Projekta ForestRisk attīstība

- realizēta references metode mitro teritoriju noteikšanai, lai veiktu salīdzinājumu ar projekta laikā izstrādāto;

- uzlabots atklāta ūdens noteikšanas algoritms;

- turpināti precizitātes novērtējumi

- veikta detalizēta kļūdu avotu analīze.

Projekta ietvarā tiks izveidots detalizēts izstrādātā algoritma apraksts. Sasniegtie rezultāti praktiski tiks demonstrēti un algoritmu rezultāti publicēti SIA "Baltic Satellite Service" izstrādātajā web lietotnē ForestRadar servisu veidā jau šī gada novembrī. Lietotnes demonstrācijas vide ir atvērta jebkuram interesentam. 

 ForestRadar lietotne pieejama šeit: https://app.forestradar.com  

ForestRisk projekta ietvaros izstrādātas metodes ūdenī stāvošu mežaudžu noteikšanai

Šajā projekta periodā tika veiktas sekojošas aktivitātes: 

1. Audžu robežu korekcijas, izmantojot Sentinel-2 attēlus un segmentācijas metodes;

2. Deskriptoru kopas izveide un izpēte (Sentinel-2 normalizētās starpības mitruma indekss, Sentinel-1 starpību attēli, digitālā reljefa modeļa deskriptori);

4. Izstrādāta darbplūsma nevadītai Sentinel-1 laika rindas apstrādei mitro meža teritoriju iezīmēšanai;

ForestRisk projekta seminārs

2023. gada 27. martā plkst.10:00 aicinām Jūs piedalīties Eiropas Reģionālās attīstības fonda līdzfinansēta projekta  Nr.1.1.1.1/21/A/040 “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” tiešaistes seminārā par projektā iegūtajiem rezultātiem.

Projekts veltīts jaunu tehnoloģiju izstrādei meža stresa faktoru novērtēšanai, uzraudzībai un brīdināšanai par meža riskiem, balstoties uz brīvi pieejamu satelītu datu un mērķtiecīgi ar droniem iegūtu tālizpētes datu apstrādi.

Projektu realizē Elektronikas un datorzinātņu institūts sadarbībā (EDI) ar  Latvijas Valsts mežzinātnes institūtu “Silava”(SILAVA)  un SIA “Baltic Satellite Service” (BSS).

Semināra programma:

10:00 – 10:10 “ForestRisk projekta mērķi.” Ints Mednieks, EDI.

10:10 – 10:30  “Eiropas meža veselības monitoringa īstenošana un iegūto datu izmantošana Latvijā.” Andis Lazdiņš,  SILAVA.

10:30 – 10:50 "Bojāti koku vainagi kā tālizpētes datu anomālijas". Linda Gulbe, EDI.

10:50 – 11:10  “Paaugstināta mitruma vai ūdenī stāvošu mežaudžu noteikšanas metodes.” Andrejs Grišanovs, BSS.

11:10 – 11:30  “Mežaudžu inventarizācijas parametru prognozēšana, balstoties uz meža resursu monitoringa parauglaukumu un attālās izpētes datiem.” Jānis Ivanovs, SILAVA.

11:30 – 11:50 „Mobilo (dronu) LiDAR datu korelācijas izpēte ar LAI un citiem veģetācijas indeksiem.” Grigorijs Goldbergs, EDI.

Reģistrācija semināram:

https://docs.google.com/forms/d/e/1FAIpQLSeXoYU77x8Mmvgkb8Y1NwSrMePSatuW26hnvwuinTasIHCgZg/viewform

Reģistrētiem dalībniekiem tiks izsūtīta saite dalībai seminārā.

Paveiktais projekta “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” ietvaros, vienošanās ar CFLA Nr. 1.1.1.1/21/A/040

Projekta ietvaros tika veiktas sekojošas aktivitātes un pārbaudītas lidar datu izmantošanas iespējas paaugstināta mitruma vietu noteikšanai mežā zem koku vainagiem:

1. Apkopoti references dati un Sentinel-1/ Sentinel-2 satelītattēli;

2. Pārbaudīta iespēja noteikt ūdens nosegumu zem koku vainagiem, izmantojot brīvpiekļuves lidara datus;

3. Analizētas mitro teritoriju digitālās vērtības salīdzinājumā ar blakus esošajām;

4. Apskatītas mitro teritoriju detektēšanas metodes zinātniskajās publikācijās;

5. Detaļās analizēts Slokas ezera apkārtnē esošais regulāri applūstošais mežs.

Attēli dabā no Slokas ezera apkārtnes apsekotās teritorijas:Att.1. Pavasarī ilgstoši applūdusī teritorija, kas vasarā izžuvusi. Att.2. Vēršupītes un Vecslocenes saplūšanas vieta, kas ir viens no applūduma izraisītājiem Slokas ezera apkārtnē.  

