20 år. I dag ser operatøren med spesialbriller skogen 3-dimensjonalt på skjermen. Han/hun kan måle høyder, registrere treslag, dele inn skogen i bestand og foreslå områder som skal vurderes for vern. Likevel gjenstår mye manuelt arbeid. Registrering av treslagsfordeling, kronedekning og bestandsgrenser, måling av høyde og telling av antall trær, er manuelle operasjoner som krever mye arbeid og gir rom for feiltolkning. En automatiske inndeling gir jevnere resultat og færre operatøravhengig feil. Teknologien bygger på høyoppløselige digitale data fra satellitt og/eller fly. I dagligtale brukes ordene satellittbilder og flybilder. Jeg bruker digitale data istedet for bilde eller foto. Et bilde brukes til visuell manuell tolkning. Digitale data er målinger av refleksjonen fra sollys i det elektromagnetiske spekteret som vist på figur 2. Målingene brukes til en maskinell, automatisk tolkning uten at noen behøver å se bildet. Fig 2, Bølgelengder og strålingsmengde fra solen som trenger gjennom atmosfæren. Grafikken er laget av Prof. Dr. Andreas Kääb ved Institutt for Geofag, Universitetet i Oslo. Side 2 av 7

Stråling fra solen trenger gjennom atmosfæren i ulik mengde i de ulike bølgelengdene i det elektromagnetiske spekteret. Det menneskelige øye er tilpasset strålingen i det blå, grønne og røde området som inneholder mest stråling. Digitale sensorer kan registrere strålingen i deler av det elektromagnetiske spekteret som ikke er synlig for mennesker. IR er betegnelsen på den InfraRøde delen av spekteret. På figur 2 ser vi at ASTER sensoren registrerer stråling i 14 kanaler, mens den mer kjente sensoren Landsat, har 7 kanaler. Man kan lage visuelle bilder ved å kombinere data fra 3 ulike kanaler og presentere som RGB (Rødt/Grønt/Blått). I figur 3 er data fra QuickBird vist som et vanlig RGB bilde likt et vanlig ortofoto. På figur 4 er den blå kanalen erstattet med IR og vi får det som gjerne kalles et falskt farge bilde. Ved kartlegging av skog og vegetasjon er IR viktig. Fig 3, fargebilde fra QuickBird, vanlig RGB Fig 4, samme bilde, men med IR i den blå kanalen Ved hjelp av programvare for geometrisk korreksjon, tilordnes satellitt og fly data til kartprojeksjoner slik at vi bruke dem sammen med digitale kart. Oppløsning i data betyr mye for hvordan de kan brukes. Tidlige hadde satellittsensorer en oppløsning på 15-30 meter som var nyttig ved kartlegging av de enorme skogområdene i Canada og USA. Denne oppløsningen var lite hensiktsmessige i det nordiske småskogbruket. Moderne satellitter som QuickBird har en oppløsning på 0,6 m i det pankromatiske (sort/hvite) datasettet og 2,4 m i det multispektrale (farge) datasettet. Nå har de fleste flykartleggings firmaene i Europa investert i digitale kameraer med minst 4 kanaler (R, G, B + IR) med en oppløsning på mindre enn 0,3 m avhengig av flyhøyde. I løpet av de nærmeste årene vil det komme flere nye satellitt sensorer med oppløsning på bedre enn 0,5 m. En oppløsning på 1m og bedre er god nok for å gjennomføre ITC Individual Tree Crown classification. Med lasermålinger fra fly som måler høyden på både skogen og terrenget, har man all nødvendig informasjon for å gjennomføre en komplett automatisk bestandskartlegging. Side 3 av 7

