このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

方法論記事

地上の無人航空システム画像と空間的にバランスの取れたサンプリングおよびルート最適化を組み合わせて放牧地の植生を監視する

1.6K 閲覧数

⸱

DOI：

10.3791/61052

⸱

2020年6月14日

 ,  ,  ,  ,  ,  , 
1Wyoming Reclamation and Restoration Center, University of Wyoming, 2Department of Ecosystem Science and Management, University of Wyoming, 3Program in Ecology, University of Wyoming, 4Wyoming Geographic Information Science Center, University of Wyoming, 5Wyoming State Office, Bureau of Land Management, 6School of Mathematics and Statistics, University of Canterbury, 7Department of Statistics, University of Wyoming

この記事について

サマリー

このホワイトペーパーで紹介するプロトコルでは、ルートの最適化、バランスの取れた受け入れサンプリング、および地上および無人航空機システム (UAS) 画像を利用して、放牧地の生態系の植生を効率的に監視します。地上レベルとUASの手法から得られた画像の結果を比較します。

要約

放牧地の生態系は全世界で36億ヘクタールに及び、そのうち2億3,900万ヘクタールが米国にあります。これらの生態系は、地球規模の生態系サービスを維持するために重要です。これらの生態系の植生のモニタリングは、放牧地の健康状態を評価し、野生生物や家畜の生息地適合性を測定し、侵入雑草と闘い、時間的な環境変化を解明するために必要である。放牧地の生態系は広大な地域をカバーしていますが、従来のモニタリング技術は、時間とコスト効率が悪く、観測者バイアスが高く、適切な空間情報が不足していることがよくあります。画像ベースの植生モニタリングは、より高速で、永続的な記録(つまり、画像)を生成し、観察者のバイアスを減らすことができ、本質的に適切な空間情報を含んでいます。空間的にバランスの取れたサンプリング設計は、天然資源の監視に役立ちます。地上カメラと無人航空機システム (UAS) から取得した画像を使用して、バランス アクセプタンス サンプリング (BAS) と呼ばれる空間的にバランスの取れたサンプリング設計を実装するためのプロトコルが提示されます。さらに、ルート最適化アルゴリズムを使用して「巡回セールスパーソン問題」(TSP)を解決し、時間とコストの効率を向上させます。UAS画像はハンドヘルド画像よりも2〜3倍高速に取得できますが、どちらのタイプの画像も精度と精度の点で互いに似ています。最後に、各方法の長所と短所について説明し、他のエコシステムでのこれらの方法の潜在的な適用例を提供します。

概要

放牧地の生態系は広大な地域を網羅しており、米国では2億3,900万ヘクタール、世界全体では36億ヘクタールに及びます1。放牧地は幅広い生態系サービスを提供し、放牧地の管理には複数の土地利用が含まれます。米国西部では、放牧地は野生生物の生息地、貯水、炭素隔離、および家畜の飼料を提供しています2。放牧地は、侵入種、山火事、インフラ開発、天然資源の採掘(石油、ガス、石炭など)3など、さまざまな攪乱の影響を受けます。植生モニタリングは、世界中の放牧地やその他の生態系内の資源管理を維持するために重要です4,5,6。放牧地の植生モニタリングは、放牧地の健康状態、野生生物種の生息地適合性を評価し、侵入種、山火事、および天然資源の採取による景観の変化をカタログ化するためによく使用されます7,8,9,10。特定の監視プログラムの目標は異なる場合がありますが、統計的に信頼性が高く、再現性があり、経済的でありながら、複数の利害関係者のニーズに適合した監視プログラムが望まれています5,7,11。土地管理者は監視の重要性を認識していますが、それはしばしば非科学的で、非経済的で、負担が大きいと見なされています5。

