Stadsbomen monitoren per satelliet
A -C
Tr
In een stedelijke omgeving zijn bomen van groot belang voor de leefbaarheid. In Nederland beheren
gemeentes de bomen in de openbare ruimte. Voor een gemeente als Enschede zijn dat ongeveer
65.000 bomen. Elk jaar verdwijnen er plusminus 1500 bomen en worden er ook 1500 nieuwe geplant.
De beheerders hebben behoefte aan actuele gegevens over aantal, locatie, veranderingen en trends in het
bomenbestand voor duurzaam beheer. Om in deze behoefte te voorzien ging in 2007 het Boom en Beeld
project van start (zie kader). Binnen dit project onderzocht promovendus Juan Pablo Ardila López op welke
manieren deze gegevens ontleend kunnen worden aan satellietbeelden en luchtfoto's.
Methode A:
Gebruik maken van de variatie
in omgeving met beslisregels
Bomen met een kroondiameter
van minder dan drie meter
werden vaak gemist
Boom en Beeld project
II
Wietske Bijker, Universitair docent, Universiteit Twente, Faculteit Geo-informatie Wetenschappen en
Aardobservatie (ITC), bijker@itc.nl
Monitoring van stadsbomen door mid
del van aardobservatie is een uitdaging
vanwege de grote variatie in de omgeving
van de bomen, zoals diverse soorten
verharde en onverharde oppervlakken en
de aanwezigheid van gebouwen met hun
schaduwen. Ook de bomen variëren in
grootte, soort en vitaliteit. In dit promotie
onderzoek werden optische beelden met
zeer hoge resolutie (<im), opgenomen in
voorjaar of zomer, gebruikt voor identifica
tie en monitoring van bomen. Daarbij werd
uitgegaan van tijdseries met beelden van
verschillende sensoren wat in de praktijk
ook meestal het geval is. Om met verschil
lende sensoren binnen dezelfde tijdreeks te
kunnen werken, werden binnen het Boom
en Beeld project vier methodes ontwikkeld.
Deze eerste methode maakte van de
nood een deugd door de grote variatie
in de stedelijke omgeving te gebruiken
in de classificatie. De locatie van bijvoor
beeld wegen en parken werd gebruikt in
beslisregels binnen een objectgerichte
benadering,
bomen in een park. De objectgerichte
aanpak is erg geschikt voor analyse van
beelden met een resolutie van minder
dan één meter en een grote spectrale
heterogeniteit
naast spectrale
en ruimtelijke
kenmerken van
de bomen, zoals
de vorm en
de aanwezigheid van schaduw. Voor het
identificeren van laanbeplanting werden
bijvoorbeeld andere regels gebruikt bij
beeldsegmentatie en classificatie dan voor
binnen klassen.
Op'pansharpe-
ned'Quickbird-
beelden (reso
lutie 0,6 m) van
wijken in Enschede en Delft konden met
deze methode respectievelijk 70% en 82%
van de bomen geïdentificeerd worden.
Kleine bomen met een kroondiameter
Het hier beschreven onderzoek is onderdeel van het project Boom en Beeld (2007-2010),
een samenwerking van het bedrijf NEO, onderzoeksinstituut Alterra en de faculteit ITC,
medegefinancierd door het Netherlands Space Office (NSO). Het onderzoek werd uit
gevoerd door Juan Pablo Ardila López, onder begeleiding van Alfred Stein (promotor),
Wietske Bijker (assistent promotor) en ValentynTolpekin (assistent promotor) van de
vakgroep Earth Observation Science van de faculteit ITC van de UniversiteitTwente.
12.5%
87.5%
25%
75%
12.5%
87.5%
25%
75%
12.6 V
UB7.5H
25%
75%
Fig. 7 Superresolutie kartering voor twee pixels en twee klassen, a) Oorspronkelijke pixels, de linker (lichtgrijs) bevat 12.5% klasse 7 (zwart) en 87.5% klasse 2 (wit),
de rechter pixel (donkergrijs) bevat 25% klasse 1 (zwart) en 75% klasse 2 (wit), b) Verdeling in subpixels, in de linker pixel is 12.5% van de subpixels toegekend aan
klasse 1 (zwart), in de rechter pixel is dat 25%, overeenkomstig de bedekkingspercentages in de oorspronkelijke pixels. Locatie van de witte en zwarte subpixels
binnen de pixel is willekeurig, c) Na herschikking van de subpixels binnen de pixel.
Geo-lnfo 2012-9 5