ITC - Individual Tree Crown Delineation Metoden til Canadian Forest Service krever høyoppløselige digitale data med flere piksler pr tre. Data må inneholde både farger og IR for å kunne skille treslagene. Funksjonen til Canadian Forest Service registrerer hver enkelt trekrone ved å analysere skyggene mellom dem. Inndelingen gjøres i 2 hoved steg: Fig 5: Treskygger Fig 6: Trekroner 1: Finne frem til figurer som representerer enkelt trær: Prosessen kalles følge dalen algoritmen og søker å følge skyggenes ulike linjer mellom trærne på samme måte som en følger daler rundt fjelltoppene. Metoden benytter 3 terskelverdier i analysen. Den laveste terskelen eliminerer områder uten tydelige trær eller trær som ligger helt i skygge. Den øvre terskelen skiller ut skygger fra trær i fra skygger inne i en trekrone. Den tredje terskelen blir kalt støy i dalen. Skygger kan ha ulike gråtoner. Terskelen brukes for å indikere om pikselen skal klassifiseres som skygge eller ikke. Resultatet blir en relativt god, men ikke komplett inndeling i trekroner. Figur 5 viser utgangspunktet og figur 6 de enkelte figurer definert som trekroner. 2: Bestemme enkelttrær eller grupper av trær: Det andre steget bruker resultatet fra følge dalen algoritmen i steg 1. Prosessen følger kronegrensen rundt med klokken for hvert potensielle tre og avgrenser alle lukkete figurer. Ved hjelp av et regelverk kan operatøren bestemme når det skal bygges bro over kroner med brudd i eller ikke. I tillegg bestemmes det om inndeling skal skje for grupper av trær istedet for enkelttrær. I denne prosessen blir den endelige inndelingen av trekronene bestemt. I de videre analysene av skogen, blir trekronene og tregruppene behandlet som enkelt objekt. Individual Tree Crown Classification Ved hjelp av data fra farge kanalene og IR bestemmes treslag og annen vegetasjon. Metodikken kalles supervised classification eller styrt klassifikasjon. Det plukkes ut mer enn 20 prøveflater for hvert treslag som skal kartlegges. I prøveflatene bestemmer man hvilke treslag som finnes. Disse brukes for analyse og inndeling av hele skogen. Side 4 av 7

Bestandsinndeling og gruppering Manuell bestandsinndeling er subjektiv og baserer seg på operatørens vurdering og kunnskap og mangler dokumentasjon hvordan inndeling har skjedd. Metoden fra Canadian Forest Service bruker treslag og stammeantall som viktige kriterier for bestandsinndeling. Først lages det en grovere inndeling av datasettet basert på stammeantall for hvert treslag. Resultatet behandles med noe som kalles unsupervised classification eller ikkestyrt klassifikasjon. Datasettet blir omgruppert inntil bestandene har en passende fordeling av treslag og stammeantall. Småarealer blir slått sammen for ikke å få for små enheter. De fleste bestand vil inneholde blandingsskog med ett hovedtreslag. I de fleste tilfellene blir resultatet en god bestandsinndeling som kan aksepteres for praktisk skogbruk. Fig 7 Bestands inndeling ferdig. Data vektoriseres og bringes inn i GIS. Egenskapsdata fra metoden inneholder: Area_ha: polygon areal i hektar ITCS: totalt antall ITC kroner i polygon Kronedekning: total prosent med kronedekning Tetthet: totalt stammtetthet (stammer/ha) TS01: Treslag 1 med navn eller kode ITCs01: totalt antall med trekroner for treslag 1 Per01: Prosent med treslag 1 ITC trekroner av totalt antall ITC trekroner CC01: prosentvis kronedekning for treslag 1 Sd01: stammetetthet for treslag 1 (stammer/ha) Dia01: middel krone diameter for treslag 1 For hvert polygon får man informasjon om tretetthet, kronedekning, stammeantall og kronediameter for alle registrerte treslag. I Norge og Sverige vil vi normalt registrere gran, furu og løv. Det er ingen ting i veien for å registrere flere treslag i områder hvor løvskog er viktig. Diskusjon om metoden Metoden er brukt i Canada og resten av det amerikanske kontinent i flere år med godt resultat. Østkysten av Canada har mye av den samme type skog som vi finner i Norden. Vi regner derfor med tilsvarende gode resultat i Norden. Automatisk kartlegging krever homogene data over store arealer slik som data fra satellittene QuickBird og Ikonos. Satellittdata er mest lønnsomt hvis man skal kartlegge store områder. Side 5 av 7

