| dc.description.abstract | Oslo kommune har et stort fokus på trær og kartlegging av antall trær. Dette er viktig for å føre grønt regnskap og holde oversikt over biologisk mangfold. Kartlegging av antall trær innenfor byggesonen er en utfordring da det er svært resurskrevende å fysisk telle trær fra bakkenivå. I tillegg er det også svært ressurskrevende å få oversikt over antall trær via fjernmåling fra luften, siden fjernmåling fra luften har vanskeligheter med å skille hva som er enkelttrær i treklynger. I denne oppgaven skal jeg teste om det er mulig å skille klyngene fra hverandre ved å bruke en punktsky fra laserskanning som utgangspunkt for å så teste hvordan oppløsning på en digital overflatemodell (DOM) påvirker resultatet i en CHM- tresegmentering.
Tidligere har det blitt gjort flere forsøk på å finne metoder som skiller treklynger på en god måte. Problemet tidligere har vært at det har blitt telt for få trær, omtalt som undersegmentering. Dette skyldes at metodene som tidligere har blitt brukt glatter ut overflatemodeller som fjerner mye grener fra trærne. Ved å ikke glatte ut overflatemodellen brukes det heller i denne oppgaven en test som fjerner alle arealer under 3m2. I metoden som blir brukt i denne oppgaven brukes det en statistisk metode når man skal gjøre om fra punktsky til raster. Ut ifra en digital terrengmodell (DTM) og DOM blir det hentet ut en canopy height model (CHM) som snus før det blir utført hydrologiske funksjoner som Flow direction, Sink og Watershed. Etter å ha utført disse funksjonene hentes det ut segmenterte trær som polygoner (arealer) og punkter (tretopper).
Resultatene fra forsøkene var svært forskjellige, noen av oppløsningene fikk store hull grunnet at modellen ga for små arealer som resultater. I tillegg ga noen av de lavere oppløsningene veldig rektangulære resultater som er lite virkelighetsnære Andre oppløsninger ga gode arealer samtidig som den hadde et treff på 111% i forhold til fasiter. Den oppløsningen som ga best resultat var 0,5 meter. Denne oppløsningen ga best resultater når det kommer til presisjon i forhold til fasiter og hvor virkelighetsnære arealene så ut. | |
| dc.description.abstract | Oslo municipality has a strong focus on trees and mapping the number of trees. This is important for keeping track of green accounts and biodiversity. Mapping the number of trees within the building zone is a challenge because it is very resource-intensive to physically count trees from ground level, and via remote sensing from the air, it is a challenge to distinguish individual trees in clusters. In this study, I will test if it is possible to separate the clusters by using a point cloud from laser scanning as a starting point, and then test how the resolution of a digital surface model (DSM) affects the result in a CHM-Watershed tree segmentation.
Previously, several attempts have been made to find methods that separate tree clusters in a good way, but many struggle with under-segmentation, in other words. Too few trees are counted. Many of these methods use different operations that smooth out surface models, removing many branches from the trees. Instead of smoothing out the surface model, this study uses a test that removes all areas below 3m2. The method used in this study uses a statistical method when converting from point cloud to raster. From a digital terrain model (DTM) and DSM, a canopy height model (CHM) is extracted which is then rotated before performing hydrological functions such as Flow direction, Sink, and Watershed. After performing these functions, segmented trees are retrieved as polygons (areas) and points (tree tops).
The results from the experiments were very different. Some resolutions resulted in large holes due to the model producing areas that were too small. Other resolutions produced very rectangular results that are unrealistic. The resolution that gave the best result was 0,5 meters. This resolution produced good areas while also having an accuracy of 111% compared to the ground truth. In addition, some of the lower resolutions produced very unrealistic rectangular results. The 0,5 meter resolution gave the best results in terms of precision compared to the ground truth and the realism of the areas. | |