伝統的に、放牧地のモニタリングは、眼球または視覚による推定10、ドーベンマイアフレーム12、プロットチャート13、植生トランセクト14に沿ったラインポイントインターセプトなど、さまざまな方法で行われてきた。眼球または視覚による推定は時間効率が良いですが、観察者バイアスが高くなります15。他の伝統的な方法は、高いオブザーバーバイアスの影響を受けやすい一方で、時間とコストの要件のためにしばしば非効率的である6,15,16,17。これらの従来の方法の多くを実装するのに必要な時間は、多くの場合、負担が大きすぎるため、統計的に有効なサンプルサイズを取得するのが難しくなり、母集団の推定値の信頼性が低下します。これらの方法は、確率的ではなく利便性に基づいて適用されることが多く、データを収集する場所は観察者が選択します。さらに、報告されたサンプル位置と実際のサンプル位置はしばしば異なり、植生モニタリングデータ18に依存する土地管理者やその他の利害関係者にとって混乱を引き起こしている。最近の研究では、画像ベースの植生モニタリングが時間と費用対効果が高いことが実証されています6,19,20。特定の領域内で短時間でサンプリングできるデータの量を増やすと、時間のかかる従来の手法と比較して、データの統計的信頼性が向上するはずです。画像は、フィールドデータが収集された後に複数のオブザーバーが分析できる永続的な記録です6。さらに、多くのカメラには全地球測位システム(GPS)が装備されているため、画像に収集場所18,20でジオタグを付けることができます。コンピュータで生成されたサンプリングポイントを使用し、フィールド内に正確に配置することで、画像がハンドヘルドカメラで取得されるか無人航空機システムによって取得されるかにかかわらず、個々の観察者がサンプル位置をどこに配置すべきかについての意見を使用する傾向を減らすため、観察者のバイアスを減らす必要があります。

従来の天然資源モニタリングは、時間と費用がかかり、観測者バイアスが高いだけでなく、サンプルサイズが低く、サンプリング場所が集中しているため、不均一な放牧地を適切に特徴付けることに失敗することがよくあります21。空間的にバランスの取れたサンプリング設計は、天然資源21,22,23,24をよりよく特徴付けるために、サンプルの位置を関心のある領域全体に均等に分散させます。これらの設計は、単純なランダムサンプリング25と比較して統計的精度を達成するためにより小さなサンプルサイズが必要であるため、サンプリングコストを削減することができる。

この方法では、バランス・アクセプタンス・サンプリング(BAS)22,24として知られる空間的にバランスの取れたサンプリング設計を画像ベースのモニタリングと組み合わせて、放牧地の植生を評価します。BASポイントは、関心領域26全体に最適に分散されています。ただし、これは、訪問20の最適なルートでポイントが順序付けられることを保証するものではない。したがって、BASポイントは、巡回販売員問題(TSP)27を解くルート最適化アルゴリズムを使用して配置されます。この順序でポイントを訪問すると、ポイントを結ぶ最適なパス (つまり、最小距離) が決定されます。BAS ポイントは、地理情報システム (GIS) ソフトウェア プログラムに転送され、次に GPS を搭載したハンドヘルド データ収集ユニットに転送されます。BASポイントを特定した後、GPSを搭載したカメラと、フライトソフトウェアを使用して操作する無人航空機システムで画像を撮影します。現場に入ると、技術者は各ポイントに歩いて行き、各BASポイントで0.3mmの地上サンプル距離(GSD)で1m2の一脚に取り付けられたカメラ画像を取得し、UASは同じポイントに飛行して2.4mm-GSDの画像を取得します。その後、植生被覆データは「SamplePoint」28を使用して生成され、36ポイント/画像を手動で分類されます。地表画像と UAS 画像の解析から生成された植生被覆データを比較し、各手法で報告された取得時間も比較します。代表的な研究では、隣接する2つの10エーカーの放牧地区画が使用されました。最後に、この方法の他のアプリケーションと、将来のプロジェクトや他のエコシステムのプロジェクトのためにどのように変更できるかについて説明します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

