Name: Verzamelen en verwerken van op drones gebaseerde op afstand gedetecteerde gegevens voor gebruik bij het monitoren van bosherstel (Video) | JoVE Journal
Uploaded: 2025-10-24T14:25:00.000+00:00
Duration: 8 min 16 s
Description: Leer een gebruiksvriendelijk protocol voor drone-gebaseerde LiDAR-technologie om bosherstel te monitoren. Deze methode detecteert individuele bomen met AI en vermindert de tijd en kosten van veldonderzoek.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Well status. , Alberta Energy Regulator. 
 <a target="_blank" href="https://www.aer.ca/data-and-performance-reports/data-hub/well-status">https://www.aer.ca/data-and-performance-reports/data-hub/well-status</a> (2025).</li>
<li>Western boreal forest - Canada. , Ducks Unlimited. 
 <a target="_blank" href="https://www.ducks.org/conservation/where-ducks-unlimited-works/western-boreal-forest--canada">https://www.ducks.org/conservation/where-ducks-unlimited-works/western-boreal-forest--canada</a> (2023).</li>
<li>Baah-Acheamfour, M., Dewey, M., Fraser, E. C., Schreiber, S. G., Schoonmaker, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Assessing+ecological+recovery+of+reclaimed+well+sites%3A+a+case+study+from+Alberta%2C+Canada%5BTitle%5D)+AND+%22Front.+For.+Glob.+Change%22%5BJournal%5D)">Assessing ecological recovery of reclaimed well sites: a case study from Alberta, Canada.</a> Front. For. Glob. Change. 5, 849246(2022).</li>
<li>2010 reclamation criteria for wellsites and associated facilities for forested lands (Updated July 2013). , Environment and Sustainable Resource Development. 
 <a target="_blank" href="https://open.alberta.ca/publications/1657667/resource/77e66fa1-f7ee-44ad-8c68-234854d38d44">https://open.alberta.ca/publications/1657667/resource/77e66fa1-f7ee-44ad-8c68-234854d38d44</a> (2013).</li>
<li>Alvarez-Vanhard, E., Corpetti, T., Houet, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((UAV+and+satellite+synergies+for+optical+remote+sensing+applications%3A+a+literature+review%5BTitle%5D)+AND+%22Sci.+Remote+Sens%22%5BJournal%5D)">UAV and satellite synergies for optical remote sensing applications: a literature review.</a> Sci. Remote Sens. 3, 100019(2021).</li>
<li>Hird, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+unmanned+aerial+vehicles+for+monitoring+recovery+of+forest+vegetation+on+petroleum+well+sites%5BTitle%5D)+AND+%22Remote+Sens%22%5BJournal%5D)">Use of unmanned aerial vehicles for monitoring recovery of forest vegetation on petroleum well sites.</a> Remote Sens. 9 (5), 413(2017).</li>
<li>Mathews, A. J., Singh, K. K., Cummings, A. R., Rogers, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Fundamental+practices+for+drone+remote+sensing+research+across+disciplines%5BTitle%5D)+AND+%22Drone+Syst.+Appl%22%5BJournal%5D)">Fundamental practices for drone remote sensing research across disciplines.</a> Drone Syst. Appl. 11, 1-22 (2023).</li>
<li>Zhang, Z., Zhu, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+review+on+unmanned+aerial+vehicle+remote+sensing%3A+platforms%2C+sensors%2C+data+processing+methods%2C+and+applications%5BTitle%5D)+AND+%22Drones%22%5BJournal%5D)">A review on unmanned aerial vehicle remote sensing: platforms, sensors, data processing methods, and applications.</a> Drones. 7 (6), 398(2023).</li>
<li>Puliti, S., McLean, J. P., Cattaneo, N., Fischer, C., Astrup, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Tree+height-growth+trajectory+estimation+using+uni-temporal+UAV+laser+scanning+data+and+deep+learning%5BTitle%5D)+AND+%22Forestry%22%5BJournal%5D)">Tree height-growth trajectory estimation using uni-temporal UAV laser scanning data and deep learning.</a> Forestry. 96 (1), 37-48 (2023).</li>
<li>Straker, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Instance+segmentation+of+individual+tree+crowns+with+YOLOv5%3A+a+comparison+of+approaches+using+the+ForInstance+benchmark+LiDAR+dataset%5BTitle%5D)+AND+%22ISPRS+Open+J.+Photogr.+Remote+Sens%22%5BJournal%5D)">Instance segmentation of individual tree crowns with YOLOv5: a comparison of approaches using the ForInstance benchmark LiDAR dataset.</a> ISPRS Open J. Photogr. Remote Sens. 9, 100045(2023).</li>
<li>Xiang, B., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+forest+inventory%3A+analysis+of+high-density+airborne+LiDAR+point+clouds+with+3D+deep+learning%5BTitle%5D)+AND+%22Remote+Sens.+Environ%22%5BJournal%5D)">Automated forest inventory: analysis of high-density airborne LiDAR point clouds with 3D deep learning.</a> Remote Sens. Environ. 305, 114078(2024).</li>
<li>TreeAIBox CloudCompare Plugin. , 
 <a target="_blank" href="https://github.com/NRCan/TreeAIBox">https://github.com/NRCan/TreeAIBox</a> (2025).</li>
<li>Xi, Z., Degenhardt, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+unified+framework+for+supervised+3D+crown+segmentation+%28TreeisoNet%29+using+deep+neural+networks+across+airborne%2C+UAV-borne%2C+and+terrestrial+laser+scans%5BTitle%5D)+AND+%22ISPRS+Open+J.+Photogr.+Remote+Sens%22%5BJournal%5D)">A new unified framework for supervised 3D crown segmentation (TreeisoNet) using deep neural networks across airborne, UAV-borne, and terrestrial laser scans.</a> ISPRS Open J. Photogr. Remote Sens. 15, 100083(2025).</li>
<li>Elsheikh, M., Iqbal, U., Noureldin, A., Korenberg, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+implementation+of+precise+point+positioning+%28PPP%29%3A+a+comprehensive+review%5BTitle%5D)+AND+%22Sensors%22%5BJournal%5D)">The implementation of precise point positioning (PPP): a comprehensive review.</a> Sensors. 23 (21), 8874(2023).</li>
<li>CloudCompare. , 
 <a target="_blank" href="https://www.cloudcompare.org/">https://www.cloudcompare.org/</a> (2024).</li>
<li>Wielgosz, M., Puliti, S., Xiang, B., Schindler, K., Astrup, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SegmentAnyTree%3A+a+sensor+and+platform+agnostic+deep+learning+model+for+tree+segmentation+using+laser+scanning+data%5BTitle%5D)+AND+%22Remote+Sens.+Environ%22%5BJournal%5D)">SegmentAnyTree: a sensor and platform agnostic deep learning model for tree segmentation using laser scanning data.</a> Remote Sens. Environ. 313, 114367(2024).</li>
</ol>

