طريقة شبه آلية لرسم خرائط وتصنيف مجتمعات النباتات الرطبة الساحلية الشمالية باستخدام بيانات الطائرات بدون طيار وبيانات الأرض

ملخص

يتكون البروتوكول من أربع مراحل متكاملة: مسح الطائرات بدون طيار (UAV)، جمع بيانات الحقيقة الأرضية، حساب مؤشرات النباتات، وتصنيف ورسم خرائط مجتمعات النباتات الرطبة الساحلية بمساعدة الذكاء الاصطناعي. والنتيجة هي مجموعة بيانات جغرافية متعددة الطبقات تدعم التطبيقات في علم البيئة، والمراقبة البيئية، واتخاذ القرار للحفاظ على موائل الأراضي الرطبة الساحلية وإدارتها.

الملخص

يجسر رسم خرائط مجتمع النباتات شبه الآلي الفجوة بين المسوحات البيئية التقليدية والمراقبة الحديثة للنظم البيئية المدعومة بالذكاء الاصطناعي، مما يمكن من مسح الموقع والمراقبة بسرعات وأحجام لم تكن متاحة سابقا. الأراضي الرطبة الساحلية، التي تهيمن عليها النباتات العشبية منخفضة النمو، تتطلب مسحا فوتوغراميري يعتمد على الطائرات بدون طيار (مركبة جوية بدون طيار) لتحقيق دقة مكانية أعلى ومرونة أكبر في التوقيت. يتكون هذا البروتوكول من أربع مراحل، وهي المسح الجوي القائم على الطائرات بدون طيار، وجمع بيانات الحقيقة الأرضية والمرجعية الجغرافية، وحساب مؤشر الغطاء النباتي، والتصنيف المراقب باستخدام خوارزمية الغابات العشوائية (RF) في R (أي رسم خرائط شبه آلي بمساعدة الذكاء الاصطناعي لتوزيعات مجتمعات النباتات باستخدام تصنيف التعلم الآلي). تشمل حزم Key R المستخدمة terra، sp، sf، rgdal، raster، rsample، MLmetrics، randomForest. التركيز في المرحلة الثانية ينصب على طريقة المسح البيئي التقليدية—أخذ عينات أرضية مربعية طبقية. يعمل أخذ العينات الأرضية كدليل تجريبي لضمان دقة وموثوقية المنتج النهائي للخريطة. تم اختبار نوعين من أجهزة الاستشعار المثبتة على الطائرات بدون طيار على نطاق واسع: حساس متعدد الأطياف وكاميرا RGB، مما أنتج 19 مؤشرا متعدد الأطياف و27 مؤشرا يعتمد على RGB، إلى جانب نموذج سطح رقمي مشتق من RGB. تم رسم خريطة لمجتمعات النباتات في موقع دراسة حالة للأراضي الرطبة الساحلية في بحر البلطيق، وتم الحصول على نتائج أداء الخوارزميات التالية: باستخدام مجموعة البيانات متعددة الأطياف، حقق النموذج دقة إجمالية بلغت 92.3٪ مع خطأ خارج الكيس (OOB) بلغ 7.75٪؛ بالمقارنة، حققت مجموعة بيانات RGB دقة تجاوزت 98٪ مع خطأ OOB بلغ 1.14٪. تعزز هذه النتائج ملاءمة كلا نوعي المستشعرات. كل مرحلة من مراحل البروتوكول تنتج مجموعات بيانات مرجعية جغرافيا. يمكن تجميع هذه النماذج في مشروع نظم معلومات جغرافية متعددة الطبقات (GIS) مع ملاحظات ميدانية حيوية مدمجة، لتكون أساسا لأبحاث النظام البيئي المعقدة، مثل النمذجة البيئية للتنبؤ بالتأثيرات والتغيرات. عمليا، يمكن أن يكون هذا المشروع سجلا تاريخيا لتغطية الأراضي وإدارة الدعم، وتخطيط استعادة البيئة، والمراقبة.

المقدمة

هدف هذا البروتوكول هو توفير سير عمل عملي خطوة بخطوة يجمع بين مسح فوتوغرامي قائم على الطائرات بدون طيار (أي المعتمد على المركبات الجوية بدون طيار [UAV]) مع الملاحظات الفيزيائية الحيوية في الموقع كبيانات حقيقة أرضية لإنتاج خريطة توزيع مجتمعات النباتات الرطبة الساحلية. يتم إنشاء المخرجات النهائية، خريطة الغطاء الأرضي، من خلال عملية تعلم آلي شبه آلية (خوارزمية الغابات العشوائية [RF^]).

خريطة مجتمع النباتات هي مجموعة بيانات أساسية في النمذجة البيئية للأراضي الرطبة لأنها تحول أنماط النباتات المعقدة إلى تمثيل مكاني صريح قائم على البكسل لبنية الموائل. تتيح هذه المجموعة الأساسية من نمذجة العمليات البيئية (مثل توزيع الكتلة الحيوية، تفاعلات الأنواع، الاستجابات البيئية الهيدرولوجية، دورات المغذيات) عبر المشهد^{الطبيعي 2،3،4}.

بالإضافة إلى خريطة مجتمع النبات، فإن اتباع خطوات هذا البروتوكول ينتج مجموعة من البيانات الجغرافية المكانية. تم حفظ مجموعة البيانات كمشروع نظم معلومات جغرافية (GIS)، ويمكن دمجها في نظم المعلومات الجغرافية، ومشاركتها، واستخدامها لمزيد من التحليل البيئي واتخاذ القرار لدعم التخطيط الإداري والمراقبة البيئية.

في هذه الطريقة، ينتج مسح الطائرة بدون طيار صورة RGB (أي الأحمر والأخضر والأزرق والألوان الأساسية الثلاثة) و/أو خريطة أرثوموسيكية متعددة الأطياف دقيقة هندسيا، إلى جانب نموذج سطح رقمي (DSM)، جميعها تعمل كبيانات أساسية ^5,6. تستخدم هذه البيانات لحساب مؤشرات النباتات (VIs) باستخدام خرائط الفسيفساء العظامية كمدخلات إلى حاسبة برنامج نظم المعلومات الجغرافية. لإنشاء خريطة المخرجات النهائية، تعمل متغيرات VI كمتغيرات متنبئة لكل بكسل للترددات الراديوية، حيث تحول المعلومات الطيفية الخام للموزايع العظامية إلى مدخلات منظمة للتصنيف^7،8. نظرا لأن المؤشرات البصرية هي تركيبات رياضية من الأشرطة الطيفية تبرز خصائص النباتات المنعكسة من النباتات^{والضوء 7}، يمكن استخدام المؤشرات البصرية كبيانات مستقلة في علم البيئة لمراقبة جودة الموائل والتنوع البيولوجي، ودعم النمذجة البيئية^8،9. لذلك، يتم حفظ خرائط VI كخرائط نقطية وتضمينها في مشروع نظم المعلومات الجغرافية.

لتصنيف ورسم خريطة مجتمعات النباتات في بيئة مدعومة بالذكاء الاصطناعي، يجب دمج مجموعات البيانات المستشعرة عن بعد (مثل خرائط مسح الطائرات بدون طيار، DSM، وVIs) مع ملاحظات بيوفيزيائية ميدانية مرجعية جغرافيا لضمان الموثوقية البيئية، وقابلية التكرار، والتفسير الهادف¹⁰. تعمل هذه البيانات الميدانية كحقيقة أرضية لخوارزمية الترددات الراديوية لتصنيف بيانات البكسل الموائل-الغطاء النباتي-في المؤشرات البصرية والتنبؤ بتوزيع المجتمعات النباتية عبر موقع الدراسة (مثل إنشاء خريطة لمجتمع النباتات)¹¹. بالإضافة إلى كونها مجموعة بيانات حقيقية للتعلم الآلي، توفر الملاحظات المرجعية جغرافيا وسيلة لتثبيت الملاحظات الفيزيائية الحيوية داخل نظم المعلومات الجغرافية. بهذه الطريقة، تعمل مجموعة البيانات البيئية كجدول سمات، يمكن استخدامه كمتغيرات بيئية لنمذجة النظام البيئي^12,13. تعد البيانات في الموقع ذات قيمة لإثبات الظروف البيئية للموئل لأنها تجمع مباشرة داخل البيئة الفعلية قيد الدراسة، مما يوفر تقييما واقعيا وفوريا للظروف المحددة¹⁴.

الأراضي الرطبة الساحلية هي مواطن منخفضة الطاقة تقع في مناطق ساحلية محمية. تنتشر النظم البيئية للمناطق الرطبة على سواحل ست قارات، باستثناء القارة القطبية الجنوبية، وتلعب أدوارا بيئية حاسمة عالميا، باستثناء المناظر الطبيعية المغطاة بالجليد في المناطق القطبية القصوى¹⁵. النمو السكاني العالمي والتصنيع، والدفاعات الساحلية، وتكثيف الممارسات الزراعية تؤثر بشكل كبير على الأراضي الرطبة الساحلية، مما يسبب التجزئة والتدهور^16,17. تجعل هذه الضغوط النظم البيئية الساحلية أولوية لاستعادة وحفظ البيئة حول العالم¹⁸.

تسهل المراقبة البيئية ونمذجة النظم البيئية للموائل الساحلية تقييم صحة النظام البيئي، وتحديد التغيرات الزمنية، وتقييم نتائج الاستعادة¹⁹. ومع ذلك، يمكن أن تعيق الطبيعة الديناميكية لهذه الأنظمة البيئية، ومحدودية وصولها، والتكاليف الكبيرة لجمع البيانات في المناطق المد والجزر المعقدة وغالبا النائية. في المواطن الديناميكية التي يصعب الوصول إليها، غالبا ما توفر النباتات أوضح وأكثر الإشارات استقرارا للتغير البيئي¹⁸.

نظرا لأن الغطاء النباتي هو أساس أساسي لتكوين الموائل، فإن تصنيف المجتمعات النباتية ورسم خرائط توزيعاتها يوفر أساسا حاسما للتقييم البيئي ونمذجة عمليات الموائل 20,21,22. الأراضي الرطبة الساحلية أنظمة شديدة التجانس، وتظهر تباينا كبيرا على مسافات قصيرة في الارتفاع، والملوحة، وبنية الغطاء النباتي، والهيدرولوجيا، وخصائص الرواسب. وبسبب هذا التعقيد، يتضمن البروتوكول أخذ عينات طبقية من الربع²³ (على الأقل عشرة عينات من 1 متر × 1 متر لكل مجتمع نباتي)، وهو ليس مفيدا فحسب، بل ضروريا منهجية لتوليد نماذج نظام بيئي تمثيلية وخرائط غطاء أرضي^24,25.

لتوضيح هذه المنهجية، أجريت دراسة حالة على مستنقع مد وجزر صغير في جزيرة هيوما في أرخبيل غرب إستونيا في بحر البلطيق (الشكل 1). تدار المناظر الطبيعية الساحلية لبحر البلطيق، بما في ذلك المستنقعات في مناطق تراكم الرواسب عبر أكثر من 100,000 جزيرة داخل الأرخبيل، بمستويات مختلفة من الشدة²⁶. للحفاظ على التنوع البيولوجي واستعادته، تحافظ الأراضي الرطبة الساحلية الشمالية على البلطيق كمروج شبه طبيعية^27,28. تتمتع هذه المروج الرطبة بقيمة تراثية إقليمية للمناظر الطبيعية، وبعضها، بما في ذلك موقع دراسة الحالة، جزء من شبكة المناطق المحمية Natura 2000. في مثل هذه المناطق، للحفاظ على النباتات منخفضة النمو التي تدعم تنوعا بيولوجيا أكبر وتوفر مواطن للحياة البرية مثل الطيور^{الخواضة 29}، ترعى المروج الساحلية بشكل واسع و/أو تقص موسميا للحفاظ على المراعي المفتوحة ومنع اجتياحها من قبل أنواع واسعة النطاق، مثل Phragmites australis³⁰. في المناطق الساحلية الشمالية، عادة ما تشمل الأراضي الرطبة التي تدار تحت تدابير الحفظ أربع مجتمعات نباتية رئيسية: الرواد المفتوح (OP)، الشاطئ السفلي (LS)، الشاطئ العلوي (الولايات المتحدة)، والعشب الطويل (TG)³¹. جميع هذه الدورات الأربعة تتم في موقع دراسة الحالة المختار. تهيمن أنواع النباتات الوعائية على المراعي الرطبة الساحلية. الأنواع المؤشرة المفتوحة هي الهالوفات: ساليكورنيا أوروبيا (الأكثر شيوعا في نطاق الارتفاع 3–30 سم) وسوايدا ماريتيما (10–50 سم). تهيمن على LS نباتات Glaux maritima (3–25 سم) وJuncus geradii (25–75 سم). الأنواع المؤشرة في الولايات المتحدة هي Festuca rubra (15–90 سم) وLeontodon autumnalis (10–80 سم)، والأعشاب السائدة تحدد TG: Deschampsia cespitosa (30–120 سم)، Elytrigia repens (30–120 سم)، وMolinia caerulea (50–180 سم). بالإضافة إلى ذلك، تشمل النباتات الرطبة الساحلية النموذجية في هذه المنطقة المناخية: سبيرغولاريا مارينا (5–30 سم)، بلانتاجو ماريتيما (10–30 سم)، تريغلوشين ماريتيما (15–70 سم)، وأغروستيس ستولونونيفيرا (15–30 سم)، والتي توجد عبر المجتمعات.

