TerrametricaAI Forest Analytics Backend

CORE WEDGE

Baum- und Kronenlayer für Ihren Inventur-Workflow.

Prüffähige Kandidatenlayer mit Method Notes, Grenzen und QGIS-ready Dateien.

UAV-TO-FOREST-INVENTORY WEDGE

Prüffähige Baum- und Kronenlayer als Einstieg.

Datensatzspezifischer CHM/RGB/LiDAR Method Stack. Candidate Layers für Review, keine automatisch abgeschlossene Inventur.

Für wen

  • UAV-Anbieter mit höherwertigen Forst-Deliverables
  • GIS- und Forstteams mit Einzelbaum-Workflows
  • Partner mit eigener Kundenführung und Freigabe

Benötigte Inputdaten

  • RGB-Orthomosaik oder geeignete UAV-Rasterdaten
  • CHM, DSM/DTM oder abgeleitete Höhenlayer
  • LiDAR/LAS/LAZ, wenn vorhanden
  • AOI, CRS, Projektgrenzen und Auswertungseinheiten
  • optional Referenzpunkte oder Review-Beispiele

Gelieferte Layer

  • Treetop Candidate Layer
  • Tree Candidate Layer mit Attributen
  • Crown Delineation Candidate Layer
  • optional Canopy Height / Crown Attribute
  • QGIS-ready Struktur und Review Notes

Methodenfamilien

  • CHM/RGB/LiDAR method stack
  • datensatzspezifische Methodenwahl
  • Treetop-Kandidatenerzeugung und Kronensegmentierung
  • Post-processing und Plausibilitätschecks
  • Review-ready Outputs

QA & Provenance

  • Input Manifest mit Quellen und Projektgrenzen
  • Processing Manifest
  • QA Notes und Limitations
  • Checksums für Übergabedateien
  • Handoff README

Was es nicht behauptet

  • keine zugesicherte Baumzahl
  • keine universelle Erkennung für alle Bestände und Sensoren
  • keine automatisierte vollständige Inventur
  • keine zugesicherten Kronengrenzen ohne geeignete Validierung
  • keine forstliche Entscheidung oder rechtliche Bewertung

PROCESSING FLOW

Drei Schritte zum Delivery Package.

Outputs hängen von Eingabedatenqualität, Sensortyp, räumlicher Auflösung, Aufnahmezeitpunkt, lokalen Waldbedingungen, Projektumfang und verfügbaren Validierungsdaten ab. Candidate Layers sind für fachliche Prüfung und partnerkontrollierte Kundenauslieferung vorgesehen.

  1. 01

    Input klären

    geeignetes CHM oder Orthomosaik, AOI, gewünschte Auflösung, optional Referenzdaten

  2. 02

    Methodik anwenden

    CHM-basierte Kandidatenerzeugung, Kronensegmentierung, Kandidatenfilter, visuelle QA-Struktur

  3. 03

    Deliverables übergeben

    treetops.gpkg, tree_candidates.gpkg, crown_candidates.gpkg, QA Notes