Latvijas Zinātnes Padomes programmas "Fundamentālie un lietišķie pētījumu projekti" granta vienošanās Nr. lzp-2024/1-0484
Pētījuma partneri: LVMI "Silava" (vadošais partneris) un Elektronikas un datorzinātņu institūts.
Pētījuma mērķis ir jaunas metodes izstrādāšana meža resursu novērtēšanai mežaudzes līmenī hemiboreālajā klimata zonā Latvijā. Tiks novērtēti tādi parametri kā suga, koku augstums un diametrs krūšu augstumā (DBH), atmirusī koksne, CO2 piesaiste, evapotranspirācija no ļoti augstas izšķirtspējas (VHR) tālizpētes (RS) datiem, kas ievākti, izmantojot bezpilota lidaparātus (UAV).
Pētījuma galvenie uzdevumi:
- Izstrādāt jaunu koku sugu klasifikācijas metodi no hiperspektrālajiem (HS) datiem. Tiks analizētas Latvijā izplatītākās koku sugas: priede (Pinus sylvestris), parastā egle (Picea abies), āra bērzs (Betula pendula), baltalksnis (Alnus incana Moench), melnalksnis (Alnus glutinosa Gaertn.), apse (Populus tremula), ozols (Quercus robur) un parastais osis (Fraxinus excelsior), kā arī atmirušā koksne. Metodes pamatā būs 3D konvolucionālais neironu tīkls (3D-CNN), izmantojot dažu kadru mācīšanās pieeju, kas ļauj veikt klasifikāciju ar ierobežotu treniņa datu apjomu;
- Izstrādāt metodiku izmantojot no UAV iegūtus hiperspektrālos attēlus un LiDAR datus to izmantošanai mežaudzes parametru novērtēšanai, tostarp precizitātes un nenoteiktības novērtēšanai salīdzinājumā ar tradicionālo meža inventarizāciju;
- Analizēt un salīdzināt izstrādātās metodes precizitāti un nenoteiktību ar literatūrā pieejamajām koku sugu klasifikācijas un meža inventarizācijas parametru novērtēšanā izmantotajām metodēm;
- Novērtēt izstrādāto metožu piemērotību praktiskam pielietojumam, izmantojot UAV attālās izpētes datu laikrindas.
Aktualitātes
- 09.2025. Līdz šim pētījuma ietvaros atlasītas 24 mežaudzes, vienādā skaitā iekļaujot Latvijas 8 izplatītākās koku sugas. Katrā no mežaudzēm ierīkoti divi parauglaukumi, kuros sākta references datu ievākšana atbilstoši izstrādātajai metodikai, iekļaujot informāciju par dzīvajiem kokiem un atmirušo koksni. Tā pat visos šajos paraugluakumos vienu reizi, 2025. gada vasaras sezonā ievākti attālās izpētes dati – augstas izšķirtspējas multispektrālie, LiDAR un hiperspektrālie dati, kā arī veikta šo datu sāktonējā apstrāde.
Balstoties uz literatūras studijām, uzsākta LiDAR punktu mākoņu klasifikācija, individuālu koku identificēšana, to vainagu platības un augstuma noteikšana, kā arī veikta dažādu LiDAR datu ieguves veida un uzstādījumu salīdzināšana, lai šajā un turpmākajos pētījumos iegūtu mērķim atbilstošākos datus.
2025. gada otrajā pusē turpinās references datu iegūšana, attālās izpētes datu apstrāde un sākotnējo modeļu testēšana.