1. 研究範囲の定義、サンプルポイントと移動経路の生成、フィールドの準備

  1. 研究範囲の定義
    1. GISソフトウェアプログラムを使用して、関心のある領域の周りにポリゴングラフィックを描画します。この研究は、米国ワイオミング州ララミー郡の放牧地内の2つの10エーカーの区画で実施されました(図1)。
    2. サンプル フレーム内に収まらないエリア (水域、建物構造物、道路など) がポリゴンから除外されていることを確認します。これにより、これらの領域の画像が後で撮影されることがなくなります。
    3. GIS ソフトウェア プログラムでポリゴン グラフィックスをシェープファイル フィーチャ (*.shp) に変換し、シェープファイルが目的の座標系で作成されていることを確認します。

figure-protocol-1
図 1: 対象分析領域の図。 この場所は、米国ワイオミング州ララミー郡のシャイアンの南にある放牧地にあります (画像出典: ワイオミング州 NAIP 画像 2017)。 この図の拡大版を表示するには、ここをクリックしてください。

  1. BAS ポイントの生成と移動パスの最適化
    注: コードは「Supplemental_Code.docx」として添付されています。
    1. R パッケージ 'rgdal'29 を使用して、GIS ポリゴンを Program R 読み取り可能なファイルに変換します。
    2. R パッケージ 'SDraw'30 を使用して、必要な数の BAS ポイントを生成します。この研究では、調査エリアごとに 30 の BAS ポイントを使用しましたが、さまざまなサイズと植生組成のエリアに最適なサンプリング強度を決定するために、今後の調査を実施する必要があります。
    3. Rパッケージ「TSP'27 」を使用してBASポイントを注文します。この順序でポイントを訪問すると、BAS ポイントでサンプルを取得するのに必要な時間が最小限に抑えられます。
  2. ハンドヘルド画像取得の準備
    1. R パッケージ 'rgdal' を使用して、ステップ 1.2.1 のポイントを GIS プログラムに戻します。
    2. シェープファイルの属性テーブルを編集して、ポイント ID フィールドに最適化されたパスの順序が正確に反映されるようにします。
    3. GISポリゴンとポイントファイルをハンドヘルドユニットで実行されているGISソフトウェアに転送します。
    4. 対象エリアの正しい投影座標系が設定されていることを確認します。
  3. UAS画像取得の準備
    1. R パッケージ 'rgdal' を使用して、ステップ 1.2.1 のポイントを GIS ソフトウェア プログラムに戻します。
    2. GIS ソフトウェア プログラムで、[ XY 座標の追加 (Add XY Coordinates )] ツールを使用して、ウェイポイント属性テーブルに緯度と経度のフィールドを作成し、入力します。
    3. 緯度、経度、TSP 列を含むウェイポイント属性テーブルを *.csv ファイル形式にエクスポートします。
    4. 適切なソフトウェアパッケージの *.csv ファイルを開きます。
    5. TSP識別子でウェイポイントをソートします。
    6. Mission Hubアプリを開きます。
    7. Mission Hubで任意のウェイポイントを作成します。
    8. 任意のウェイポイントを*.csvファイルとしてエクスポートします。
    9. スプレッドシートプログラムで*.csvファイルを開き、列見出しを保持している任意のウェイポイントを削除します。
    10. ステップ 1.2.3 で TSP でソートされたウェイポイントの座標ペアを、ステップ 1.4.8 の *.csv ファイルの関連する列にコピーします。
    11. 手順 1.4.10 の *.csv ファイルを新しいミッションとして Mission Hub にインポートします。
    12. 設定を定義します。
      1. [ Use Online Elevation ] チェックボックスをオンにします。
      2. [パス モード] を [直線] に指定します。
      3. [Finish Action] を RTH として指定し、ミッションの完了後にドローンが帰宅できるようにします。
    13. 個々のウェイポイントをクリックし、次のパラメータを指定して アクションを追加します :Stay:2秒(画像のぼやけを避けるため)。チルトカメラ:-90°(直下視);写真を撮ります。
    14. ミッションを適切な名前で保存します。
    15. 追加のサイトに対してプロセスを繰り返します。