Balstoties uz atziņām, kas tika iegūtas pēc hakatona dalībnieku veiktā pētījuma, kā arī augstāk minēto pētniecisko darbību aktivitātēm, kas balstītas uz lidar datu kopas izmantošanu applūstošo teritoriju noteikšanai mežā, turpmākajā pētījuma projekta posmā tiks veiktas audžu robežu korekcijas, pazīmju kopas papildināšana ar dažādiem multispektrālu un SAR datu indeksiem, izmantojot Sentinel-1 un Sentinel-2 datu laika rindas par garāku laika periodu. Šāda pieeja ar garāku satelītattēlu laika rindu izmantošanu varētu palīdzēt sekmīgi identificēt applūdušās vietas mežā teritorijās, kas aprakstīta vairākās zinātniskajās publikācijās un tiks pārbaudīta šī projekta ietvaros.Att.3. Mitrā teritorija, kas tika konstatēta 22.04.2022.

Att. 4. Mitrās teritorijas laika rinda. 

Hakatona "AI for forest health" rezultāti un atziņas projekta “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” ietvaros, vienošanās ar CFLA Nr. 1.1.1.1/21/A/040 attīstībai

Atbalstot aktīvi hakatona dalībniekus ar detalizētu problēmas izklāstu, vairāk kā 10 telpisko datu slāņiem un sagatavotiem Sentinel-1 un Sentinel-2 datiem par projekta teritoriju, apmācību semināru kuri vairāku mēnešu garumā centās rast risinājumu pārmitro vietu noteikšanā mežā, tika sasniegts sekojošs rezultāts, kas detalizētai izpētei pieejams šeit:

Meža bojājumu teritorijas

No Sentinel-1 noteiktās appludinātās teritorijas.

No kopējās analizētās platības (16675 ha) 2455 ha tika konstatēts paaugstināts mitrums.

Svarīgākās atziņas no hakatona gaitā iegūtajiem rezultātiem, kas būs noderīgas turpmākajiem pētījumiem, ir sekojošas:

●       Ieteicams lietot joslas, kas palīdz noteikt ūdens/bojātas veģetācijas teritorijas;

●       Algoritma apmācībai izmantot tikai appludināta meža datus nevis visus plūdu skarto vietu datus;

●       Ieteicams izmantot meteoroloģiskos datus;

●       Ieteicams izmantot LIDAR datus.

Izveidoto modeļu rezultāti norāda, ka nepieciešams meklēt veidus un metodes kā uzlabot to sasniegto precizitāti Sentinel-2 datiem (66.8 %) un ortofoto datiem (74%), piemēram, palielināt izmantoto attēlu skaitu, izmantot infrasarkano joslu izmantošanu, NDWI, NDVI undeksus, u.c.

Jaunākās aktivitātes projekta “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” ietvaros, vienošanās ar CFLA Nr. 1.1.1.1/21/A/040

21.07.2022 kopā ar projekta partneriem no Elektronikas un datorzinātņu institūta un LVMI “Silava” devāmies ar meža pētniecību saistītā izbraukumā uz meža monitoringa parauglaukumu, kas atrodas Valgundes pagastā. LVMI “Silava” kolēģi detalizēti iepazīstināja visus dalībniekus ar tādām nacionālo meža monitoringa aktivitātēm kā meža resursu statistiskā inventarizācija, kas ietver parauglaukumu apsekošanu dabā, koksnes resursu pārmērīšanu, zemes lietojuma veida novērtēšanu, I un II līmeņa meža monitoringu, koku vainagu stāvokļa ikgadējo novērtēšanu parauglaukumos, meža kaitēkļu un slimību (meža biotisko risku) monitoringu u.c. aktivitātes. LVMI “Silava” darbinieki papildus detalizētas informācijas sniegšanai arī demonstrēja dažādus mērinstrumentus un tehnoloģijas, kas ikdienā tiek izmantotas meža monitoringa veikšanai un regulārai lauka datu uzkrāšanai. Izbraukuma laikā tika veikti arī divu dažādu dronu lidojumi aktuālo meža datu iegūšanai.

