Epsilon Archive for Student Projects

Abstract

Jätteträd är träd vars stamdiameter är större än 100 centimeter. Dessa träd besitter stora biologiska, kulturhistoriska samt landskapsarkitektoniska värden och det har ofta tagit flera hundra år att nå sin imponerande storlek. Sverige har ett unikt stort bestånd av jätteträd ur en europeisk kontext och därför enligt Naturvårdsverket också ett särskilt ansvar att vårda och bevara dessa. För att göra det måste man veta var träden finns, men enligt Länsstyrelsen finns ett stort mörkertal över antalet jätteträd i Sverige.

I denna rapport har metoder för automatisk identifiering av jätteträd undersökts. För detta krävs en modell som automatiskt kan identifiera och segmentera trädkronor från ortofoton och en modell som kan undersöka sambandet mellan kron- och stamdiameter.

Metoder för individuell trädkroneavgränsning (ITCD) har undersökts genom en narrativ litteraturstudie. Resultatet från litteraturstudien visar att det finns lovande djupinlärningsmodeller för individuell trädkroneavgränsning och segmentering. Den modell med högst precision har tränat på 20 000 individuellt segmenterade träd vilket är ett tidskrävande arbetsmoment.

Däremot saknas modeller för att korrelera krondiameter med stamdiameter. Därför har, som konceptvalidering, en maskininlärningsmodell tagits fram i programspråket Python. Modellen tränades med data från Malmös träddatabas. Resultatet från konceptvalidering visar ett generellt starkt linjärt samband mellan kron- och stamdiameter för flera arter, med R2 värden upp mot 0,72. Detta samband blir dock mindre tydligt för de grövsta träden för samtliga arter. Därför kan modellen i sin nuvarande form inte användas för att identifiera jätteträd med tillräckligt hög precision.

Vidare studier kan med fördel utföras för att vidareutveckla konceptvalideringsmodellen. Dels för att träna nuvarande modell med mer och bättre data, och dels för att förfina modellen för att kunna påvisa ett tydligare samband mellan kron- och stamdiameter för jätteträd.

Giant trees are trees whose trunk diameter exceeds 100 centimeter. These trees hold great biological, cultural and landscape architectural values and has often taken several centuries to reach their impressive size. Sweden has an unusual large number of giant trees in a European context and according to Naturvårdsverket also a special responsibility to care for and preserve these. To be able to do that you have to know where the trees are and according to Länstyrelsen there is a large dark figure regarding the number of giant trees in Sweden.

In this report, methods for automatic identification of giant trees has been explored. The method requires two models in order for this to work. One model that automatically can identify and segment individual tree crowns based on orthophotos. Another model that can explore the relation¨between trunk size and crown size. Methods for segmenting individual tree crowns has been explored through a literature study.

The results from the literature study shows that there are promising deep learning models for individual crown detection and segmentation. The models showing the highest precision was trained using 20 000 manually segmented trees, a very labor-intensive task.

Models that correlates the relationship between crown- and trunk diameter does not exist however. Therefore, as a concept validation, such a model was developed using the programming language Python. The model was trained using data from Malmö´s tree data base. The results from the concept validation shows a generally strong linear correlation between crown- and trunk diameter for several tree species. With R2 values reaching up towards 0.72. However, this correlation grows weaker for the trees with the biggest trunk diameter for all species. Therefor the model in its current form can not be used to identify giant trees with a satisfactory precision.

Further studies can be performed to further develop the concept validation model. Partly to train it with more and better data, and partly to refine the model to show a clearer correlation between crown- and trunk diameter for giant trees.