2. フィールドデータの収集と後処理

  1. 分析範囲で観察された、または予想される植生の記録
    1. 画像を取得する前に、分析範囲内で観察された植生のリストを作成します。これは、手書きのシートまたはデジタルフォームで行うことができ、後で写真の識別に役立ちます。その地域で予想される可能性のある種は、野外で観察されていなくても目録に含めることが有益かもしれません(たとえば、埋め立て種子混合物内の種)18。
  2. 地上での画像取得
    1. カメラを垂直一脚に取り付け、カメラを約60°下に向けます。画像の領域は、カメラのレンズと解像度(メガピクセル)の仕様を使用し、一脚を標準の高さに設定することで決定できます。一脚の高さとカメラの仕様によって、地上サンプル距離 (GSD) が決まります。この研究では、12.1メガピクセルのカメラを使用し、一脚を地上1.3mに一定に設定して、~0.3mmGSD18の直下画像を取得しました。
    2. 一脚を前方に傾けて、カメラのレンズが天底の位置にあり、角度のついた一脚が画像に表示されないようにします。
    3. 一脚の高さまたはレンズのズームを調整して、1 m2 フレームレスのプロット サイズ (または別の目的のプロット サイズ) を実現します。最も一般的な 4:3 アスペクト比のカメラでは、プロット幅が 115 cm の場合、1 m2 の画像視野が得られます。地面にフレームを置く必要はありません。画像全体がプロットです。これを実現するためにレンズのズームを調整する場合は、ペインターテープを使用して、ズーム設定が誤って変更されないようにします。
    4. 可能であれば、カメラをシャッター優先モードに設定し、シャッタースピードを少なくとも1/125秒に設定して、画像のブレを防ぎます。風が強い場合はより速くなります。
    5. 最適化されたパス順序で最初のポイントを見つけます。
    6. 一脚をポイント 1 の地面に置き、カメラが天底の向きになるまで一脚を傾けます。オペレーターの影が画像に写っていないことを確認します。モーションブラーを防ぐために、カメラをしっかりと保持します。画像を取得します。
      メモ: この手順には、リモートトリガーケーブルが役立ちます。
    7. データキャプチャが成功するように、画質を確認します。
    8. 最適化されたパス順序の次のポイントに移動し、集録手順を繰り返します。
  3. UAS画像取得
    1. UASを発進させる前に、調査範囲を短時間偵察して、飛行経路内に物理的な障害物がないことを確認します。この偵察演習は、UASを発射するためのかなり平らな領域を見つけるのにも役立ちます。
    2. UASの飛行に適した気象条件であることを確認してください:乾燥した晴れた日(視程>4.8 km)、適切な照明、最小限の風(<ノット)、温度が0°C〜37°Cであることを確認してください。
    3. 法的なプロトコルに従ってください。たとえば、米国では、連邦航空局のポリシーに従う必要があります。
    4. Mission Hubソフトウェア(図2)とモバイルデバイスからアクセスできるミッション実行アプリケーション(図3)を利用します。
    5. ステップ 1.4 で説明したように、各 BAS ポイントで UAS 画像を収集します。
    6. 場所を変更する前に、すべての画像がモバイルデバイスを使用して取得されたことを確認します。

figure-protocol-2
図2:Mission Hubのユーザーインターフェース。 このマップは、調査サイトの 1 つを横切る一連の 30 の BAS ポイントに沿ったドローンの飛行経路を示しており、ポップアップ ウィンドウには各ウェイポイントの画像取得パラメーターが表示されます。 図 2 はサイト 1 に固有のものですが、外観はサイト 2 と似ています。 この図の拡大版を表示するには、ここをクリックしてください。

figure-protocol-3
図3:Androidスマートフォン上で動作するLitchiのミッション実行アプリケーションでのウェイポイント飛行ミッション。 一意のウェイポイント ID は紫色で表示され、分析範囲のさまざまなポイントで画像が撮影された相対的な順序を表します。7(6) などの各ウェイポイントの数値は、画像が撮影された地上からの高さ (最初の数値) とホーム ポイントまたはドローン発射場からの高さ (2 番目の数値) の整数値を示します。マップ上にラベル付けされた連続するウェイポイント間の距離に注目してください。 図 3 はサイト 1 に固有のものですが、外観はサイト 2 と似ています。 この図の拡大版を表示するには、ここをクリックしてください。