تعرف الأراضي الرطبة الساحلية بمناظرها الطبيعية منخفضة الانحناء مع اختلافات دقيقة في الميكروتوبوغرافيا، مثل المنخفضات والتل الضبابية، التي تؤثر على توزيع المجتمعات النباتية. تتشكل هذه الخصائص الطبيعية بشكل طبيعي من خلال عمليات مثل ترسيب الرواسب أثناء الفيضانات، وارتفاع العواصف، والتيارات المدية³². غالبا ما تفتقر هذه الميزات إلى توقيعات مميزة يمكن اكتشافها بالصور الجوية الخشنة، لكن تركيب الأنواع يعكس استجابات طيفية محددة يمكن تسجيلها وتصنيفها³³. عادة ما يوفر رسم الخرائط الجوية عبر الأقمار الصناعية والطائرات البيانات الجغرافية المكانية اللازمة للكثير من مسح ونمذجة النظم البيئية لدعم المراقبة والتقييم^34,35. ومع ذلك، فإن رسم الخرائط الجوية باستخدام الطائرات بدون طيار على ارتفاعات منخفضة ضروري لمسح المراعي الساحلية بفعالية. يقدم هذا النهج بيانات عالية الدقة ويوفر سجلا فوتوغراميمتري أكثر تفصيلا لمعالم المناظر الطبيعية، بما في ذلك أنماط توزيع النباتات ونماذج ارتفاع النباتات المستمدة من نموذج السطح الرقمي (DSM)، مما يحسن دقة التصنيف³.

مقارنة بالأساليب البديلة، تسمح سير عمل الطائرات بدون طيار بجدولة مرنة لمطابقة المراحل الظاهرية، وتقليل تداخل السحاب، والتقاط التفاصيل الهيكلية غير المتاحة من الأقمار الصناعية^36,37. بالاقتران مع التعلم الآلي (مثل Random Forest)، تدعم بيانات الطائرات بدون طيار الكشف التلقائي عن الأنماط، وتصنيف الكائنات، واستخراج رؤى قيمة من مجموعات بيانات معقدة قد تكون مرهقة للبشر^. ومع ذلك، يظل أخذ العينات الأرضية في الموقع لا غنى عنه للتعلم المراقب لأنه يوفر تسميات موثقة للتدريب وتقييم النماذج، مما يضمن تعلم النماذج الأنماط الصحيحة وأن أدائها قوي وموثوق 11,39,40.

تم تصميم هذا البروتوكول للنظم البيئية منخفضة التخفيف مع مجتمعات نباتية منخفضة النمو والتي يمكن الوصول إليها لأخذ عينات في الموقع. ينقسم سير العمل إلى أربع مراحل مميزة (الشكل 2): (1) المسح الجوي القائم على الطائرات بدون طيار، (2) جمع بيانات الحقيقة الأرضية والتحديد الجغرافي، (3) حسابات مؤشرات الغطاء النباتي، و(4) التصنيف الخاضع للإشراف باستخدام Random Forest في بيئة الحوسبة الإحصائية مفتوحة المصدر R. تم تنفيذ البروتوكول باستخدام RStudio مع الحزم الرئيسية التالية: terra، sp، sf، rgdal، raster، rsample، MLmetrics، و randomForest.

البروتوكول

ملاحظة: تصف الخطوات التالية سير عمل مفصل (انظر الرسم البياني في الشكل 3) لرسم خرائط وتصنيف مجتمعات النباتات الرطبة الساحلية. يمكن تكرار هذا البروتوكول إما باستخدام حساس متعدد الأطياف مثبت على طائرة بدون طيار أو كاميرا RGB. إكمال هذا البروتوكول سيستغرق عدة أيام. لذلك، تنقسم المنهجية إلى أربع مراحل، مع فترات استراحة اختيارية. يوصى بالتسلسل المقرر لأن نتائج المرحلة السابقة تدعم تنفيذ المرحلة التالية. تولد المراحل الثلاث الأولى مجموعات بيانات تعمل كمدخلات للمرحلة النهائية.

