Ny metode genkender træarter automatisk

Et fælles forskningsprojekt af Tampere University of Technologys matematiklaboratorium og Natural Resources Institute Finland (Luke) har udviklet en ny metode til genkendelse af træarter baseret på laserscanningsmålinger. Metoden gør det muligt at beregne klassifikationstræk på en helt ny måde.

Forskerne fra TUT og Luke fik lovende resultater, da de testede en fuldautomatisk metode til genkendelse af træarter. I fremtiden, denne metode kan anvendes til at automatisere træmålinger under fældning, udvælgelse af træer der skal fældes og optimering af skæring.

"Denne metode giver også mulighed for effektiv måling af de omfattende materialer, der er nødvendige i skovøkologisk forskning vedrørende træarter og konkurrenceforholdet mellem deres kroner, " siger Principal Scientist Raisa Mäkipää fra Luke.

Ny anvendelse til omfattende træmodeller

En metode, der tidligere er udviklet af TUT, bruges til at genkende træarten. I denne metode, individuelle træer kan udtrækkes fra punktskydata fra skovplottets niveau, og strukturen af ​​deres kroner kan rekonstrueres som omfattende 3-D-modeller. De skabte træmodeller består af på hinanden følgende cylindre, som bestemmer strukturen af ​​træstammen og grene samt forgreningsstrukturen.

"Tidligere har det var muligt at skelne groft mellem stilken og kronen, baseret på punktskyen. Nu, vi er i stand til at se individuelle grene og analysere egenskaberne ved deres diametre, volumener og grenvinkler, siger Markku Åkerblom, medlem af forskerteamet og en forsker ved TUT.

For at genkende arten, forskerne definerede 15 klassifikationstræk, hvis værdier derefter blev beregnet for hvert træ. Nogle af disse funktioner er helt nye, og nogle er blevet brugt i tidligere undersøgelser. Det nye aspekt er, at deres værdi nu kan beregnes mere nøjagtigt, da de nu kan udnytte information om hele træets krone. Desuden, omfanget af testdataene overstiger langt enhver tidligere undersøgelse.

Nøjagtig artsgenkendelse er mulig

Tre forskellige klassificeringsmetoder blev testet, og tre af de mest almindelige træarter i Finland – birk, fyr og gran – indgik i undersøgelsen.

"Ifølge vores resultater, automatisk artsgenkendelse er mulig med mere end 95 % nøjagtighed. Formålet var ikke at finde den bedst mulige kombination af funktioner, men kun for at bevise, at klassificering baseret på detaljerede træmodeller er mulig. Imidlertid, flere kombinationer gav gode resultater, og alle klassificeringsmetoderne havde en maksimal nøjagtighed på over 95 %. Resultaterne viste også, at kun 30 træer pr. art er nok læringsmateriale til klassificeringen, siger Åkerblom.

I fremtiden, den udviklede metode vil blive testet med flere træarter og med målinger taget fra mere forskelligartede skove. Træmodellerne beregnet ud fra laserscanningsdata kan gemmes i en database, som kan bruges til endnu mere nøjagtig artsgenkendelse, når antallet af inkluderede prøver vokser.