<table><tbody><tr><td>Avenza Maps app</td><td>Avenza</td><td>NA</td><td>Voor offline veldnavigatie met behulp van georeferenteerde pdf-kaarten gemaakt in QGIS</td></tr><tr><td>Checkered targets</td><td>Elke leverancier</td><td>NA</td><td>Ground Control Points</td></tr><tr><td>CloudCompare&nbsp;</td><td>CloudCompare&nbsp;</td><td>NA</td><td>3D puntenwolk verwerking en bewerkingssoftware</td></tr><tr><td>DJI BS60 Batterijstation (met de M300 batterijen (x8), D-RTK2 batterijen (x4), stroomkabel en USB-C kabel om aan te sluiten op de afstandsbediening)</td><td>DJI</td><td>NA</td><td></td></tr><tr><td>DJI M300 RTK Vliegtuig met DLS (met controller en reservepropellers)</td><td>DJI</td><td>NA</td><td>DLS (Downwelling Light Sensor)</td></tr><tr><td>DJI Terra Pro</td><td>DJI</td><td>NA</td><td>Reconstructie van ruwe LiDAR-gegevens naar 3D-puntenwlk. </td></tr><tr><td>DJI Zenmuse L1 LiDAR-sensor (met microSD-kaart)</td><td>DJI</td><td>NA</td><td></td></tr><tr><td>D-RTK2 Mobiel Station (met statief en verlengstang)</td><td>DJI</td><td>NA</td><td></td></tr><tr><td>Emlid Reach RS2+ Basisstation (met statief)</td><td>Emlid</td><td>NA</td><td></td></tr><tr><td>Emlid Reach RS2+ Rover (met GNSS-peilingsstang)</td><td>Emlid</td><td>NA</td><td></td></tr><tr><td>Externe harde schijven</td><td>Elke leverancier</td><td>NA</td><td> Om data te back-uppen</td></tr><tr><td>Vluchtlogboek</td><td>Elke leverancier</td><td>NA</td><td></td></tr><tr><td>Google Earth Pro&nbsp;</td><td>Google</td><td>NA</td><td>Aanmaken van KML-vluchtbestanden&nbsp;</td></tr><tr><td>Landingsbaan</td><td>Elke leverancier</td><td>NA</td><td>Om een vliegtuig te lanceren/landen</td></tr><tr><td>Laptop</td><td>Elke leverancier</td><td>NA</td><td>Te gebruiken in het veld voor het downloaden van gegevens, kaarten formatteren, etc.</td></tr><tr><td>MicaSense RedEdge-P sensor (met MicaSense SD-kaart, USB-C kabel, MicaSense gekalibreerd reflectiepaneel (CRP))</td><td>MicaSense</td><td>NA</td><td></td></tr><tr><td>PIX4Dmapper</td><td>Pix4D S.A.</td><td>NA</td><td>Geometrische en radiometrische correctie van multispectrale afbeeldingen en generatie van orthomosaic.</td></tr><tr><td>Pneumometer</td><td>Elke leverancier</td><td>NA</td><td></td></tr><tr><td>PyCharm</td><td>JetBrains&nbsp;s.r.o.</td><td>NA</td><td>Python integrated development environment (IDE)</td></tr><tr><td>QGIS&nbsp;</td><td>QGIS&nbsp;</td><td>NA</td><td>Geospatiale gegevensverwerking, bewerking en visualisatie</td></tr><tr><td>SD en microSD-kaartlezer</td><td>Elke leverancier</td><td>NA</td><td></td></tr><tr><td>Smartphone</td><td>Elke leverancier</td><td>NA</td><td>Om verbinding te maken met MicaSense RedEdge-P sensor en Emlid Reach RS2+ units</td></tr><tr><td>Sterrenpaaltjes/nagels, hamer en markeringstape</td><td>Elke leverancier</td><td>NA</td><td>Om de locatie van D-RTK2 basisstation te markeren</td></tr><tr><td>Tablet</td><td>Elke leverancier</td><td>NA</td><td>Voor navigatie in het veld</td></tr><tr><td>TreeAIBox (CloudCompare&nbsp;plugin)</td><td></td><td>NA</td><td></td></tr><tr><td>Tweerichtings radio</td><td>Elke leverancier</td><td>NA</td><td></td></tr><tr><td>Werkstation (CPU i5 of hoger, CUDA-enabled NVIDIA GPU met VRAM &ge; 4GB, RAM &ge; 32GB, SSD &ge; 512GB&nbsp;</td><td>Elke leverancier</td><td>NA</td><td></td></tr></tbody></table>

