Zusammenfassung
Vorgestellt wird ein Verfahren zur Bestimmung der Kronentransparenz von Bäumen im Rahmen der jährlich stattfindenden Waldzustandserhebung. Es handelt sich um eine offline Bildanalyse innerhalb einer Android-App mithilfe einer regelbasierten Klassifikation. Die Regeln für die Klassifikation werden aus einem testdatenbasierten Entscheidungsbaum abgeleitet. Es können neue Regeln in die App importiert werden, wenn neue Entscheidungsbäume gefunden werden. Das Verfahren ist eine Kombination aus maschinellem Lernen und Fachkenntnis des Nutzers. Dieser trifft die Vorauswahl des Boniturbereichs und kann die Ergebnisse der Bildanalyse sofort im Feld überprüfen. Die mobile Android-App ermittelt den Kronenumriss, berechnet die Kronentransparenz und ermöglicht den Vergleich mit einem Referenzbaum.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Similar content being viewed by others
Literatur
MULNV. (2019). Waldzustandsbericht 2019 NRW. Ministerium für Umwelt, Landwirtschaft, Natur- und Verbraucherschutz des Landes Nordrhein-Westfalen (MULNV), Referat für Öffentlichkeitsarbeit, Düsseldorf. https://www.umwelt.nrw.de/fileadmin/redaktion/Broschueren/waldzustandsbericht_langfassung_2019.pdf. Zugegriffen: 5. Mai 2020.
Waldarbeitsschulen der Bundesrepublik Deutschland (Hrsg.) (1996). Der Forstwirt (2. überarb. Aufl.). Stuttgart: Ulmer ISBN 3-8001-1090-3.
BMEL. (2020). Ergebnisse der Waldzustandserhebung 2019. Bundesministerium für Ernährung und Landwirtschaft (BMEL), Berlin. https://www.bmel.de/SharedDocs/Downloads/DE/Broschueren/ergebnisse-waldzustandserhebung-2019.pdf?__blob=publicationFile&v=4. Zugegriffen: 5. Mai 2020.
Eichhorn, J., Roskams, P., Potočić, N., Timmermann, V., Ferretti, M., Mues, V., Szepesi, A., Durrant, D., Seletković, I., Schröck, H.‐W., Nevalainen, S., Bussotti F., Garcia, P., & Wulff, S. (2016). Part IV: Visual assessment of crown condition and damaging agents. In UNECE CLRTAP ICP Forests Programme Coordinating Centre (Hrsg.), Manual on methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forests. Eberswalde: Thünen Institute of Forest Ecosystems. https://www.icp-forests.org/Manual.htm. Zugegriffen: 5. Mai 2020.
Winn, F., & Araman, P. (2010). A tool to determine crown and canopy transparency for forest inventory and analysis using digital photographs; Joint Meeting of the Forest Inventory and Analysis (FIA) Symposium and the Southern Mensurationists. https://www.srs.fs.fed.us/pubs/gtr/gtr_srs157/gtr_srs157_217.pdf. Zugegriffen: 29. Mai 2020.
Kälin, U., Lang, N., Hug, C., Gessler, A., & Wegner, J. D. (2019). Defoliation estimation of forest trees from ground level images. Remote Sensing of Environment, 223, 143–153. https://doi.org/10.1016/j.rse.2018.12.021
Roloff, A. (2018). Vitalitätsbeurteilung von Bäumen: Aktueller Stand und Weiterentwicklung. Braunschweig: Haymerket Media.
Szeliski, R. (2010). Computer Vision: Algorithms and Applications. London: Springer. https://doi.org/10.1007/978-1-84882-935-0
Nischwitz, A., Fischer, M., Haberäcker, P., & Socher, G. (2011). Computergrafik und Bildverarbeitung. Band II: Bildverarbeitung (3., neu bearbeitete Aufl.). Wiesbaden: Vieweg + Teubner.
Quinlan, J. R. (1986). Induction of decision trees. Mach Learn, 1, 81–106. https://doi.org/10.1007/BF00116251
Quinlan, J. R. (1993). C4.5: Programs for Machine Learning (Morgan Kaufman Series in Machine Learning). Los Altos: Morgan Kaufmann Publishers Inc.
Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and regression trees. New York: Chapman and Hall.
Quinlan; J. R. (1991). Generating production rules from decision trees, artificial intelligence laboratory. Cambridge MA: Massachusetts Institute of Technology.
Burger, W., & Burge, M. J. (2009). Principles of digital image processing – Fundamental techniques. London: Springer.
Wäldchen, J., & Mäder, P. (2018). Plant species identification using computer vision techniques: A systematic literature review. Arch Computational Methods Eng, 25, 507. https://doi.org/10.1007/s11831-016-9206-z
Cubero, S., Albert, F., Manuel Prats-Moltalban, J., Fernandez-Pacheco, D. G., Blasco, J., & Aleixos, N. (2018). Application for the estimation of the standard citrus colour index (CCI) using image processing in mobile devices. Biosystems Engineering, 167, 63–74.
Aquino, A., Millan, B., Gaston, D., Diago, M., & Tardaguila, J. (2015). vitisFlower®: Development and testing of a novel android-smartphone application for assessing the number of grapevine flowers per inflorescence using artificial vision techniques. Sensors, 15, 21204–21218.https://www.mdpi.com/1424-8220/15/9/21204/pdf. Zugegriffen: 29. Mai 2020.
Webseite AK UIS. https://www.ak-uis.de/. Zugegriffen: 26. Mai 2020.
Inforst. KronenTransparenz – Mobile app im Google Play store. https://play.google.com/store/apps/details?id=de.inforst.wze.kronenzustand. Zugegriffen: 28. Mai 2020.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2021 Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this paper
Cite this paper
Müller, C. (2021). Eine mobile offline Bildanalyse-App zur Bestimmung der Kronentransparenz bei der Waldzustandserhebung. In: Freitag, U., Fuchs-Kittowski, F., Abecker, A., Hosenfeld, F. (eds) Umweltinformationssysteme – Wie verändert die Digitalisierung unsere Gesellschaft?. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-30889-6_10
Download citation
DOI: https://doi.org/10.1007/978-3-658-30889-6_10
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-30888-9
Online ISBN: 978-3-658-30889-6
eBook Packages: Computer Science and Engineering (German Language)