1. مسح جوي قائم على طائرات بدون طيار

1. الحصول على الاحتياطات الأساسية لمشغلي الطائرات بدون طيار ومراجعتها، واللوائح المحلية، والكتيبات الخاصة بأجهزة وبرمجيات الطائرات بدون طيار.
   1. ضمان عمل الطيار بأمان وقانونية ومهنية؛ وأن يحمل جميع الشهادات أو التراخيص المطلوبة لمنطقة التشغيل؛ وأن يكون مدربا بالكامل على نموذج الطائرة بدون طيار المحدد واستخدام المستشعر/الكاميرات وسير العمل في المهمة. استشر الإطار التنظيمي المحلي أو الإقليمي للحصول على تأمين الطائرات بدون طيار.
   2. تحديد تصنيف المجال الجوي لمنطقة المهمة والحصول على التصاريح المطلوبة. احترم حدود الارتفاع، ومناطق حظر الطيران، وقيود القرب حول المطارات والبنية التحتية والمناطق المأهولة. لمراعاة البيئة والحياة البرية، اتبع القيود الموسمية (مثل فترات التعشيش) وامتثل للوائح البيئية للمناظر الطبيعية المحمية، والأراضي الرطبة، ومواقع ناتورا 2000، والمناطق المحمية الأخرى.
   3. إبلاغ أعضاء المجتمع المحلي أو أصحاب المصلحة، عند الحاجة، للحصول على الموافقات ومنع سوء الفهم. توضيح قواعد حماية البيانات المتعلقة بمتى قد تلتقط الصور الجوية أشخاصا أو ممتلكات خاصة أو مركبات من خلال التأكد من أن الجميع يفهم أن رحلة الطائرة بدون طيار تهدف إلى رسم خرائط لمجتمعات النباتات للبحث، وأن أي بيانات إضافية تخضع لقوانين حماية البيانات ستظل سرية.
      ملاحظة: عادة ما يكون الإخطار ضروريا عندما تفرض اللوائح الوطنية أو الإقليمية التواصل المسبق لعمليات الطائرات بدون طيار.
   4. اتباع جميع إرشادات الشركة المصنعة لتجميع وصيانة وتشغيل الطائرة بدون طيار وأجهزة الاستشعار المثبتة؛ يضمن هذا الامتثال التشغيل الآمن ويحمي سلامة المعدات. احترم الحد الأقصى لطاقة الرياح (9 م/ث، بما في ذلك الهبات)، ونطاقات درجات الحرارة (الحد الأدنى 0 درجة مئوية؛ الحد الأقصى 35 درجة مئوية)، وسعات الحمولة عند اختيار أجهزة الاستشعار/الكاميرات. تخزين ونقل البطاريات وفقا لتعليمات الشركة المصنعة ولوائح سلامة الطيران.
2. صمم مهمة طيران طائرة بدون طيار.
   ملاحظة: لتنفيذ هذا البروتوكول، تم استخدام نظام الطائرة بدون طيار الثابت الجناح eBee X، المزود بمستشعر متعدد الأطياف وRGB وبرنامج إدارة الرحلة. دائما راجع دليل الشركة المصنعة عند استخدام الطائرة بدون طيار.
   1. برنامج إدارة الطيران المفتوح مثبت مسبقا على اللابتوب. في صفحة الترحيب، تحت تبويب المهمة الجديدة ، اختر الكاميرا المستخدمة (في هذه الحالة: سيكويا)، وأدخل عنوان مهمة وصفي (مثل اسم موقع الدراسة)، واختر إنشاء مهمة. ستفتح لوحة المهمة تلقائيا، وستظهر خريطة الأقمار الصناعية في العرض الرئيسي.
   2. على خريطة الأقمار الصناعية، استخدم المؤشر للتكبير، والتحريك، والتنقل إلى الموقع التقريبي لموقع الدراسة. في تبويب منطقة العمل ، اختر وضع منطقة العمل وضع المؤشر بالقرب من مركز موقع الدراسة، ثم نقر. ستظهر دائرة تمثل منطقة العمل؛ قم بتعديل حجمه عن طريق زيادة أو تقليل نصف القطر.
   3. في لوحة المهمة، انقر على تبويب الإقلاع والهبوط . ثم انقر على إضافة بداية جديدة، وانتقل عبر المؤشر على خريطة الأقمار الصناعية إلى موقع الإقلاع المطلوب، ثم انقر لتعيين نقطة بداية جديدة. بعد ذلك، اضغط على إضافة منزل جديد، اختر الهبوط الخطي، تنقل المؤشر على الخريطة إلى نقطة الهبوط/العودة المطلوبة للطائرة بدون طيار، ثم اضغط لتعيين.
      ملاحظة: عند التخطيط للمهام، استخدم خريطة الأقمار الصناعية وأدوات القياس الخاصة بالبرنامج للعثور على مناطق هبوط وإقلاع مثالية، حيث يتطلب مدرج هبوط خال من العوائق. بعض الطائرات بدون طيار ذات الأجنحة الثابتة لا تمتلك إقلاع عمودي وتتطلب صعودا تدريجيا إلى الارتفاع أثناء الإقلاع وهبوطا تدريجيا. تحتاج هذه الطائرات بدون طيار إلى مدرج هبوط يبلغ طوله 200–300 متر وعرضه 75 مترا.
   4. في لوحة المهمة ، اختر تبويب كتل المهمة . انقر على إضافة كتلة المهمة، ثم اختر التعيين الأفقي. من قائمة الكاميرا المنسدلة، اختر Sequoia، ومن الخطة أعلاه، اختر Elevation data - EAD. ستظهر قائمة الإعدادات المسبقة مع علامات تبويب بقيم قابلة للتعديل: الدقة 10 سم/بكسل، التداخل الجانبي 75٪، والتداخل الطولي 80٪، مما يؤدي إلى ارتفاع طيران 106.1 م/AED (تم اختيار هذه القيم الآلية لمسح الطائرة بدون طيار).
   5. ضع المؤشر على عرض خريطة الأقمار الصناعية وارسم مضلعا حول منطقة الدراسة بالنقر الأيسر لإضافة نقاط زاوية قابلة للتعديل حول موقع المسح. لإنهاء الأمر، انقر بزر الفأرة الأيمن لعرض مسار الطيران المحتمل للطائرة بدون طيار على الخريطة.
      ملاحظة: لتنفيذ هذا البروتوكول، قدر أن مساحة المسح تغطي 40 هكتارا مع وقت رحلة 32 دقيقة.
   6. لا يزال في لوحة المهمة ، في تبويب إجراءات السلامة ، تأكد من اختيار الإجراءات التالية. بالنسبة للعودة إلى المنزل: إذا تم اكتشاف رياح قوية، إذا أبلغت الكاميرا عن عطل، في الإضاءة المنخفضة (أو كان غطاء العدسة مفعلا)، إذا كان التحمل منخفضا، إذا تراجعت دقة GNSS، إذا فقد رابط المودم الأرضي لمدة 300 ثانية (يمكن تعديله)، وللتسلق: إذا تم اكتشاف قرب الأرض، يجب اختياره.
   7. التوقيت أمر حاسم: جدولة مهمة رسم الخرائط بأقرب ما يمكن إلى تاريخ الفحص الأرضي (تاريخ أخذ العينات الفيزيائية الحيوية). وهذا أمر حيوي، لأنه يضمن أن تعكس صور الطائرات بدون طيار وبيانات الميدان النظام البيئي تحت نفس الظروف البيئية والفينولوجية، مما يعزز بشكل كبير الدقة العلمية وقابلية التفسير للخرائط.
   8. اختر نافذة المد المنخفض (أو ظروف "المياه المنخفضة" في السواحل غير المدية) لتعظيم الموائل المكشوفة وتقليل وهج المياه؛ عند توقيت المسوحات الجوية، يجب أيضا مراعاة اضطراب الحياة البرية وحاول تجنب مواسم التكاثر.
3. قم بإجراء الفحوصات قبل الطيران ومهمة الطيران.
   1. في الموقع، قيم الظروف البيئية. تحقق من انخفاض مستويات مياه البحر الحالية؛ تجنب إزعاج الحياة البرية؛ تأكد من أن منطقة الإقلاع والهبوط مستقرة وجافة ومرتفعة بما فيه الكفاية فوق الماء. افحص منطقة المجال الجوي التي ستقام فيها مهمة الطيران لأي عقبات جوية، بما في ذلك مناطق الإقلاع والهبوط.
   2. راقب توقعات الطقس للحصول على أفضل ظروف الطيران: الرياح (أقصى سرعة 9 م/ث)، الرؤية (بدون ضباب)، الرطوبة (أقل من 75٪)، وهطول الأمطار (أقصى توقع 40٪).
   3. تجميع نظام الطائرات بدون طيار: معدات الطائرات بدون طيار، جهاز الاستشعار/الكاميرا، الهوائي، وبرامج إدارة الرحلات. وصل بطارية طائرة بدون طيار. تحقق من أجهزة الطائرة بدون طيار، بما في ذلك صحة المستشعر/الكاميرا؛ تأكد من نظافة العدسة؛ وتأكد من أن المستشعر/الكاميرا متصلا بشكل صحيح بالطائرة بدون طيار.
   4. شغل كمبيوتر العمل الميداني، افتح برنامج إدارة الرحلة (eMotion)، واضغط على تحميل المهمة من ملف التصفح .
      1. قم بتوصيل هوائي USB باللابتوب، ثم اضغط على الاتصال، وسيظهر شريط التحكم في الطيران على اليمين.
      2. في تبويب الكاميرا ، تأكد من وجود ذاكرة كافية لتخزين جميع صور الاستطلاع (بطاقة SD فارغة، الحد الأدنى 32 جيجابايت)، وأن الكاميرا الصحيحة (Sequoia) مدرجة. قم بتمكين صوت الكمبيوتر لسماع إشعارات البرنامج.
   5. تحقق من تحديث البرمجيات والبرامج (عبر إشعارات البرمجيات الآلي) وقم بمعايرة البوصلة إذا لزم الأمر.
   6. تأكد من تحميل المهمة المصممة مسبقا بشكل صحيح (أي أن مسار الطيران، والإقلاع، والهبوط مرئية في العرض الرئيسي). تأكد من اختيار إجراءات السلامة بشكل صحيح (كما هو مذكور في الخطوة 1.2.6).
   7. قم بمعايرة المستشعر متعدد الأطياف. ضع اللوحة على الأرض، ثم أمسك الطائرة بدون طيار فوقها مع وجود عدسة الحساس/الكاميرا موجهة للوحة.
      1. في البرنامج، يمكنك الوصول إلى شريط التحكم في الطيران، وافتح تبويب الكاميرا ، ثم اضغط على معايرة.
      2. انتظر حتى تشير إشارات الصوت إلى التقاط الصور حتى يظهر النص "اكتمال المعايرة الإشعاعية ". هذا غير ضروري إذا استخدمت فقط حساس RGB.
   8. قبل بدء المهمة، تحقق من اتجاه الرياح. احصل على حفنة صغيرة من العشب الخفيف أو الجاف أو الرمل أو الأوراق الجافة. إطلاق المادة من مستوى العين؛ اتجاه انحراف العشب يشير إلى مسار الرياح.
   9. ثم، في العرض الرئيسي للبرنامج (خريطة الأقمار الصناعية)، قم بضبط اتجاه مسار رحلة الطائرة بدون طيار عن طريق سحب مقبض التوجيه بحيث تسير خطوط الطيران عمودية على اتجاه الرياح. تأكد من أن مسار الرحلة يغطي كامل موقع المسح: عدل زوايا المضلعات عن طريق سحب نقاط الزوايا.
   10. قم بضبط اتجاه مسار الهبوط لضمان أن اتجاه مسار الهبوط عكس اتجاه الرياح.
   11. تأكد من أن مسار الطيران، ومناطق الإقلاع، والهبوط داخل منطقة العمل بعد جميع التعديلات. قم بتوسيع دائرة منطقة العمل إذا لزم الأمر، عن طريق زيادة القيم الرقمية لنصف القطر في تبويب منطقة العمل .
   12. ابدأ رحلة الطائرة بدون طيار كمهمة طيران آلية تتبع مسار الرحلة المصمم مسبقا (مساحة المسح لدراسة الحالة: 40.5 هكتار). سجل وقت بدء الرحلة.
       1. خلال الرحلة، حافظ على تشغيل برنامج إدارة الطيران وهوائي الطائرة بدون طيار متصل دائما.
       2. استمع وراقب البرنامج لتحديثات عمر البطارية، وأداء المستشعرات، وإشارات الإنذار الخاصة بالطائرة بدون طيار أثناء المهمة (مثل زيادة سرعة الرياح، اكتشاف العقبات).
       3. حافظ على خط رؤية بصري (VLOS) مع الطائرة بدون طيار في مهمة طوال الوقت، ما لم يتم الموافقة على خلاف ذلك. تجنب جميع المشتتات وابق مستعدا للاستجابة للإشعارات أو تنفيذ هبوط اضطراري. سجل وقت نهاية الرحلة.
          ملاحظة: أفضل ممارسة (حسب المنطقة، قد يكون ذلك مطلبا قانونيا) هي إجراء مسوحات مع مشغلين: أحدهما يحافظ على VLOS والآخر يراقب برنامج إدارة الرحلات. في حال وقوع حادث طائرة بدون طيار، يجب تعليق عمليات الطيران، وتأمين المنطقة، وثق الحادث، وإبلاغ الجهات المختصة، وبدء إجراءات التأمين.
4. قم بإجراء إجراءات ما بعد الرحلة.
   1. استخرج جميع الصور الجوية من المستشعر أو الكاميرا المثبتة على الطائرة بدون طيار وعمل نسخة احتياطية من جميع بيانات المسح، بما في ذلك سجلات الرحلات، على الحاسوب و/أو السحابة.
      ملاحظة: يزداد خطر فقدان البيانات مع مرور الوقت، حيث يمكن أن تتلف المعدات وقد تتلف بطاقات SD.
   2. تحقق من وضوح الصورة، والتعريض، والتغطية، والتحقق من وجود فجوات في تسلسل الصورة قد تكون حدثت بسبب خطأ في المستشعر أو ناجمة عن الوهج أو الظل أو غمر المد والجزر. أعد جدولة وإعادة المسح حسب الحاجة، لضمان أن رحلة الطائرة بدون طيار تتم بالقرب الزمني الشديد من عملية التحقق الأرضي.
   3. قم بتنزيل وحفظ ملف تنسيق التبادل المستقل من المستقبل (RINEX) من الأرشيفات العامة مثل خدمات المسح الأرضية الوطنية، مع التوافق مع تاريخ ووقت الرحلة.
   4. على قرص صلب خارجي (250 جيجابايت إلى 1 تيرابايت)، أنشئ مجلدا لحالة الدراسة (العنوان المقترح: date_ الموقع [تجنب استخدام المسافات والأحرف الخاصة]). سيكون هذا هو المجلد الرئيسي لتخزين البيانات والوصول إليها للخطوات التالية، والموقع الذي سيتم فيه إنشاء وحفظ طبقات الحزم الجغرافية.
   5. لإجراء وسم صور المسح الجوي، افتح تبويب Postflight في برنامج إدارة الرحلة. إذا تم استخدام نفس الكمبيوتر للطيران في التقويم، اختر تاريخ الرحلة. إذا لم يكن كذلك، اختر رقم.
   6. تصفح ورفع سجل الرحلة من ملف النسخ الاحتياطي. أنشئ مجلد مشروع على محرك الذاكرة الخارجية لحالة الدراسة (مشروع العنوان كما هو مقترح على الشاشة). اضغط التالي.
   7. تصفح ورفع سجلات الرحلات من بطاقة SD المستخدمة أثناء الرحلة، والتي يمكن التعرف عليها برقم الرحلة، أو رفعها من ملف احتياطي. انتظر حتى يظهر مسار الرحلة في العرض الرئيسي للبرنامج. تحقق من صحة المنطقة/سجل الرحلات. اضغط التالي.
   8. من القائمة المنسدلة تحت خيارات المعالجة اللاحقة ، اختر PPK: معالجة بيانات GNSS الخام للطائرة بدون طيار. تحت سجل المحطة الأساسية اختر Rinex، تصفح وابحث عن ملف RINEX المحفوظ. اضغط التالي، ثم انتظر حتى تنتهي الحسابات. تأكد من تثبيت PPK > تظهر العلامات الجغرافية المعالجة لاحقا بنسبة 100٪، ثم اضغط على التالي.
   9. في قائمة تحميل الصور المنسدلة، اختر أحد الخيارات التالية: من بطاقة SD أو تصفح للعثور على المجلد الذي يحتوي على صور المسح الجوي المقابلة لسجل الرحلات. اضغط التالي. انتظر حتى يظهر تطابق الصور بنجاح ، ثم اضغط التالي لبدء استيراد الصور الموسومة جغرافيا إلى مجلد المشروع. ستعمل هذه الصور كمدخلات في عملية التصوير الضوئي.
      ملاحظة: لكل سجل رحلة، يجب إجراء وسم الصور الجغرافي بشكل منفصل (تكرار الخطوات 1.4.4 – 1.4.8). على سبيل المثال، بعد تغيير بطارية الطائرة بدون طيار، سيكون للمسح الجوي التالي سجل رحلات جديد.
5. معالجة بيانات الفوتوغرامترية (أي إنشاء منتجات خرائط باستخدام صور المسح الجوي).
   1. على محطة العمل، قم بتوصيل القرص الصلب الخارجي الذي يحتوي على صور مسح الطائرة بدون طيار الموسومة جغرافيا وافتح برنامج التصوير الفوتوغرامتري المثبت مسبقا.
      1. أنشئ مشروعا جديدا واحفظه على القرص الخارجي (التنسيق الموصى به: بادئة MS أو RGB + الموقع + التاريخ).
      2. أضف الصور، مع ملاحظة أن مجموعات البيانات متعددة الأطياف وRGB يجب أن تتم معالجتها في مشاريع منفصلة؛ لذا، استخدم بادئة MS للصور متعددة الأطياف وRGB للصور المتعددة الأطياف.
         ملاحظة: تم استخدام PIX4Dmapper؛ ومع ذلك، يمكن استخدام برامج التصوير الضوئي البديلة لإعادة إنتاج هذا البروتوكول.
   2. تأكد من أنه في شاشة منبثقة خصائص الصورة ، يتم إدراج/اختيار ما يلي: WGS 84 كنظام إحداثيات، العدد الصحيح للصور الجغرافية، ونطاق نموذج الكاميرا المختار (Sequoia وGreen، Red، Red Edge، NIR، أو RGB).
      1. اضغط التالي، ثم اختر قالب المعالجة: Ag multispectral للصور متعددة الأطياف، وRGB Ag لصور RGB. عند النهاية، ستظهر خريطة فضائية مع مواقع الصور في العرض الرئيسي.
         ملاحظة: بالنسبة لمشروع الأطياف المتعددة، تأكد من إضافة صور معايرة مع لوحة معايرة مرئية (تم إنشاؤها في الخطوة 1.3.7 وحفظها تلقائيا مع جميع بيانات المسح). في هذه الدراسة الحالة، تم تحديد الموقع الجغرافي ل 2,320 صورة متعددة الأطياف و577 صورة RGB.
   3. افتح نافذة خيارات المعالجة ، اضغط على 1. المعالجة الأولية هنا تحت مقياس صورة النقاط الرئيسية، اختر كامل وتوليد معاينة تثبيتية في تقرير الجودة، ثم اضغط 2. سحابة النقاط والشبكة > سحابة النقاط في هذا التبويب، اختر 1/2 (نصف حجم الصورة، الافتراضي) واختر تصنيف سحابة النقاط.
   4. انقر 3. علامة DSM، Orthomosaic، وعلامة Index > تبويب حاسبة Index اختر GeoTIFF ودمج البلاطات وجميع المؤشرات المتاحة التي سيتم إنشاؤها (الشكل 4).
      1. بالنسبة للمشروع متعدد الأطياف، تأكد من أن نوع معايرة كل نطاق في المعالجة والمعايرة الإشعاعية مضبوطة على الكاميرا، وإشعاع الشمس، وزاوية الشمس.
      2. انقر على DSM وOrthomosaic تحت Raster DSM اختر GeoTIFF وبلاطات الدمج، بالإضافة إلى اختيار GeoTIFF وبلاطات الدمج، وتحت Orthomosaic اختر GeoTIFF وبلاطات الدمج. اضغط على موافق وابدأ المعالجة.
         ملاحظة: عند معالجة الصور متعددة الأطياف، يتم ضبط نوع المعايرة تلقائيا باستخدام صور معايرة ملتقطة في الموقع قبل الرحلة (الخطوة 1.3.7)، ولكن يمكن إعادة معايرتها يدويا بالنقر على المعايرة. ثم تصفح للعثور على صورة لوحة المعايرة (مع عنوان النطاق المقابل) وأدخل قيمة عامل الانعكاس المقروءة من لوحة المعايرة.
   5. تختتم معالجة الفوتوغرامتري بخرائط الانعكاس المولدة والمحفوظة (خرائط مسح الطائرات بدون طيار) في مجلد المشروع متعدد الأطياف: الأخضر، الأحمر، الحافة الحمراء، NIR، وRGB: الأحمر، الأخضر، الأزرق، الرمادي، الفسيفساء العمومية، وDSM (نموذج السطح الرقمي). التأكد من دمج جميع الفهارس، وأرثوفموزاي، ونماذج DSM GeoTIFF والتحقق من تقارير المشروع بحثا عن الأخطاء؛ إذا تم اكتشاف مشاكل، كرر عملية المعالجة.