Lantmäteriet i Sverige og Statens Kartverk i Norge har satt i gang kartlegging med flybårne sensorer. Registreringene skal skje med omløp på fra 3-15 år avhengig av hvor viktig områdene er. Problemet med data fra flybårne sensorer er ujevnhet i refleksjonen. I den ene halvparten av datasettet registreres trærne fra solsiden og i den andre fra skyggesiden. Det vises tydelig i figur 8. For å kompensere for ujevnheten, bearbeider kartleggingsfirmaet data og leverer en standard pakke hvor data er kraftig endret for at det skal bli visuelt bra. Vi tester ut data fra disse sensorene for å se om de kan brukes. Til tross for fargeproblemer ønsker vi oss de opprinnelige data og ikke de bearbeidete. Vi skal analysere data maskinelt og ikke tolke de visuelt. Hvis data er endret kan analysen bli uten mening. Fig 8, Datasett tatt med Vexcel sensor fra fly. Merk forskjell på sol/skygge side av trær Den nye metoden kan halvere kostnadene ved bestandsinndeling og resultatet blir jevnere og mindre avhengig av operatøren. Produksjons tiden for kartleggingen reduseres fra måneder ned til noen uker. Data for treantall i gallring/tynnings skog og løvinnslag i ungskog blir tilgjengelig som del av planleggingen. Sammen med høydedata kan man beregne volum etter de samme formler som brukes ved dagens fototakst metoder. Side 6 av 7

Ord og uttrykk: IR NIR SWIR TIR Pankromatisk Multispektral Hyperspektral Kronedekning ITC Supervised classification Unsupervised classification GIS Lidar, laser Optisk sensor Radar QuickBird Ikonos Landsat Spot Radarsat Aster InfoTerra InfraRød Nær InfraRød Short Wavelength Infra Red, kortbølget infrarød Termisk InfraRød Registrering kun av total utstråling fra et område på bakken. Visningen kan gjøres som gråtoner eller sort/hvitt. Registrering av utstråling i flere kanaler. Vanlig er Rødt, Grønt og Blått samt Infra Rødt (IR) Registrering i mange kanaler, opp til flere hundre. Har lenge vært brukt i geologiske undersøkelser og i laboratorieinstrument. Blir nå tilgjengelig i fly og satellitt sensorer. Hvor stor del av bakken som er dekket av trekronen(e). Regnes i m 2 eller i % av arealet. Individual Tree Crown Delineation / Classification, identifisering av de enkelte trekronene i skogen. Etter inndeling i kroner, blir hvert enkelt tre klassifisert i treslag. Styrt klassifikasjon brukes i klassifisering. Man bruker prøveflater til å bestemme kombinasjonen av verdiene i f.eks RGB og IR for skog og vann. På bakgrunn av dette prøver man å bestemme hva som er skog og vann i hele datasettet. Vann vil ha andre kombinasjoner av RGB og IR enn vanlig skog. Ved ikke styrt klassifikasjon finner programmet selv frem til og grupperer data i ulike kombinasjoner av verdier i de ulike kanalene. Dette brukes ofte som grunnlag før man foretar en styrt klassifikasjon. Geografisk Informasjon System. Består av et digitalt kart koblet med et egenskaps register (bestandsregister). GIS vil ha funksjoner for å analysere data, lage temakart og redigere data. Laser lys som brukes til å måle avstanden til bakken fra sensoren. Moderne lidar sensorer kan sende og motta 100 000 pulser pr sekund. Det gir en god dekning med flere treffpunkt i hvert tre. Lidar/laser kan ofte reflektere både treff i trekronen og fra bakken og derved gi oss trehøyden. Måler stråling i det elektromagnetiske spekteret, synlig eller usynlig lys (IR). Blir gjerne brukt som passiv sensor for å registrere solstrålingen. Fotobokser som måler hastighet langs vegene, har en aktiv sensor som sender ut IR lys og registrerer tilbakestrålingen. En aktiv sensor som ved avansert databehandling kan registrere refleksjonen fra strålene som radaren sender ut. Er vær uavhengig og kan måle avstanden til bakken svært nøyaktig ved flere målinger. Dette er navn på noen av de viktigste satellittene og/eller sensorer. Enkelte satellitter kan ha flere sensorer og hver av disse har gjerne eget navn som brukes på datasettene. I løpet av de nærmeste årene vil det komme en lang rekke nye satellitter med høyoppløselige sensorer, også hyperspektrale, som vil gi bedre priser på data til skogbruket. Side 7 av 7