  1. 地上レベルの画像後処理。
    注:手順は、チュートリアルセクションの www.SamplePoint.org にあります。補足の.pdfファイルが添付されています。
    1. USBケーブルまたはSDカードを使用してコンピューターに画像をダウンロードします。
    2. 画像が正しい場所で撮影されたことを確認します。ジオタグ付き画像内のメタデータに基づいて画像をGISソフトウェアに配置するためのさまざまなソフトウェアが存在します。
    3. 画像が複数の分析範囲で取得された場合は、画像解析のために別々のフォルダーに保存します。
  2. UAS画像の後処理
    1. リムーバブルmicroSDカードに保存された画像をUASからコンピューターに転送します。
    2. 手順 2.4.2 と 2.4.3 を繰り返します。

3. 画像解析

注:すべての手順は、www.SamplePoint.org の「チュートリアル」セクションにあります。補足の 'tutorial.pdf' ファイルが添付されています。

  1. SamplePointで、[ オプション] |データベースウィザード |データベースを作成/設定します。
  2. 分析範囲に基づいてデータベースに名前を付けます。
  3. 目的の分析範囲のサンプルが格納されているフォルダーに移動し、分類するサンプルを選択します。
  4. 「完了」をクリックします。
  5. [オプション] |[データベース] を選択し、画像の選択に基づいて SamplePoint が生成する *.xls ファイルを選択します (これは画像に含まれます)。
  6. SamplePointのプロンプトが表示されたら、データベースで正しい数の画像が選択されていることを確認します。
  7. 各画像内で分析するピクセル数を選択します。これは、グリッドパターンで、またはランダムに行うことができます。この研究では、6 x 6 グリッドを使用して合計 36 ピクセルを選択しましたが、分類に必要な測定精度に応じて、画像あたりのピクセル数を増やしたり減らしたりすることができます。最近の研究では、画像あたり20〜30ピクセルが広い領域をサンプリングするのに十分であることがわかりました31。グリッドオプションは、画像が再分析された場合にピクセルが同じ位置にあることを保証しますが、ランダムオプションは、画像が再ロードされるたびにピクセルをランダムに生成します。
  8. 種分類用のカスタム ボタン ファイルを作成します。このリストは、画像取得前に現場に記録された植生リストから生成することも、調査地域に関連する他の情報(再生地の種子混合リスト、生態学的サイトの説明情報など)に基づくこともできます。 「むき出しの地面 」や 「土 」、 および「ゴミ 」や 「岩」など、遭遇する可能性のあるその他の非植生アイテムのボタンが作成されていることを確認します。 [不明 ] ボタンを作成すると、アナリストが後日種を分類できるようになります。SamplePointの コメントボックス を使用して、このオプションを使用したピクセルを記録できます。さらに、画像の解像度が種レベルに分類するのに十分なほど高くない場合は、機能グループ( 草、 Forb、 低木など)のボタンを作成すると便利です。
  9. 画像の解析を開始するには、赤い十字線の対象となる画像のピクセルを示す分類ボタンをクリックします。SamplePointが「これがすべてのポイントです。[次の画像] をクリックします。データベース内のすべてのイメージに対して、この操作を繰り返します。
    注: ズーム 機能を使用すると、分類に役立てることができます。
  10. データベース内のすべての画像が完全に分析されると、SamplePointは「すべての画像を使い果たしました」というプロンプトを表示します。この時点で、[ OK ]を選択し、[ オプション]をクリックします|統計ファイルを作成します。
  11. データベースが格納されているフォルダーに移動し、作成したばかりの *.csv ファイルを開いて、すべての画像のデータが格納されていることを確認します。

