Monitoring bark beetle infestation using remote sensing

Loading...
Thumbnail Image
Journal Title
Journal ISSN
Volume Title
Insinööritieteiden korkeakoulu | Master's thesis
Date
2022-10-10
Department
Major/Subject
Geoinformatics
Mcode
Degree programme
Master's Programme in Geoinformatics (GIS)
Language
en
Pages
49+7
Series
Abstract
The spruce bark beetle (Ips typographus L.) is a serious threat to the Finnish boreal forests due to the economic losses they cause. The spread of the bark beetles has been monitored by manual field work for many years. But due to increasing outbreaks, there is a need for more efficient methods to monitor the outbreaks at larger areas. Unmanned Aerial Vehicles (UAVs) mounted with multispectral and hyperspectral sensors have already given good results at individual tree level. As the technology of satellite systems is evolving and satellites with higher spatial resolution have come available, many studies have been done using these. However, in Finnish conditions, even a 10 m/pixel resolution is not enough to recognize the decrease of tree health caused by the bark beetle. This study aims to develop a method for combining high-resolution UAV data with lower-resolution satellite data for bark beetle monitoring. A literature review was conducted on previous methodologies in bark beetle monitoring as well as UAV and satellite combinations in different fields, explaining tools and background for this thesis. A methodology was developed for combined analysis of satellite and drone data. The integration was implemented by utilizing the UAV data to extend the ground truth data. First, multispectral drone data was used to estimate health indices of individual trees. The drone data was then resampled to fit Sentinel-2 10 m x 10 m pixels and used as training data in a Random Forest estimation of the satellite’s pixels’ health indices. In addition, a trend analysis of the Sentinel-2 imagery was done on summer months 2019-2021. The combined method presented in this thesis performed at an 89% overall accuracy. The results of this thesis will help managing forests on a wider level than is now possible in Finland. The results were promising particularly considering monitoring of wide areas, however, in for the Finnish situation with fragmented outbreaks the forthcoming higher spatial resolution satellite systems might provide more efficient tool for detecting new outbreak areas.

Barkborren är ett stort hot i de finska boreala skogarna i och med de ekonomiska följder de orsakar. Spridningen har övervakats genom manuellt fältarbete i många år. På grund av de explosionsartade utbrotten finns det behov av effektivare arbetssätt för att övervaka dem i större skala. Unmanned Areal Vehicles (UAV) monterade med multispektrala och hyperspektrala sensorer har redan gett lovande resultat på individuell trädnivå. Vartefter teknologin av satellitsystem utvecklas och satelliter med högre spatial upplösning har kommit till förfogande har många studier gjorts med dessa. I de finska skogarna är en 10 m/pixel-upplösning dock inte tillräcklig för att identifiera hälsoproblemen som orsakas av barkborren. Målet med den här studien är att hitta en metod för att kombinera högupplöslig UAV-data med lägre-upplöslig satellitdata för att övervaka barkborren. En litterär studie gjordes på tidigare metodologier inom övervakandet av barkborren, samt av kombinationer av UAV och satellitdata inom andra områden för att förklara verktyg och bakgrund till arbetet. En metodologi utvecklades för kombinerad analys av satellit och drönardata. Integrationen implementerades genom att använda UAV-data för att utöka sanningsdata. Först användes multispektral UAV-data för att estimera hälsoindex för individuella träd. Drönardata omsamplades sedan att passa med Sentinel-2 10 m x 10 m pixlar och användes som träningsdata i en Random Forest uppskattning av satellitpixlarnas hälsoindex. Dessutom utfördes en trendanalys av Sentinel-2 bilder för somrarna 2019-2021. Den totala noggrannheten av den kombinerade metoden var 89%. Resultaten från detta slutarbete möjliggör skogsskötsel av större områden än vad som just nu är möjligt i Finland. Resultaten var lovande, särskilt med tanke på övervakning av stora områden, men för den finska situationen med fragmenterade utbrott kan de kommande satellitsystemen med högre upplösning vara ett mer effektivt verktyg för att upptäcka nya utbrottsområden.
Description
Supervisor
Rautiainen, Miina
Thesis advisor
Honkavaara, Eija
Näsi, Roope
Keywords
bark beetle, Sentinel-2, UAV, multispectral imagery, Random Forest
Other note
Citation