Publications
NIBIOs employees contribute to several hundred scientific articles and research reports every year. You can browse or search in our collection which contains references and links to these publications as well as other research and dissemination activities. The collection is continously updated with new and historical material.
2025
Authors
Jakob J. Assmann Pil B. M. Pedersen Jesper E. Moeslund Cornelius Senf Urs A. Treier Derek Corcoran Zsofia Koma Thomas Nord-Larsen Signe NormandAbstract
Forest ecosystems will play a critical role in achieving policy targets for biodiversity and conservation, such as those set out in the EU Biodiversity strategy for 2030. However, practitioners need to know where forests of high conservation value are to make the best-informed decisions about which forests to prioritize. Here, we combine airborne LiDAR (airborne laser scanning/ALS), optical satellite imagery, and gridded datasets on soil and water availability with machine learning models to predict forests' conservation value across Denmark. We then use change-detection algorithms to identify forests that had been disturbed since the collection of the LiDAR data to produce up-to-date estimates for the year 2020. Our models reached a high predictive capacity (82% accuracy) and suggested that 1982 km2 (~31%) of Denmark's forests were of potential high conservation value. Our study demonstrates the utility of data fusion approaches to identify forest areas of high value for conservation at fine spatial resolutions (~10–100 m) and nationwide extents. However, uncertainties remain in our approach. Hence, our findings should be used to guide field-based assessments to confirm the in situ conservation value of the forests. Only in combination with such in situ data will approaches like ours enable decision makers to better protect forest biodiversity.
Authors
Mostafa Hoseini Helle Ross Gobakken Stephan Hoffmann Csongor Horvath Johannes Rahlf Jan Bjerketvedt Stefano Puliti Rasmus AstrupAbstract
RoadSens is a platform designed to expedite the digitalization process of forest roads, a cornerstone of efficient forest operations and management. We incorporate stereo-vision spatial mapping and deep-learning image segmentation to extract, measure, and analyze various geometric features of the roads. The features are precisely georeferenced by fusing post-processing results of an integrated global navigation satellite system (GNSS) module and odometric localization data obtained from the stereo camera. The first version of RoadSens, RSv1, provides measurements of longitudinal slope, horizontal/vertical radius of curvature and various cross-sectional parameters, e.g., visible road width, centerline/midpoint positions, left and right sidefall slopes, and the depth and distance of visible ditches from the road’s edges. The potential of RSv1 is demonstrated and validated through its application to two road segments in southern Norway. The results highlight a promising performance. The trained image segmentation model detects the road surface with the precision and recall values of 96.8 and 81.9 , respectively. The measurements of visible road width indicate sub-decimeter level inter-consistency and 0.38 m median accuracy. The cross-section profiles over the road surface show 0.87 correlation and 9.8 cm root mean squared error (RMSE) against ground truth. The RSv1’s georeferenced road midpoints exhibit an overall accuracy of 21.6 cm in horizontal direction. The GNSS height measurements, which are used to derive longitudinal slope and vertical curvature exhibit an average error of 5.7 cm compared to ground truth. The study also identifies and discusses the limitations and issues of RSv1, which provide useful insights into the challenges in future versions.
