Validation of hyperspectral light detection and ranging (LiDAR) in chlorophyll estimation

No Thumbnail Available

URL

Journal Title

Journal ISSN

Volume Title

School of Engineering | Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author

Authors

Date

2012

Department

Maankäyttötieteiden laitos

Major/Subject

Fotogrammetria

Mcode

Maa-57

Degree programme

Language

en

Pages

vi + 50

Series

Abstract

The purpose of this thesis is to validate the first prototype of a full waveform hyper spectral LiDAR instrument developed in the Finnish Geodetic Institute (FGI) in chlorophyll estimation. The instrument efficiently combines the benefits of passive and active remote sensing sensors. It is able to produce 3D point clouds with spectral information included for every point which offers great potential in the field of remote sensing of environment. The performance of the hyper spectral LiDAR instrument in chlorophyll estimation was validated by finding chlorophyll sensitive vegetation indices using hyper spectral LiDAR data and validating their performance in chlorophyll estimation. The amount of chlorophyll in vegetation is an important indicator of vegetation photosynthetic capacity and stress. Consequently, chlorophyll estimation is a widely studied subject in the field of vegetation remote sensing. The chlorophyll estimation was performed by calculating 28 published vegetation indices to ten Scots pine shoots and oat samples with varying health. Reference data was acquired by accurate laboratory chlorophyll and nitrogen concentration analysis. The performance of the indices in chlorophyll estimation was determined by linear regression and leave-one-out cross-validation. The results indicate that the hyper spectral LiDAR instrument holds a good capability to estimate vegetation biophysical parameters such as the chlorophyll concentration. The results were good especially with the Scots pine shoot dataset. The instrument used and presented in this thesis already holds much potential in various environmental applications. As the hyper spectral LiDAR technology matures, it will provide a significant improvement to the remote sensing of environment.

Tämän diplomityön tarkoituksena on validoida Geodeettisella laitoksella kehitettyä ensimmäistä prototyyppiä koko aaltomuodon tallentavasta hyperspektraalisesta laserkeilaimesta klorofyllin estimoinnissa. Kyseinen instrumentti yhdistää tehokkaasti passiivisten ja aktiivisten kaukokartoitussensorien hyödyt. Instrumentilla pystytään muodostamaan kolmiulotteisia pistepilviä, joissa on mukana tiedot jokaisen pisteen spektraalisista ominaisuuksista. Tämä lupaa paljon potentiaalisia hyötyjä ympäristön kaukokartoitukselle. Hyperspektraalisen laserkeilaimen toimintakykyä klorofyllin estimoinnissa validoitiin etsimällä klorofyllille herkkiä indeksejä käyttämällä hyperspektraalista laserkeilausdataa ja validoimalla näiden toimivuutta klorofyllin estimoinnissa. Klorofyllin määrä kasvillisuudessa antaa paljon tietoa kasvillisuuden yhteyttämiskyvystä ja stressistä, minkä takia se on laajalti tutkittu aihe kasvillisuuden kaukokartoituksessa. Klorofyllin estimointi suoritettiin laskemalla 28 julkaistua kasvillisuusindeksiä kymmenelle eri terveydentilassa olevalle männyn versolle ja kauranäytteelle. Vertailudatana käytettiin tarkkoja laboratoriossa analysoituja klorofylli- ja typpipitoisuuksia. Kasvillisuusindeksien suoriutumiskykyä klorofyllin estimoinnissa arvioitiin käyttämällä lineaarista regressioanalyysia ja leave-one-out ristiinvalidointia. Tulokset osoittavat, että hyperspektraalinen laserkeilain omaa hyvät toimintaedellytykset kasvillisuuden biofysikaalisten ominaisuuksien, kuten klorofyllipitoisuuden, estimointiin. Tulokset olivat hyviä erityisesti männyn versojen osalta. Tässä diplomityössä käytetty ja esitetty instrumentti omaa jo nyt paljon potentiaalisia hyötyjä eri ympäristösovelluksiin. Hyperspektraalinen laserkeilaustekniikka tulee kehittyessään vielä olemaan merkittävä parannus ympäristön kaukokartoitukselle.

Description

Supervisor

Haggrén, Henrik

Thesis advisor

Kaasalainen, Sanna

Keywords

remote sensing, kaukokartoitus, hyperspectral, hyperspektraalinen, LiDAR, laserkeilaus, laser scanning, kasvillisuusindeksi, vegetation index, klorofyllin estimointi, chlorophyll estimation, aktiivinen kaukokartoitus, active sensing

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-2020122859331

Collections

[dipl] Insinööritieteiden korkeakoulu / ENG