Detta arbete presenterar en icke-destruktiv metod för att detektera och klassificera mognadsgraden hos äpplen med användning av hyperspektrala bilder. Fastställning av mognadsgraden hos äpplen är intressant för bland annat äppelodlare och musterier vid lagring och beredning. Äpplens mognadsgrad är även intressant inom växtförädling. För att fastställa mognadsgraden idag krävs att det skärs i frukten, en så kallad destruktiv metod. Hyperspektrala bilder kan idag användas inom områden som jordbruk, miljöövervakning och militär spaning. / <p>Examensarbetet är utfört vid Institutionen för teknik och naturvetenskap (ITN) vid Tekniska fakulteten, Linköpings universitet</p>

It seems to be obvious that precipitation has a major impact on greening during the rainy season in semi-arid regions. First results1 imply a strong dependence of NDVI on rainfall. Therefore it will be necessary to consider specific rainfall events besides the known ordinary annual cycle. Based on this fundamental idea, the paper will introduce the development of a rain adjusted vegetation index (RAVI). The index is based on the enhancement of the well-known normalized difference vegetation index (NDVI2) by means of TAMSAT rainfall data and includes a 3-step procedure of determining RAVI. Within the first step both time series were analysed over a period of 29 years to find best cross correlation values between TAMSAT rainfall and NDVI signal itself. The results indicate the strongest correlation for a weighted mean rainfall for a period of three months before the corresponding NDVI value. Based on these results different mathematical models (linear, logarithmic, square root, etc.) are tested to find a functional relation between the NDVI value and the 3-months rainfall period before (0.8). Finally, the resulting NDVI-Rain-Model can be used to determine a spatially individual correction factor to transform every NDVI value into an appropriate rain adjusted vegetation index (RAVI).

Stora arealer skog behöver övervakas. Att göra detta på ett kostnadseffektivt sätt är något som skogssektorn efterfrågar. Syftet med studien var att undersöka möjligheten att skatta skogliga variabler med satellitbilder från Sentinel 2. Korrelationen mellan granskogens uppmätta reflektans i satellitbilder från Sentinel 2 och uppmätta variablerna i fält har beräknats och analyserats. Resultatet visar att styrkan i korrelation skiljer sig mellan olika rumsliga upplösningar, vilken tid på året satellitbilderna är tagna, vilka spektrala band och vegetationsindex som används samt vilka skogliga variabler som avses uppskattas. Att använda enskilda satellitbilders värden från Sentinel 2 ger inte tillräckligt tillförlitliga data för att uppskatta skogliga variabler.

Granbarkborre är en av Sveriges mest destruktiva skadeinsekter som angriper granskog. Insekten har medfört förödande konsekvenser för granskog, framför allt sedan2018 där stora arealer granskog nästan har eliminerats. Insekten trivs i varmt ochtorrt klimat. Växthuseffekten i form av värmeböljor och perioder av minskad nederbörd tros gynna denna skadliga insekt då de kan fortplanta sig flera gånger och erövra nya områden under en enda sommarsäsong. En vital och nödvändig åtgärd vid bekämpning av skadeinsekter är att föra bort angripna träd innan granbarkborren lämnar barken. Dock är det nästan omöjligt attundersöka all granskog på det traditionella sättet, det vill säga till fots eftersom detär mycket tids- och resurskrävande. I det tidiga skedet visar det angripna trädet ingabetydande färgförändringar i det synliga spektrumet inom fjärranalys, vilket försvårar tidig upptäckt. Men för att försöka göra detta möjligt ämnar det här arbetet undersöka skillnaderna hos friska och angripna träd i tid, där det användes band i detosynliga spektrumet som ShortWave Infrared. Detta användes bland annat i form avbandkombinationer, som Atmospheric Penetration och Agriculture. Dessutom utfördes empiriska experiment på olika vegetationsindex (VI) som var NormalizedSimple Ratio, Enhanced Vegetation Index, Green Chlorophyll Vegetation Index,Normalized Difference Vegetation Index, Normalized Difference Moisture Indexoch Normalized Distance RED and SWIR. I denna studie användes satellitbilder från Sentinel-2 över studieområdet i Mellansverige under månaderna maj-september från 2020 till juli 2022. Inrapporterade dataför angrepp av granbarkborren i studieområdet hämtades från databasarkiven GlobalBiodiversity Information Facility och Holmen AB. Skogsstyrelsens öppna karttjänstanvändes för att erhålla data över Sveriges skogsarter, för att säkerställa att studieområdet bestod av granskog. Genom att utföra empiriska experiment av de olika VI och bandkombinationer sompresenteras i denna studie kunde några indikationer utmärkas. På grund av problematiken med de olika påverkande faktorerna, som bland annat lokalt klimat i kombination med tröskelvärden, var det svårt att fastställa en fullständig bedömning. Vårslutsats visar att de använda vegetationsindex och de två bandkombinationer tillsammans med den spatiala upplösningen, som Sentinel-2 erbjuder, inte uppnår det someftersträvas i denna studie. Anledningen till detta var att möjligheten att identifieraenstaka sjuka träd i studieområdet saknades. / The spruce bark beetle is one of Sweden's most destructive pests that attack spruceforests. The insect has had devastating consequences for spruce forests, especiallysince 2018 where large areas of spruce forest have been almost eliminated. The insect thrives in warm and dry climates. The greenhouse effect in the form of heatwaves and periods of reduced rainfall is believed to favor this harmful insect as theycan reproduce several times and conquer new areas in a single summer season. A vital and necessary measure in combating pests is to remove infested trees beforethe spruce bark beetle leaves the bark. However, it is almost impossible to examineall the spruce forest in the traditional way, which is on foot, because it is time- andresource-consuming. In the early stage, the infested tree shows no significant colorchanges in the visible spectrum in remote sensing, which makes early detection difficult. To try to make this possible, this work intends to investigate the differences inhealthy and infested trees in time, where bands in the invisible spectrum such asShortWave Infrared were used. This was used, among other things, in the form ofband combinations, such as Atmospheric Penetration and Agriculture. In addition,empirical experiments were performed on different vegetation indices (VI) whichwere Normalized Simple Ratio, Enhanced Vegetation Index, Green ChlorophyllVegetation Index, Normalized Difference Vegetation Index, Normalized DifferenceMoisture Index and Normalized Distance RED and SWIR. In this study, satellite images from Sentinel-2 were used over the study area in central Sweden during the months of May-September from 2020 to July 2022. Reported data for attacks by the spruce bark beetle in the study area were retrievedfrom the Global Biodiversity Information Facility and Holmen AB database archives.The Forestry Agency's open map service was used to obtain data on Sweden's forestspecies, to ensure that the study area consisted of spruce forest. By performing empirical experiments of the different VI and band combinationspresented in this study, some indications could be distinguished. Due to the problems with the various influencing factors, such as local climate in combination withthreshold values, it was difficult to establish a complete assessment. Our conclusionshows that the used vegetation indices and the two band combinations together withthe spatial resolution offered by Sentinel-2 do not achieve what is sought in thisstudy. The reason for this was that the possibility of identifying individual diseasedtrees in the study area was missing.