2024
Authors
Maria Åsnes MoanAbstract
Bonitet er definert som overhøyden ved en gitt referansealder og brukes for å beskrive skogens potensial for å produsere tømmer. Bonitering, altså å bestemme boniteten, har utviklet seg fra feltbaserte metoder til metoder som benytter seg av punktskydata. Punktskydata fra flybåren laserskanning og bildematching har blitt brukt til å bonitere med den direkte og høydedifferensielle metoden. Disse metodene bruker overhøydeutviklingen over en kjent periode til å bonitere ved bruk av punktskydata fra minst to tidspunkt, dvs. multitemporale punktskydata. Den direkte metoden boniterer ved bruk av en prediksjonsmodell for bonitet med forklaringsvariabler beregnet fra punktskydata. Den høydedifferensielle metoden finner boniteten der forventet overhøydeutvikling passer best med den predikerte overhøydeutviklingen. Denne avhandlingen tok sikte på å forbedre metodene for bonitering med punktskydata og består av fire studier. Forstyrrelser kan gjøre et område uegnet for bonitering med punktskydata. Tidligere har man definert egnethet som områder uten negativ utvikling i overhøyde eller biomasse, men dette betyr ikke nødvendigvis at overhøydeutviklingen er uforstyrret. Den første studien i denne avhandlingen klassifiserte egnethet med variabler fra multitemporale laserdata. Egnethet var definert basert på feltregistrerte forstyrrelser hos dominerende trær. Resultatene viste at egnethet kunne klassifiseres med multitemporale laserdata, selv om definisjonene av egnethet i den studien var konservative ettersom ett dødt dominerende tre var nok til at prøveflaten ble klassifisert som uegnet. En tidsserie med laserdata kan forbedre nøyaktigheten til boniteringen sammenlignet med å bruke laserdata fra to påfølgende laserskanninger. Dette er fordi overhøydeutviklingen for en lengre periode vil bli representert. Den andre studien i denne avhandlingen brukte laserdata fra tre tidspunkt for å bonitere med den direkte og høydedifferensielle metoden. Prediksjonsfeilene var ikke statistisk signifikant forskjellig når man brukte laserdata fra hele tidsserien sammenlignet med å bruke laserdata fra to påfølgende tidspunkt, dvs. enten første og andre eller andre og tredje tidspunkt. Imidlertid økte andelen av området som var egnet for bonitering når hvilket som helst delsett av påfølgende tidspunkter i tidsserien kunne brukes, noe som ga en økt fleksibilitet til å unngå å perioder der det hadde vært en forstyrrelse. «Value of improved information» kan brukes til å vurdere nytteverdien av forskjellige boniteringsmetoder når beslutningstakeren har ulike mål for skogforvaltningen. Den tredje studien brukte stokastisk programmering for å beregne «value of improved information» ved bruk av den direkte og høydedifferensielle metoden med enten multitemporale laserdata eller laserdata og påfølgende bildematchingsdata. Resultatene viste at «value of improved information» var nærmest null og dermed best for den høydedifferensielle metoden i vårt studieområde. Den høydedifferensielle metoden kan potensielt brukes til å bonitere i ungskog. Den fjerde studien detekterte posisjonen til kvistkranser fra veldig tette punktskydata med en dyplæringsmodell og brukte detekterte kvistkranser til å bonitere med den høydedifferensielle metoden. Dette ga en «root mean square error» mellom 19,85 og 20,87%. En utfordring med bonitering i ungskog er at bonitetskurvene er brattere for lave aldre sammenlignet med høyere aldre, noe som resulterer i at feil i deteksjonen av kvistkranser har større konsekvenser for bestemmelsen av bonitet i ungskog. Denne avhandlingen har tatt for seg noen utfordringer og muligheter for bonitering med punktskydata. Likevel viste den første og fjerde studien at det er behov for mer forskning på hvordan man best kan definere egnethet og bonitere i ungskog.
Abstract
No abstract has been registered
Abstract
No abstract has been registered
Abstract
No abstract has been registered
Authors
Erico Kutchartt José Ramón González-Olabarria Antoni Trasobares Núria Aquilué Juan Guerra-Hernández Leónia Nunes Ana Catarina Sequeira Brigite Botequim Marius Hauglin Palaiologos Palaiologou Adrian Cardil Martino Rogai Vassil Vassilev Francois Pimont Olivier Martin-Ducup Francesco PirottiAbstract
No abstract has been registered
Authors
Erico Kutchartt José Ramón González-Olabarria Núria Aquilué Jordi Garcia-Gonzalo Antoni Trasobares Brigite Botequim Marius Hauglin Palaiologos Palaiologou Vassil Vassilev Adrian Cardil Miguel Ángel Navarrete Christophe Orazio Francesco PirottiAbstract
No abstract has been registered
Abstract
No abstract has been registered