Dalība hakatonā - mākslīgais intelekts meža veselībai (AI for Earth 2 - Forest Health)

Projekta “Uz tālizpēti balstīta meža riska faktoru uzraudzības sistēma (ForestRisk)” (vienošanās ar Centrālo finanšu un līgumu aģentūru Nr. 1.1.1.1/21/A/040) ietvaros, meklējot labākos risinājumus paaugstināta mitruma vietu noteikšanai mežā, SIA "Baltic Satellite Service" izmanto iespēju jaunu ideju izpētei un iegūšanai, piedaloties ar šīs problēmas iespējamo risinājumu meklēšanu starptautiskā hakatonā.

Arī interesentiem no Latvijas ir iespēja pieteikties dalībai hakatonā līdz 19.jūnijam un kopā ar datu zinātniekiem nmeklēt risinājumus šai problēmai. 

Papildus informācija un iespēja pieteikties dalībai hakatonā šeit: 

https://www.fruitpunch.ai/challenges/ai-for-earth-2-forest-health

Projekta budžets: 431 726 EUR

Projekta izpildes laikaposms: 2022.g. 1.marts – 2023.g. 30. novembris

SIA Baltic Satellite Service sadarbībā ar Elektronikas un datorzinātņu institūtu un Latvijas valsts mežzinātnes institūtu “Silava” realizē ForestRisk projektu.

Meža īpašniekiem ir nepieciešama agrīna meža stresa noteikšana, lai ātri pieņemtu lēmumus par
nepieciešamajiem pasākumiem tā cēloņu novēršanai vai stresa izraisītāju izplatības novēršanai. Lielu mežu platību īpašnieki regulāri veic uzraudzību, lai pārbaudītu meža stāvokli. To galvenokārt veic ar in-situ pārbaudēm, kas ir dārgas un ierobežotas analizējamo parauglaukumu apjoma ziņā. Šo iemeslu dēļ meža stress daudzos gadījumos tiek atklāts pārāk vēlu, izraisot nopietnākus postījumus un ar tiem saistītos zaudējumus. Strauji attīstošos attālās izpētes tehnoloģiju izmantošana ļautu samazināt pārbaudes izmaksas un sniegt tūlītēju informāciju par visu meža resursu stāvokli. Projektā ierosinātā pieeja ir veikt virspusēju meža teritoriju analīzi, pamatojoties uz brīvi pieejamiem satelītu (Sentinel-1 un Sentinel-2) datiem, lai noteiktu reģionus, kuri ir pakļauti stresa faktoriem, kam seko šo teritoriju rūpīga analīze, apkopojot augstas izšķirtspējas datus, kas iegūti, izmantojot dronus, un to apstrādi, izmantojot speciālus programmatūras rīkus.

Woodstock projekta noslēguma seminārs

https://www.edi.lv/projects/satelitdatos-balstita-jauna-mezaudzes-krajas-novertesanas-tehnologija-woodstock/

Visi interesenti, kas nevarēja seminārā piedalīties, laipni aicināti noskatīties tā ierakstu.

Ja Jums rodas jautājumi un nepieciešama papildus informācija, lūdzam sazināties ar Ilzi Bargo pa tālr. 29284989 vai e-pastu [email protected]  

Woodstock projekta noslēguma seminārs

2022. gada 28. februārī plkst.10:00 Elektronikas un datorzinātņu institūts (EDI) un SIA “Baltic Satellite Service”(BSS) aicina Jūs uz tiešsaistes semināru par ERAF projektā „Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)” Nr. 1.1.1.1/18/A/165 sasniegtajiem rezultātiem. Projekta mērķis ir izstrādāt izmaksu efektīvu tehnoloģiju koksnes krājas novērtēšanai mežā, kas izmantotu tikai arvien plašāk pieejamos augstas izšķirtspējas optiskos un radara satelītdatus.

Semināra programma.
10:00 – 10:20 “WoodStock projekta galvenie rezultāti” (I.Mednieks, EDI).
10:20 - 10:40 “Krājas noteikšana, izmantojot regresijas metodes” (L.Gulbe, EDI).
10:40 - 11:10 „Latvijas mežos valdošo koku sugu krājas noteikšana, izmantojot LiDAR, aerofoto un satelītu stereo attēlus (pēc koka augstuma un CHM augstumu
metrikām)” (G.Goldbergs, EDI).
11:10 - 11:30 “Mežaudzes krājas novērtēšana, izmantojot Sentinel-2, LiDAR un inventarizācijas datus” (J.Siņica-Siņavskis, EDI).
11:30 – 12:00 “Projektā izstrādātā programmatūra (ar demonstrāciju)” (A.Grišanovs, BSS).