4. 統計解析

  1. サイト間の違いを決定するためのカイ2乗分析
    1. 両方のサイトで同じ数の画像(一次サンプリングユニット)とピクセル(二次サンプリングユニット)が収集および分析されるため、2つのサイト間の比較は多項設計の産物と見なすことができます。
    2. ステップ 3.11 で作成した *.csv ファイルを使用して、各分類カテゴリに分類されたポイントの合計を計算します。
    3. 点の合計に対してカイ二乗分析を実行します。サイト1とサイト2が互いに類似している場合、各カバータイプとして分類されたピクセルの数が、両方のサイトで明らかになる18。
  2. UASと地上レベルの画像を比較するための回帰
    1. ステップ 3.11 で作成した *.csv ファイルを使用して、各画像から平均被覆率をコピーして貼り付け、UAS 画像データを地表の画像データに位置合わせします。
    2. データベース・プログラムで回帰分析を実行します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

UAS画像の取得にかかる時間は、地上からの画像収集の半分以下でしたが、地上からの画像では解析時間がわずかに短くなりました(表1)。地上の画像は解像度が高かったため、短時間で解析できたと思われます。サイト間の歩行経路の時間差は、開始点と終了点(発射サイト)がサイト2よりもサイト1に近いためであると考えられます(図1)。プラットフォーム間の取得時間の差は、主にUASの飛行速度が技術者の歩行速度よりも2〜3倍速いことによるものでした(図4)。

取得時間 (mm:ss)/サイト分析時間 (mm:ss)/サイト...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

天然資源モニタリングの重要性は長い間認識されてきました14。地球環境問題への関心が高まる中、時間とコスト効率に優れた信頼性の高いモニタリング技術の開発がますます重要になっています。いくつかの先行研究は、画像分析が、時間、コスト、および有効で防御可能な統計データを提供するという点で、従来の植生モニタリング技術と比較して有利であることを示しました6,31。地上レベルの画像取得は、ラインポイントインターセプト18,31よりも7〜10倍高速に実行できます。この研究と最近の研究20は、UAS画像がハンドヘルド画像の取得にかかる時間よりも2〜3倍短い時間で収集できることを示しています。無人航空機システムまたは車両から得られる航空画像は、生息地の破壊と品質<...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者は、利益相反を宣言しません。この研究で使用されたソフトウェアは、オープンソースとして、または機関の許可を通じて著者が利用できました。著者は、この研究で使用されたソフトウェアによって支援されておらず、同様の研究を行うことができる他のソフトウェアプログラムが利用可能であることを認めています。

謝辞

この研究は、ワイオミング再生修復センターとジョナエナジーLLCによって大部分が資金提供されました。Trimble Juno 5ユニットに資金を提供してくださったWarren Resources社とEscelara Resources社に感謝します。ワイオミング州の植生モニタリングに資金を提供するための継続的な支援を提供してくださるJonah Energy, LLCに感謝します。この研究で利用したUAS機器を提供してくださったワイオミング地理情報科学センターに感謝します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
ArcGISESRIGPS ソフトウェア
DJI Phantom 4 ProDJIUAS
G700SEリコーGPS 搭載カメラ
GeoJot+CoreGeospatial ExpertsGPS ソフトウェア画像メタデータの抽出に使用
Juno 5Trimbleハンドヘルド GPS デバイス
Litchi Mission HubLitchiミッションハブソフトウェア地形認識と堅牢なウェイポイントミッションを計画する能力のためにライチを選びました
プログラムRRプロジェクト統計解析/プログラミングソフトウェア
SamplePointN/A画像解析ソフトウェア