2. جمع بيانات الحقيقة الأرضية وإجراء المرجعية الجغرافية

1. استعد للعمل الميداني.
   1. قم بزيارة موقع الدراسة مسبقا واستكشف المنطقة لتحديد المجتمعات النباتية المحتملة ذات الاهتمام، وبالتالي اكتساب معرفة تجريبية بالموقع. تحديد أي الملاحظات الفيزيائية الحيوية يمكن جمعها في الموقع وضرورية لوصف تركيبة مجتمع النباتات في موقع الدراسة المختار.
      ملاحظة: لتوضيح هذا البروتوكول، كان التركيز على أنواع النباتات وتركيبها وتركيبها لتصنيف 4 مجتمعات نباتية تدل على موطن مروج ساحلية في البلطيق الشمالي الساحلي: الرائد المفتوح (OP)، الشاطئ السفلي (LS)، الشاطئ العلوي (الولايات المتحدة)، وعشب الطويل (TG).
   2. أعد وطبع دليلا بصريا لتحديد أنواع النباتات يسرد الأنواع التي تدل على مجتمعات النباتات في الموائل أو الموائل التي يتم رسمها. يمكن للدليل تسريع والمساعدة في تحديد الأنواع في الموقع إذا تعطلت الأجهزة الإلكترونية.
   3. أعد ورقة عمل لتسجيل الملاحظات الميدانية، تتضمن قائمة بأنواع المؤشرات إلى جانب أنواع أخرى شائعة في الموائل أو الموائل قيد الدراسة والمناطق المحيطة، بالإضافة إلى ملاحظات ميدانية بيوفيزيائية إضافية يجب تسجيلها (مثل تاريخ المسح، ارتفاع الغطاء النباتي، أوزان الكتلة الحيوية).
2. استخدم إجراء أخذ عينات طبقي لجمع بيانات الحقيقة الأرضية باستخدام الترباعيات.
   1. تحديد مجتمع نباتي بصريا بناء على المعرفة الميدانية التجريبية.
   2. ضع إطار رباعي على الأرض في موقع تمثيلي لمجتمع النباتات الذي يتم أخذ عينة منه، لتجنب المناطق التي تعاني من اضطرابات كبيرة. بالنسبة للأراضي الرطبة الساحلية الشمالية، يكفي كوادريت 1 متر × 1 متر. سيعمل هذا المربع كمخطط نموذجي للملاحظات الفيزيائية الحيوية وأخذ عينات الكتلة الحيوية.
   3. سجل تاريخ المسح، وأسماء المساحين، ونوع مجتمع النبات/الفئة، ورمز الرقم لكل ربع عينة.
      ملاحظة: يوصى بإنشاء رموز أرقام بالترتيب التالي: رمز الدراسة الحقلي + رمز مجتمع النبات + رقم تسلسل الربع النموذجي للمربع الذي يتم تسجيله. ستربط هذه الرموز الرقمية الملاحظات الميدانية الحيوية الفيزيائية بمجموعة البيانات والإحداثيات الجغرافية المكانية.
   4. تسجيل الإحداثيات في كل زاوية من مربع العينة باستخدام أنظمة GNSS/RTK وبرامج مسح الأراضي، عن طريق إدخال رمز رقم يتوافق مع رمز المربع وحفظ الإحداثيات.
      ملاحظة: استخدم جهاز استقبال GNSS يوفر بيانات موقع عالية الدقة (على مستوى السنتيمتر)؛ راجع دليل المستخدم للحصول على تعليمات حول تشغيل الجهاز وبرمجياته المكملة.
   5. أما بالنسبة للملاحظات الفيزيائية الحيوية، فضمن الربع العيني، سجل نسب التغطية المقدرة لكل نوع نباتي مرصود، بالإضافة إلى تغطية متغيرات أخرى محتملة دلالة، بما في ذلك الأرض العارية، وفضلات النباتات، والطحالب، والطحالب (مما يضمن أن الإجمالي يتراوح بين 95٪ و105٪، وهو نطاق مقبول في المسوحات النباتية الاجتماعية). خذ خمسة قياسات عشوائية لارتفاع النباتات باستخدام شريط قياس لتحديد متوسط ارتفاع العينة.
   6. مع نفس الربع العيني، اجمع ملاحظات بيوفيزيائية اختيارية: على سبيل المثال، نسبة رطوبة التربة، عينات الكتلة الحيوية للنباتات عن طريق قطع النباتات على مستوى التربة، جمع الكتلة الحيوية في كيس ورقي، والوزن باستخدام ميزان مستوي يعمل بالبطارية (دقة ± 1 جم). لإيجاد الوزن الحقيقي للكتلة الحيوية، اطرح وزن الكيس الورقي من الوزن الكلي. سجل جميع الأوزان للرجوع إليها مستقبلا.
3. تكرار إجراءات أخذ عينات الطبقات الرباعية الموضحة في الخطوات السابقة (2.2.1–2.2.6) على الأقل 10 مرات ضمن كل فئة من فئات مجتمع النباتات (أي OP، US، LS، TG).
   ملاحظة: تجنب وضع مربعات العينات قريبة جدا من بعضها البعض. من الضروري توفير عينات متسقة وشاملة عبر مواقع الدراسة لضمان أن عينات الرباعيات المسجلة تعكس المواطن بدقة. نظرا لأن مجتمعات النباتات غالبا ما تحدث بأنماط فسيفسائية في الأراضي الرطبة الساحلية، قم بأخذ عينات من نفس المجتمع النباتي في مواقع مختلفة داخل موقع الدراسة.
4. رقمنة سجلات أخذ عينات الربع بعد إكمال جميع الملاحظات الميدانية.
   1. يتم نسخ جميع ملاحظات العمل الميداني إلى برامج جداول البيانات، مما ينشئ مجموعة بيانات للتحليل عن طريق تنظيم البيانات بصيغة جدول مع صف رأس يحدد كل متغير؛ ثم أدخل جميع القيم وفقا لذلك.
   2. احفظ الملف وصدره كملف قيم مفصولة بالفواصل (CSV).
5. أنشئ مجموعة بيانات للحقيقة الأرضية عن طريق الإشارة الجغرافية للملاحظات الفيزيائية الحيوية.
   1. قم بتنزيل جميع الإحداثيات المسجلة لمواقع زوايا المربع النموذجي كملف CSV من نظام GNSS/RTK المستخدم في الميدان.
   2. أنشئ مشروعا جديدا في برنامج نظام المعلومات الجغرافية (GIS) (تم استخدام QGIS لتنفيذ هذا البروتوكول)، واحفظه كملف .qgz في المشروع الذي تم إنشاؤه في الخطوة 1.4.3. سيشمل هذا المجلد وملف .qgz جميع مجموعات البيانات الجغرافية المكانية من الخطوات القادمة.
   3. في مساحة عمل نظم المعلومات الجغرافية، استورد ملف CSV يحتوي على إحداثيات الزوايا المربعة كطبقة نص محددة. بعد استيراد هذه الإحداثيات، ستظهر كشكل: نقاط.
   4. قم بربط إحداثيات كل نقطة زاوية مربعية كملف شكل: مضلع، واحفظ ملف الشكل.
   5. اربط ملف shapefile المضلع مع ملف CSV الرقمي (الذي تم إنشاؤه في الخطوة 2.4) عن طريق ربط رموز الأرقام لكلا الملفين.
   6. احفظ مجموعة بيانات الحقيقة الأرضية الجديدة كملف GeoPackage (.gpkg) في المجلد الذي تم إنشاؤه على القرص الصلب الخارجي (الخطوة 1.4.4). احفظها لتحديث مشروع نظم المعلومات الجغرافية.