Laipni aicināti visi, kam interesē iespējas izmantot tālizpētes datus mežu apsaimniekošanā.

Lūdzam dalībniekus reģistrēties šeit: https://forms.gle/qD7NuXbSMUpAxgcz9
Piekļuves saite tiks atsūtīta pēc reģistrācijas (dienu pirms semināra norises) uz reģistrācijā norādīto e-pastu. Papildus informāciju un jautājumus, lūdzu, adresējiet Ilzei Bargajai pa tālr. 29284989 vai e-pastu [email protected]

Woodstock projekta gala posma rezultāti pieejami testēšanai jau 2022. gada sākumā

Projekta beigu posmā rezultāti, ar kuriem mēs plānojam dalīties, ir par satelītdatiem balstītu krājas apjoma novērtēšanas tehnoloģiju (WoodStock). Mēs esam izstrādājuši prototipu tehnoloģiju krājas apjoma noteikšanai no augstas izšķirtspējas satelītu datiem, izveidojot trīs dažādas metodes koku sugu, koku augstuma un meža blīvuma noteikšanai. Veicot visaptverošus pētījumus, izmantojot dažādus datu avotus, piemēram, LiDAR, harvesteru, inventarizācijas, lauka datu, satelītattēlu, ortofoto u.c., kā arī neironu tīklu modeļus, tika veikta dažādu modeļu un parametru testēšana, izvēloties modeli, kas sniedz precīzākos un ticamākos datus. Gala meža krājas novērtēšanas modelī ir iekļauti koku sugu, koku augstuma un meža blīvuma rādītāji, un izstrādātais modelis būs pieejams testēšanai 2022. gada sākumā.

Mūsu rezultāti liecina, ka šķērslaukuma platības parametra noteikšana, izmantojot tikai attālās izpētes datus, ir praktiski iespējama. Izmantojot DSM, kas iegūts no augstākās izšķirtspējas (VHR) satelītu attēliem un Sentinel-1 datiem, kā avota datus, mēs esam apmācījuši ML modeli, kas ieguva attiecīgi līdz 25% un 40% relatīvo kļūdu priedes un citu koku sugu gadījumā. Lai noteiktu krāju plašām meža teritorijām, šī metode var būt piemērota izvēle šķerslaukuma noteikšanai un kokmateriālu apjoma aprēķināšanai.

The results of the final phase of the Woodstock project will be available for testing in early 2022

Our results show that estimation of forest basal area parameter using only remote sensing data is practically possible. Using DSM obtained from VHR satellite imagery and Sentinel-1 data as source data we have trained an ML model which obtained up to 25% and 40% relative error for 90th percentile of cases for pine and other tree species respectively. For covering large areas of interest this technique can be the only choice of estimating the basal area and calculating timber volume from it.

Projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" progress

Pēc harvesteru datu sagatavošanas, daļa no tiem tika izmantota izstrādāto koku augstuma un meža biezības noteikšanas algoritmu pārbaudei un precizitātes noteikšanai. Harvestera datu izmantošanas īpatnības mašīnmācīšanās (ML) modeļu veidošanai tika prezentētas projekta seminārā un SIA "Baltic Satellite Service" jaunās zināšanas un pieredze ir turpmāk izmantojama arī citos projektos, kas saistīti ar harvesteru datu lietojumiem.

Woodstock projekta seminārs

2021. gada 29.jūnijā plkst.10:00, Elektronikas un datorzinātņu institūtā (EDI) notiks seminārs par ERAF projektu „Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)” Nr. 1.1.1.1/18/A/165 un tajā iegūtajiem rezultātiem.

Projekta mērķis ir izstrādāt izmaksu efektīvu tehnoloģiju koksnes krājas novērtēšanai mežā, kas izmantotu tikai arvien plašāk pieejamos augstas izšķirtspējas optiskos un radara satelītdatus.

Projektu realizē EDI un SIA “Baltic Satellite Service”.

Semināra programma.

10:00 - 10:20 “Harvestera datu izmantošanas īpatnības mašīnmācīšanas (ML) modeļu veidošanai, salīdzinot ar meža inventarizācijas datiem” (A.Grišanovs).
10:20 - 10:40 “No satelītdatiem iegūto digitālo virsmu modeļu (DSM) precizitātes analīze Latvijas mežos valdošajām koku sugām” (G.Goldbergs).
10:40 - 11:00 “Meža audzes šķērslaukuma noteikšana no radara (SAR) datiem, izmantojot mašīnmācīšanas (ML) metodes” (A.Grišanovs).
11:00 - 11:20 “Krājas novērtējumi mikroaudžu līmenī, izmantojot satelītdatus” (L.Gulbe).