参考文献

  1. Follett, R. F., Reed, D. A. Soil carbon sequestration in grazing lands: societal benefits and policy implications. Rangeland Ecology & Management. 63, 4-15 (2010).
  2. Ritten, J. P., Bastian, C. T., Rashford, B. S. Profitability of carbon sequestration in western rangelands of the United States. Rangeland Ecology & Management. 65, 340-350 (2012).
  3. Stahl, P. D., Curran, M. F. Collaborative efforts towards ecological habitat restoration of a threatened species, Greater Sage-grouse, in Wyoming, USA. Land Reclamation in Ecological Fragile Areas. , CRC Press. Boca Raton, FL. 251-254 (2017).
  4. Stohlgren, T. J., Bull, K. A., Otsuki, Y. Comparison of rangeland vegetation sampling techniques in the central grasslands. Journal of Range Management. 51, 164-172 (1998).
  5. Lovett, G. M., et al. Who needs environmental monitoring. Frontiers in Ecology and the Environment. 5, 253-260 (2007).
  6. Cagney, J., Cox, S. E., Booth, D. T. Comparison of point intercept and image analysis for monitoring rangeland transects. Rangeland Ecology & Management. 64, 309-315 (2011).
  7. Toevs, G. R., et al. Consistent indicators and methods and a scalable sample design to meet assessment, inventory, and monitoring needs across scales. Rangelands. 33, 14-20 (2011).
  8. Stiver, S. J., et al. Sage-grouse habitat assessment framework: multiscale habitat assessment tool. Bureau of Land Management and Western Association of Fish and Wildlife Agencies Technical Reference. , (2015).
  9. West, N. E. Accounting for rangeland resources over entire landscapes. Proceedings of the VI Rangeland Congress. , Aitkenvale, Queensland, Australia. (1999).
  10. Curran, M. F., Stahl, P. D. Database management for large scale reclamation projects in Wyoming: Developing better data acquisition, monitoring, and models for application to future projects. Journal of Environmental Solutions for Oil, Gas, and Mining. 1, 31-34 (2015).
  11. International Technology Team (ITT). Sampling vegetation attributes. Interagency Technical Report. , Denver, CO, USA. (1999).
  12. Daubenmire, R. F. A canopy-coverage method of vegetational analysis. Northwest Science. 33, 43-64 (1959).
  13. Heady, H. F., Gibbens, R. P., Powell, R. W. Comparison of charting, line intercept, and line point methods of sampling shrub types of vegetation. Journal of Range Management. 12, 180-188 (1959).
  14. Levy, E. B., Madden, E. A. The point method of pasture analysis. New Zealand Journal of Agriculture. 46, 267-269 (1933).
  15. Morrison, L. W. Observer error in vegetation surveys: a review. Journal of Plant Ecology. 9, 367-379 (2016).
  16. Kennedy, K. A., Addison, P. A. Some considerations for the use of visual estimates of plant cover in biomonitoring. Journal of Ecology. 75, 151-157 (1987).
  17. Bergstedt, J., Westerberg, L., Milberg, P. In the eye of the beholder: bias and stochastic variation in cover estimates. Plant Ecology. 204, 271-283 (2009).
  18. Curran, M. F., et al. Spatially balanced sampling and ground-level imagery for vegetation monitoring on reclaimed well pads. Restoration Ecology. 27, 974-980 (2019).
  19. Duniway, M. C., Karl, J. W., Shrader, S., Baquera, N., Herrick, J. E. Rangeland and pasture monitoring: an approach to interpretation of high-resolution imagery focused on observer calibration for repeatability. Environmental Monitoring and Assessment. 184, 3789-3804 (2011).
  20. Curran, M. F., et al. Combining spatially balanced sampling, route optimization, and remote sensing to assess biodiversity response to reclamation practices on semi-arid well pads. Biodiversity. , (2020).
  21. Stevens, D. L., Olsen, A. R. Spatially balanced sampling of natural resources. Journal of the American Statistical Association. 99, 262-278 (2004).