3. حساب مؤشر النباتات (VIs)

1. جهز خرائط مسح تعتمد على طائرات بدون طيار لطائرات Vis.
   1. إلى مساحة عمل برمجيات نظم المعلومات الجغرافية (استخدم نفس ملف .qgz الذي تم إنشاؤه في الخطوة 2.5.2 ومحدث في 2.5.6)، قم باستيراد جميع فسيفساء الانعكاس (منتجات الخريطة) التي تم إنشاؤها باستخدام مسح الطائرات بدون طيار في المرحلة الأولى من البروتوكول، في الخطوة 1.5.
   2. تقليل حجم الخرائط عن طريق 'قص' البيانات غير الضرورية. بالنظر إلى توزيع المربع النموذجي وبناء على المعرفة التجريبية بامتداد موقع الدراسة، إنشاء حدود مضلعة تحيط بموقع الدراسة ورسم خرائط لامتداد المضلع (الشكل 5). هذا سيقلل من حجم الملف ويزيد من سرعة المعالجة.
      ملاحظة: خرائط المسح المقطوعة (أخضر، أحمر، الحافة الحمراء، NIR، وRGB بنطاق GEOTIFF باللون الأحمر، الأخضر، الأزرق و ground_truth.gpkg (تم إنشاؤها في الخطوة 2.5.6) متاحة للتحميل من مستودع زينودو عبر الرابط: https://doi.org/10.5281/zenodo.20075625 لأغراض تعليمية فقط لممارسة تكرار الخطوات التالية.
2. استخدم أداة الحاسبة النقطية للحساب؛ صيغ VI مدرجة في الملف التكميلي 1: ^{34، 41، 42، 43، 44، 45، 46، 47، 48، 49، 50، 51، 52، 53، 54، 55، 56,}57,58,59,60,61,62,63,64,65,66,67,68,69,70,71.
   1. عند حساب القيم البصرية متعددة الأطياف، استخدم GEOTIFF الأحمر والأخضر وNIR وRed-edge كقيم إدخال. (انظر الشكل 6، حاسبة نظم المعلومات الجغرافية النقطية، مدخلة صيغة VI كمثال).
   2. بالنسبة لحسابات VI المعتمدة على RGB، قم أولا بتطبيع مؤشرات الأحمر والأخضر والأزرق (منتجات الخريطة من الخطوة 1.5). احسب مؤشرات RGB VI الجديدة فقط بعد إكمال عملية التطبيع (تتوفر صيغ لتطبيع مؤشرات RGB في الملف التكميلي 1 كجزء من قائمة RGB VI).
   3. احفظ ملفات VI الجديدة ك GeoTIFF (مثل ملفات نقطية) في مجلدات منفصلة، مع تسميتها وفقا لذلك (مثل بادئة (MS أو RGB) + اسم الفهرس) في مجلد مشروع GIS الذي تم إنشاؤه على القرص الصلب الخارجي (الخطوة 1.4.4).
   4. أضف DSM وصور VI الآلية الأخرى (مثل التدرج الرمادي) التي تم إنشاؤها/قصها في الخطوة 3.1.2 إلى مجلد RGB VIs. هذه المجلدات التي تحتوي على VIs، مع ملف حقيقة أرضية (تم إنشاؤه في الخطوة 2.5.6)، تعمل كمجموعات بيانات أساسية لخوارزمية الغابة العشوائية لتصنيف مجتمعات النباتات على الخرائط. احفظه لتحديث مشروع نظم المعلومات الجغرافية مع روابط لملفات الراستر البصرية.

4. التصنيف الخاضع للإشراف بلغة R باستخدام الغابة العشوائية

ملاحظة: لتنفيذ هذه المرحلة، افتح بيئة حوسبة إحصائية ل R في RStudio، ثم اذهب إلى ملف > فتح الملف واختر السكريبت المرفق في الملف التكميلي 2. هذا النص جاهز للاستخدام ومنظم لضمان قابلية التكرار وتسهيل التكيف مع مواقع دراسات أخرى. يمكن تنفيذه بطريقتين: (1) تشغيل السكريبت بالكامل دفعة واحدة: انقر على المصدر أو اضغط على Ctrl + Shift + Enter، للتأكد من تحديث مسارات المجلد وملفات GeoPackage؛ أو (2) تشغيل سطر بسطر أو كتلة تلو الأخرى: ضع المؤشر على سطر أو اختر كتلة واضغط Ctrl + Enter. ينصح بهذا الخيار لأنه يوفر بدائل أفضل لحل المشكلة.

1. جهز البيئة المناسبة.
   1. تثبيت وتحميل الحزم المطلوبة (مثل، terra، sp، sf، raster، rsample، MLmetrics، randomForest، rgdal) ⁷².
      ملاحظة: إذا كان rgdal غير متوافق مع أحدث إصدارات R، يمكن استبدال الدالتين stack() و readOGR() ب rast() و st_read() على التوالي.
   2. قم بتعيين مجلد العمل.
2. قم بإجراء معالجة مسبقة للراستر.
   1. قم بتحميل جميع ملفات النقطي من المنطقة التي تم مسحها الموجودة في دليل عمل محدد.
   2. تأكد من إسقاط ووضوح ومدى متسق بين النقاط النقدية المدخلة. إذا تم اكتشاف تناقضات، استخدم الدالة resample() في R (مثل terra::resample() أو raster::resample()) لمحاذاة الراسترات مع ملف مرجعي مشترك (عادة ذلك الذي ذو دقة مكانية خشنة لتجنب الترقية الصناعية) (انظر مقال هيجمانز وآخرون ⁷³).
3. قم باستخراج البيانات:
   1. استيراد بيانات الحقيقة الأرضية من حزمة جغرافية (تم إنشاؤها في الخطوة 2.5.6).
   2. استخدم دالة terra:: extract() لربط قيم النقطي بعينات المضلعات.
   3. اربط إطار البيانات الذي يحتوي على القيم المستخرجة مع رموز مجتمع النباتات، لضمان كونها عوامل.
4. قسم مجموعة البيانات إلى مجموعات تدريب وتحقق باستخدام أخذ عينات طبقية للحفاظ على توازن الفئات. تعديل النسبة بين عينات التدريب والتحقق حسب التفضيل، أو حسب توفر العينات.
   ملاحظة: مجموعات البيانات الصغيرة عادة ما تتطلب تقسيم 80/20 لتوفير بيانات تدريب كافية. مجموعات بيانات أكبر: 70/30 كافية وتعطي مجموعة تحقق أو اختبار أقوى (انظر منشور محمد وألسونوسي⁷⁴).
5. قم بضبط النموذج.
   1. حدد شبكة معلمات لاستكشاف تركيبات مختلفة من mtry و ntree.
      ملاحظة: mtry هو عدد المتغيرات (المتنبئات) التي يتم أخذ عينات عشوائية من المرشحين لكل تقسيم عند تطوير شجرة قرار في RF. القيمة الافتراضية عادة ما تكون الجذر التربيعي لإجمالي عدد المتنبئين للتصنيف وثلث الانحدار. بينما ntree هو إجمالي عدد أشجار القرار التي ستنمو في الغابة. عادة ما يحسن عدد الأشجار الأكبر الأداء لكنه يزيد من وقت الحساب؛ عادة ما يستقر معدل الخطأ بعد عدد معين من الأشجار.
   2. قم بالتنقل عبر الشبكة (أي البحث الشبكية، الذي يختبر بشكل منهجي تركيبات مختلفة من قيم المعلمات الفائقة للعثور على أفضل مجموعة أداء للنموذج) وقيم الدقة لكل تركيبة.
   3. اختر التركيبة بأعلى دقة.
      ملاحظة: انظر Belgiu و Drăguţ⁷⁵، وكذلك Bergstra وآخرون ⁷⁶، لفهم أفضل للصلة والنهج البديلة لهذه الخطوة.
6. ملاءمة نموذج التردد الراديوي باستخدام أفضل تركيبة للمعاملات. يسجل السكربت خطأ خروج الحقيبة (OOB) وتغير أهميتها.
7. قم بإجراء التنبؤ وتقييم الدقة.
   1. تنبأ بفئة مجتمع النبات لجميع البكسلات في مجموعة بيانات الراستر ومجموعة بيانات التحقق. تصدير خريطة التصنيف ك GeoTIFFs (انظر الشكل 7، الذي يظهر لقطة شاشة لوحدة تحكم R تتضمن تصورات مخططة للمخرجات النهائية؛ يوضح الشكل 7A منتج خريطة مجتمع النبات عند استخدام مجموعة بيانات مدخلات متعددة الطيف لVIs، والشكل 7B يوضح منتج خريطة مجتمع النبات عند استخدام مجموعة بيانات RGB+DSM.
   2. احسب مصفوفة الالتباس، الدقة، درجة F-1، الدقة، والاسترجاع على مجموعة التحقق (انظر الشكل 8، الذي يظهر لقطات R التي توضح تصنيفات أداء VI؛ يظهر الشكل 8A لقطة شاشة لوحدة تحكم R ويرسم عند استخدام VIs متعددة الأطياف كمجموعة بيانات للإدخال، ويظهر الشكل 8B لقطة شاشة عند استخدام مجموعة بيانات RGB+DSM؛ الشكل 8A، مشاهد B تشمل مخططات ذات أهمية متغيرة الحمل تسمى "final_rf"). لمزيد من التفاصيل حول هذه المقاييس، راجع مقال نايدو وآخرون ⁷⁷.
8. إعادة فتح مشروع QGIS (تم إنشاؤه في الخطوة 2.5.2 وتم تحديثه في 2.5.6 و3.2.3)، وإضافة خرائط تصنيف مجتمع النباتات (GeoTIFFs). احفظ مشروع QGIS لتحديث مشروع نظم المعلومات الجغرافية.
   1. لمشاركة وعمل نسخة احتياطية من جميع مجموعات البيانات الجغرافية (خرائط مسح الطائرات بدون طيار، الحقيقة الأرضية، خرائط بصرية، خرائط تصنيف مجتمع النباتات كمشروع نظم جغرافية)، اذهب إلى مجلد موقع الدراسة، انقر بزر الفأرة الأيمن، واختر إرسال إلى مجلد مضغوط (zip) >.
      ملاحظة: قد يشكل مجلد مشروع نظم المعلومات الجغرافية الكامل مجموعة بيانات كبيرة (حيث تجاوزت مجموعة بيانات دراسة الحالة التي تبلغ مساحتها 40 هكتار، 140 جيجابايت). إذا لزم الأمر، قم بتوصيل النتائج النهائية فقط ومجموعات بيانات الحقيقة الأرضية لتقليل حجم الملف.

النتائج

تم تصميم الطريقة شبه الآلية لرسم خرائط وتصنيف مجتمعات النباتات لتوليد معلومات دقيقة عن الغطاء الأرضي للأراضي الرطبة الساحلية، التي تهيمن عليها نباتات عشبية منخفضة النمو غير متجانسة وتتميز بالميكروتوبوغرافيا؛ انظر مثالا على مثل هذا الموطن في الصورة في الشكل 1. تم إجراء دراسة حالة للأراضي الرطبة الساحلية الشمالية في منطقة البلطيق في جزيرة هيوما، إستونيا. في الموقع، تم أخذ عينات من أربع مجتمعات نباتية لتدريب نموذج التصنيف: الرواد المفتوح (OP)، الشاطئ السفلي (LS)، الشاطئ العلوي (الولايات المتحدة)، والعشب الطويل (TG). يوفر الشكل 2 نظرة عامة موجزة على المنهجية المنفذة في أربع مراحل مميزة. على النقيض من ذلك، يوضح الشكل 3 دليلا مخططا مفصلا يحدد الخطوات المرقمة والقابلة للتنفيذ مقترنة بأسهم لتمثيل تدفق البيانات، وبالتالي يتم تلخيص المنهجية عبر خطوات ومراحل البروتوكول. المخرجات النهائية لهذه الطريقة، باستخدام حساس متعدد الأطياف ومستشعر RGB، هي خرائط مجتمعات نباتية متعددة الأطياف وRGB، ويتم تخزينها كطبقات في مشروع نظم المعلومات الجغرافية مع جميع مجموعات البيانات الوسيطة. تم تقييم جودة مجموعات البيانات الجغرافية المكانية عند الانتهاء من كل مرحلة بروتوكول، حيث تعتمد جودة النتائج في المراحل التالية على جودة نتائج المرحلة السابقة، والتي تبلغ ذروتها في المرحلة النهائية، حيث تشكل المدخلات مجموعا لجميع الخطوات السابقة.

فيما يلي ملخص نتائج كل من المراحل الأربع للبروتوكول:

في المرحلة الأولى، أجري المسح الجوي للطائرات بدون طيار على ارتفاع 120 مترا، مما أدى إلى مسافة عينة أرضية (GSD) تبلغ حوالي 10 سم/بكسل. أنتج المسح الجوي صورا متعددة الأطياف وصور RGB. بعد معالجة الحركية اللاحقة (PPK)، تم تصحيح العلامات الجغرافية لكل صورة طائرة بدون طيار، وتم تغليف الصور بفسيفساء باستخدام برامج تصوير فوتوغرامترية احترافية لإنتاج خرائط مسح جوي. أسفرت المعالجة الضوئية للصور الجوية متعددة الأطياف عن ملفات نقطية ذات انعكاس أحمر، أخضر، NIR، وأحمر الحواف.