Laipni aicināti visi, kam interesē iespējas izmantot tālizpētes datus mežu apsaimniekošanā.

Klātienes dalībnieku skaits ierobežots, lūgums reģistrējoties norādīt vēlamo dalības formu.

Lūdzam dalībniekus reģistrēties šeit: https://forms.gle/qD7NuXbSMUpAxgcz9

Tiks nodrošināta iespēja piedalīties seminārā attālināti, piekļuves saite tiks atsūtīta pēc reģistrācijas (dienu pirms semināra norises) uz norādīto reģistrācijā e-pastu.

Priecāsimies par Jūsu interesi un dalību seminārā klātienē vai attālināti! Ja Jums rodas papildus jautājumi par semināru, lūdzu, rakstiet uz e-pastu [email protected] vai zvaniet pa tālr. 29284989.

Projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" progress

Apstrādājot projekta teritoriju nogabalu augstuma un Iceye SAR datus, tika iegūti meža biezības noteikšanas rezultāti. Šajā projekta posmā tie tika iegūti, atlasot un izmantojot priežu tīraudžu datus.

Pievienojot Iceye SAR datus modelim, tika iegūta augstāka precizitāte par ~ 10% salīdzinot ar modeli, kas balstīts tikai uz multispektrālo satelītattēlu augstuma datiem. Tika pārbaudīta šķērslaukuma noteikšanas vidējā kvadrātiskā kļūda un rezultāti parādīja, ka tā ir minimāli atkarīga no izmantoto SAR attēlu skaita. Šis rezultāts uzskatāmi parāda, ka modeli ieviešot ražošanā, nepieciešamo SAR attēlu skaits var tikt samazināts, tādējādi samazinot gala lietotājiem izmaksas par iepērkamajiem SAR datiem.

Tuvākajā laikā tiks apstrādāti un testēti arī citu sugu tīraudžu dati un veidoti modeļi gan katrai sugai atsevišķi, gan visām sugām kopīgs, izmantojot gan SAR, gan optiskos datus. Salīdzinot iegūtos rezultātus būs iespējams noteikt modeli, kurš uzrādīs labāko rezultātu.    

Projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" jaunākās aktivitātes

1.       Projekta ietvaros ir izveidots koku vainagu augstuma modelis (CHM) un veikta tā precizitātes novērtēšana. CHM modelis atspoguļo vidējo koka augstumu (mērot no zemes līdz vainaga augšdaļai) katrā atsevišķā rastra pikseļī, kur viss rastrs aptver projekta teritoriju. CHM var aprēķināt, no digitālā virsmas modeļa (DSM), kas apzīmē koka lapotnes augšdaļu, atņemot digitālo reljefa modeli (DTM).

Precīzo DTM var iegūt no Lidar datiem, filtrējot tikai zemes atstarošanas punktus un interpolējot laukumus bez zemes atstarojumiem. Izmantojot šo paņēmienu, mūsu pētniecības teritorijai ir sagatavots DTM ar izšķirtspēju 1 m (attēls 1). Fotogrammetrisko augstuma modeļu precizitātes novērtēšanai tiek sagatavota precizitātes pārbaudes programma, kas palīdzēs novērtēt vairākus izveidotos modeļus. 

Attēls 1: Projekta teritorijas DTM modelis.

2.    Tika veikta Iceye radara datu apstrāde un projekcijas korekcijas, izmantojot atbilstošo reljefa modeli. Šie dati tiek izmantoti meža biezības noteikšanā, meklējot korelāciju starp atstarotā signāla amplitūdu un biezību. 

Projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" jaunākās aktivitātes

Šajā projekta posmā notika aktīvs darbs ar ģeotelpiskajiem datiem, datu slāņu sagatavošanu vienā koordināšu un references sistēmā un ar vienādu pikseļa izmēru projekta vajadzībām. Tika izmantoti vairāki datu avoti:  DTM rastrs no LĢIA LAS datiem, TSX1 DSM rastrs, TSX1 CHM rastrs, kas aprēķināts no TSX1 DSM un DTM, Pleiades DSM rastrs, Pleiades orthophoto rastrs, Pleiades CHM rastrs, kas aprēķināts no Pleiades DSM un DTM.