  22. Robertson, B. L., Brown, J. A., McDonald, T., Jaksons, P. BAS: Balanced acceptance sampling of natural resources. Biometrics. 69, 776-784 (2013).
  23. Brown, J. A., Robertson, B. L., McDonald, T. Spatially balanced sampling: application to environmental surveys. Procedia Environmental Sciences. 27, 6-9 (2015).
  24. Robertson, B. L., McDonald, T., Price, C. J., Brown, J. A. A modification of balanced acceptance sampling. Statistics & Probability Letters. 109, 107-112 (2017).
  25. Kermorvant, C., D'Amico, F., Bru, N., Caill-Milly, N., Robertson, B. Spatially balanced sampling designs for environmental surveys. Environmental Monitoring and Assessment. 191, 524(2019).
  26. Robertson, B. L., McDonald, T., Price, C. J., Brown, J. A. Halton iterative partitioning: spatially balanced sampling via partitioning. Environmental and Ecological Statistics. 25, 305-323 (2018).
  27. Hahsler, M., Hornik, K. TSP: Traveling Salesperson Problem (TSP). R package version 1.1-7. , Available from: https://CRAN.R-project.org/package=TSP (2019).
  28. Booth, D. T., Cox, S. E., Berryman, R. D. Point sampling imagery with 'SamplePoint'. Environmental Monitoring and Assessment. 123, 97-108 (2006).
  29. Bivand, R., Keitt, T., Rowlingson, B. rgdal: bindings for geospatial data abstraction library. R package version 1.2-7. , Available from: https://CRAN.R-project.org/package=rgdal (2017).
  30. McDonald, T. SDraw: spatially balanced sample draws for spatial objects. R package version 2.1.3. , Available from: https://CRAN.R-project.org/package=SDraw (2016).
  31. Ancin-Murguzur, F. J., Munoz, L., Monz, C., Fauchald, P., Hausner, V. Efficient sampling for ecosystem service supply assessment at a landscape scale. Ecosystems and People. 15, 33-41 (2019).
  32. Pilliod, D. S., Arkle, R. S. Performance of quantitative vegetation sampling methods across gradients of cover in Great Basin plant communities. Rangeland Ecology & Management. 66, 634-637 (2013).
  33. Anderson, K., Gaston, K. J. Lightweight unmanned aerial vehicles will revolutionize spatial ecology. Frontiers in Ecology and the Environment. 11, 138-146 (2013).
  34. Barnas, A. F., Darby, B. J., Vandeberg, G. S., Rockwell, R. F., Ellis-Felege, S. N. A comparison of drone imagery and ground-based methods for estimating the extent of habitat destruction by lesser snow geese (Anser caerulescens caerulescens) in La Perouse Bay. PLoS One. 14 (8), 0217049(2019).
  35. Chabot, D., Carignan, V., Bird, D. M. Measuring habitat quality for leaster bitterns in a created wetland with use of small unmanned aircraft. Wetlands. 34, 527-533 (2014).
  36. Cruzan, M. B., et al. Small unmanned vehicles (micro-UAVs, drones) in plant ecology. Applications in Plant Sciences. 4 (9), 1600041(2016).
  37. Booth, D. T., Cox, S. E. Image-based monitoring to measure ecological change in rangeland. Frontiers in Ecology and the Environment. 6, 185-190 (2008).
  38. Crimmins, M. A., Crimmins, T. M. Monitoring plant phenology using digital repeat photography. Environmental Management. 41, 949-958 (2008).
  39. Kermorvant, C., et al. Optimization of a survey using spatially balanced sampling: a single-year application of clam monitoring in the Arcachon Bay (SW France). Aquatic Living Resources. 30, 37-48 (2017).
  40. Brus, D. J. Balanced sampling: a versatile approach for statistical soil surveys. Geoderma. 253, 111-121 (2015).
  41. Foster, S. D., Hosack, G. R., Hill, N. A., Barnett, N. S., Lucieer, V. L. Choosing between strategies for designing surveys: autonomous underwater vehicles. Methods in Ecology and Evolution. 5, 287-297 (2014).

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

タグ

動画は近日公開
お問い合わせ
図書館への推薦

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。