Vitalitätsüberwachung von Waldbeständen mittels aktueller Fernerkundungsverfahren - Möglichkeiten und Grenzen

Transkript

1 INTERREG IV a-projekt ForseenPOMERANIA Vitalitätsüberwachung von Waldbeständen mittels aktueller Fernerkundungsverfahren - Möglichkeiten und Grenzen Kai Jütte Christian Cords Theresia Stampfer Landesforst Mecklenburg-Vorpommern - Anstalt des öffentlichen Rechts - Betriebsteil Forstplanung, Versuchswesen, Forstliche Informationssysteme 1

2 Untersuchungsgebiet Forstamt Schuenhagen, Forstrevier Lendershagen: 2

3 Untersuchungsgebiet im FoA Wredenhagen(rote Linie):

4 Fernerkundungssysteme Überwachung durch Luftbilder > eigene und professionelle Radarsatellitendaten > TerraSAR-X Optische Satellitendaten > WorldView-2 + Sehr hohe räumliche Auflösung + Flexible Beschaffung - Kleinflächige Abdeckung -Lange Auslösezeiten vom ersten bis zum letzten Bild -Aufwändige Vorprozessierung (Triangulation, Mosaikierung) + Wetterunabhängig +Verschiede Polarisationen + Großflächige Abdeckung - Aufnahmewinkel des Sensors -Komplizierte Auswertung; großes Know-how notwendig + Kurze Auslösezeit + Großflächige Abdeckung +Hohe räumliche und spektrale Auflösung + Einfache Beschaffung -Stark wetterabhängig, durch System sehr unflexibel -Wolken = keine Daten -Teuer - Aufnahmewinkel des Sensors 4

5 Luftbilder Kameras / Plattformen UltraCamXp DMC II 140 NIKON D300s Kamera 2013 Microsoft Objektiv f = 100 / 33 mm f = 92/45 mm Z/I Imaging 2012 NIKKOR , f=24 mm Pixelgröße 6,0*6,0 µm 7,2*7,2 µm 5,5*5,5 µm Spektrale Auflösung Räumliche Auflösung Aufnahmedatum Befliegung durch PAN MS (R, G, B, NIR) PAN MS (R, G, B, NIR) R, G, B, CIR 20 cm 20 cm 20 cm Geofly, Magdeburg Geoplana, Marbach Landesforst M-V 5

6 Luftbilder Schadstufe Probekreis-Nr. 4 Baum-Nr. 4 Stereoauswertung 3 Terrestrisch 3 6

7 Luftbilder Schadstufe Probekreis-Nr. 4 Baum-Nr. 4 Stereoauswertung 3 Terrestrisch 3 UltraCam DMC II NIKON 300 D 7

8 Luftbilder Kameravergleich: Schadeinstufung im Luftbild nicht mehr exakt möglich 8

9 Luftbilder Kameravergleich: Schadeinstufung unterschiedlich 9

10 Auswertung Kammeravergleich Fehlerquote in [%] Ansprache der Schädigung aus Luftbild- UAV Ansprache der Schädigung -terrestrisch Anteil Überschätzung 14.8 Übereinstimmung 68.5 Anteil Unterschätzung 16.7 Fehlerquote in [%] Ansprache der Schädigung aus Luftbild- UltraCAM Ansprache der Schädigung -terrestrisch Anteil Überschätzung 18.5 Übereinstimmung 59.3 Anteil Unterschätzung 22.2 Fehlerquote in [%] Ansprache der Schädigung aus Luftbild- DMC II Ansprache der Schädigung -terrestrisch Anteil Überschätzung 11.1 Übereinstimmung 68.5 Anteil Unterschätzung

11 Luftbilder Klassifikationsmethoden zur Klassifikation von Eschenschadstufen und Baumarten/bearbeitendes Unternehmen: Multinomial Regression Models WSL, Birmensdorf/Schweiz Luftbilder von der DMC II und UltraCamXp Original Kanäle Rot Grün Blau Nahe Infrarot INDEX 1 ARVI (NIR-(R-(B-R)))/(NIR+(R-(B-R))) INDEX 2 DD (2*NIR-R)-(G-B) INDEX 3 GNDVI (NIR-G)/(NIR+G) INDEX 4 NDVI 3 5 (G-R)/(G+R) INDEX 5 NDVI (NIR-R)/(NIR+R) INDEX 6 NORM- NDVI NIR/(NIR+R+G) INDEX 7 RVI NIR/R INDEX 8 IHS

