SpringerLink
Log in

Eine mobile offline Bildanalyse-App zur Bestimmung der Kronentransparenz bei der Waldzustandserhebung

Entscheidungsbaumbasierte Bildanalyse für die Android-Plattform

  • Conference paper
  • First Online:
Umweltinformationssysteme – Wie verändert die Digitalisierung unsere Gesellschaft?

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution

Subscribe and save

Springer+ Basic
EUR 32.99 /Month
  • Get 10 units per month
  • Download Article/Chapter or Ebook
  • 1 Unit = 1 Article or 1 Chapter
  • Cancel anytime
Subscribe now

Buy Now

Chapter
USD 29.95
Price excludes VAT (Canada)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 79.99
Price excludes VAT (Canada)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Hardcover Book
USD 99.99
Price excludes VAT (Canada)
  • Durable hardcover edition
  • Dispatched in 3 to 5 business days
  • Free ship** worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Similar content being viewed by others

Literatur

  1. 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.

  2. Waldarbeitsschulen der Bundesrepublik Deutschland (Hrsg.) (1996). Der Forstwirt (2. überarb. Aufl.). Stuttgart: Ulmer ISBN 3-8001-1090-3.

    Google Scholar 

  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.

  4. 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.

  5. 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.

  6. 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

    Article  Google Scholar 

  7. Roloff, A. (2018). Vitalitätsbeurteilung von Bäumen: Aktueller Stand und Weiterentwicklung. Braunschweig: Haymerket Media.

    Google Scholar 

  8. Szeliski, R. (2010). Computer Vision: Algorithms and Applications. London: Springer. https://doi.org/10.1007/978-1-84882-935-0

    MATH  Google Scholar 

  9. Nischwitz, A., Fischer, M., Haberäcker, P., & Socher, G. (2011). Computergrafik und Bildverarbeitung. Band II: Bildverarbeitung (3., neu bearbeitete Aufl.). Wiesbaden: Vieweg + Teubner.

    Google Scholar 

  10. Quinlan, J. R. (1986). Induction of decision trees. Mach Learn, 1, 81–106. https://doi.org/10.1007/BF00116251

    Article  Google Scholar 

  11. Quinlan, J. R. (1993). C4.5: Programs for Machine Learning (Morgan Kaufman Series in Machine Learning). Los Altos: Morgan Kaufmann Publishers Inc.

    Google Scholar 

  12. Breiman, L., Friedman, J., Olshen, R., & Stone, C. (1984). Classification and regression trees. New York: Chapman and Hall.

    MATH  Google Scholar 

  13. Quinlan; J. R. (1991). Generating production rules from decision trees, artificial intelligence laboratory. Cambridge MA: Massachusetts Institute of Technology.

    Google Scholar 

  14. Burger, W., & Burge, M. J. (2009). Principles of digital image processing – Fundamental techniques. London: Springer.

    Book  Google Scholar 

  15. 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

    Article  MathSciNet  MATH  Google Scholar 

  16. 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.

    Article  Google Scholar 

  17. 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.

  18. Webseite AK UIS. https://www.ak-uis.de/. Zugegriffen: 26. Mai 2020.

  19. Inforst. KronenTransparenz – Mobile app im Google Play store. https://play.google.com/store/apps/details?id=de.inforst.wze.kronenzustand. Zugegriffen: 28. Mai 2020.

Download references

Author information

Authors and Affiliations

  1. Inforst UG (haftungsbeschränkt), Leipzig, Deutschland

    Christine Müller

Authors
  1. Christine Müller
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Christine Müller .

Editor information

Editors and Affiliations

  1. Arbeitskreis Umweltinformationssysteme, Condat AG, Berlin, Germany

    Ulrike Freitag

  2. HTW Berlin, Berlin, Germany

    Frank Fuchs-Kittowski

  3. Disy Informationssysteme GmbH, Karlsruhe, Germany

    Andreas Abecker

  4. DigSyLand, Husby, Germany

    Friedhelm Hosenfeld

Rights and permissions

Reprints 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

Check for updates. Verify currency and authenticity via CrossMark

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

Publish with us

Policies and ethics

Search

Navigation