Projekta ietvaros tika piegādāti arī Iceye SAR satelīta dati, veikta to pēcapstrāde un sākotnējā analīze meža biezības noteikšanas metodoloģijas izstrādei.

projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" jaunākās aktivitātes

Turpinot darbu pie projekta, tika veikti vairāki tehniskie darbi

-          Pētījuma teritorijas digitālā reljefa modeļa izveidošana no LIDAR datiem;

-          Vispārīgas ģeogrāfisko datu paralēlās skaitļošanas platformas izstrāde pēc Map/Reduce principa algoritmu vai modeļu mērogošanai veselu valstu vai lielāku reģionu teritorijām, izmantojot skaitļošanas mākoņa resursus;

-          SAR attēlu priekšapstrādes automatizācija ar ESA SNAP toolbox.

Tāpat arī tika sagatavota zinātniskā publikācija iesniegšanai BEC2020 konferencei par koku sugu klasifikāciju, izmantojot brīvpieejas Sentinel-2 satelītdatus.

Seminārs par projektu „Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)”

2020. gada 29.jūnijā plkst.10:00, Elektronikas un datorzinātņu institūta (EDI) konferenču zālē, Dzērbenes ielā 14, Rīgā notiks seminārs par ERAF projektu „Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)” Nr. 1.1.1.1/18/A/165 un tajā iegūtajiem rezultātiem.

SIA “Baltic Satellite Service” kopā ar EDI realizē projektu, kura mērķis ir izstrādāt izmaksu efektīvu tehnoloģiju koksnes krājas novērtēšanai mežā, kas izmantotu tikai arvien plašāk pieejamos augstas izšķirtspējas optiskos un radara satelītdatus. Projekta ietvaros esam sasnieguši sākotnējos rezultātus meža mikroaudžu segmentēšanā un koku sugu identifikācijā, izmantojot tālizpētes datus. Nākamie soļi būs saistīti ar koku augstuma un meža biezības noteikšanas metožu izstrādi, kā arī meža krājas prognozēšanas modeļa izstrādi.     

Semināra programma.

10:00 – 10:10    A.Kadakovskis. WoodStock projekta mērķi un risināmie uzdevumi.

10:10 – 10:30    J.Zariņš. Koksnes krājas novērtēšana, izmantojot tālizpētes datus.

10:30 – 10:50    L.Gulbe. Meža mikroaudžu segmentēšana, izmantojot augstas izšķirtspējas satelītu datus.

10:50 – 11:10    J.Siņica-Siņavskis. Koku sugu identifikācija Sentinel-2 attēlos, izmantojot fragmentārus inventarizācijas datus.

Laipni aicināti visi, kam interesē iespējas izmantot tālizpētes datus mežu apsaimniekošanā.

Lūdzam dalībniekus reģistrēties šeit:

https://docs.google.com/forms/d/e/1FAIpQLSeIQGrDgyhc2p4lBQs2dyifHLwqhSqncFF5JvUvBO0cuSYCQA/viewform?usp=sf_link

Tiks nodrošināta iespēja vērot semināra tiešraidi EDI Facebook vietnē: https://www.facebook.com/edi.riga/

Projekta “Satelītdatos balstīta jauna mežaudzes krājas novērtēšanas tehnoloģija (WoodStock)" attīstība

 Turpinās kopīgs darbs pie projeketa realizācijas. Pēc vairākām tikšanās reizēm un diskusijām tika panākta vienošanās par kopējiem programmatūras sagatavošanas principiem un datu apstrādi:  projektā tiek izmantota Linux vide un Python v.3. programmatūra. Šobrīd tiek izstrādāts arī dokuments, kas detalizēti apraksta tehniskās prasības un programmatūras integrēšanas vidi katram procesam, un tas būs saistošs visa projekta realizācijas laiku.

Projekta ietvaros tiek izmantoti dažādu avotu dati (inventarizācijas dati, harvesteru dati, dronu dati, satelītattēli, lauka mērījumu dati, u.c.), lai varētu izstrādāt algoritmus, kas pēc iespējas precīzāk spētu noteikt koku sugu, augstumu un meža biezību, no kuriem būtu iespējams noteikt koksnes krāju mežā. Aktīvi turpinās darbs pie pašu algoritmu izstrādes, kas balstīts uz šobrīd pieejamajiem  telpiskajiem datiem.

Projekta ietvaros turpinās konsultācijas ar meža īpašniekiem, kā arī tiek uzkrāti nepieciešamie atbalsta dati.