تمت معالجة الصور الجوية متعددة الأطياف وRGB كمشاريع منفصلة بسبب اختلاف دقة الصور الفوتوغرافية بشكل متبيع. انظر الشكل 4 لإعدادات فسيفساء صور RGB. الشكل 4A. خيارات المعالجة من خلال اختيار البلاطات المدمجة وتوليد خرائط مخرجات موحدة وسلسة. الشكل 4B. اختيار حسابات مؤقتة للمؤشر من صور كاميرا RGB أنتج أربع خرائط نقطية: واحدة لكل نطاق (أحمر، أخضر، وأزرق)، ونموذج DSM (نموذج السطح الرقمي). الشكل 4C. يوضح توليد نقاط ربط تلقائية لمطابقة البكسلات الشائعة عبر الصور المتداخلة خلال خطوة المعالجة الأولى. مع 3 مؤشرات RGB (أحمر، أخضر، أزرق) وDSM، أنتج برنامج الفوتوغرامتري نقطيا رماديا مولدا بالبرمجيات: تمثيل أحادي اللون أحادي القناة يجمع ويجمع بين النطاقات المختلفة (مثل الأحمر، الأخضر، الأزرق)، مع ظهور قيم بكسل منخفضة باللون الأسود والقيم العالية باللون الأبيض. صياغة هذا المؤشر الرمادي محددة للبرمجيات وليست موحدة عبر منصات التصوير الفوتوغراميتي.

أنتجت برمجيات التصوير الفوتوغرافي تقارير جودة تصف نتائج المعالجة لكلا المجموعتين من مشاريع تصوير الفسيفساء الجوية: متعددة الأطياف وRGB. توفر هذه التقارير مؤشرات رئيسية للتحقق من الدقة. مؤشرات النتائج عالية الجودة هي انخفاض خطأ الإسقاط: كلما اقتربت من 0 كان ذلك أفضل (أي شيء أقل من 1.0 مقبول عموما). على سبيل المثال، تعني خطوط "مطابقة" كثيفة تطابقات قوية بين معظم الصور. تم تقييم خرائط المخرجات بصريا ووجدت خالية من الفراغات والفروقات البصرية الأخرى. التناقضات البصرية هي علامة على احتمال حدوث أخطاء في الانعكاس والفسيفساء، بالإضافة إلى وجود مشاكل في شبكة المرجع الجغرافي. يستخدم تقرير الفوتوغراميترية، إلى جانب كتيبات البرمجيات المحددة وموارد التدريب، لتحديد المشكلة، وإيجاد حل، وإعادة معالجة الصور الجوية.

خدمت خرائط المسح الجوي للطائرات بدون طيار كمجموعة بيانات أساسية لإعادة حساب المعلومات الطيفية المعقدة إلى مؤشرات بكسلات موحدة (أي مؤشرات النباتات السادسة التي تولدها المرحلة الثالثة)، مما أتاح استخدامها كمدخلات منظمة لتصنيف التعلم الآلي (في المرحلة النهائية من البروتوكول).

تم جمع الملاحظات الفيزيائية الحيوية في الموقع كمجموعة بيانات من الحقيقة الأرضية. في موقع دراسة الحالة (الأراضي الرطبة الساحلية في البلطيق بوريل)، تم تحديد وأخذ عينات من أربع مجتمعات رئيسية من النباتات الوعائية: الرواد المفتوح (OP)، الشاطئ السفلي (LS)، الشاطئ العلوي (الولايات المتحدة)، والعشب الطويل (TG). باستخدام طريقة أخذ عينات الطبقات الرباعية التي تم تحديدها في المرحلة الثانية من البروتوكول، تم تحديد مجتمع النباتات السائدة من خلال وجود أنواع مؤشرات: ساليكورنيا أوروبيا وسويادا ماريتيما؛ LS بنسبة عالية من Glaux maritima وJuncus geradii؛ الولايات المتحدة حسب أنواع المؤشر: Festuca rubra و Leontodon autumnalis؛ بينما يتميز TG بوجود أعشاب طويلة بشكل ملحوظ: Deschampsia cespitosa، Elytrigia repens، وMolinia caerulea. تم جمع ما لا يقل عن 10 عينات من الرباعيات لكل مجتمع نباتي. تضمنت عينة كل ربع ملاحظات حيوية فيزيائية كالتالي: تركيب أنواع النباتات (٪)، رطوبة التربة (٪)، ارتفاع النباتات بالسنتيمترات، ومواقع إحداثيات الربع الدقيقة (quadrat). تم رقمنة هذه المتغيرات كمجموعة بيانات مجمعة، ثم استوردت إلى مشروع نظم المعلومات الجغرافية، وأضيفت إلى ملف شكل بيانات GNSS المربعة العينة، وحفظها كحزمة جغرافية (.gpkg). مثل هذا الملف المستقل عن المنصة، والذي يحتوي على ملاحظات بيوفيزيائية لمجتمعات النباتات الرطبة وبيانات إحداثيات دقيقة للعينات، يخدم غرضا مزدوجا: تقييم ونمذجة البيئية البيئية والبيئية بشكل أعمق. والأهم من ذلك، من أجل التنفيذ الناجح لهذا البروتوكول، يعمل ملف GeoPackage هذا كبيانات تدريب نموذجي وتحقق في عملية التعلم الآلي المحددة في المرحلة الرابعة. ترميز مجتمع النباتات: OP، LS، US، TG؛ تم استخدامها كتسميات تدريبية في عملية التعلم الآلي. الدقة (تسميات عالية الدقة، تدقيق بشري، تنسيق متسق) والبنية (تنسيق نظيف ومستطيل (صفوف/أعمدة)) ضرورية لإنتاج مجموعة بيانات صحة أرضية عالية الجودة. يجب أن تكون معدلات الخطأ شبه الصفرية (مثل الأخطاء المطبعية) لضمان اتساق قواعد التصنيف. على سبيل المثال، إذا كان "OP" هو الحقيقة الأساسية، فإن التأكد من عدم تصنيفها بأي طريقة أخرى (مثل "op" أو "O.P.") أمر ضروري لتجنب التكرار.

لتنفيذ المرحلة الثالثة من البروتوكول، تم استخدام مجموعات البيانات من المسح الجوي الذي أجري في المرحلة الأولى لإعادة حساب بيانات المسح الجوي الخام إلى مؤشرات النباتات (VIs). أولا، لتقليل حجم مجموعة البيانات وتبسيط عملية الحوسبة، يتم "قص" مخرجات الفوتوغرامتري لحذف بيانات البكسل غير ذات الصلة أو منخفضة الجودة خارج حدود موقع الدراسة (انظر الشكل 5 كتوضيح للإجراءات التي تم تنفيذها في برنامج نظم المعلومات الجغرافية).

ثم تم حساب 19 مقياس متعدد الأطياف باستخدام خرائط الانعكاس الحمراء والخضراء والنورية النارية والحواف الحمراء. تم إنشاء ملفات النقطي متعددة الأطياف VI التالية وأدرجتها في مشروع نظم المعلومات الجغرافية: مؤشر دات 4 (Datt4)⁴¹، مؤشر النباتات المحسنة (EVI)⁴²، مؤشر الكلوروفيل الأخضر (GCI)⁴³، مؤشر فرق الخضرة (GDI)⁴⁴، مؤشرات الفرق المعمم للنباتات (GDVI)⁴⁵، مؤشر نسبة الغطاء تحت الأحمر الأخضر (GIPVI)⁴⁶، مؤشر الفرق الأخضر النباتي المعتدل (GNDVI)⁴⁷، مؤشر الفرق الأخضر-الأحمر (GRDI)⁴⁴، مؤشر النباتات الخضراء-الحمراء (GRVI)⁴⁵، مؤشر الفرق المعدل للنباتات (mNDVI)⁴⁸، مؤشر النباتات المعدل^{حسب التربة 49} (MSAVI: انظر الشكل 6. لقطة شاشة لحاسبة نقطية في برنامج نظم المعلومات الجغرافية مع إدخال صيغة MSAVI)، النسبة البسيطة المعدلة للحافة الحمراء (MSRred_edge)⁵⁰، مؤشر الفرق الطبيعي للماء (NDWI)⁵¹، مؤشر الفرق النباتي المعدل (NDVI)⁵²، مؤشر الحافة الحمراء NDVI (NDVIre)⁴⁷، مؤشر النباتات المثلثة ذات الحافة الحمراء (RTVIcore)⁵⁰، مؤشر النباتات المعدلة للتربة (SAVI) ^53،54، النسبة البسيطة (SR)⁵⁵، نسبة الحافة الحمراء البسيطة (SRre)⁴⁷.

علاوة على ذلك، تم حساب وحفظ ما مجموعه 23 مؤشر VI قائم على RGB كملفات نقطية في مشروع نظم المعلومات الجغرافية لمزيد من التحليل المكاني: مؤشر النسبة الأزرق–الأخضر (BGRI)⁵⁷، مؤشر السطوع (BI)⁵⁸، مؤشر الغطاء النباتي الأزرق الواسع النطاق الديناميكي (BRVI)⁵⁹، مؤشر اللون للغطاء النباتي (CIVE)⁶⁰، مؤشر الرؤية الخضراء المحسنة للنباتات (EGVI)⁶¹، مؤشر الغطاء النباتي المعزز (ERVI)⁶²، مؤشرات الخضراء الزائدة ExG و ExGI⁶³، مؤشر التركيبة (COM)⁶⁴، الإحداثيات اللونية الخضراء (GCC)^34،65، مؤشر الأوراق الخضراء (GLI)⁶⁶، مؤشر الغطاء النباتي الأخضر-الأحمر (GRVI)⁶⁷، مؤشر النباتات الخضراء الحمراء المعدل (MGRVI)⁶⁸، مؤشر الفرق الأخضر-الأزرق المعدل (NGBDI)⁶⁹، مؤشر الفرق الأخضر-الأحمر المعدل (NGRDI)⁶⁹، مؤشر نسبة الأحمر-الأخضر-الأزرق ومؤشر الغطاء النباتي الأحمر-الأخضر-الأزرق (RGBRI⁷⁰ ) ومؤشر RGBVI⁶⁸)، مؤشر النسبة الأحمر إلى الأخضر (RGRI)⁵⁷، مؤشر التربة المعدلة للنباتات المرئية (SAVI)⁵³، مؤشر الخضرة المثلثية (TGI)⁶⁹، مؤشر المقاومة الجوية المرئية (VARI)⁴⁷، المؤشر النباتي (VEG)⁷¹، مؤشر ووبيكي (WI)⁶³.

تشمل المخرجات النهائية خريطتين منفصلتين لتصنيف مجتمع محطات متعددة الأطياف ومحطة RGB محفوظتين كبيانات GeoTIFF ضمن مشروع نظم المعلومات الجغرافية، إلى جانب جميع البيانات الجغرافية المكانية السابقة. تم استخدام 19 مقياس VI متعدد الأطياف، إلى جانب مجموعة بيانات الحقيقة الأرضية، كمتنبئين على مستوى البكسل في سير عمل التعلم الآلي (مثل خوارزمية التردد الراديوي) لتصنيف مجتمعات النباتات الساحلية الشمالية (OP, LS, US, TG) وتوليد خريطة لمجتمع النباتات متعددة الأطياف. وأيضا متنبعات مبنية على RGB (25 مؤشر RGB VI، مؤشر رمادي،^و56 مؤشرا أحمر وأزرق وأخضر وDSM مصحح)، إلى جانب مجموعة بيانات الحقيقة الأرضية، لتصنيف وتوليد خريطة مجتمعية نباتية قائمة على RGB (انظر الشكل 7). المخرجات النهائية التي تم رسمها في وحدة تحكم R؛ الشكل 7A يمثل خرائط متعددة الأطياف، والشكل 7B يمثل خرائط مجتمعات النباتات القائمة على RGB).

لتوليد المخرجات النهائية، تم استخدام بيئة R (المرحلة 4 من البروتوكول) لبرمجة وتنفيذ سير عمل التعلم الآلي (مثل خوارزمية التردد الراديوي)، مما أتاح تصور المخرجات الوسيطة، مثل تصنيفات أداء مؤشر النباتات (VI) (الشكل 8). عند رسم خرائط وتصنيف مجتمعات النباتات، قدم وحدة تحكم R رسائل أخطاء وتفسيرات في الوقت الحقيقي، مما سهل استكشاف الأخطاء وضمان التقدم بسلاسة في كل خطوة.

