Epsilon Archive for Student Projects

Abstract

Vid slutavverkning av skog är det viktigt att hänsynsområden lämnas kvar för att gynna den
biologiska mångfalden. Den här studien har undersökt om lämnade hänsynsområden vid en
slutavverkning kan kartläggas med hjälp av fjärranalys.

Studien delades upp i två delmål: ,
1) lokalisera och beräkna arealen för lämnade hänsynsområden utifrån laserskanningsdata
och 2) klassificera typen av lämnade hänsynsområden i fyra olika klasser: fuktig mark, bergig
mark, kantzon mot vatten och trädgrupper.

Studien utfördes strax utanför Vindeln i Västerbottens län. Där samlades högupplösta bilder
in över sju slutavverkade bestånd med hjälp av en drönare. Bilderna bildtolkades manuellt
och totalt karterades 72 verkliga hänsynsområden. Dessa jämfördes sedan mot en automatiserad
segmentering av hänsynsområden utifrån en krontaksmodell, skapad från laserskanningsdata.
Segmenteringen underskattade arealen lämnad hänsyn och var 96 % av den totala
verkliga arealen. De segmenterade hänsynsområdenas areal var korrekt placerade innanför
de verkliga hänsynsområdena i snitt med 85,4 %. De segmenterade hänsynsområdena tenderade
att vara felplacerad i en större utsträckning där vegetation var gles och korrekt placerad
där vegetationen var sluten.

För delmål två klassificerades 123 inventerade hänsynsområden med hjälp av klassificeringsmetoden
random forest. Totalt användes nio olika variabler i klassificeringen, exempelvis
trädens höjd och markens fuktighet. Klassificeringen av de lämnade hänsynsområdena hade
en total klassningsnoggrannhet på 75,6 %. Lämnade hänsynsområden på fuktig mark (85,7
%) hade högst producentnoggrannhet medan bergig mark (44,4 %) hade lägst producentnoggrannhet.
De viktigaste variablerna för den totala klassningsnoggrannheten var information
om vattnets läge i terrängen, hänsynsområdets geometriska utformning och areal.

Denna studie indikerar att lämnade hänsynsområden vid en slutavverkning kan kartläggas
med hjälp av högupplösta bilder. Metoden är framför allt lämplig för att uppskatta arealen
lämnad hänsyn vid slutavverkningar inom ett större geografiskt område, eftersom precisionen
var lägre för enskilda hänsynsområden. Det är möjligt att skapa sig en uppfattning om
vilka typer av hänsynsområden som tenderar att lämnas kvar efter en slutavverkning med
metoden, men osäkerheten var alltför stor för att klassificera enskilda hänsynsområden. Ett
litet urval av hänsynsområden tillsammans med andra felkällor i den här studien gör att resultatet
kan variera för försök med andra förhållanden.

At final harvesting of forest, it is important to leave areas for forest retention in order to
promote biodiversity. This study has investigated whether the remaining retention areas after
final harvest can be mapped by remote sensing.

The study was divided into two sub-goals: ,
1) locating and calculating the size of the retention areas based on laser scanning data and
2) classifying the retention areas into four different classes: wet areas, areas with rough terrain,
riparian zones and tree groups.
The study was performed outside Vindeln in Västerbotten County. High-resolution images
were collected with a drone over seven harvested forest areas. The images were manually
interpreted and a total of 72 forest retention areas were identified and mapped. These were
then compared against an automated segmentation of retention areas based on a canopy
height model created from laser scanning data over the same area. The segmented retention
areas underestimated the total area and was 96% of the total interpreted retention areas. The
area of the segmented retention areas was correctly placed within the interpreted areas on
average by 85.4%. The segmented retention areas tended to be misplaced to a greater extent
where the vegetation was sparse, and properly located where the vegetation was dense.

For sub-objective two, 123 retention areas were collected in field and then classified using
the random forest classification method. A total of nine different variables were used in the
classification, for example the height of the trees and the soil moisture. The classification of
the retention areas had an overall accuracy of 75.6%. The producers’ accuracy was highest
for wet areas 85.7%, while areas with rough terrain (44.4%) had the lowest producers’ accuracy.
The most important variables for the overall accuracy were information about the
location of water in the terrain, the retention areas geometric design and size.

This study indicates that remaining retention areas after final harvest can be mapped using
high-resolution images. The accuracy was lower for individual segmented retention areas
than the total segmented area. The method would therefore be suitable for estimating the
total area forest retention remaining after final felling, rather than locating individual retention
areas. It was possible to estimate the types of forest retention left after a final felling
using the method, but the uncertainty was high for classifying individual retention areas. A
small selection of forest retention areas together with other sources of error in this study
leads to the outcome may vary for studies with other conditions.