Methodik zur automatisierten Baumartendifferenzierung basierend auf CIR Orthophotos
Publikation aus Digital
Strobl/Blaschke/Griesebner (Hrsg.): Angewandte Geoinformatik 2004. Proc. of 16th AGIT Symposium, Salzburg Verlag Wichmann, Heidelberg, pp. 227 – 236., 1/2004
Die Erhebung der Baumartenzusammensetzung ist für die forstliche Praxis von großer Bedeutung. Bisherige Methoden weisen einige signifikante Mängel auf: visuelle Auswertungen von Stereoluftbildern sind subjektiv und vielfach zu teuer, während pixelbasierte, automatisierte Klassifizierungen auf bestimmte Maßstabsebenen beschränkt sind und teilweise auch Nachteile in der Genauigkeit der Klassentrennbarkeit aufweisen. In dieser Studie1 wird die Trennbarkeit der Baumarten in sehr hochauflösenden CIR (Colour InfraRed) Orthophotos untersucht.
Hinsichtlich der Differenzierung von Laub- und Nadelholz wird eine Lösung über spektrale Information vorgeschlagen und deren Problembereiche und Lösungsvarianten diskutiert.
Die Differenzierung von Fichten und Kiefern kann aufgrund von nur mehr geringen Grauwertdifferenzen nicht mehr rein spektral erfolgen. Daher muss die charakteristische Kronenform in die Klassifizierung mit einfließen. Diese charakteristische Form ist erst ab einer gewissen Kronenausformung, d.h. in den Wuchsklassen Baum- und Altholz möglich. Für Bestände dieser Wuchsklassen wurde ein „seeded region growing" Verfahren entwickelt, das von einem Punkt in der Baumkrone, der automatisiert gefunden wird, zu wachsen beginnt. Die Klassifizierung erfolgt anschließend über die Form der gefundenen Kronensegmente. Die ersten Tests zeigen bereits vielversprechende Ergebnisse, die im Detail erläutert und diskutiert werden. Anschließend werden noch Vorschläge zur Anhebung der Ergebnisgenauigkeit und zur Weiterentwicklung des Ansatzes angeführt.