قامت هذه الدراسة بتقييم نموذجين لخوارزمية الترددات الراديوية لخرائط تصنيف مجتمعات النباتات. حقق النموذج الأول للترددات الراديوية، الذي استخدم المؤشرات المتعددة الأطياف كمجموعة بيانات إدخال، دقة 92.34٪ مع درجة F1 بلغت 0.915 في مجموعة بيانات التحقق. هذه نتيجة صحيحة، حيث تتراوح درجات الفورمولا 1 من 0 (الأسوأ) إلى 1 (الكمال)، مع الدرجات الأعلى التي تشير إلى أداء متفوق. تمثل درجة F1 في نموذج الترددات الراديوية المتوسط التوافقي للدقة والاسترجاع. هذا المقياس يوازن فعليا بين الإيجابيات الكاذبة والسلبيات، أي أنه لا يسمح لنوع من الأخطاء بأن يتفوق على الآخر، وهو أمر أساسي لمجموعات البيانات غير المتوازنة، وغالبا ما يتم احتساب متوسط بين الفئات أو الإبلاغ عنه في كل فئة لتقييم الأداء العام للنموذج^78,79. بلغ معدل خطأ OOB في النموذج متعدد الأطياف 7.75٪، مما يشير إلى خطر متوسط لسوء التصنيف. تراوحت درجات F1 على مستوى الصف في مجموعة بيانات التحقق من 0.845 في TG إلى 0.984 في مجتمعات النباتات السائدة، مما يشير إلى تباين متوسط في الأداء عبر المجتمعات.

أما النموذج الثاني للراديو الراديوي الذي تم تقييمه فكان مبنيا على الرؤية البصرية والDSM المستمدة من المسح الجوي RGB، محققا دقة بلغت 98.89٪ مع درجة F1 إجمالية بلغت 0.987. كان معدل خطأ OOB فقط 1.14٪، مما يعكس موثوقية عالية جدا. كانت درجات F1 على مستوى الصف مرتفعة باستمرار (0.986–0.993)، مما يشير إلى تصنيف قوي لجميع المجتمعات.

أظهر مخطط الأهمية المتغيرة في R (الشكل 8A) قدرات كل من الورشة البصرية التنبؤية لمجتمعات النباتات الرطبة الساحلية في البوريال. كانت أكثر الظروفان البصرية متعددة الأطياف تأثيرا كمؤشرات هي mNDVI وSR، والتي تشير إلى حساسية قوية لخضرة المظلة والكتلة الحيوية. وبالمثل، كانت GRDI وNDVI وNDVIre وSRre أيضا مرتبة عالية، مما يعكس دور مؤشرات الفروق ذات الحافة الحمراء والتطبيع في تمييز أنواع النباتات. على النقيض من ذلك، يظهر مؤشر RGB ومخطط الأهمية المتغيرة في DSM أن نموذج الارتفاع الهيكلي المستخرج من DSM كمتنبئ هو عامل رئيسي لدقة التصنيف (الشكل 8B). تشمل المتنبئات المهمة الأخرى TGI، والتدرج الرمادي، وVARI، التي تستفيد من تباين انعكاس RGB. لذا، تشير هذه النتائج إلى أن المؤشرات المشتقة من DSM وRGB تحسن بشكل كبير موثوقية التصنيف وتقلل من خطر سوء التصنيف.

تم حفظ مجموعة البيانات الجغرافية المكانية بالكامل كمشروع نظم المعلومات الجغرافية، وهو مجلد يشمل خرائط مسح الطائرات بدون طيار وخرائط الراستر البصرية، وحزمة المراقبة الحيوية GeoPackage (الحقيقة الأرضية)، وخرائط مجتمع النباتات؛ كلها مرتبطة كمشروع QGIS (ملف .qgz). المشروع مناسب للاستخدام غير المتصل ويتيح التوافق بين منصات نظم المعلومات الجغرافية.

الشكل 1: موقع الدراسة. صورة فوتوغرافية مع دبوس موقع على الخريطة العالمية، تشير إلى جزيرة هييوما في أرخبيل إستونيا الغربية. موقع الدراسة، كورجيساري رانانيت، يقع في قرية فيسكوزا وهو منطقة محمية طبيعية. نوع الموطن: مرج ساحلي بحري في البلطيق (ناتورا 2000، رمز 1630). يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 2: مخطط سير العمل المفاهيمية. (1) المسح الجوي القائم على الطائرات بدون طيار، (2) جمع بيانات الحقيقة الأرضية والمرجعية الجغرافية، (3) حساب مؤشر النباتات، و(4) التصنيف الخاضع للإشراف باستخدام الغابة العشوائية في R. توضح الخرائط الفعلية من تنفيذ البروتوكول هذه الطريقة ذات المراحل الأربع. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 3: مخطط سير العمل المفصل. يسرد المخطط المراحل الأربع (والخطوات الرئيسية) للبروتوكول في لوحات بألوان مختلفة، إلى جانب مجموعات البيانات المولدة في كل مرحلة. ترمز الأرورز إلى تدفق البيانات. اللون الأزرق يميز مجموعة البيانات متعددة الطيف عن RGB في اللون الأحمر. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 4: مثال على برنامج التصوير الضوئي. (A–C) لقطة شاشة لمشروع فسيفساء صور RGB: (أ) خيارات المعالجة ل DSM وorthomosaics. (ب) معالجة خيارات المؤشرات الحمراء والخضراء والزرقاء. (ج) عرض تقدم المعالجة، بما في ذلك الصور الجوية وزوايا الكاميرا. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 5. قص ملفات النقطي على الخرائط في برنامج نظم المعلومات الجغرافية. لقطة شاشة لمساحة عمل QGIS مع طبقات مرئية وعلامات تبويب مفتوحة بالتتابع توضح كيفية قص البيانات غير الضرورية: استخراج نقطي-قص نقطي بحسب Extend ("extent" في هذه الحالة تشير إلى شكل مضلع مرسوم كما هو مرغوب ويستخدم لإخفاء البكسلات التي تسقط خارج حدوده). يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 6. حاسبة نقطية لبرنامج نظم المعلومات الجغرافية (GIS) لقطة شاشة. مدخل صيغة مؤشر النباتات المعدلة مع التربة (MSAVI) كمثال. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 7. بيئة الحوسبة الإحصائية لصور شاشة لإصدار R تظهر النتائج النهائية المخططة في وحدة تحكم R (RStudio). (أ) خرائط مجتمعات نباتية متعددة الأطياف و(ب) خرائط مجتمعات نباتية تعتمد على RGB. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الشكل 8. بيئة الحوسبة الإحصائية للقطات شاشة R التي توضح تصنيفات الأداء VI. (أ، ب) مشاهد لوحدة تحكم R: (أ) لقطة شاشة عند استخدام الشبكات المتعددة الأطياف كمجموعة بيانات إدخال، و(ب) لقطة شاشة عند استخدام مجموعة بيانات RGB+DSM. تتضمن كل من العرضين (A وB) مخططات ذات أهمية متغيرة تسمى "final_rf" (اسم كائن مولد بواسطة السكريبت). يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.

الملف الإضافي 1: معادلات مؤشر النباتات. قائمة بمعادلات مؤشر النباتات (VI) المعتمدة على الأربعة الطيف وRGB المستخدمة في هذا البروتوكول، بما في ذلك صيغ تطبيع نطاق RGB قبل حساب RGB VI. يرجى الضغط هنا لتحميل هذا الملف.

الملف التكميلي 2: سكريبت تصنيف والتحقق من RF. يرجى الضغط هنا لتحميل هذا الملف.

المناقشة

الخطوات الحرجة في البروتوكول هي المرحلة الأولى، مسح الطائرات بدون طيار، وفي المرحلة الثانية العمل الميداني، حيث يتم جمع الملاحظات الفيزيائية الحيوية وتجميع بيانات الحقيقة الأرضية. كلاهما يعتمد على الطقس ويجب تنفيذه عن قرب. ويجب أن ينتج كلاهما مجموعات بيانات جغرافية مكانية بدقة إحداثيات عالية (تم تحقيق دقة 1–3 سم في دراسة الحالة). يعتمد نجاح حسابات مؤشرات النباتات وعملية التعلم الآلي بشكل مباشر على جودة بيانات مسح الطائرات بدون طيار وصحة الأرض. تم وصف الخطوات الحاسمة لتحقيق دقة خريطة المسح بالطائرات بدون طيار في الخطوة 1.4، إجراءات ما بعد الطيران. إذا كانت المعالجة اللاحقة/وسم الصور تستخدم بيانات RINEX غير متاحة، فإن البديل هو استخدام محطة قاعدة RTK الحية، التي توفر إشارات تصحيح GNSS لطائرة بدون طيار في الوقت الحقيقي أثناء الطيران (انظر مثال في مقال الفيديو Movchan وآخرون ³⁷ مع مثال لتعليمات الإعداد).

قبل جمع البيانات، يجب زيارة موقع الدراسة لاكتساب معرفة تجريبية بالمشهد الطبيعي، وتحديد المجتمعات النباتية المعنية، وتحديد أي الملاحظات الفيزيائية الحيوية يمكن جمعها بشكل عملي في الموقع لوصف تركيبة مجتمع النبات. نظرا لأن كل موقع دراسة يظهر خصائص طبيعية مميزة ونباتات تتشكل بفعل منطقته المناخية، فإن تحديد أنواع النباتات ضروري لرسم خرائط دقيقة للغطاء الأرضي، حيث تنتج الصفات الكيميائية الحيوية والبنيوية والفسيولوجية الخاصة بالنوع توقيعات انعكاس طيفية فريدة. لكل ربع أخذ عينات، يجب تسجيل الإحداثيات في جميع الزوايا الأربع باستخدام معدات GNSS/RTK وبرامج المسح الأرضي، مع إدخال وحفظ رمز تعريف الرباعي. يجب ربط جميع الملاحظات الفيزيائية الحيوية الإضافية أو العينات التي جمعت داخل الربع بهذه الإحداثيات بحيث يكون كل قياس مرتبطا بمجموعة البيانات الجغرافية المكانية ويمكن تجميعها بصيغة موحدة وجدول لتصنيف مجتمع النباتات والتحليلات الإحصائية اللاحقة أو النمذجة البيئية. يتم تصنيف المربعات المأخوذة عينات كنقاط تدريب، مع أسماء ورموز مجتمعات مرفقة (على سبيل المثال، في هذه المجموعة التدريبية، كانت OP، LS، US، وTG). ثم يتعلم الغابة العشوائية (RF) أنماط البكسلات المرتبطة بكل تسمية. النتيجة النهائية لتصنيف الترددات الراديوية هي خريطة تعرض توزيع ملصقات المجتمعات النباتية عبر موقع الدراسة، استنادا إلى عينات تدريب الربع الطبقي المقدمة أثناء العمل الميداني.

المرحلتان 3 (حسابات مؤشر الغطاء النباتي) و4 (التصنيف الخاضع للإشراف بلغة R باستخدام الغابة العشوائية) مترابطتان وقابلتان للتعديل بشكل كبير. على سبيل المثال، يسرد الملف التكميلي 1 19 صيغة رياضية لحساب المؤشرات من النطاقات متعددة الأطياف و23 صيغة لإعادة حساب بيانات المسح الجوي RGB. ومع ذلك، وبما أن المؤشرات الافتراضية صاغها الباحثون، فإن المعادلات مفتوحة المصدر ومنشورة في مقالات محكمة وقواعد بيانات مؤشرات الطيفية⁸⁰. عدد أكبر (من العدد المذكور) من الصيغ متاحة للاختبار في عملية التعلم الآلي لتصنيف خرائط مجتمعات النباتات. التغييرات في مجموعات البيانات ستؤثر على أداء الخوارزمية. يمكن إضافة وحذف النماذج الافتراضية لاختبار النماذج. توفر خريطتين نهائيتين لمجتمع النباتات، مشتقتين من مجموعات بيانات متعددة الطيف وقائمة على RGB، فرصة لمقارنة أداء النماذج. حقق نموذج RGB نسبة 98.89٪، لكن هذا لا يعني بالضرورة أن المستشعر متفوق على المستشعر متعدد الأطياف الذي حقق درجة أقل. تعتمد بيانات RGB على اللون والارتفاع، مما يمكن أن يكون فعالا لتصنيف خرائط الغطاء الأرضي للموائل المتنوعة هيكليا ^9,33. على النقيض من ذلك، توفر الصور متعددة الأطياف معلومات أكثر عن فسيولوجيا النبات، وليس فقط المظهر، وقد تكون متفوقة في تمييز أنواع النباتات ذات الألوان المتشابهة ومقاومة الظل (مثل ضوء NIR، الذي يعكسه النباتات بقوة، يمكن التقاطه حتى عندما تكون مظللة جزئيا⁸¹). استخدام حساسات RGB فقط محدود بنطاق طيفها الضيق (الأحمر، الأخضر، الأزرق)، حيث قد لا تكون الفروق الكيميائية الحيوية والفسيولوجية الدقيقة (مثل محتوى الكلوروفيل والإجهاد المائي) قابلة للكشف بدون نطاقات NIR، أو الحواف الحمراء، أو النطاقات الطيفية الفائقة.