verzamelen en verwerken van op drones gebaseerde op afstand gedetecteerde gegevens voor gebruik bij het monitoren van bosherstel

Collecting and Processing Drone-based Remotely Sensed Data for Use in Forest Recovery Monitoring

Verzamelen en verwerken van op drones gebaseerde op afstand gedetecteerde gegevens voor gebruik bij het monitoren van bosherstel

Remote sensing (RS) technologies, particularly light detection and ranging (LiDAR) and multispectral (MS) imagery, provide broad-scale vegetation ...

collecting-processing-drone-based-remotely-sensed-data-for-use-forest

Research

JoVE Journal

Environment

Milieu

Een snel-multidisciplinaire strategie voor vroege detectie van cyanobacteriële bloei en bijbehorende cyanotoxinen wordt hier beschreven. Het maakt het mogelijk om cyanobacteriën en verwante cyanotoxinen in watermonsters en in organische matrices, zoals tweekleppigenmonsters, in 24 uur te detecteren.

Vroege detectie van cyanobacteriële bloei en bijbehorende cyanotoxinen met behulp van snelle detectiestrategie

We rapporteren gedetailleerde procedures voor een schattingsmethode voor invasieve plantenbiomassa die gebruikmaakt van gegevens die zijn verkregen van teledetectie door onbemande luchtvaartuigen (UAV) om biomassa te beoordelen en de ruimtelijke verspreiding van invasieve soorten vast te leggen. Deze aanpak blijkt zeer nuttig te zijn voor het uitvoeren van gevarenbeoordeling en vroegtijdige waarschuwing van invasieve planten.

