Tulevaisuuden työkalu metsien suojeluarvon määritykseen? : boreaalisten puulajien tunnistus hyperspektrikuvauksen avulla
Authors
Date
2022Copyright
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Puulajien tunnistusta hyperspektrikuvista, yhdistettynä nykyiseen metsä-inventointiin, pidetään potentiaalisena keinona lisätä metsänhoidon kustannus-tehokkuutta sekä kartoittaa metsien suojelutarpeita kattavasti. Tutkimusta tarvitaan kuitenkin edelleen, jotta löydettäisiin tehokkaimmat kaukokartoitus-menetelmät eri puulajien ja metsätyyppien tutkimiseen. Tämän tutkielman tavoitteena oli kehittää menetelmä, jolla boreaalisen metsän puulajeja voitaisiin tunnistaa hyperspektrikuvista vähintään 75 % tarkkuudella hyödyntäen ohjattua koneoppimista. Tutkimukseen sisältyneet lajit olivat harmaaleppä, koivu, mänty ja kuusi. Aineisto koostui Äänekoskella sijaitsevasta metsäisestä puronvarresta kauko-ohjattavalla ilma-aluksella (RPAS) kuvatuista hyperspektrikuvista. Lisäksi käytössä oli referenssimaastodataa. Hyperspektrikuville tehtiin kalibrointi, pikseleiden kohdistus sekä georeferointi Maanmittauslaitoksen ortokuva-aineistoa käyttäen. Puiden kruunuista poimittiin pikseleitä ja kuvia esikäsiteltiin pikseleiden kirkkauserojen sekä kruunujen välisten valojen ja varjojen tasoittamiseksi R-ohjelmalla. Tämän jälkeen puulajeja luokiteltiin lineaarisen diskriminanttianalyysin (LDA), Random Forestin (RF) ja tukivektorikoneen (SVM) avulla. Korkein luokittelun kokonaistarkkuus 98 % (Kappa = 0,96) saatiin LDA:n avulla mutta kaikilla luokittelijoilla yllettiin yli 77 % kokonaistarkkuuksiin kaikilla testatuilla esikäsittelymenetelmillä. Täten voidaan todeta, että tutkimuksen menetelmät
vaikuttavat soveltuvan hyvin boreaalisten puiden luokitteluun ja tueksi metsien kestävän käytön arviointiin.
...
Keywords
Metadata
Show full item recordCollections
- Pro gradu -tutkielmat [29493]
Related items
Showing items with similar title or keywords.
-
Tree species classification of drone hyperspectral and RGB imagery with deep learning convolutional neural networks
Nezami, Somayeh; Khoramshahi, Ehsan; Nevalainen, Olli; Pölönen, Ilkka; Honkavaara, Eija (MDPI AG, 2020)Interest in drone solutions in forestry applications is growing. Using drones, datasets can be captured flexibly and at high spatial and temporal resolutions when needed. In forestry applications, fundamental tasks include ... -
Parametrien tunnistus ja datajoukon sovittaminen optimoinnin avulla Potku-ohjelmassa
Rekilä, Heta (2019)Tutkielmassa perehdytään erityyppisiin optimointialgoritmeihin, joita modeFRONTIER-optimointiympäristö tarjoaa. Ympäristöä voi käyttää tehokkaaseen optimointialgoritmien vertailuun. Algoritmien suoriutumisen arviointia ... -
Comparison of Deep Neural Networks in the Classification of Bark Beetle-Induced Spruce Damage Using UAS Images
Turkulainen, Emma; Honkavaara, Eija; Näsi, Roope; Oliveira, Raquel A.; Hakala, Teemu; Junttila, Samuli; Karila, Kirsi; Koivumäki, Niko; Pelto-Arvo, Mikko; Tuviala, Johanna; Östersund, Madeleine; Pölönen, Ilkka; Lyytikäinen-Saarenmaa, Päivi (MDPI AG, 2023)The widespread tree mortality caused by the European spruce bark beetle (Ips typographus L.) is a significant concern for Norway spruce-dominated (Picea abies H. Karst) forests in Europe and there is evidence of increases ... -
Updating strategies for distance based classification model with recursive least squares
Raita-Hakola, Anna-Maria; Pölönen, Ilkka (Copernicus Publications, 2022)The idea is to create a self-learning Minimal Learning Machine (MLM) model that is computationally efficient, easy to implement and performs with high accuracy. The study has two hypotheses. Experiment A examines the ... -
Estimating Tree Health Decline Caused by Ips typographus L. from UAS RGB Images Using a Deep One-Stage Object Detection Neural Network
Kanerva, Heini; Honkavaara, Eija; Näsi, Roope; Hakala, Teemu; Junttila, Samuli; Karila, Kirsi; Koivumäki, Niko; Alves Oliveira, Raquel; Pelto-Arvo, Mikko; Pölönen, Ilkka; Tuviala, Johanna; Östersund, Madeleine; Lyytikäinen-Saarenmaa, Päivi (MDPI, 2022)Various biotic and abiotic stresses are causing decline in forest health globally. Presently, one of the major biotic stress agents in Europe is the European spruce bark beetle (Ips typographus L.) which is increasingly ...