Аутор: mikys

DeadTrees.Earth – digitalna platforma za detekciju suvih stabala i praćenje sušenja šuma


Sušenje šuma kao sve izraženiji problem

Sušenje šuma i pojava suvih stabala predstavljaju jedan od ključnih izazova savremenog šumarstva. Klimatske promjene, produženi sušni periodi, ekstremne temperature, ali i biotski faktori poput insekata i patogena, dovode do smanjenja vitaliteta šumskih sastojina i povećanog mortaliteta stabala. Ovi procesi često započinju diskretno, na nivou pojedinačnih stabala ili manjih grupa, što ih čini teškim za pravovremeno uočavanje klasičnim terenskim metodama.

Upravo zbog toga, daljinska istraživanja, GIS alati i dronovi postaju nezaobilazan dio modernog monitoringa šuma. U tom kontekstu, platforma DeadTrees.Earth predstavlja jedan od najzanimljivijih savremenih primjera kako se geoprostorni podaci mogu koristiti za sistematsko praćenje sušenja šuma.

Šta je DeadTrees.Earth platforma?

DeadTrees.Earth je otvorena, web-bazirana platforma razvijena s ciljem identifikacije, mapiranja i analize suvih i odumrlih stabala (dead trees) koristeći visokorezolucione snimke iz vazduha. Fokus platforme nije samo na vizualizaciji stanja šuma, već na analizi promjena kroz vrijeme, što je od ključne važnosti za razumijevanje dinamike šumskog mortaliteta.

Platforma je namijenjena šumarskim stručnjacima, istraživačima, institucijama i projektima koji se bave monitoringom šumskih ekosistema, ali i razvojem algoritama za daljinsku detekciju promjena u vegetaciji.

DeadTrees.Earth dataset i način funkcionisanja platforme

Centralni element platforme predstavlja DeadTrees.Earth dataset – otvorena i interaktivna baza podataka koja sadrži visokorezolucione ortofotografije (centimetarska rezolucija) prikupljene pomoću dronova i avionskih snimanja. Dataset obuhvata preko 2.000 ortofotografija koje pokrivaju više od milion hektara šumskih površina, uključujući različite klimatske zone, šumske tipove i stepene degradacije.

Posebna vrijednost ovog dataset-a leži u činjenici da je značajan dio podataka ručno anotiran, sa jasno definisanim klasama „živo” i „mrtvo” stablo. Ove anotacije čine pouzdanu osnovu za treniranje i validaciju modela strojnog učenja, što DeadTrees.Earth čini referentnim izvorom podataka za istraživanja šumskog mortaliteta.

Sa tehničkog aspekta, platforma je dizajnirana kao modularni sistem koji omogućava:

  • skladištenje i pregled Cloud-Optimized GeoTIFF podataka
  • povezivanje ortofotografija sa metapodacima (lokacija, godina, tip šume)
  • web-bazirane alate za anotaciju i pregled podataka
  • korištenje dataset-a kroz standardizovane formate za dalju GIS i AI analizu

Algoritamski, DeadTrees.Earth podržava primjenu metoda računarskog vida i strojnog učenja, prvenstveno kroz:

  • semantičku i instancnu segmentaciju stabala
  • klasifikaciju živih i suvih krošanja
  • detekciju promjena (change detection) kroz vremenske serije snimaka

U istraživačkim radovima koji koriste ovaj dataset, često se primjenjuju duboke neuronske mreže, uključujući savremene arhitekture zasnovane na transformerima, koje omogućavaju prostorno-vremensku analizu mortaliteta stabala. Jedna od ključnih ideja je povezivanje lokalnih, visokorezolucionih podataka (dron/avion) sa satelitskim snimcima, gdje se modeli trenirani na detaljnim ortofotografijama koriste za skaliranje analize na regionalni i globalni nivo.

Zbog toga DeadTrees.Earth ne predstavlja samo bazu slika, već naučnu infrastrukturu za razvoj i testiranje metoda automatizovane detekcije sušenja šuma.

