Woodstock projekta gala posma rezultāti pieejami testēšanai jau 2022. gada sākumā
Projekta beigu posmā rezultāti, ar kuriem mēs plānojam dalīties, ir par satelītdatiem balstītu krājas apjoma novērtēšanas tehnoloģiju (WoodStock). Mēs esam izstrādājuši prototipu tehnoloģiju krājas apjoma noteikšanai no augstas izšķirtspējas satelītu datiem, izveidojot trīs dažādas metodes koku sugu, koku augstuma un meža blīvuma noteikšanai. Veicot visaptverošus pētījumus, izmantojot dažādus datu avotus, piemēram, LiDAR, harvesteru, inventarizācijas, lauka datu, satelītattēlu, ortofoto u.c., kā arī neironu tīklu modeļus, tika veikta dažādu modeļu un parametru testēšana, izvēloties modeli, kas sniedz precīzākos un ticamākos datus. Gala meža krājas novērtēšanas modelī ir iekļauti koku sugu, koku augstuma un meža blīvuma rādītāji, un izstrādātais modelis būs pieejams testēšanai 2022. gada sākumā.
Mūsu rezultāti liecina, ka šķērslaukuma platības parametra noteikšana, izmantojot tikai attālās izpētes datus, ir praktiski iespējama. Izmantojot DSM, kas iegūts no augstākās izšķirtspējas (VHR) satelītu attēliem un Sentinel-1 datiem, kā avota datus, mēs esam apmācījuši ML modeli, kas ieguva attiecīgi līdz 25% un 40% relatīvo kļūdu priedes un citu koku sugu gadījumā. Lai noteiktu krāju plašām meža teritorijām, šī metode var būt piemērota izvēle šķerslaukuma noteikšanai un kokmateriālu apjoma aprēķināšanai.
The results of the final phase of the Woodstock project will be available for testing in early 2022
Our results show that estimation of forest basal area parameter using only remote sensing data is practically possible. Using DSM obtained from VHR satellite imagery and Sentinel-1 data as source data we have trained an ML model which obtained up to 25% and 40% relative error for 90th percentile of cases for pine and other tree species respectively. For covering large areas of interest this technique can be the only choice of estimating the basal area and calculating timber volume from it.