פיתוח שיטה למיפוי צפיפות העומד ביערות האורנים של קק"ל ממקורות מידע פתוחים המאפשרים חזרה תדירה על המיפוי בעלות נמוכה

רון דרורי, ולרי שפירא-פדידה, גיא נויהאוז, ואפרת שפר

צפיפות העומד - מספר העצים הגדלים ביחידת שטח ביער - הוא פרמטר מרכזי בניהול היער. השיטה המסורתית להערכת צפיפות העומד התבססה על סקרים המבוצעים במדגמים קטנים מתוך כלל שטח העומד, ולרוב מתבצעים פעם אחת או שתיים בעשור. בשנים האחרונות חלה התפתחות משמעותית בתחום הלמידה העמוקה (deep learning), ובפרט ביכולת לזהות עצמים בתמונה. במחקר זה השתמשנו בספריית deepforest המבוססת על למידה עמוקה לזיהוי פרטני של עצים ביער מתוך תצלומי אויר ואורטופוטו באיכויות שונות. פיתחנו והתאמנו את המודל על מנת להעריך את צפיפות העומד ביערות נטועים בישראל, בדגש על עומדי אורן.

בשלב הראשון נעשה שימוש במודל המקורי שאומן על אתרי יער של רשת Neon בארה"ב, בהצלחה חלקית. בשלב השני זוהו אלפי עצים מתוך תצלומי אוויר, והשתמשנו בנתונים אלו לאימון של המודל כך שהצלחת הזיהוי של העצים השתפרה משמעותית. בשלב השלישי מופו למעלה מ 5000 עצים ב-5 עומדי יער של קק"ל לאורך גרדיאנט הגשם, ששימשו לאימון נוסף של המודל וכן להערכת הדיוק. נמצא כי איכות הדיוק תלויה בעיקר ברזולוציה של תצלום האוויר ובמידת העיבוד לתצוגה. רזולוצית צילום של 10 ס"מ נמצאה כמתאימה יותר מרזולוציה של 20 ס"מ ומאפשרת זיהוי טוב של מרבית העצים בעומד, גם בעומדים צפופים. הדמיה שלא עברה עיבוד נוסף הניבה תוצאות טובות יותר מהדמיה שעברה שיפור לצרכי תצוגה. המודל ישמש את אנשי קק"ל למיפוי כלל העצים בעומדים ולקבלת מדידה בדיוק גובה של מספר העצים בכל יחידת שטח.