Lokacije na kojima su uzimani snimci za ovu bazu

Uloga dronova u detekciji suvih stabala

Dronovi u šumarstvu omogućavaju izuzetno detaljan uvid u stanje krošanja. Korištenjem RGB i multispektralnih kamera moguće je:

  • prepoznati stabla bez lisne mase
  • uočiti djelimično sušenje krošnje
  • razlikovati stresirana i potpuno suva stabla
  • precizno mapirati položaj pojedinačnih stabala

U kombinaciji sa DeadTrees.Earth platformom, dron-snimci dobijaju dodatnu vrijednost jer se mogu upoređivati kroz vrijeme i koristiti za treniranje modela koji kasnije analiziraju veće površine pomoću satelitskih podataka.

Snimka prije i poslije segmentacije suvih stabala

Primjena u šumarskoj praksi

U operativnom šumarstvu, DeadTrees.Earth može poslužiti kao alat za:

  • identifikaciju zona sa izraženim sušenjem šuma
  • planiranje terenskih izlazaka i sanitarnih sječa
  • procjenu prostorne raspodjele suvih stabala
  • dokumentovanje promjena stanja šuma kroz više godina

Posebno je značajna mogućnost objektivnog, ponovljivog i prostorno potpunog monitoringa, što je sve češći zahtjev u savremenim šumarskim projektima i izvještavanju.

Kako trenutno koristiti ovu platformu i njene podatke za segmentaciju suvih stabala iz vlastitih dron snimaka

U praktičnom smislu, DeadTrees.Earth platforma ne funkcioniše kao online alat za automatsku segmentaciju korisničkih snimaka, već kao referentni trening i validacioni dataset za razvoj algoritama detekcije suvih stabala. Tipičan workflow podrazumijeva preuzimanje ručno anotiranih ortofotografija i maski suvih stabala iz DeadTrees.Earth baze, nakon čega se ti podaci koriste za treniranje modela strojnog učenja (npr. U-Net, DeepLabV3+, Mask R-CNN ili savremene transformerske arhitekture). Treniran model se zatim primjenjuje na lokalne dron snimke šuma, pri čemu se ortofotografije dijele na pločice (tiling), vrši se inferencija i generišu raster ili vektorske maske suvih stabala. Alternativno, DeadTrees.Earth podaci mogu poslužiti kao referentni skup za validaciju jednostavnijih GIS pristupa, poput klasifikacije zasnovane na NDVI pragovima ili objektno-bazirane segmentacije krošnji (OBIA). Na ovaj način, platforma predstavlja ključni most između visokorezolucionih UAV podataka i skalabilnih AI modela za operativni monitoring sušenja šuma, omogućavajući prenos znanja i modela iz globalnih istraživačkih projekata u lokalnu šumarsku praksu.

Zaključak

Platforma DeadTrees.Earth predstavlja konkretan primjer kako se dronovi, satelitski snimci, GIS i algoritmi strojnog učenja mogu integrisati u efikasan sistem za praćenje sušenja šuma i detekciju suvih stabala. Njena vrijednost je naročito izražena u naučnom kontekstu, ali i u praktičnoj primjeni za potrebe šumarskih službi.

Maps by RGD: YouTube kanal koji povezuje GIS tehnologiju i šumarstvo


Digitalna transformacija šumarstva kroz praktične GIS tutorijale

U vremenu kada se šumarstvo sve više oslanja na podatke iz dronova, LiDAR skenere i satelitske slike, sve veća je potreba za pristupačnim izvorima znanja koji spajaju tehnologiju i prirodu. Jedan od takvih izvora, koji zaslužuje posebno mjesto na blogu ForestryTech, jeste YouTube kanal Maps by RGD.

Autor kanala, Rúben Duarte, donosi praktične video tutorijale iz oblasti GIS-a, daljinske detekcije (Remote Sensing) i prostorne analize, s naglaskom na stvarne, terenske primjene — od mapiranja šuma do procjene biomase i ugljika. Kanal broji više od 300 videa i privlači sve veći broj profesionalaca i studenata koji žele savladati geoinformacione tehnologije kroz realne projekte.

U nastavku izdvajamo dva izuzetno korisna videa koji su posebno relevantni za profesionalce u šumarstvu i srodnim ekološkim oblastima.

