Αξιολόγηση εικόνων μη επανδρωμένων εναέριων οχημάτων για εκτίμηση των δασικών καυσίμων σε πευκοδάσος

Από RemoteSensing Wiki

Παρούσα αναθεώρηση της 12:59, 26 Απριλίου 2020

Add Your Content Here

• Τίτλος: Αξιολόγηση εικόνων μη επανδρωμένων εναέριων οχημάτων για εκτίμηση των δασικών καυσίμων σε πευκοδάσος
• Πρωτότυπος τίτλος: Evaluating Unmanned Aerial Vehicle Images for Estimating Forest Canopy Fuels in a Ponderosa Pine Stand.
• Συγγραφείς: Patrick Shin, Temuulen Sankey, Margaret M. Moore and Andrea E. Thode.
• Πηγή: https://www.mdpi.com/2072-4292/10/8/1266

• 1. Εισαγωγή:

Σχέδιο 1. Χάρτης περιοχής μελέτης, των περιοχών πτήσης UAV και των τοποθεσιών δειγματοληψίας πεδίου: ( Α ) Τοποθεσία της περιοχή μελέτης στην πολιτεία της Αριζόνα, ( B ) τοποθεσίες πτήσης UAV και η εγγύτητά τους με το Flagstaff, Αριζόνα, Η.Π.Α. και ( C , D ) Και οι δύο περιοχές πτήσης UAV επικαλύπτονται σε ψευδείς έγχρωμες εικόνες UAV με σημεία που αντιπροσωπεύει κάθε δέντρο του πεδίου μετρήσεων.

Στις Νοτιοδυτικές Ηνωμένες Πολιτείες βρίσκεται το μεγαλύτερο πευκοδάσος (Pinus ponderosa) στον κόσμο, με παροχή πολλών οικοσυστημικών υπηρεσιών για τις κοντινές κοινότητες. . Ιστορικά, τα δάση αυτά παρουσίαζαν συχνές πυρκαγιές χαμηλής έντασης που κατανάλωναν τη δασική καύσιμη ύλη και αραιώνονταν, διατηρώντας χαμηλή πυκνότητα δέντρων. Οι αλλαγές στην διαχείριση των δασών, η καταστολή των πυρκαγιών η μείωση της βόσκησης και των υλοτομιών σε συνδιασμό με την κλιματική αλλαγή δημιούργησαν αυξημένη ευαισθησία σε πυρκαγιές υψηλής έντασης Η αμερικανική δασική υπηρεσία εφαρμόζει μεθόδους μείωσης των δασικών καυσίμων με συνδυασμό μηχανικής αραίωσης που ακολουθείται από περιοδικές πυρκαγιές χαμηλής έντασης. Οι διαχειριστές χρησιμοποιούν λεπτομερείς πληροφορίες για τη χωρική δομή των δασών κατά τον προγραμματισμό, εφαρμογή και παρακολούθηση επεξεργασίας των δασικών καυσίμων από την βάση δεδομένων (LANDFIRE) η οποία ενημερώνεται σε περιόδους δύο έως πέντε ετών και διατίθεται δωρεάν (www.landfire.gov). Τα χωρικά δεδομένα της βάσης περιλαμβάνουν κάλυμμα θόλου, ύψος θόλου, ύψος βάσης στεφάνης, πυκνότητα όγκου στεφάνης, και μοντέλα καυσίμων συμπεριφοράς πυρκαγιάς. αλλά, η χωρική ανάλυση των 30 μέτρων δεν αντιπροσωπεύει το διακυμάνσεις στα δασικά καύσιμα σε τοπική κλίμακα και οι εφαρμογές δεδομένων περιορίζονται σε κλίμακες (> 405 εκτάρια). Τα επανδρωμένα εναέρια οχήματα (UAV) αποτελούν μια εναλλακτική λύση για την απόκτηση δεδομένων υψηλής ανάλυσης σε τοπικές κλίμακες, σε σύγκριση με την ανάλυση των εναέριων εικόνων (ανάλυση ενός μέτρου) ή των δορυφορικών δεδομένων (ανάλυση 2-30 m), αφού οι εικόνες που λαμβάνονται από UAV έχουν χωρικές αναλύσεις 5-15cm. Επιπλέον, έχουν τη δυνατότητα να ελέγχουν τη διαδικασία λήψης εικόνων και το χρονοδιάγραμμα, και μπορούν να χρησιμοποιηθούν για την ταξινόμηση των τύπων βλάστησης και την εκτίμηση της δασικής βλάστησης. Επίσης μπορούν να χρησιμοποιηθούν για την παραγωγή τρισδιάστατων (3D) σημειακών δεδομένων, με στοιχεία της επιφάνειας του εδάφους και της βλάστησης.

