Das in diesem Artikel vorgestellte Protokoll nutzt Routenoptimierung, ausgewogene Akzeptanzstichproben sowie Bilder von bodennahen und unbemannten Flugzeugsystemen (UAS), um die Vegetation in Weideland-Ökosystemen effizient zu überwachen. Es werden Ergebnisse von Bildern verglichen, die mit bodennahen und UAS-Methoden aufgenommen wurden.
Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Methodenartikel
Bodennahe Bilder von unbemannten Flugsystemen in Verbindung mit räumlich ausgewogener Probenahme und Routenoptimierung zur Überwachung der Weidelandvegetation
In diesem Artikel
Zusammenfassung
Zusammenfassung
Weideland-Ökosysteme bedecken weltweit 3,6 Milliarden Hektar, davon 239 Millionen Hektar in den Vereinigten Staaten. Diese Ökosysteme sind entscheidend für die Aufrechterhaltung der globalen Ökosystemleistungen. Die Überwachung der Vegetation in diesen Ökosystemen ist erforderlich, um die Gesundheit des Weidelandes zu beurteilen, die Eignung von Lebensräumen für Wildtiere und Haustiere zu beurteilen, invasive Unkräuter zu bekämpfen und zeitliche Umweltveränderungen aufzuklären. Obwohl Weideland-Ökosysteme große Gebiete abdecken, sind traditionelle Überwachungstechniken oft zeitaufwändig und kostenineffizient, unterliegen einer starken Verzerrung durch Beobachter und verfügen oft über unzureichende räumliche Informationen. Die bildbasierte Vegetationsüberwachung ist schneller, erzeugt dauerhafte Aufzeichnungen (d. h. Bilder), kann zu einer geringeren Verzerrung des Beobachters führen und enthält von Natur aus angemessene räumliche Informationen. Räumlich ausgewogene Probenahmedesigns sind bei der Überwachung natürlicher Ressourcen von Vorteil. Es wird ein Protokoll für die Implementierung eines räumlich ausgewogenen Probenahmedesigns vorgestellt, das als Balanced Acceptance Sampling (BAS) bekannt ist, mit Bildern, die von Bodenkameras und unbemannten Flugsystemen (UAS) aufgenommen wurden. Zur Lösung des "Traveling Salesperson Problems" (TSP) wird zusätzlich ein Routenoptimierungsalgorithmus eingesetzt, um die Zeit- und Kosteneffizienz zu steigern. Während UAS-Bilder 2- bis 3x schneller aufgenommen werden können als Handheld-Bilder, ähneln sich beide Arten von Bildern in Bezug auf Genauigkeit und Präzision. Abschließend werden die Vor- und Nachteile der einzelnen Methoden diskutiert und Beispiele für mögliche Anwendungen dieser Methoden in anderen Ökosystemen vorgestellt.
Einleitung
Weideland-Ökosysteme erstrecken sich über riesige Flächen, die in den Vereinigten Staaten 239 Millionen Hektar und weltweit 3,6 Milliarden Hektar umfassen1. Weideland bietet eine breite Palette von Ökosystemdienstleistungen, und die Bewirtschaftung von Weideland umfasst mehrere Landnutzungen. Im Westen der USA bieten Weideland Lebensraum für Wildtiere, Wasserspeicherung, Kohlenstoffbindung und Futter für heimisches Vieh2. Weideland ist verschiedenen Störungen ausgesetzt, darunter invasive Arten, Waldbrände, Infrastrukturentwicklung und die Gewinnung natürlicher Ressourcen (z. B. Öl, Gas ....
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Protokoll
1. Definition des Untersuchungsbereichs, Generierung von Probenahmepunkten und Reisepfad sowie Feldvorbereitung
- Definition des Studienbereichs
- Verwenden Sie ein GIS-Softwareprogramm, um eine oder mehrere Polygongrafiken um die relevanten Bereiche zu zeichnen. Diese Studie wurde auf zwei 10 Hektar großen Parzellen in einem Weidegarten in Laramie County, WY, USA durchgeführt (Abbildung 1).
- Stellen Sie sicher, dass die Bereiche, die nicht innerhalb des Beispielrahmens liegen sollen, aus dem Polygon ausgeschlossen werden (z. B. Gewässer, Gebäudestrukturen, Straßen usw.). Dadurch wird sichergestellt, dass späte....
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Ergebnisse
Die UAS-Bilderfassung nahm weniger als die Hälfte der Zeit in Anspruch wie die bodengestützte Bildaufnahme, während die Analysezeit bei bodengestützten Bildern etwas geringer war (Tabelle 1). Bodengestützte Bilder hatten eine höhere Auflösung, was wahrscheinlich der Grund dafür ist, dass sie in kürzerer Zeit analysiert wurden. Unterschiede in der Gehzeit zwischen den Standorten waren wahrscheinlich darauf zurückzuführen, dass Start- und Endpunkte (Startplatz) näher an Standort 1 als an Standort 2 lagen (.......
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Diskussion
Die Bedeutung der Überwachung natürlicher Ressourcen ist seit langem anerkannt14. Mit zunehmender Aufmerksamkeit für globale Umweltprobleme wird die Entwicklung zuverlässiger Überwachungstechniken, die zeit- und kosteneffizient sind, immer wichtiger. Mehrere frühere Studien haben gezeigt, dass die Bildanalyse im Vergleich zu herkömmlichen Vegetationsüberwachungstechniken in Bezug auf Zeit, Kosten und die Bereitstellung gültiger und vertretbarer statistischer Daten.......
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Offenlegungen
Die Autoren erklären, dass kein Interessenkonflikt besteht. Die in dieser Studie verwendete Software stand den Autoren entweder als Open Source oder über institutionelle Genehmigungen zur Verfügung. Kein Autor wird von einer in dieser Studie verwendeten Software gesponsert und erkennt an, dass andere Softwareprogramme verfügbar sind, die in der Lage sind, ähnliche Forschungen durchzuführen.
Danksagungen
Diese Forschung wurde mehrheitlich vom Wyoming Reclamation and Restoration Center und Jonah Energy, LLC finanziert. Wir danken Warren Resources und Escelara Resources für die Finanzierung des Trimble Juno 5. Wir danken Jonah Energy, LLC für die kontinuierliche Unterstützung bei der Finanzierung des Vegetationsmonitorings in Wyoming. Wir danken dem Wyoming Geographic Information Science Center für die Bereitstellung der UAS-Ausrüstung, die in dieser Studie verwendet wurde.
....Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Materialien
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| ArcGIS | ESRI | GPS Software | |
| DJI Phantom 4 Pro | DJI | UAS | |
| G700SE | Ricoh | GPS-Kamera | |
| GeoJot+Core | Geospatial Experts | GPS-Software | Wird zum Extrahieren von Bildmetadaten |
| verwendet Juno 5 | Trimble | Handheld-GPS-Gerät | |
| Litchi Mission Hub | Litchi | Mission Hub Software | Wir haben uns für Litchi entschieden, weil es ein Geländebewusstsein hat und in der Lage ist, robuste Wegpunktmissionen zu planen |
| Programm R | R Project | Statistische Analyse-/Programmiersoftware | |
| SamplePoint | N/A | Bildanalysesoftware |
Referenzen
- Follett, R. F., Reed, D. A. Soil carbon sequestration in grazing lands: societal benefits and policy implications. Rangeland Ecology & Management. 63, 4-15 (2010).
- Ritten, J. P., Bastian, C. T., Rashford, B. S.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Nachdrucke und Genehmigungen
