Epsilon Archive for Student Projects

Abstract

Varje år framställer Norra Skogsägarna ett stort antal skogsbruksplaner som
måste uppfylla bestämda kvalitetskrav. Målet med studien är att med stöd av
en drönare monterad med kamera utveckla kvalitetssäkringen av de skogsbruksplaner
Norra Skogsägarna framställer. Målet ska uppnås genom att undersöka
och utveckla en inventeringsstrategi för en drönarbaserad metod. Materialet
som användes var tredimensionella vegetationsmodeller från fotogrammetiskt
berarbetade bilder över små (cirkulära, 10 m radie) och stora (kvadratiska, 80m x
80m) fältinventerade provytor. Med hjälp av metriker hämtade ur punktmolnen
skapades regressionsmodeller för grundytevägd medelhöjd, grundytevägd
diameter, volym och grundyta. Tre olika inventeringsdesigner testades, obundet
slumpmässigt urval, stratifiering och Local Pivotal Method.

Local Pivotal Method var den design som presterade bäst vid korsvalidering
med lågt provyteantal för att skatta grundytevägd medelhöjd, grundytevägd
diameter, volym och grundyta. Med en regressionsmodell byggd på 20 provytor
hade grundytevägd medelhöjd, grundytevägd diameter, volym och grundyta ett
relativt RMSE på 12,3 %, 10,8 %, 21,0 %, respektive 15,0 %. Resultaten visar
att det är möjligt att med stöd av en drönare effektivisera kvalitetssäkringen
för att täcka större områden samtidigt som man kan reducera antalet fältmätta
provytor.

Every year the forest owner association Norra Skogsägarna produces a large
amount of forest management plans that must meet certain quality standards.
The aim of this study is to develop the quality assurance of the forest management
plans with the help of a drone mounted with a camera. The aim will
be fullfilled through research and development of an inventory design based
on information extracted from drone images. Photogrammetric processing of
images across small (circular, 10 meter radius) and large (squared, 80m x
80m) plots paired with field surveys accounted for the material in the study.
Using metrics extracted from point clouds, regression models for basal area
weighted mean height, basal area weighted mean diameter, volume and basal
area were created. Three different survey designs were tested, independent
random sampling, stratification and the Local Pivotal Method.

The Local Pivotal Method was the inventory design with the best performance
at low numbers of field surveyed plots to predict basal area weighted
mean height, basal area weighted mean diameter, volume and basal area. A
regression model based on 20 field surveyed plots revealed that the relative
RMSE for basal area weighted mean height, basal area weighted mean diameter,
volume and basal area was 12.3 %, 10.8 %, 21.0 % and 15.0 % respectively. The
results show that it is possible to efficiently use a drone for quality assurance to
cover larger areas while the number of field measured plots can be reduced.