• 2. Υλικά και μέθοδοι
• Περιοχή μελέτης

Η μελέτη επικεντρώθηκε στην περιοχή του -αστικού περιβάλλοντος του Flagstaff, της Αριζόνα, των ΗΠΑ και γύρω από το Εθνικό Δάσος Coconino, το οποίο διαχειρίζεται η Υπηρεσία Δασών των ΗΠΑ (Σχήμα 1), σε μια έκταση 12,14ha που έχει χαρακτηριστεί από την πόλη του Flagstaff ως υψηλή προτεραιότητα για την επεξεργασία της δασικής καύσιμης ύλης και την μηχανική αραίωση των δασών, λόγω της εγγύτητάς του με οικιστικές περιοχές.

• Εικόνες UAV και προεπεξεργασία

Χρησιμοποιήθηκε η πλατφόρμα UAV σταθερής πτέρυγας SenseFly eBee που ζυγίζει περίπου 537 g με άνοιγμα φτερών 96 cm. Το eBee λειτουργεί με το λογισμικό eMotion 2 και τον σταθμό εδάφους, ο οποίος στέλνει δεδομένα πλοήγησης σημείου στο αεροσκάφος για να εκτελεί προγραμματισμένες, αυτόνομες πτήσεις. Ολοκληρώθηκαν δύο έρευνες πεδίου με το UAV στις 21 Αυγούστου 2016 και στις 22 Νοεμβρίου 2016 κοντά στο ηλιακό μεσημέρι για να ελαχιστοποιηθεί η σκίαση (Σχήμα 1). Και οι δύο έρευνες πραγματοποιήθηκαν με 85-90% αλληλοεπικάλυψη, σε μέγιστο ύψος πτήσης 120 m, με αποτέλεσμα ανάλυση pixel εικόνας 15 cm. Οι μετρήσεις πεδίου χρησιμοποιήθηκαν για την επικύρωση των εικόνων που λήφθηκαν από το UAV με το ArcMap 10.4 για την εκτίμηση του συνολικού καλύμματος του θόλου σε κάθε οικόπεδο 10 × 10 m (N = 57 οικόπεδα) και σε σύγκριση με τις εκτιμήσεις που προέρχονται από την εικόνα UAV μέσω μιας απλής γραμμικής παλινδρόμησης.

• Διαχωρισμός - μετρήσεις μεμονωμένων δέντρων με βάση τις εικόνες UAV.

Σχέδιο 2. Προεπεξεργασία σημείου νέφους πριν από την τμηματοποίηση δέντρων: (Α) Σημείο νέφους με αρχική ταξινόμηση εδάφους εμφανίζεται με κόκκινο χρώμα, (Β) Σημείο σύννεφο που έχει κανονικοποιηθεί και φιλτραριστεί για να αφαιρεθούν σημεία του εδάφους, τα οποία δεν περιλαμβάνουν δέντρα, και (C) Το τελικό νέφος σημείου μετά το δεύτερο φιλτράρισμα εδάφους και το όριο NDVI περιλαμβάνει μόνο σημεία με δέντρα

Τα σημεία εδάφους που προέρχονται από το UAV ταξινομήθηκαν αρχικά ένα προοδευτικό μορφολογικό φίλτρο στο λογισμικό ENVI 5.3 και ενοποιήθηκαν σε ψηφικαό αρχείο σε R (https://CRAN.R-project.org/package=lidR) (R Development Core Team 2008, Vienna, Austria).Το σημεία του εδάφους που δεν αντιπροσώπεθαν ούτε έδαφος ούτε βλάστηση. Αφαιρέθηκαν με την εφαρμογή ενός δεύτερου μορφολογικού φίλτρου και στη συνέχεια επικαλύφθηκαν με την εικόνα ράστερ NDVI και εξαιρέθηκαν όλα τα σημεία με τιμή NDVI <0. Η εφαρμογή αυτών των δύο βημάτων δημιούργησε ένα σύνολο σημείων που αντιπροσωπεύει καλύτερα μόνο τα δένδρα, τα οποία στη συνέχεια χρησιμοποιήθηκαν στον αλγόριθμο τμηματοποίησης δέντρων (Σχέδιο 2). Η μέθοδος τμηματοποίησης βασίζεται σε τέσσερις παραμέτρους που καθορίζονται από το χρήστη: ελάχιστο ύψος ενός δέντρου, μέγιστη ακτίνα στεφάνης και δύο αριθμητικές αποστάσεις, που ορίζουν την οριζόντια όρια απόστασης (σε μέτρα) μεταξύ όλων των σημείων ύψους άνω των 15 μέτρων και ύψους κάτω των 15 μέτρων. Τα δένδρα που εντοπίστηκαν με τις εικόνες από το UAV τοποθετήθηκαν σε πλέγμα 10 × 10 m για να μετρηθούν και στη συνέχεια συγκρίθηκαν με τα δέντρα που χαρτογραφήθηκαν για να εκτιμηθεί η ακρίβεια της τμηματοποίησης και ο ποσοτικός προσδιορισμός της ακρίβειας ανίχνευσης. Οι μετρήσεις των δέντρων που προήλθαν από τα δεδομένα των εικόνων: οι συντεταγμένες Χ και Υ κάθε κορυφής δέντρου, διάμετρος θόλου, συνολικό ύψος δέντρου, βάση θόλου ύψος, χύδην πυκνότητα θόλου και ύψους , συγκρίθηκαν με τα αντίστοιχα χαρτογραφημένα πεδία για επικύρωση των δεδομένων: συνολικό ύψος δέντρου, ύψος βάσης θόλου και πυκνότητα όγκου. Τα δεδομένα που προέκυψαν στη συνέχεια χρησιμοποιήθηκαν για τον υπολογισμό του όγκου του θόλου, της μάζα του θόλου και την εκτίμηση της πυκνότητάς του. Με τη διαδικασία αυτή η πυκνότητα του όγκου αντικατοπτρίζει άμεσα τα βήματα που χρησιμοποιήθηκαν με τις μετρήσεις πεδίου για την εκτίμηση της πυκνότητας όγκου. Στη συνέχεια χρησιμοποιήθηκαν μοντέλα γραμμικής παλινδρόμησης για να εξεταστούν οι σχέσεις μεταξύ της εικόνας που προέρχεται από το UAV και μεταβλητές που μετρούνται στο πεδίο.

• Επικύρωση πεδίου

Οι μετρήσεις πεδίου σχεδιάστηκαν για να παρέχουν ένα σύνολο δεδομένων επικύρωσης για τη δασική βάση με τα χαρακτηριστικά και τις ατομικές μετρήσεις δέντρων που προέρχονται από τα δεδομένα UAV. Οι μεταβλητές επιπέδου που απαιτούσαν δεδομένα επικύρωσης ήταν: κάλυψη θόλου δέντρου και εκτιμήσεις πυκνότητας δένδρου σε περιοχές εμβαδού 100μ2. Χρησιμοποιώντας πλέγματα 10 μ στο ArcMap, μαζί με πολύγωνα των περιοχών μελέτης που απεικονίζονται με το UAV, επιλέχθηκαν τυχαία 100 θέσεις πεδίου με ελάχιστη απόσταση 10 m (Σχέδιο 1). Για την επικύρωση των μεμονωμένων μετρικών δέντρων που προέρχονται από UAV, πραγματοποιήθηκαν οι ακόλουθες μετρήσεις για κάθε δέντρο σε κάθε οικόπεδο: αναγνώριση ειδών, διάμετρος στο ύψος του στήθους (DBH), θόλος διάμετρος στους άξονες βορρά-νότου και ανατολής-δύσης, συνολικό ύψος δέντρου, ύψος βάσης θόλου και όγκο θόλων πυκνότητα. Το DBH μετρήθηκε με τη χρήση ταινίας διαμέτρου σε ύψος 1,37 m στην ανατολική πλευρά του δέντρο. Η θέση του συστήματος εντοπισμού θέσης (GPS) κάθε δέντρου μέσα στο οικόπεδο ψηφιοποιήθηκε στον χάρτη και βεβαιωθείτε ότι η περιοχή και τα μεμονωμένα δέντρα που εξετάστηκαν αντιστοιχούν στο πεδίο των εικόνων UAV

• Μοντελοποίηση συμπεριφοράς πυρκαγιάς

Για την διαμόρφωση των μοντέλων συμπεριφοράς της πυρκαγιά σε μια περιοχή χρησιμοποιούνται τα δεδομένα χωρικών καυσίμων από το LANDFIRE με το FlamMap 5. Έγινε σύγκριση των δεδομένων εισόδου που χρησιμοποιούνται από τις μεταβλητές εισόδου στο λογισμικό FlamMap 5 από το LANDFIRE και τις εικόνες που προέρχονται από UAV, για τη μοντελοποίηση ώστε να διαπιστωθεί αν η συμπεριφοράς στεφάνης πυρκαγιάς είναι διαφορετική με βάση την πηγή εικόνας και αν παράγουν ουσιαστικά διαφορετικά μοντέλα συμπεριφοράς πυρκαγιάς. Το FlamMap χρησιμοποιείται για το συνδυασμό χαρακτηριστικών δασικών καυσίμων, τοπογραφίας, υγρασίας καυσίμου και παραγόντων καιρού. Τα αποτελέσματα περιλαμβάνουν μήκος φλόγας σε μέτρα, ρυθμό εξάπλωσης σε μέτρα ανά λεπτό, και πιθανή δραστηριότητα πυρκαγιάς.

• 3. Αποτελέσματα

Πίνακας 5.

Η σύγκριση ίσων αριθμών δειγμάτων εικόνων από το UAV- και ΝΑΙΡ για την εκτίμηση της δασική κάλυψης συγκρίθηκαν και οι συντελεστές παλινδρόμησης έδειξαν ότι οι εκτιμήσεις κάλυψης από τα στοιχεία ΝΑΙΡ ήταν υψηλότερες από τις εκτιμήσεις που προέρχονται από το UAV, ειδικά σε περιοχές με υψηλό κάλυμμα θόλων. Οι εκτιμήσεις πυκνότητας των δέντρων που ανιχνεύθηκαν από εικόνες UAV συγκρίθηκαν για πρώτη φορά με βάση τις μετρήσεις πεδίου για κάθε κατηγορία πυκνότητας. Ο μέσος αριθμός δέντρων σε τμήματα με ένα, δύο, και τρία δέντρα ταιριάζουν απόλυτα με τον αριθμό των δέντρων που έχουν χαρτογραφηθεί στο έδαφος. Ωστόσο, σε τμήματα με πολλά δέντρα οι εικόνες από UAV είχαν μεγαλύτερη διακύμανση γύρω από τις μέσες εκτιμήσεις. Τα δεδομένα του LANDFIRE για την περιοχή μελέτης, οδήγησαν σε εκτιμήσεις συμπεριφοράς κορώνας 0% επιφανειακή πυρκαγιά, 14% παθητική πυρκαγιά στεφάνης και 86% ενεργή φωτιά στεφάνης (Πίνακας 5) Από τις εικόνες του UAV με τους σχετικά χαμηλούς συντελεστές συσχέτισης δεν ήταν δυνατή η παραγωγή αξιόπιστης εκτίμησης της πυκνότητας του όγκου θόλων, ωστόσο στις κρίσιμες μεταβλητές οι εκτιμήσεις που προέρχονται από UAV είχαν παρόμοιες ακρίβειες με τις μεταβλητές του LANDFIRE. Τα δεδομένα τοπογραφίας, ύψος θόλων και ύψος βάσης από το UAV είχαν σημαντικές επιπτώσεις στο μοντέλο συμπεριφοράς πυρκαγιάς κορώνας μειώνοντας το ποσοστό ενεργού πυρκαγιάς και αυξάνοντας την επιφανειακή πυρκαγιά. Όταν χρησιμοποιήθηκαν όλες οι μεταβλητές που προέκυψαν από το UAV, η έναρξη της πυρκαγιάς του στέμματος μειώθηκε σε 0%, η ενεργή πυρκαγιά στεφάνης και 0% παθητική πυρκαγιά στεφάνης με το 100% της περιοχής μελέτης να εκτιμάται ως επιφανειακή πυρκαγιά.

• 4. Συμπεράσματα

Τα αποτελέσματα υπέδειξε ότι οι έρευνες UAV μπορούν να χρησιμοποιηθούν για την παραγωγή ακριβών εκτιμήσεων της δασικής κάλυψης και του ύψους του θόλου. Η πυκνότητα των δέντρων μπορεί επίσης να εκτιμηθεί με ακρίβεια σε περιοχές με χαμηλό κάλυμμα θόλων. Η τμηματοποίηση δέντρων μπορεί να βελτιωθεί χρησιμοποιώντας προσαρμοστικές παραμέτρους αλγορίθμου που μπορούν να προσαρμοστούν σύμφωνα με το κάλυμμα του θόλου. Η ακρίβεια των εκτιμήσεων ύψους βάσης θόλων ήταν χαμηλή, αλλά ήταν συγκρίσιμο με τις εκτιμήσεις LANDFIRE. Η πυκνότητα όγκου αποδείχθηκε η πιο δύσκολη μέτρηση εκτίμηση χρησιμοποιώντας τις μεθόδους UAV. Τα αποτελέσματα με χρήση δεδομένων UAV έδειξαν δραστική μείωση στο σύνολο των εκτιμήσεων για εκδήλωση πυρκαγιάς. Αποδεικνύεται ότι τα δεδομένα εισαγωγής στο μοντέλο συμπεριφοράς πυρκαγιάς FlamMap έχουν δραστική επίδραση στο δυναμικό της πυρκαγιάς που διαμορφώνεται σε μια περιοχή. Οι διαχειριστές του συστήματος πρέπει λαμβάνουν υπόψη την πηγή και την ακρίβεια των δεδομένων εισαγωγής κατά τη μοντελοποίηση της συμπεριφοράς και τη λήψη αποφάσεων για την διαχείριση του οικοσυστήματος. Τα δεδομένα και οι μέθοδοι που χρησιμοποιήθηκαν σε αυτήν τη μελέτη με χρήση UAV παρέχουν μια άλλη πηγή δεδομένων για τη συμπλήρωση, ή και την υποκατάσταση, παραδοσιακών μορφών εκτίμησης των δασικών καυσίμων, όπως έρευνες πεδίου. Χρησιμοποιώντας έναν συνδυασμό αυτών των πηγών δεδομένων, οι επιστήμονες και οι διαχειριστές γης μπορούν εκτιμήσουν με ακρίβεια και αποτελεσματικότητα την καύσιμη ύλη των δασών για να κατανοήσουν καλύτερα τις οικολογικές διαδικασίες για την υποστήριξη της λήψης αποφάσεων.