517 
In: Wagner W., Székely, B. (eds.): ISPRS TC VII Symposium - 100 Years ISPRS, Vienna, Austria, July 5-7, 2010, IAPRS, Vol. XXXVIII, Part 7B 
SEMI - AUTOMATIC ASSESSMENT OF NORWAY SPRUCE {PICEA ABIES) IN 
MODERN DIGITAL AERIAL PHOTOGRAPHS 
R. Seitz 3 , A. Troycke 3 , P. Rebhan b , B. Grubert b 
3 Bavarian State Institute of Forestry, Hans-Carl-von-Carlowitz Platz 1,85354 Freising Germany - 
(rudolf.seitz, armin.troycke)@ lwf.bayern.de 
b GeoCreativ, SteigerwaldstraBe 30, 97483 Eltmann Germany - (rebhan, grubert)@geo-creativ.de 
KEY WORDS: Forestry, Land Cover, Development, Extraction, Classification, Segmentation, Infrared, Spectral 
ABSTRACT: 
In present times, forest conversion due to climate change confronts forest owners and forest administrations with great challenges if 
vast areas of forested surfaces are concerned by the effects of temperature rise and drought. In Bavaria, especially Norway Spruce 
(Picea abies) will lose terrain in favor of other tree species by decreasing vitality and the proliferation of bark beetle damage. 
The Bavarian Forest Service is confronted with the problem, that there is only little information available about the approximately 
1.6 Mio ha of nongovernmental forest property in Bavaria to fulfill its advisory tasks, because of data privacy convention. 
For this reason, the Bavarian State Institute of Forestry conducted a research project focusing on possible semi-automatic approaches 
of anonymous information extraction from digital aerial photographs. This method mainly comprises the segmentation and object- 
based classification of 4-channel 16 bit aerial photographs in combination with a preceding image homogenization process. 
The project showed a classification accuracy of 80% (young stands) up to more than 90% (old stands). A reliable classification (up to 
80% accuracy) has even been achieved for Norway Spruce stands younger than 30 years, that cannot be interpreted by visual 
stereoscopic interpretation. The new methodology enables the Bavarian State Institute of Forestry to gain an identification of Norway 
Spruce for vast non-govemmental forest areas. In a subsequent investigation, the method has to prove its cost efficiency and is to be 
transferred on larger areas and to other tree species of interest in the debate of environmental change. 
KURZFASSUNG: 
Zurzeit stellt der Waldumbau in Folge des Klimawandels die Waldbesitzer und Forstverwaltungen vor großen Herausforderungen, 
sobald in bedeutendem Umfang Waldflächen von den Auswirkungen des Temperaturanstiegs und zunehmender Trockenheit 
betroffen werden. In Bayern wird in diesem Zusammenhang vor allem die Fichte (Picea abies) durch verminderte Vitalität und 
vermehrte Borkenkäferkalamitäten Areal zu Gunsten anderer Baumarten verlieren. Aus Gründen des Datenschutzes verfügt die 
Bayerische Forstverwaltung über nur wenige Informationen bezüglich der ca. 1.6 Mio. ha nicht-staatlicher Wälder Bayerns, um ihre 
Beratungsaufgaben vor diesem Hintergrund erfüllen zu können. Aus diesem Grund führte die Bayerische Landesanstalt für Wald und 
Forstwirtschaft ein Forschungsprojekt mit dem Fokus auf halb-automatische Verfahren zur anonymen Informationsextraktion aus 
digitalen Luftbildern durch. Die dabei entwickelte Methodik umfasst in erster Linie die Segmentierung und objektbasierte 
Klassifizierung von 4-Kanal-Luftbildem mit einer Farbtiefe von 16 bit in Verbindung mit einem vorgeschalteten 
Bildhomogenisierungsprozess. Die Projektergebnisse weisen eine Klassifikationsgenauigkeit von 80 % (Jungbestände) bis über 90 % 
(Altbestände) auf. Eine verlässliche Klassifizierung (bis zu 80 % Trefferquote) wurde sogar für Fichtenbestände unter 30 Jahren 
erreicht, die nicht im Rahmen einer visuellen stereoskopischen Interpretation erfasst werden können. Die neue Methodik ermöglicht 
der Bayerischen Forstverwaltung somit die Identifikation von Fichtenbeständen auf den nicht-staatlichen Waldflächen Bayerns. Im 
Rahmen eines Folgeprojektes wird die Methodik auf ihre Kosteneffizienz hin untersucht und sowohl auf größere Flächen als auch 
auf weitere Baumarten ausgedehnt, die im Rahmen der Diskussion über die Umweltveränderungen von besonderem Interesse sind. 
1. INTRODUCTION 
1.1 Background 
Climate change with all its implications is already in progress. 
Norway Spruce (Picea abies) is expected to be the tree species 
that will suffer most severely from it. The necessary forest 
conversion of Spruce-dominated forest areas means an 
outstanding challenge in relatively dry, warm regions of Bavaria 
(Bernhart 2007). Approximately 260.000 ha of Spruce stands 
are threatened momentarily in Bavarian private and communal 
forests (StMELF 2008), where the Bavarian Forest 
Administration disposes only little information. At the moment, 
the assessment of Spruce distribution within forest stands of 
severe conversion urgency bases commonly on the results of the 
second German Forest Inventory (Bundeswaldinventur (BWI) 
2, Kòlling et al. 2008). Because of the tenuous BWI inventory 
grid of 4x4 km however, the assessed data are insufficient for 
the deduction of detailed results. In order to face these 
challenges, remote sensing approaches seem to offer appropriate 
methods. 
The applicability of the spectral reflection characteristics of 
forest trees for their assessment and identification has been 
investigated and described many times (for ex. in Akga et al. 
1984, Koch 1988). 
Until several years ago, optical data that can be ideally 
classified (this means in digital form with separated bands) have 
only been available from space borne sensors in a resolution 
inferior to that of aerial imagery.