Epsilon Archive for Student Projects

Abstract

Insamling av skogliga data är en viktig komponent i alla skogsorganisationers eller företags
planeringsprocess. Traditionellt har man använt sig av flygtolkning och uppföljning i fält för
att ta fram skogliga data. Men metoden är relativt dyr och därför har jag valt att titta på
alternativa metoder där man använder satellitbilder eller variabler som skattats utifrån
satellitbilder för att automatiskt avgränsa bestånd med hjälp av segmenteringsteknik.

För undersökningen har jag använt skogsvårdsstyrelsens skogsinnehav i Bäcksjön.
Fastigheten ligger ca. 2 mil nordväst om Umeå i Västerbottens län. Två
segmenteringsmetoder har jämförts med en traditionell indelning utifrån flygbilder. Den ena
metoden utgår från en satellitbild och den andra utgår från pixelvisa uppskattningar av
skogliga variabler som tagits fram genom att kombinera en satellitbild och fältdata med hjälp
av kNN-metoden.

Vid segmenteringen utifrån bilddata användes en Landsat TM-bild. Först delades bilden in i
små segment. I nästa steg slogs intilliggande segment ihop om inte den spektrala skillnaden
var större än ett givet testvärde. Segment som blev alltför små slogs ihop med angränsande
segment även om de spektralt avvek från varandra. Segment slogs inte ihop om arealen för det
nya objektet blev alltför stor. För att kunna ta fram en segmentering utifrån skattade data var
det nödvändigt att utveckla en ny programvara. Den metod som implementerats utgår ifrån
samma små segment som segemteringen utifrån bilddata. Skillnaden är att sammaslagningen
av segment inte sker utifrån spektrala data utan utifrån segmentsvisa medeltal för variabler
som skattats mha kNN-metoden. På båda sidor om 20 slumpmässigt utvalda gränser från
vardera indelning inventerades skogen mha fem relaskopytor, där grundyta, medelhöjd,
medeldiameter och trädslagsblandning registrerades.

Resultaten av undersökningen visar att det inte är någon skillnad mellan de testade
indelningsmetoderna. En tendens är dock att metoden som baseras på automatisk
segmentering med hjälp av variabler som skattats utifrån en satellitbild i medeltal ger något
tydligare gränser med avseende på grundyta, medeldiameter och medelhöjd. Tendensen var
inte lika tydliga när det gäller trädslagsgränser.

Accurate and up-to-date forest data is important for making the right decisions in all forest
organizations or companies. In Swedish forestry the tradition is to use aerial photos and
complementary field inventory to delineate stands and collect forest data describing the
stands. This method is quite expensive and therefore it has been of interest to investigate if
alternative methods based on segmentation of satellite images can be used for stand
delineation.

In this study, the Bäcksjön forest estate owned by the County Board of Forestry in
Västerbotten was used as test site. The property is located about 20 km north-east of Umeå.
Three types of stand delineation methods were evaluated; traditional delineation using aerial
photos, segmentation of a satellite image (Landsat ETM+), and finally segmentation of a
raster image with estimated forest variables derived using the k Nearest Neighbor (kNN)
method.

The segmentation of the satellite image was conducted using the t-ration segmentation
method. The segmentation based on kNN-estimated variables was done in a number of steps.
First, small segments (a few pixels per segment) were created by applying the t-ration
segmentation method to the original satellite image. In the next step, mean values of the
estimated forest variables were calculated for all segments using ArcInfo. Finally, the
segments were merged based on similarity between forest variables until the same mean stand
size as in the stand delineation based on aerial photos was achieved. Twenty borders were
randomly selected for each type of delineation. The forest on both sides of these borders was
measured using five sample plots. Basal area, average diameter, average tree height and the
tree species composition was measured on all sample plots.

The result of the study shows that there is no significant difference between the methods used
for stand delineation regarding the difference between variables in adjacent stands along
boarders. But in most cases the difference was stronger for the segmentation based on kNN-
estimated forest variables. This method produced on an average the biggest difference
between stands for basal area, average diameter and average tree height. The difference was
not as clear for basal area by tree spices, especially not for spruce where the highest difference
in basal are was obtained for aerial photo interpretation.