12 Luftbild DMC II Baumarten Schadstufen

13 Baumarten Anzahl der Validierungsbäume 1095 DMC II Klassifikation Validierung (Angaben in %) BUCHE DOUGLAS EICHE ESCHE FICHTE LAERCHE PAPPEL Buche Douglas Eiche Esche Fichte Lärche Pappel Kappa 0.65 UltraCamXP Klassifikation Kappa < 0 schlechte Übereinstimmung Validierung (Angaben in %) BUCHE DOUGLAS EICHE ESCHE FICHTE LAERCHE PAPPEL Buche Douglas Eiche Esche Fichte Lärche Pappel Kappa ,20 etwas Übereinstimmung 0,21-0,40 ausreichende Übereinstimmung 0,41-0,60 mittelmäßige Übereinstimmung 0,61-0,80 beachtliche Übereinstimmung 0,81-1,00 fast vollkommene Übereinstimmung

14 Schadstufen Beiträge der Variablengruppen zur Klassifikation von Schadstufen Gesamtgenauigkeit Kappa Originalkanäle: 0,36 0,07 IHS: 0,40 0,12 Indizes 0,41 0,13 Diskriminanzanalyse 0,46 0,18 DMC II UltraCamXP Anzahl der Validierungsbäume 410 Validierung (Angaben in %) Validierung (Angaben in %) STUFE1 STUFE2 STUFE3 STUFE4 STUFE STUFE STUFE STUFE Kappa 0,36 STUFE1 STUFE2 STUFE3 STUFE4 STUFE STUFE STUFE STUFE Kappa 0,37 Der Schädigung der Esche in den Schadstufen: 1 = 0-25 % der Krone ist geschädigt 2 = % geschädigt 3 = % geschädigt 4 = % geschädigt

15 Luftbild FAZIT: - Sehr genaue manuelle Auswertung möglich (kognitives Wissen) -Vergleich von Schadstufen aus Luftaufnahmen und terrestrischen Aufnahmen aufgrund der verschiedenen Aufnahmesituation nicht komplett möglich -DMC II und UltraCAM xp liefern fast ähnliche Ergebnisse -Die Schadklassifikation für die Gemeinen Eschen ergab Gesamtgenauigkeiten von nur 36 %. Schadstufe 4 konnte am besten klassifiziert werden. -Die Baumartenklassifikationerzielte Gesamtgenauigkeiten von 65 %. Von den 8 Baumarten wurden Balsampappel, Gemeine Fichte und die Stieleicheam besten Klassifiziert. Alle anderen Baumarten wurden sehr schlecht, die Baumart Roterle sogar nie korrekt klassifiziert. 15

16 Radar 16

17 TerraSAR-X Sensorcharakteristika und Aufnamemodi des Satelliten: ScanSAR (SC) Stripmap (SM) Spotlight (SL) High Resolution Spotlight (HS) Auflösung range (quer) 1.5 m 3.2 m 1.5 m 3.2 m 1.34 m m 1.34 m m Auflösung Azimut (Flugrichtung) 16 m 3 m 2 m (single polarization), 4 m (dual polarization) 1 m (single polarization), 2 m (dual polarization) Streifenbreite 30 km single pol., km 10 km 10 km km dual pol. Streifenlänge < 1650 km < 1650 km 10 km 5 km Schrägsicht, (Incidence Angle) Polarisationen HH or VV (single), HH or VV (single) HH/VV HH/VV, HH/HV, VV/HV (dual) (dual) HH or VV (single) HH/VV (dual) >> grau hinterlegt sind die Charakteristika der verwendeten Bilddaten 17

18 TerraSAR-X Bildverbesserung: Zur Minimierung des sog. Speckle-Effekts (Bildrauschen) wurden verschiedene Filteralgorithmenin ERDAS Imagine (Radar Modul) verwendet. Die Filter bewirken, dass die Salz-und Pfeffer-Textur der Radardaten zu einem homogeneren Bildprodukt mit reduzierter Körnigkeit zusammengeführt wird. TerraSAR-X-Originalaufnahme Frost-Filter Gamma-Map-Filter Lee-Sigma-Filter Local-Region-Filter Mean-Filter 18

