Detection of root rot in a Norway spruce stand using drone collected hyperspectral images

Abstract

By using drone-sourced hyperspectral images this study aimed to separate Norway spruce (Picea abies (L.) H. Karst.) that were inoculated with a parasitic fungus Heterobasidion parviporum from trees which were not. The trees were classified into two classes, Inoculated (I) and Control (C), with a total of 32 trees in pairs (one C one I). The hyperspectral images collected over the stand of Norway spruce were processed to generate 16 total vegetation indices, and the first derivative of the mean reflectance of each tree. Each tree was attributed a mean vegetation index value as well as a mean derivative value for each wavelength band of each tree. Also collected from the spruce trees were complementary pigment contents, water content, vitality estimates, bud length, bud amount, and bud development data. Both the products of hyperspectral data and the in-situ measurements were compared between the two classes (Inoculated and Control) to determine if one of the created variables could show a significant difference between the classes. Whilst first derivative did not show any strong class difference, the used indices; Water Band Index (WBI), Simple Ratio Water Band Index 4 (WBI, SR_WBI4), and Simple Ratio 950/900 Water Band Index (SR_950_900_WBI) did show a significant difference between the two classes. The complementary data was similarly compared between the two classes (C and I) to see if a variable would indicate a difference. The complementary data did however not indicate a significant difference. This means that the three calculated vegetation indices; WBI, SR_WBI4, and SR_950_900_WBI were able to detect differences due to other factors than the complementary data, and that they could effectively identify infected trees for this study area.

Abstract (Swedish)

Genom användning av drönarinsamlade hyperspektrala bilder undersöktes ett stånd med gran (Picea abies (L.) H. Karst.). Utvalda träd blev inokulerade med den parasitiska svampen Heterobasidion parviporum, som orsakar rotröta. Utav de 32 granar som mäts i studien så var hälften (16) Inokulerade (I) med rotröta och resterande 16 använda som Kontroll (C). Två år efter inokuleringen flögs en drönare över granplantaget som samlade in hyperspektrala bilder av de två klasserna (I och C). Dessutom var även sekundärträd-data insamlad; vitalitet, pigmentvärden, vattenhalt, utvecklingsstadiet av grenskotten, grenskottens antal och deras längd. De hyperspektrala bilderna räknades om till vegetationsindex och första derivata för att jämföras mellan de två olika klasserna (I och C). Förstaderivatan skilde sig inte noterbart mellan klasserna. Av de beräknade vegetationsindex som var uträknade så uppvisade tre en signifikant skillnad mellan klasser. Vegetationsindexen Water Band Index (WBI), Simple Ratio Water Band Index 4 (SR_WBI4) och Simple Ratio 950/900 Water Band Index (SR_950_900_WBI) visar alla signifikanta skillnader mellan klasserna I och C. Den sekundära datan var även prövad på likartat sätt, dock så visade den inga signifikanta skillnader mellan de två olika klasserna. De resulterande vegetationsindexen WBI, SR_WBI4 och SR_950_900_WBI visar på ett förhållande som annars ej är synligt med in-situ data och tillåter identifikation av rotröta för studien.

Popular Abstract (Swedish)

