Klassifisering av endringer ved hjelp av flybåren laserdata

Abstract

Skogregistreringer og taksering av skog gjøres i dag ved hjelp av flybåren laserskanning (FLS), en teknikk som gir informative data om skogbestands trehøyder og vegetasjonstetthet. De senere årene har enkelte skogområder i Norge blitt taksert med FLS for andre gang, noe som gjør at det er mulig å benytte FLS- data til å identifisere endringer i disse skogområdene. I et miljø- perspektiv, med tanke på avskoging av tropisk regnskog, er det derfor tenkelig at FLS kan brukes til å identifisere avskogede og degraderte områder. Identifisering av endringer er aktuelt også for andre formål, blant annet for en ny type boniteringsmetode som er under utvikling ved Norges miljø- og biovitenskapelige universitet (NMBU). Denne metoden avhenger av FLS- data fra to tidspunkt, som stammer fra skogområder som har hatt en naturlig og upåvirket utvikling. Det var dermed ønskelig å finne en metode som kunne brukes som klassifikator i boniteringsmodeller, og/eller for å identifisere avskogede og degraderte områder i tropisk regnskog. Datagrunnlaget stammet fra et 50.000 dekar stort område som lå i Krødsherad kommune i Buskerud fylke. I 2001 (T1) og 2016 (T2) ble det samlet inn data ved hjelp av FLS. Det ble også gjort feltmålinger, der data fra 148 prøveflater (233m2) ble benyttet i de statistiske beregningene. Det ble laget logistiske regresjonsmodeller som predikerte endringsklasser på prøveflatene, basert på forklaringsvariabler ekstrahert fra FLS- dataene. Disse endringsklassene var uberørt, tynnet og avvirket. De predikerte klassene ble sammenlignet med feltregistrerte endringsklasser på prøveflatene og de beste modellene var de som klassifiserte flest prøveflater korrekt. Det ble undersøkt hvilke forklaringsvariabler som gav de beste modellen. De beste modellene inneholdt informasjon om skogens tetthet, ca. midt i vegetasjonens høydesjikt. Den beste modellen klassifiserte totalt 85.8% av prøveflatene korrekt. Modellene klassifiserte avvirkede prøveflater med høy presisjon. Det var imidlertid en utfordring å klassifisere tynnede prøveflater korrekt, disse ble ofte klassifisert som uberørte. I tillegg ble det undersøkt to ulike metoder å benytte forklaringsvariablene i modelleringen. I Metode 1 ble det benyttet differanseverdier mellom variabler fra T1 og T2, som forklaringsvariabler. I Metode 2 ble forklaringsvariabler fra både T1 og T2 benyttet i modellene. Det ble funnet at Metode 2 ikke ga bedre resultater enn Metode 1, men i denne sammenheng var det tenkelig at Metode 1 var best egnet til å klassifisere endringer. Modellene ble validert på 60 kontrollflater (ca. 3700 m2), og ble funnet å være gyldige.

Forest inventory and forest- registration are done by means of airborne laser scanning (ALS), a technique that gives informative data about tree heights and the density of the forest`s vegetation. Some forest areas in Norway have had a second time of ALS- measurement, which makes it possible to compare ALS- data from two different points of time, and identify changes in these areas. For environmental purposes, considering deforestation and degradation in tropical forests, these kinds of changes may be detected by means of ALS. Identification of changes is also applicable for other purposes. At the Norwegian University of Life Sciences (NMBU), scientists are investigating a new method that can be used for site index (SI) measuring in forests, by means of ALS. This method depends on ALS- data from two points of time, and the data have to come from undisturbed and untouched forest areas. Therefore, we wanted to develop a method that could exclude areas that was not suitable for the new SI- measuring method. We also needed a method that could identify deforestation and degradation in tropical forests.