19 Klassifikation Klassifikationsmethoden zur Klassifikation von Eschenschadstufen und Baumarten/bearbeitendes Unternehmen: Partial Least Squares Regression (PLSR) Conditional Random Fields (CRF) EFTAS GmbH, Münster Regelbasierte Regressionsbaummodellierung (Cubist/See 5) Image Support Vector Machine (SVM) LUP GmbH, Potsdam Multinomial Regression Models WSL, Birmensdorf/Schweiz Random Forest EOS GmbH, Jena ERDAS Objective SLU, München 19

20 TerraSAR-X Ergebnisse der Klassifikation von Baumarten am Beispiel der Multinomial Regression Models >> Gesamtgenauigkeit der Klassifikation = 42 % 20

21 Gesamtgenauigkeiten Schuenhagen TerraSAR-X Schadstufen Gesamtgenauigkeiten Schuenhagen TerraSAR-X Baumarten 0,6 0,6 0,5 0,5 Overall Accuracy 0,4 0,3 0,2 Overall Accuracy 0,4 0,3 0,2 0,1 0,1 0,0 Cubist/See5_ SVM_ SVM_ Multinomial Regression Models OA_Validierung OA_Klassifikation 0 Cubist/See5_ SVM_ SVM_ Multinomial Regression Models OA_Validierung OA_Klassifikation

22 Schadstufe N (Signaturbäume) N (Validierungsbäume) Gesamt Baumart N (Signaturbäume) N (Validierungsbäume) BPA GES RBU RER SEI GDG GFI LA Gesamt

23 TerraSAR-X Beste Ergebnisse der Klassifikation von Eschenschadstufen und Baumarten am Beispiel der Multinomial Regression Models Schuenhagen: Eschentriebsterben Malchow: Sturm-/Hagelschaden Statistik Baumarten Signatur Validierung OA 0,561 0,420 Statistik Schadstufen Signatur Validierung Statistik Schadstufen Signatur Validierung Kappa 0,317 0,180 OA 0,481 0,292 OA 0,511 0,262 PA 1 SEI 0,165 0,000 2 GES 0,795 0,776 3 GFI 0,120 0,253 4 GDG 0,345 0,222 5 LA 0,220 0,053 Schadstufen Kappa 0,231-0, ,532 0,383 PA 2 0,388 0, ,580 0, ,380 0, ,513 0,307 Schadstufen Kappa 0,223 0, ,695 0,104 PA 2 0,114 0, ,487 0, ,400 0, ,541 0,156 Baumarten 6 BPA 0,725 0,608 7 RBU 0,115 0,013 RER UA 2 0,419 0, ,486 0, ,528 0,227 UA 2 0,308 0, ,500 0, ,500 0,375 1 SEI 0,388 0,000 2 GES 0,549 0,464 3 GFI 0,214 0,380 UA 4 GDG 0,465 0,225 5 LA 0,360 0,182 6 BPA 0,742 0,542 7 RBU 0,400 0,048 RER OA = Overall Accuracy(Gesamtgenauigkeit) PA = Producer s Accuracy(Herstellergenauigkeit) UA = User s Accuracy(Benutzergenauigkeit) 23

24 Ergebnis der Anwendung des Change- Detection-Tools des DLR 24

25 TerraSAR-X FAZIT: -Die Schadklassifikationfür die Gemeinen Eschen ergab Gesamtgenauigkeiten von nur 21 bis 29 %. Schadstufe 3 konnte am besten klassifiziert werden. -Die Baumartenklassifikationerzielte Gesamtgenauigkeiten von 35 bis 42 %. Von den 8 Baumarten wurden Gemeine Esche(78-90 % Herstellergenauigkeit) und Balsampappel (33-61 % Herstellergenauigkeit) am besten Klassifiziert. Alle anderen Baumarten wurden sehr schlecht, die Baumart Roterle sogar nie korrekt klassifiziert. -Von den 7 Klassifikationsmethoden konnten 4 Methoden aussagekräftige Ergebnisse liefern. Bei allen anderen konnten die Methoden nicht richtig angelernt oder durchgeführt werden. Sowohl die Schadstufen, als auch die Baumarten wurden mit der Methode MultinomialRegression Modelsam besten klassifiziert. Der Unterschied zu den 2 bzw. 3 anderen Methoden ist jedoch sehr gering. 25

