Original paper

Detection and Classification of Bark Beetle Infestation in Pure Norway Spruce Stands with Multi-temporal RapidEye Imagery and Data Mining Techniques

Marx, Alexander

Abstract

The article at hand reveals the methodology and results of a research and development project in the field of applied remote sensing in forest protection and bark beetle monitoring. It was found that using multi-temporal RapidEye imagery, the ground truth data of bark beetle infestation and the application of datamining techniques allow for the recognition and separation of different infestation stages. The analysis suggests a weak trend for the identification of infested groups of trees, which are still widely green. In contrast, the classification of reddish-coloured deteriorating or dead tree groups shows a high accuracy (97% user's, 82% producer's, kappa: 0.89).

Kurzfassung

Der vorliegende Artikel stellt die im Rahmen eines Forschungs- und Entwicklungsprojektes verwendeten Methoden und erzielten Ergebnisse auf dem Gebiet der angewandten Fernerkundung im Waldschutz, im Speziellen dem Borkenkäfer-Monitoring, dar. Es zeigte sich, dass unter Verwendung multi-temporaler RapidEye Satellitenbilder, terrestrischer Stichproben des Borkenkäferbefalls und der Anwendung von Datamining-Techniken eine Erkennung und Differenzierung unterschiedlicher Befallsstadien möglich ist. Die Auswertungen zeigen einen schwachen Trend zur Erkennbarkeit frisch befallener, noch weitgehend grüner Baumgruppen. Dagegen werden bei der Klassifikation der bereits rot verfärbten abster benden und toten Baumgruppen hohe Genauigkeiten erreicht (97% Nutzergenauigkeit, 82% Herstellergenauigkeit, Kappa: 0,89).

Keywords

borkenkafer-monitoringdecision treesc5datamining