قد تشمل القيود الرئيسية للطريقة نظام الطائرات بدون طيار المكلف والتصوير الفوتوغرافي المعروض. ومع ذلك، تم تصميم الطريقة بحيث يمكن استخدام مستشعر متعدد الأطياف وكاميرا RGB بالتبادل لتكرار هذا البروتوكول. لتنفيذ هذا البروتوكول، تم استخدام نظام الطائرات بدون طيار الثابت الجناح eBee X المزود بمستشعر متعدد الأطياف وRGB (Sequoia) وبرنامج إدارة الطيران eMotion؛ ومع ذلك، يمكن لأنظمة الطائرات بدون طيار الأخرى إعادة إنتاج البروتوكول المقدم إذا تضمنت مستسرا متعدد الأطياف و/أو كاميرا RGB، وظيفة تخطيط مهمة في برنامج إدارة الرحلة، اتجاه كاميرا بزاوية 90 درجة، وسجل طيران يمكن للمستخدم الوصول إليه لتحديد الموقع الجغرافي بعد الرحلة أو قدرة RTK لتسجيل إحداثيات الصورة الدقيقة أثناء الرحلة. علاوة على ذلك، يمكن لغير الطيارين التعاقد مع مسوحات الطائرات بدون طيار إذا استوفى الطيار المتعاقد عليه جميع المتطلبات القانونية والتشغيلية، وهي ممارسة شائعة في البحث والحفظ والمراقبة البيئية؛ ومع ذلك، يظل فريق البحث مسؤولا عن تصميم المهمة الأساسية، بما في ذلك تحديد موقع الدراسة وتحديد توقيت المسح. لذلك، حتى بالنسبة للطيارين غير القادرين، ينصح بإطلاعهم على المرحلة الأولى من البروتوكول. بالإضافة إلى ذلك، يمكن استخدام برنامج الفوتوغرامتري المثبت لتنفيذ البروتوكول بنجاح، أو يمكن ترخيصه لفترة قصيرة لتقليل التكاليف.

ميزة بارزة لهذا البروتوكول هي توافقه مع كاميرات الطائرات بدون طيار متعددة الأطياف وRGB القياسية. يمكن اعتماده من قبل فرق البحث والممارسين في مجال الحفظ بميزانيات محدودة، وهو قابل للتوسع عبر المناطق والمؤسسات، مما يجعله مناسبا للمراقبة طويلة الأمد. تضمن هذه الاستقلالية عن الأجهزة أن يبقى سير العمل مقاوما للمستقبل وغير معتمد على الأجهزة. نظرا لإمكانية استخدام بيانات RGB والمسح متعدد الأطياف، يدعم سير العمل المقارنات عبر مواقع متعددة، والسلاسل الزمنية طويلة الأمد—حتى عند تغيير المعدات—ودمج مجموعات بيانات RGB التاريخية القديمة.

قد تتضمن التحسينات المستقبلية لهذا البروتوكول مقاييس نسيج مستمدة من صور عالية الدقة لالتقاط الفروق الهيكلية في النباتات بشكل أفضل. في هذا السياق، قد يحسن استكشاف مجموعات نماذج الترددات الراديوية التي تجمع بين الصور RGB والصور متعددة الأطياف دقة التصنيف. أيضا، التوصيات المستقبلية لترقية خرائط مجتمعات النباتات المشتقة من الطائرات بدون طيار إلى صور الأقمار الصناعية وربط هذا النهج مع المنصات السحابية ستمكن من نمذجة النظام البيئي على نطاق واسع⁸². بينما تظل بيانات الطائرات بدون طيار ضرورية لالتقاط التفاصيل الهيكلية والطيفة بمقياس السنتيمتر المطلوبة لرسم خرائط دقيقة على مستوى المجتمع، يمكن أن تعمل صور الأقمار الصناعية كطبقة تنبؤ إضافية أو كمدخل سياقي أوسع. قد يعزز دمج المتغيرات المشتقة من الأقمار الصناعية في نموذج الترددات الراديوية قدرته على التعميم عبر الامتدادات المكانية الأكبر ويدعم تقييمات الموائل متعددة المقاييس. سيسمح هذا النهج الهجين بدمج خرائط المجتمع القائمة على الطائرات بدون طيار ضمن منظور أوسع للمناظر الطبيعية، مما يمكن الطريقة من اكتشاف الأنماط الإقليمية، وتحديد أولويات مواقع مسح الطائرات بدون طيار، وتعزيز أطر المراقبة طويلة الأمد. يمثل استكشاف كيفية توحيد بيانات الأقمار الصناعية مع مدخلات الطائرات بدون طيار ضمن خط أنابيب الترددات الراديوية فرصة بحثية لتوسيع قابلية التوسع والفائدة التشغيلية للبروتوكول.

يعد دمج صور الطائرات بدون طيار، والمسح الميداني، ومؤشرات الغطاء النباتي، والتصنيف بمساعدة الذكاء الاصطناعي في سير عمل واحد قابل للتكرار، لأنه يوفر التفاصيل المكانية والطيفة والبيئية المطلوبة لرسم خرائط دقيقة للنباتات المنخفضة النمو. حظي الاستشعار عن بعد المعتمد على الطائرات بدون طيار باهتمام متزايد في المجتمع العلمي وتطور بسرعة ليصبح أداة مستخدمة على نطاق واسع لتطبيقات متنوعة، خاصة في مراقبة البيئة الساحلية⁸³. توفر هذه الطريقة دليلا عمليا لسير عمل قائم على الطائرات بدون طيار ومدعوم بالتعلم الآلي للتعليم والبحث، يهدف إلى دعم الاستعادة البيئية ومراقبة المراعي الطبيعية أو شبه الطبيعية في النظم البيئية الساحلية.

المواد

قائمة المواد المستخدمة في هذه المقالة

الاسم	الشركة	رقم فهرسي	التعليقات
eBee X	senseFly/AgEagle	eBee X, https://www.sensefly.com/drones/ebee-x/	نظام UAV eBee X هو طائرة بدون طيار احترافية للمسح بجناح ثابت. يمكن استخدام نظام طائرة بدون طيار بديل للمسح
eMotion	senseFly/AgEagle	https://www.sensefly.com/drone-software/emotion/	يُستخدم لتخطيط مهام طيران الطائرة بدون طيار وإدارة البيانات الجوية. يعد برنامج eMotion جزءًا مكملاً من نظام طائرة eBeeX بدون طيار
محرك أقراص ثابت خارجي	أي مورد	NA	يعتمد الحجم على حجم منطقة الدراسة وحجم المشروع (250 جيجا بايت - 1 تيرابايت)
كمبيوتر محمول للميدان	أي مورد	NA	جهاز محمول قادر على العمليات الميدانية وإدارة طيران الطائرات بدون طيار (بناءً على مواصفات eMotion: Windows 64 بت 10/11؛ Intel Core i5/i7 (الجيل الثاني عشر+) أو AMD Ryzen 5/7 (>3.5 جيجاهرتز) - السرعات العالية للساعة أكثر أهمية من عدد الأنوية؛ 16 جيجا بايت كحد أدنى (32 جيجا بايت+ موصى به بشدة)؛ NVIDIA GTX/RTX متوسط المدى (مثل RTX 3060/4060)؛ NVMe SSD (مطلوب).
نظام GNSS/RTK من Trimble	Trimble Inc.	النموذج  R10	يحتوي على جهاز استقبال مزود ببرنامج مسح الأراضي وبطاريات احتياطية. يمكن أيضًا استخدام أنظمة GNSS/RTK البديلة.
مقص العشب	أي مورد	NA	أخذ عينات الكتلة الحيوية (اختياري)
Pix4Dmapper	Pix4D	https://www.pix4d.com/product/pix4dmapper-photogrammetry-software/	برنامج التصوير الفوتوغرافي: يتوفر Pix4Dmapper للترخيص على أساس شهري أو سنوي. يمكن استخدام برنامج تصوير فوتوغرافي بديل لتنفيذ هذا البروتوكول.
دليل تحديد النباتات	أي مورد	NA	يُستخدم لإجراء الملاحظات الفيزيائية الحيوية (عبر الإنترنت، أو الكتاب، أو طباعة أدلة تحديد النباتات المحلية)
QGIS	QGIS	3.44.9 Solothurn	برنامج GIS مجاني ومفتوح المصدر، متاح على https://qgis.org/، ويمكن استخدام برنامج GIS بديل لتنفيذ هذا البروتوكول
إطار مربع بحجم 1 م × 1 م	أي مورد	NA	يُستخدم في المرحلة الثانية للعمل الميداني/العينات، أي لإجراء الملاحظات الفيزيائية الحيوية، ويمكن تصنيعه بنفسك
R	R-Software Services	الإصدار 4.2.0, https://cran.r-project.org	بيئة برمجة مفتوحة المصدر للتنبؤ والتنزيل تستخدم على نطاق واسع في الحوسبة الإحصائية والرسوم البيانية، وتحليل البيانات، والنمذجة التنبؤية.
RStudio	R-Software Services	الإصدار 2024.4.0.735, https//posit.co/download/rstudio/
Rtools	R-Software Services	https://cran.r-project.org/bin/windows/Rtools/	نظرًا لأن بعض الحزم قد تتطلب الترجمة من المصدر. الحزم الرئيسية المستخدمة: terra 1.5 21, sp 1.5 0, sf 1.0 15, rgdal 1.6 6, raster 3.5 15, rsample 1.3 1, MLmetrics 1.1 1، و randomForest 4.7 1.1.
ميزان (يعمل بالبطارية، ومستوٍ، ودقة ± 1 جرام)	أي مورد	NA	متين للعمل الميداني
Sequoia	Parrot SA	Parrot SEQUOIA+	إنه مستشعر متعدد الأطياف/RGB، يُستخدم في المرحلة 1. مستشعر RGB و/أو متعدد الأطياف (تتضمن العديد من الطائرات بدون طيار الاحترافية أحد المستشعرين أو كليهما). لتنفيذ هذا البروتوكول، تم استخدام Parrot SEQUOIA+ (شركة Parrot SA)
قارئ رطوبة التربة	أي مورد	NA
تطبيق تنبؤ طقس UAV	أي مورد	NA	لتخطيط الرحلات، يتم استخدام https://www.uavforecast.com/
مجموعة مستشعر WET	Delta T Devices	WET-UM-1.6	مستشعر رطوبة التربة (اختياري)
محطة العمل	أي مورد	NA	المواصفات المثلى اللازمة لمعالجة مشاريع التصوير الفوتوغرافي وتعلم الآلة في R بسلاسة (المواصفات بناءً على متطلبات برنامج Pix4Dmapper: Windows 10/11، 64 بت؛ وحدة المعالجة المركزية رباعية النواة أو سداسية النواة Intel i9/Threadripper/Ryzen 9/؛ بطاقة GeForce GTX متوافقة مع OpenGL 3.2 و2 جيجا بايت من ذاكرة الوصول العشوائي؛ القرص الصلب: SSD؛ المشاريع الكبيرة (أكثر من 500- 1000 صورة بدقة 14 ميجا بكسل): 32 جيجا بايت من ذاكرة الوصول العشوائي، 60 جيجا بايت من مساحة خالية على SSD.