26 WorldView-2 26

27 WorldView-2 Sensorcharakteristika des optischen Satelliten und Datenbeschaffenheit: - Aufnahme von 1 panchromatischen und 8 multispektralen Kanälen, von Costal Blue bis NahesInfraRot2 - Räumliche Auflösung: PAN ca. 0,5 m; MS ca. 2,0 m - Heterogene Qualität (v. a. Wolken, Dunst und Lichtverhältnisse) 27

28 WorldView-2 Bildoptimierung: Berechnung verschiedener Vegetationsindizes, die bestimmte Strukturen und spektrale Kanäle hervorheben. Dadurch soll die nachfolgende Klassifikation geschädigter Bäume und verschiedener Baumarten verbessert werden. Difference Difference Vegetation Index Referenzbaumkronen Surface-Albedo Anthocyanin Reflectance Index 28

29 Layer-Stack Indizes Malchow und Schuenhagen Nr. Layer-Name Beschreibung 1 ARI (1/G)-(1/RE) 2 ARVI (NIR-(R-(B-R)))/(NIR+(R-(B-R))) 3 Blau (R/B)*(G/B)*(RE/B)*(NIR/B) 4 DD (2*NIR-R)-(G-B) 5 GI2 (b2*-0,2848+b3*-0,2434+b5*-0,5436+b7*0,7243+b8*0,0840)*5 6 GNDVI (NIR-G)/(NIR+G) 7 NDVI (NIR-R)/(NIR+R) 8 NDVI_3_5 (G-R)/(G+R) 9 NDVI_8_4 (NIR2-Y)/(NIR2+Y) 10 NORM NIR NIR/(NIR+R+G) 11 PSRI (R-B)/RE 12 R/Y (NIR1)/(R+Y) 13 RE NDVI (NIR-RE)/(NIR+RE) 14 RE/Y (RE-Y)/(RE+Y) 15 Rot (NIR/R)*(G/R)*(NIR/RE) 16 RVI NIR/R 17 SA ((b4+b5)*0,35)/2+(0,7*(b7+b8))/2-0,69 18 VI RE NIR/RE 19 VI1 (10000*NIR)/(RE)^2 B = Blue, G = Green, NIR = Near Infrared, NIR2 = Near Infrared 2, R = Red, RE = Red-Edge, Y = Yellow 29

30 Ergebnisse der Klassifikation von Schadstufen am Bespiel der Methode SVM >> Gesamtgenauigkeit der Klassifikation = 40 % 30

31 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch CRF >> Gesamtgenauigkeit der Klassifikation = 49 % 31

32 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch Cubist/See5 >> Gesamtgenauigkeit der Klassifikation = 62 % 32

33 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch SVM >> Gesamtgenauigkeit der Klassifikation = 57 % 33

34 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch Multinomial Regression Models >> Gesamtgenauigkeit der Klassifikation = 73 % 34

35 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch Random Forest >> Gesamtgenauigkeit der Klassifikation = 56 % 35

36 WorldView-2 Ergebnisse der Klassifikation von Baumarten durch ERDAS Objective >> Gesamtgenauigkeit der Klassifikation = 45 % 36

37 0,9 Gesamtgenauigkeiten Schuenhagen WorldView-2 Schadstufen 0,8 0,7 0,6 Overall Accuracy 0,5 0,4 0,3 0,2 0,1 0,0 PLSR_Indizes CRF_Originaldaten Cubist/See5_Indizes Cubist/See5 GLCM SVM_Indizes Multinomial Regression Models Random Forest OA_Validierung OA_Klassifikation 37

38 Gesamtgenauigkeiten Schuenhagen WorldView-2 Baumarten 0,9 0,8 0,7 0,6 Overall Accuracy 0,5 0,4 0,3 0,2 0,1 0 CRF_Originaldaten CRF_Indizes Cubist/See5_Indizes Cubist/See5 GLCM SVM_Indizes Multinomial Regression Models Random Forest ERDAS Objective_Indizes OA_Validierung OA_Klassifikation 38

