Kvantifisering av tredeteksjon i tregrenseøkotonen: en analyse basert på dronebåren laserskanning

Abstract

Klimaendringene fører til forandringer i menneskers hverdag. De påvirker hvordan trær vokser og hvordan ulike arter klarer seg i naturen. Tregrenseøkotonen, sonen mellom skog og bart fjell, er også påvirket av disse endringene. Overvåkning av naturområdene våre er kanskje viktigere enn noen gang, og i denne oppgaven har jeg sett på hvor god dronebåren laserskanning er som metode for å kunne detektere trær, særlig små trær, i tregrenseøkotonen. Hovedmålene mine for oppgaven var 1) å kvantifisere hvordan sannsynligheten for deteksjon avhenger av trestørrelse (høyde og kroneareal), 2) kvantifisert differensene mellom feltmålte trehøyder og de korresponderende høyder målt med laser og 3) gjort analyser av hva som kjennetegner de trærne som ikke ble detektert ved hjelp av laserdataene.

Datamaterialet ble samlet inn fra et nordgående transekt som strekker seg langs tregrenseøkotonen i Norge. Datamaterialet inneholder feltregistreringer og laserdata fra 36 forskjellige lokasjoner. Trærne ble målt manuelt etter PCQ-samplingsmetoden, og det ble flydd drone som samlet inn laserdata. Jeg har sammenlignet mine funn med tre forskningsartikler som tar for seg den samme tematikken.

Resultatene viste at trær som var 0,5 meter høye hadde en deteksjonssannsynlighet som gikk mot 100%. Det samme gjaldt for trær som hadde et kroneareal på 0,5 m2. Videre så jeg på deteksjonsrater for treslagsklasser, og her var tendensen lik. Deteksjonssannsynligheten varierte mellom ulike høydeklasser, fra 80 til 90%. Videre ble det regnet ut differanser mellom feltmålte høyder og laserhøyder. Gjennomsnittlig differanse var 20 cm, med et tilhørende standardavvik på 72 cm. I noen tilfeller var differansene store, og da ble disse inspisert manuelt og analysert.

Resultatene har gitt en dypere forståelse av laserskanningens potensial og begrensninger i overvåkningen av i tregrenseøkotonen, og fremhever behovet for ytterligere forskning for å forbedre denne teknologien og til å operasjonalisere en overvåkning av tregrenseøkotonen.

Climate change is leading to alterations in everyday life, affecting tree growth and species survival in nature. The treeline ecotone, the zone between forests and tundra, is also impacted by these changes. Monitoring these areas is more crucial than ever, and in this thesis, I've examined the effectiveness of drone-based laser scanning for detecting trees, especially small ones, in the treeline ecotone. My main goals were to 1) quantify how detection probability depends on tree size (height and crown area), 2) quantify differences between field-measured tree heights and those measured by laser, and 3) analyze the characteristics of trees not detected by laser data.

Data was collected from a northward transect along Norway's treeline ecotone, comprising field registrations and laser data from 36 locations. Trees were manually measured using the PCQ sampling method, and drone flights collected laser data. I compared my findings with three research articles on the same topic.

Results showed that trees 0,5 meters high had a detection probability approaching 100%, as did trees with a crown area of 0,5 m². Detection rates for tree species classes showed a similar trend, varying between 80 and 90% across different height classes. Average differences between field-measured heights and laser heights were calculated, with a mean difference of 20 cm and a standard deviation of 72 cm. In some cases, significant differences were manually inspected and analyzed.

The findings provide a deeper understanding of the potential and limitations of laser scanning in monitoring the treeline ecotone, highlighting the need for further research to improve this technology and operationalize monitoring of the treeline ecotone.