En potentiell risk inom skogsbruk är svampangrepp som orsakar rotröta och minskar trädets totala tillväxt och skadar kvaliteten av det slutliga virket. Gran (Picea abies) är speciellt utsatt för angrepp av svamparten Heterobasidion parviporum. Rotröta är svår att upptäcka innan trädet har fällts. För att kunna hantera rotröta effektivt så måste man därför kunna upptäcka sjukdomen medan träden står.
En möjlig metod är att göra detta med hjälp av hyperspektrala bilder insamlade med drönare. Till skillnad från vanliga bilder, som registrerar rött, grönt och blått ljus (kallade RGB bilder), innehåller hyperspektrala bilder många fler våglängder. RGB bilder innehåller liknande information, men på en mycket mer grov skala jämfört med hyperspektrala bilder. Den finare skala som hyperspektrala bilder tillåter gör det lättare att hitta skillnader mellan olika material som har fotograferats.
I denna studie användes hyperspektrala drönarbilder för att undersöka om granar som hade infekterats med rotröta ändrade hur deras barr reflekterade inkommande solljus. En skillnad i reflektion mellan friska och sjuka träd skulle tillåta snabbare kartläggning av sjukdomen. För att genomföra denna jämförelse så behövdes först ett granbestånd fotograferas med hyperspektral kamera, som fångar våglängder i det visuella, nära-infraröda och kortvågs infraröda spektrumet.
Denna kamera flögs med en drönare då detta tillåter för bilder med hög upplösning som dessutom är lätta att samla in. De hyperspektrala bilderna bearbetades och sammanfattades. Rotröta påverkar hur mycket vatten som trädet kan leverera till sina barr, och hur pigmenten i barren. Så informationen i bilderna förenklades genom att använda bildens olika band för att räkna ut index speciellt kopplade till vatten eller pigment. I den här studien undersöktes ett granbestånd nära Uppsala där man hade infekterat utvalda träd med rotröta från Heterobasidion parviporum vilket gjorde det möjligt att jämföra träd som var garanterat sjuka med träd som var garanterat friska.
Denna jämförelse visade att spektrala index specifikt känsliga för vatten skilde sig tydligt mellan infekterade och friska träd. Det gjorde inte index känsligt för pigment. Denna skillnad innebär att det är möjligt att se skillnader mellan sjuka och friska granar, men enbart när det kommer till vattenhalt i barren. De granar som undersöktes tilläts att vara sjuka i två års tid innan de fotograferades, vilket skulle kunna vara skäl till varför enbart vattenhalt skilde sig åt. Den använda metodiken verkar tillåta för kartläggning av sjuka träd, men skulle behöva utvecklas vidare innan praktisk

Popular Abstract

A potential risk in forestry is that of fungal infestation resulting in root rot. This disease can reduce the overall growth of the tree and damage the quality of the final timber. Spruce (Picea abies) is particularly vulnerable to attack by the fungus Heterobasidion parviporum, which causes root rot. Root rot is difficult to detect before the tree has been felled. In order to be able to handle root rot effectively, you must therefore be able to detect the disease while the trees are standing.
One possible method is to do this using drone sourced hyperspectral images. Unlike regular images, which record red, green, and blue light (called RGB images), hyperspectral images contain many more wavelengths. RGB images contain similar information, but on a much more coarse scale compared to hyperspectral images. The finer scale that hyperspectral images provide makes it easier to find differences between different materials which have been photographed.

In this study, hyperspectral drone imagery was used to investigate whether spruces that had been infected with root rot changed how their needles reflected incoming sunlight. A difference in reflection between healthy and sick trees would allow quicker mapping of the disease. To carry out this comparison, a spruce stand first needed to be photographed with a hyperspectral camera, which captures wavelengths in the visual, near-infrared and short-wave infrared spectrums.

A hyperspectral camera was flown with a drone as this allows for high-resolution images that are also easy to collect. Root rot affects how much water the tree can deliver to its needles, and how the pigments in the needles are. So the information in the images was simplified by using the different bands of the image to calculate indices specifically linked to water or pigment. In this study, a spruce stand near Uppsala was examined where selected trees had been infected with root rot from Heterobasidion parviporum, which made it possible to compare trees that were guaranteed to be sick with trees that were guaranteed to be healthy.

This comparison showed that spectral indices specifically sensitive to water differed clearly between infected and healthy trees. This did not make the index sensitive to pigment. This difference means that it is possible to see differences between diseased and healthy spruces, but only when it comes to the water content of the needles. The spruces that were examined were allowed to be diseased for two years before they were photographed, which could be the reason why only the water content differed. The methodology used seems to allow for mapping of diseased trees, but would need to be further developed before practical implementation.

• author: Zhotkevich Gutman, Albert
• supervisor: Per-Ola Olsson; Langning Huo
• organization: Department of Earth and Environmental Sciences (MGeo)
• alternative title: Kartläggning av rotröta i gran med hjälp av hyperspektrala drönarbilder
• course: NGEM21 20261
• year: 2026
• type: H2 - Master's Degree (Two Years)
• subject: Earth and Environmental Sciences
• keywords: Geography, Root-rot, Heterobasidion parviporum, Spruce, Picea abies, Geographical Information Science, GIS
• publication/series: Student thesis series INES
• report number: 755
• language: English
• id: 9250687
• date added to LUP: 2026-09-14 09:46:31
• date last changed: 2026-09-14 09:46:31