39 WorldView-2 Beste Ergebnisse der Klassifikation der Baumarten (Multinomial Regression Models) Statistik Baumarten Signatur Validierung OA 0,869 0,730 Kappa 0,817 0,666 GES 0,900 0,652 RBU 0,676 0,408 SEI 0,818 0,814 Baumarten PA BPA 0,968 0,753 GDG 0,877 0,880 LA 0,886 0,824 GFI 0,762 0,987 RER - - GES 0,858 0,825 OA = Overall Accuracy (Gesamtgenauigkeit) PA = Producer s Accuracy (Herstellergenauigkeit) UA = User s Accuracy (Benutzergenauigkeit) UA RBU 0,786 0,415 SEI 0,808 0,477 BPA 0,984 0,821 GDG 0,893 0,868 LA 0,939 0,836 GFI 0,667 0,831 RER - - >> Gründe für geringere Validierungsgenauigkeiten: Geringerer Stichprobenumfang, Verkippungseffekte, Klumpung 39

40 Ergebnisse der Klassifizierung der WV-2-Bilder > Schadstufen am Beispiel der MultinomialRegression Models Schuenhagen: Eschentriebsterben Statistik Schadstufen Signatur Validierung Malchow: Sturm-/Hagelschaden Statistik Schadstufen Signatur Validierung OA 0,666 0,330 OA 0,652 0,290 Kappa 0,538 0,183 Kappa 0,481 0, ,746 0, ,813 0,050 Schadstufen PA 2 0,525 0, ,730 0, ,633 0,340 Schadstufen PA 2 0,500 0, ,566 0, ,500 0, ,676 0, ,690 0,231 UA 2 0,620 0, ,630 0,439 UA 2 0,595 0, ,632 0, ,826 0, ,613 0,372 Gründe für geringere Validierungsgenauigkeiten: Geringerer Stichprobenumfang, Lageversatz, Klumpung 40

41 Baumart B = Blue; CB = Costal Blue, G = Green, NIR = Near Infrared, NIR2 = Near Infrared 2, R = Red, RE = Red-Edge, Y = Yellow; I = Intensity; H = Hue; S = Saturation WorldView-2-Originaldaten WorldView-2-Indizes Variabel GES RBU GDG LA GFI SEI BPA Gesam t CB B G Y R Red-Edge NIR NIR I [RGB] H [RGB] S [RGB] I [RGNIR1] H [RGNIR1] S [RGNIR1] ARVI DD GI GNDVI NDVI NDVI_3_ NDVI_8_ NORM NIR PSRI RE NDVI RE/Y RVI R/Y SA VI VI RE G/R Blau Rot

42 WorldView-2 FAZIT: -Auswertung durch verschiedene Klassifikationsmethoden konnten Schadstufen an Gemeinen Eschen je nach Methode mit 28 bis 40 % Gesamtgenauigkeit unterschieden werden. Schadstufe 1 und 4 wurden am sichersten klassifiziert. -Die 8 Baumarten(5 Laubbaumarten, 3 Nadelbaumarten) mit Gesamtgenauigkeiten zwischen 41 und 73 %klassifiziert. Dabei stachen die Baumarten Gemeine Esche(19-93 % Herstellergenauigkeit) und Gemeine Fichte( % Herstellergenauigkeit) als am Besten klassifizierte Baumarten hervor. Am schlechtesten bis teilweise sogar gar nicht wurden Roterlen klassifiziert. Auch Rotbuche und Lärche erzielten nur geringer Genauigkeiten. -Der Methodenvergleich zeigt, dass die Schadstufen am besten mit ConditionalRandom Fields (CRF), mit der Regelbasierte Regressionsbaummodellierung (Cubist/See5) und Image Support Vector Machine(SVM) klassifiziert werden konnten. -Die Baumarten konnten mit Abstand am besten mit Multinomial Regression Models klassifiziert werden. 42

43 Luftbild Signatur Luftbild Validierung TerraSAR Signatur TerraSAR Validierung WorldView 2 Signatur WorldView2 Validierung Baumarten 65 % 56% 42% 86% 73% 36 % 48% 29% 65% 33% Schadstufen- Eschensterben Schadstufen- Sturm/Hagel 50% 26% 65% 29% 43