LiDAR u službi prepoznavanja strukture šume

LiDAR u službi prepoznavanja strukture šume

U ovom videu, Rúben Duarte detaljno objašnjava postupak izdvajanja stabala iz LiDAR podataka pomoću ArcGIS Pro.
Cilj je jednostavan, ali tehnološki zahtjevan — identifikovati pojedinačna stabla iz oblaka tačaka (point cloud) kako bi se mogao analizirati šumski sklop i struktura krošnji.

Tehnički pristup:

  • Korištenje LAS dataset-a (LiDAR datoteka) u ArcGIS Pro.
  • Generisanje Digital Surface Model (DSM) i Canopy Height Model (CHM).
  • Primjena alata za Tree Extraction koji prepoznaje visinske vrhove (local maxima) kao indikatore stabala.
  • Vizuelizacija rezultata i provjera tačnosti ekstrakcije.

Zašto je ovo važno za šumarstvo:

Izdvajanje stabala iz LiDAR podataka postalo je temelj savremene inventarizacije šuma. Umjesto tradicionalnih terenskih metoda koje zahtijevaju mnogo vremena i resursa, LiDAR omogućava dobijanje detaljnih strukturalnih informacija o visini, gustoći i rasporedu stabala — i to s visokom preciznošću.

Ovaj tutorijal je izuzetno koristan za:

  • dron-operatere i GIS analitičare koji rade s LiDAR podacima iz zraka,
  • istraživače biomase koji žele izdvojiti pojedinačne krošnje kao bazu za dalju analizu,
  • projektne timove koji se bave restauracijom šuma ili mapiranjem degradiranih područja.

Posebno je zanimljivo što autor koristi standardne ArcGIS Pro alate, bez potrebe za dodatnim skriptama — čineći proces transparentnim i ponovljivim.
Takav pristup omogućava jednostavnu primjenu i u BiH, gdje LiDAR i drone podaci sve češće postaju dostupni u projektima pošumljavanja i inventarizacije.

Od visine stabla do ugljika: kako QGIS postaje alat za klimatske analize

U drugom videu, Duarte prelazi korak dalje – pokazuje kako iz istih LiDAR podataka možemo izračunati biomasu (AGB) i ugljik (C), koristeći otvoreni alat QGIS.
Ovaj proces omogućava šumarskim stručnjacima da kvantifikuju ekološku vrijednost svojih šuma – koliko ugljika je pohranjeno u vegetaciji, koliki je prirast i kako se taj kapacitet mijenja kroz vrijeme.

Koraci iz videa:

  1. Učitavanje i obrada LiDAR podataka (LAS/LAZ format).
  2. Izrada CHM (Canopy Height Model) – model visine krošnje koji služi kao osnova za izračune.
  3. Identifikacija pojedinačnih stabala i procjena visine.
  4. Primjena empirijskih formula za proračun biomase i ugljika.

Formula koju autor koristi povezuje visinu i volumen stabla s poznatim faktorima gustoće drveta, dajući procjenu količine suhe biomase, a zatim i ugljika (obično oko 0.47 × AGB).

Pristup koji Rúben Duarte koristi je izuzetno vrijedan jer:

  • demonstrira otvoreni softver (QGIS) – pristupačan svima, bez troškova licenci,
  • povezuje LiDAR podatke s ekološkim pokazateljima,
  • omogućava kvantifikaciju učinka pošumljavanja u realnim brojkama (tone biomase i ugljika po hektaru).

Ovaj autor uz svoje tutorijale dijeli i kompletan materijal na svom G-Disku, čime vam omogućava da dodatno dorađujete predstavljene modele i da ih koriste u vlastitim projektima.

Za šumarske inženjere i GIS stručnjake u Bosni i Hercegovini i regionu, ovaj metod može poslužiti kao baza za razvoj lokalnih modela biomase.
Posebno kada se kombinuje s dron-snimcima, moguće je razviti kompletan digitalni sistem nadzora šumskog rasta i koncentracije uskladištenog ugljika – što je upravo smjer ka kojem ide moderna šumarska tehnologija i projekti koji su široko podržani od strane različitih EU i Globalnih Fondova.