Estimation of Biomass and Above Ground Carbon Sequestration in Community Forest from Aerial Imagery using Machine Learning

Abstract

This research aims to estimate the biomass and carbon sequestration in community forests by utilizing aerial photography from unmanned aerial vehicles (UAVs) in conjunction with machine learning analysis. The study identified a total of 1,241 trees belonging to 39 species within the research area. The analysis of carbon sequestration revealed that the total above-ground biomass amounted to 454.31 tons, with these trees capable of sequestering 213.53 tons of carbon. Furthermore, the evaluation of machine learning methodologies based on UAV imagery data yielded the following results: for the Deepness Model, the correlation coefficient was 0.8669 (y = 0.7745x + 0.01409), with a Mean Absolute Error (MAE) of 0.6574, a Root Mean Square Error (RMSE) of 0.6804, a Mean Squared Error (MSE) of 0.4629, a Precision of 0.798, a Recall of 0.699, an Accuracy of 0.594, and an F1-Score of 0.745. The estimated carbon sequestration was 217.93 tons of carbon, equivalent to 3.30 tons per rai (0.0020626 tons per square meter). Research demonstrates the potential of utilizing UAV technology and machine learning for the accurate assessment of biomass and carbon sequestration in community forests. The results indicate that the Deepness model exhibits higher accuracy compared to the Segment Model, highlighting a strong correlation between UAV imagery data and carbon estimation.

งานวิจัยนี้มีวัตถุประสงค์ในการประมาณค่ามวลชีวภาพและการกักเก็บคาร์บอนในป่าชุมชน โดยใช้เทคโนโลยีภาพถ่ายทางอากาศจากยานไร้คนขับ (UAV) ร่วมกับการวิเคราะห์โดยใช้การเรียนรู้ของเครื่องจักร (Machine Learning) ผลการศึกษาพบว่า มีต้นไม้จำนวน 1,241 ต้นจาก 39 ชนิด ในพื้นที่การศึกษา 1)การวิเคราะห์การประมาณปริมาณการกักเก็บคาร์บอน โดยมวลชีวภาพเหนือพื้นดินรวมอยู่ที่ 454.31 ตัน จากการวิเคราะห์พบว่า ต้นไม้เหล่านี้สามารถกักเก็บคาร์บอนได้ 213.53 ตันคาร์บอน 2) การวิเคราะห์และประเมินวิธีการเรียนรู้ของเครื่องจักรจากข้อมูลภาพ UAV การวิเคราะห์ความสัมพันธ์โดยใช้ Deepness Model และ Segment Model มีผลลัพธ์ดังนี้ Deepness Model ค่าสัมประสิทธิ์สหสัมพันธ์: 0.8669 (y = 0.7745x + 0.01409) ค่า MAE: 0.6574 ค่า RMSE: 0.6804 ค่า MSE: 0.4629 ค่า Precision: 0.798 ค่า Recall: 0.699 ค่า Accuracy: 0.594 ค่า F1-Score: 0.745 ปริมาณการกักเก็บคาร์บอน: 217.93 ตันคาร์บอน หรือ 3.30 ตัน/ไร่ (0.0020626 ตัน/ตร.ม.) Segment Model ค่าสัมประสิทธิ์สหสัมพันธ์: 0.6554 (y = 0.217x + 2.0972) ค่า MAE: 0.8989 ค่า RMSE: 1.0405 ค่า MSE: 1.0827 ค่า Precision: 0.569 ค่า Recall: 0.803 ค่า Accuracy: 0.500 ค่า F1-Score: 0.666 ปริมาณการกักเก็บคาร์บอน: 207.01 ตันคาร์บอน หรือ 3.14 ตัน/ไร่ (0.0019625 ตัน/ตร.ม.) การศึกษาแสดงให้เห็นถึงศักยภาพในการใช้เทคโนโลยี UAV และการเรียนรู้ของเครื่องในการประเมินมวลชีวภาพและการกักเก็บคาร์บอนในป่าชุมชนได้อย่างแม่นยำ โดยผลจากโมเดล Deepness มีความแม่นยำสูงกว่า Segment Model ซึ่งชี้ให้เห็นถึงความสัมพันธ์ที่ดีระหว่างข้อมูลภาพถ่าย UAV และการประมาณคาร์บอน