Feature extraction and selection in remote sensing-aided forest inventory
Haapanen R. (2014). Feature extraction and selection in remote sensing-aided forest inventory. https://doi.org/10.14214/df.181
Tiivistelmä
Piirteiden irrotus ja valinta kaukokartoitusavusteisessa metsäninventoinnissa Tässä väitöskirjassa tutkittiin kaukokartoitusaineistoista irrotettujen piirteiden suorituskykyä suuralueen metsäninventoinnin yhteydessä. Tutkimusalueet sijoittuvat Suomen boreaalisen vyöhykkeen metsiin, yhtä Pohjois-Minnesotassa (Yhdysvallat) sijainnutta aluetta lukuunottamatta. Metsätunnusten estimointi tehtiin pikseli- tai hilatasolla, ei-parametrisen k-lähimmän naapurin menetelmän avulla. Kaukokartoitusaineistoina käytettiin Landsat 7 Enhanced Thematic Mapper Plus (ETM+) satelliittikuvia, väri-infra-ilmakuvia, TerraSAR-X tutkan sekä lentokoneesta tehtävän laserkeilauksen (ALS) tuottamia aineistoja. Näiden kuvatyyppien viitteellinen sopivuusjärjestys metsävaratunnusten estimoinnissa oli ALS, TerraSAR-X, ilmakuva ja Landsat 7 ETM+. Tutkimuksessa paneuduttiin erityisesti eri aineistoista irrotettujen piirteiden yhdistelyyn, sekä sellaisten piirreyhdistelmien etsimiseen, jotka tuottivat parhaan tuloksen metsävaratunnusten estimoinnissa. Piirteiden valinta tehtiin pääasiassa geneettisen algoritmin avulla. Tuloksina saadut suhteelliset keskineliövirheen neliöjuuret (RMSE) asettuivat välille 23–77 %, kun kyseessä oli puuston keskitilavuuden arviointi. Parhaat tulokset saatiin yhdistelemällä ALS- ja ilmakuvapiirteitä. Tällöin suhteelliset RMSE-arvot puuston keskitilavuudelle olivat 23–30 %, maisemakuvasta riippuen. Yleensä toisiaan täydentävien kuvatyyppien käyttö paransi arvioiden tarkkuutta. Automaattinen piirrevalinta vähensi suuresti hälyn sekä piirteiden määrää alkuperäiseen syötteeseen verrattuna ja johti parempaan estimointitulokseen. Niissä osatutkimuksissa, joissa hyödynnettiin ALS-aineistoja, erityisesti puuston vertikaalirakennetta kuvaavat ALS-tunnukset auttoivat pienentämään estimointivirhettä.
Avainsanat
Landsat satelliittikuva;
ilmakuva;
ALS;
TerraSAR-X;
k lähintä naapuria;
geneettinen algoritmi
-
Haapanen,
University of Helsinki, Department of Forest Sciences
Sähköposti
reija.haapanen@gmail.com
Julkaistu 7.11.2014
Katselukerrat 4163
Saatavilla https://doi.org/10.14214/df.181 | Lataa PDF
Osajulkaisut
Haapanen R., Ek A.R., Bauer M.E., Finley A.O. (2004). Delineation of forest/nonforest land use classes using nearest neighbor methods. Remote Sensing of Environment 89: 265–271.
https://doi.org/10.1016/j.rse.2003.10.002
Haapanen R., Tuominen S. (2008). Data combination and feature selection for multi-source forest inventory. PE&RS 74(7): 869–880.
http://asprs.org/a/publications/pers/2008journal/july/2008_jul_869-880.pdf
Holopainen M., Haapanen R., Karjalainen M., Vastaranta M., Hyyppä J., Yu X., Tuominen S., Hyyppä H. (2010). Comparing accuracy of airborne laser scanning and TerraSAR-X radar images in the estimation of plot-level forest variables. Remote Sensing 2010(2): 432–445.
https://doi.org/10.3390/rs2020432
Tuominen S., Haapanen R. (2011). Comparison of grid-based and segment-based estimation of forest attributes using airborne laser scanning and digital aerial imagery. Remote Sensing 2011(3): 945–961.
https://doi.org/10.3390/rs3050945
Tuominen S., Haapanen R. (2013). Estimation of forest biomass by airborne laser scanning and digital aerial photographs. Silva Fennica 47(1), article id 902. 20 p.