Op computervisie gebaseerde biomassaschatting voor invasieve planten

Oppervlaktevernieuwing is een micrometeorologische methode die steeds vaker wordt gebruikt om energiestromen te bepalen, maar de technische complexiteit maakt het voor een breed publiek ontoegankelijk. We beschrijven de stappen die nodig zijn om een oppervlaktevernieuwingsveldstation op te zetten en te kalibreren, om gegevens te verzamelen en te verwerken en om resultaten correct te interpreteren.

Oppervlaktevernieuwing: Een geavanceerde micrometeorologische methode voor het meten en verwerken van gegevens over de energiefluxdichtheid op veldschaal

Een robuuste en flexibele aanpak om herbicideresistentie in onkruidpopulaties te bevestigen wordt gepresenteerd. Dit protocol maakt het mogelijk om de niveaus van herbicideresistentie te bepalen en toe te passen op een breed scala aan onkruidsoorten en herbiciden met kleine aanpassingen.

Protocollen voor Robuuste herbicideresistentie testen in verschillende Weed Species

Een gedetailleerde methode voor extractie en assemblage van intacte bodemkernlysimeters en hun gebruik voor het onderzoek van leachate en bijbehorende verliezen van voedingsstoffen uit oppervlakte-applicatie van pluimveemest wordt gedemonstreerd.

Een protocol voor het verzamelen en Constructing Soil Core lysimeters

Herhaalde bemonstering van de bodem is onlangs aangetoond dat het een effectieve manier om bosgrond veranderen in de loop jaren en decennia te volgen zijn. Om het gebruik ervan te ondersteunen, wordt een protocol voorgesteld dat de meest recente informatie over de bodem resampling methoden om te helpen bij het ontwerpen en implementeren van succesvolle bodemmonitoring programma synthetiseert.

Methoden van Soil Resampling op veranderingen in de chemische concentraties van bosbodems Monitor

Driedimensionale (3D) reflectieseismiek is een krachtige methode om imaging ondergrond vulkanen. We illustreren met behulp van industriële 3D seismologische gegevens van het Tarim-bekken, het uitpakken van de dorpels en de leidingen van de ondergrond vulkanen van seismische gegevenskubussen.

Gegevens van de verwerkingsmethoden voor 3D seismische beeldvorming van ondergrond vulkanen: toepassingen aan het Tarim Flood Basalt

Wij ontwikkeld van een low-cost en kleine vlucht molen, gebouwd met algemeen beschikbare items en gemakkelijk gebruikt in experimenten. Met behulp van dit apparaat, we het vermogen van de vlucht van een ambrosia kever, Platypus quercivorusgemeten.

Meten van het vermogen van de vlucht van de Ambrosia kever, Platypus Quercivorus (Murayama), met behulp van een Low-Cost, kleine en eenvoudig geconstrueerd vlucht molen

Hier presenteren we een protocol om te testen van de virulentie van de plant met de plant pathogen Magnaporthe grisea. Dit verslag zal bijdragen tot de grootschalige screening van de biotypen van schimmels isolaten en dienen als een uitstekend uitgangspunt voor het begrijpen van de resistente mechanismen van planten tijdens de moleculaire veredeling.

De Plant infectie Test: Spray en wond-gemedieerde inoculatie met de Plant Pathogen Magnaporthe Grisea

Het observeren van de waterdistributie binnen de Xylem geeft belangrijke informatie over de Water stromings dynamiek in bosrijke planten. In deze studie demonstreren we de praktische aanpak om Xylem waterdistributie in situ te observeren met behulp van een cryostat en Cryo-SEM, die artefactuele veranderingen in de water status elimineert tijdens de monstervoorbereiding.

Xylem water distributie in houtachtige planten gevisualiseerd met een Cryo-Scanning elektronenmicroscoop

Leer een gebruiksvriendelijk protocol voor drone-gebaseerde LiDAR-technologie om bosherstel te monitoren. Deze methode detecteert individuele bomen met AI en vermindert de tijd en kosten van veldonderzoek.

Verzamelen en verwerken van op drones gebaseerde op afstand gedetecteerde gegevens voor gebruik bij het monitoren van bosherstel (Video) | JoVE Journal

Verzamelen en verwerken van op drones gebaseerde op afstand gedetecteerde gegevens voor gebruik bij het monitoren van bosherstel

Meer video's verkennen