Search

Low-cost, miniaturized hyperspectral imaging technology is becoming available for small unmanned aerial vehicle (UAV) platforms. This technology can be efficient in carrying out small-area inspections of anomalous reflectance characteristics of trees at a very high level of detail. Increased frequency and intensity of insect induced forest disturbance has established a new demand for effective methods suitable in mapping and monitoring tasks. In this investigation, a novel miniaturized hyperspectral frame imaging sensor operating in the wavelength range of 500–900 nm was used to identify mature Norway spruce (Picea abies L. Karst.) trees suffering from infestation, representing a different outbreak phase, by the European spruce bark beetle (Ips typographus L.). We developed a new processing method for analyzing spectral characteristic for high spatial resolution photogrammetric and hyperspectral images in forested environments, as well as for identifying individual anomalous trees. The dense point clouds, measured using image matching, enabled detection of single trees with an accuracy of 74.7%. We classified the trees into classes of healthy, infested and dead, and the results were promising. The best results for the overall accuracy were 76% (Cohen’s kappa 0.60), when using three color classes (healthy, infested, dead). For two color classes (healthy, dead), the best overall accuracy was 90% (kappa 0.80). The survey methodology based on high-resolution hyperspectral imaging will be of a high practical value for forest health management, indicating a status of bark beetle outbreak in time.

Urban forests provide various ecosystem services. However, they also require fairly intensive management, which can be supported with up-to-date tree-level data. Until recently, the data have been collected using traditional field measurements. Laser scanning (LS) techniques provide efficient means for acquiring detailed three-dimensional (3D) data from the vegetation. The objective of this dissertation was to develop methods for mapping and monitoring urban forests at tree level. In substudy I, a method (MS-STI) utilizing multiple data sources was developed for extracting tree-level attributes. The method combined airborne laser scanning (ALS), field measurements, and tree locations. The field sample was generalized using the non-parametric nearest neighbor (NN) approach. The relative root mean square error (RMSE) of diameter at breast height (DBH) varied between 18.8 33.8%. The performance of MS-STI was assessed in substudy II by applying it to an existing tree register. 88.8% of the trees were successfully detected, and the relative RMSE of DBH for the most common diameter classes varied between 21.7 24.3%. In substudy III, downed trees were mapped from a recreational forest area by detecting changes in the canopy. 97.7% of the downed trees were detected and the commission error was 10%. Species group, DBH, and volume were estimated for all downed trees using ALS metrics and existing allometric models. For the DBH, the relative RMSE was 20.8% and 34.1% for conifers and deciduous trees respectively. Finally, in substudy IV, a method utilizing terrestrial laser scanning (TLS) and tree basic density was developed for estimating tree-level stem biomass for urban trees. The relative RMSE of the stem biomass estimates varied between 8.4 10.5%. The dissertation demonstrates the applicability of LS data in assessing tree-level attributes for urban forests. The methods developed show potential in providing the planning and management of urban forests with cost-efficient and up-to-date tree-level data. Kaupungeissa kasvavat puut, yleisemmin kaupunkimetsät, tarjoavat erityyppisiä ekosysteemipalveluita. Näiden ekosysteemipalveluiden ylläpitäminen vaatii kuitenkin usein intensiivistä kaupunkipuiden hoitoa, jota voidaan tehostaa ajantasaisella puukohtaisella tiedolla. Viime vuosiin saakka, puukohtainen tieto on kerätty perinteisillä maastomittauksilla. Nykyään kasvillisuutta voidaan kartoittaa myös erilaisilla laserkeilausmenetelmillä, jotka mahdollistavat yksittäisten puiden tarkan kuvaamisen kolmiulotteisten pistepilvien avulla. Tämän väitöskirjan tarkoituksena oli kehittää laserkeilausta hyödyntäviä menetelmiä yksittäisten kaupunkipuiden kartoitukseen. Ensimmäisessä osatutkimuksessa kehitettiin useita tietolähteitä hyödyntävä MS-STI (Multi Source-Single Tree Inventory) -menetelmä puutason tunnusten määrittämiseksi. Menetelmässä yhdistettiin lentolaserkeilauksen (ALS) ja maastomittausten avulla kerättyä tietoa sekä ennakkotieto puiden sijainneista. Maasto-otoksesta mitatut tunnukset yleistettiin koko puujoukolle ei-parametrista lähimmän naapurin menetelmää käyttäen. Kasvuympäristöstä riippuen, puille määritettyjen rinnankorkeusläpimittojen suhteellinen keskineliövirheen neliöjuuri (RMSE) vaihteli 18,8 %:n ja 33,8 %:n välillä. Toisessa osatutkimuksessa arvioitiin MS-STI-menetelmän tarkkuutta soveltamalla sitä olemassa olevan puurekisterin tunnusten päivittämiseen. Puurekisterin puista pystyttiin automaattisesti päivittämään 88,8 %. Yleisimpien läpimittaluokkien rinnankorkeusläpimittojen suhteellinen RMSE vaihteli 21,7 %:n ja 24,3 %:n välillä. Kolmannessa osatutkimuksessa kartoitettiin kaatuneet puut Helsingin kaupungin virkistysmetsäalueelta. Tutkimusjakson aikana kaatuneet puut havaittiin latvustossa tapahtuneiden muutosten avulla. Kaatuneista puista löydettiin 97,7 %. 10 % kaatuneeksi luokitelluista puista eivät todellisuudessa olleet kaatuneet. Kaikille kaatuneiksi luokitelluille puille määritettiin ALS-piirteiden avulla puulajiryhmä ja olemassa olevien allometristen mallien avulla rinnankorkeusläpimitta ja tilavuus. Rinnankorkeusläpimitan suhteellinen RMSE oli havupuilla 20,8 % ja lehtipuilla 34,1 %. Viimeisessä, neljännessä osatutkimuksessa kehitettiin maastolaserkeilaukseen (TLS) perustuva menetelmä, jossa puun rungon biomassa estimoitiin tilavuuden ja puuaineen tiheyden avulla. Menetelmällä estimoitujen runkobiomassojen suhteellinen RMSE vaihteli 8,4 %:n ja 10,5 %:n välillä. Tämä väitöskirja osoittaa, että laserkeilauksella tuotettu tieto soveltuu monipuolisen puutason tiedon tuottamiseen kaupunkimetsistä. Väitöskirjassa kehitettyjen menetelmien avulla pystytään tuottamaan ajantasaista puutason tietoa kustannustehokkaasti kaupunkimetsien suunnittelun ja hoidon tarpeisiin.