Thiel, J. (2022). Ableitung von Forstparametern aus ALS Daten unter Verwendung von maschinellem Lernen und GIS [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2022.106665
ALS; single tree; tree species; forest inventory; stem volume
en
Abstract:
Laser Scanning ist eine qualitative Technologie um topografische Daten zu erfassen und darzustellen und bietet auch für Forstanwendungen mehrere Vorteile. Informationen über die Größe der Waldflächen, den Holzvorrat und baumspezifische Parameter wie Lage, Höhe, Kronenfläche, Kronendurchmesser, Stammumfang und Baumart sind die Basis für ein ökologisches Waldmanagement. Das Ziel dieser Arbeit ist die Abschätzung und Analyse des Forstbestandes der Illwerke vkw AG. Es wird eine Einzelbaumdetektion durchgeführt, um das Gefahrenpotential einzelner Bäume zu identifizieren und entsprechende Parameter für jeden Baum zu bestimmen. Ein mögliches Risiko ist die Beschädigung von kritischer Infrastruktur durch umfallende Bäume. Die Ergebnisse der Forstanalyse sollen als Input für den Waldmanagementplan und weitere Analysen dienen. Die mittels Airborne Laser Scanning (ALS) erfassten Punktwolken sind die Eingangsdaten um die Baumpositionen zu bestimmen. Diese werden als lokale Maxima auf einem aus den Punktwolken abgeleiteten Oberflächenmodell detektiert. Durch Verwendung von digitalen Geländemodellen kann mit der Baumposition auch die Baumhöhe bestimmt werden. Bestehende Forstinventuren werden als Referenzdaten eingesetzt um Modelle zu kalibrieren und den Holzvorrat und den Brusthöhendurchmesser abzuleiten. Zusätzlich sollen auch die Hauptbaumarten auf Einzelbaumniveau bestimmt werden. Für die Baumartenklassifizierung werden zusätzlich zu den ALS-Daten auch Orthophotos (RGB und Infrarot Kanäle) eingesetzt. Die Klassifizierung wird mit unterschiedlicher Datenbasis durchgeführt, um zu beurteilen, wie sich die Ergebnisse unterscheiden. Die Automatisierbarkeit der Analyse soll durch die Realisierung als Python Script gegeben werden. Es wird über die ArcGIS API for Python auf ArcGIS Module zugegriffen. Das Ziel der Arbeit ist es, die Klassifizierung nach Baumarten durch den Einsatz eines Machine Learning Tools durchzuführen. Die Proof of Concept Gebiete werden so situiert, dass mehrere kleine Gebiete unterschiedlicher Seehöhe und Baumarten gewählt werden, um Waldflächen unterschiedlicher Eigenschaften zu berücksichtigen. Für diese Arbeit wurde eine Wahl von sieben Referenzgebieten getroffen, in denen Bäume eingemessen und Baumparameter dokumentiert wurden. Diese Daten wurden für die Validierung derEinzelbaumdetektion und die Erstellung des Modells zur Baumartenklassifizierung eingesetzt. Durch die oben vorgestellte automatische und wiederverwendbare Analyse wird eine Digitalisierung der Forstinventur geschaffen und somit kann die Pflege und Erhaltung der Wälder verbessert werden. Nach Validierung der Methode mit den Referenzdaten konnte für die Einzelbaumdetektion eine Detektionsrate von 75% erreicht werden. In Nadelwäldern konnten teilweise auch bessere Ergebnisse erreicht werden. In Gebieten mit vielenLaubbäumen konnte teilweise nur eine Genauigkeit unter 70% erlangt werden. Bei der Klassifizierung der detektierten Einzelbäume in die Hauptbaumartengruppen Fichte, Tanne, Laub und andere Nadelbäume konnte eine Modellgenauigkeit von 71% erreicht werden.
de
Laser scanning is a technology to capture and display topographical data. It also offers several advantages for forest applications. Information about the size of the forest areas, the wood stock and tree-specific parameters such as location, height, crown area, crown diameter, trunk circumference and tree species are the basis for ecological forest management. Aim of this work is the assessment and analysis of the forest population for the Illwerke vkw company. An individual tree detection is carried out in order to identify the risk potential of individual trees and to determine the corresponding parameters for each tree. A potential risk would be the damage of critical infrastructure from falling trees. The results of the forest analysis can be used for forest management and further analyses. The Airborne Laser Scanning (ALS) point clouds are the input data to determine tree positions. These are detected as local maxima on a surface model derived from the pointclouds. By using digital terrain models, the tree height can be determined for each tree position. Existing forest inventories are used as reference data to calibrate models and derive timber stock and diameter at breast height. In addition, the main tree species should also be determined at the individual tree level. In addition to the ALS data, orthophotos (RGB and infrared channels) are used for the tree species classification. The classificationis performed with different databases to assess how the results differ. The automation of the analysis is given by the implementation as a Python script. ArcGIS modules are accessed through the ArcGIS API for Python. The aim of this work is to use a machine learning tool to carry out the classification of tree species. The proof of concept areas are situated in such a way that several small areas of different altitudes and tree species arechosen to take forest areas with different characteristics into account. A choice of seven reference areas is made in which trees were surveyed and tree parameters documented. This data is used to validate the single tree detection and to build the tree species classification model. The automatic and reusable analysis presented above creates a digitalization of the forest inventory and thus the management and preservation of the forests can be improved. After validation of the method with the reference data, a detection rate of 75% was achieved for single tree detection. Better results were reached in coniferous forests. In areas with many deciduous trees, an accuracy of less than 70% was achieved. When classifying the detected individual trees into the main tree species spruce, fir, deciduous and other conifers, a model accuracy of 71% was achieved.
en
Additional information:
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers