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

Από RemoteSensing Wiki

Αναθεώρηση της 22:04, 25 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

• 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.

• 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 μεμονωμένων δέντρων με βάση την εικόνα 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).