利用无人机系统探测半自然草地上的灌木侵占情况。 LiDAR

2020年9月28日

采访。

 

嗨,比亚克,感谢你接受这次采访!我们知道你已经用你的生物多样性研究工作。我们知道您已经用于YellowScan Surveyor 您的生物多样性研究工作。您能告诉我们更多关于您和您的研究工作吗?

我是 Bjarke Madsen 来自丹麦奥胡斯大学。我在生态信息学和生物多样性专业已经读了3.5年的博士生。 生物系.我在这里和植被动态组一起工作。 @Vegdyn以及在UAS4Ecology实验室。 @UAS4Ecology.

我的研究工作是利用无人机遥感技术了解草原多样性动态。我通过开发有效的方法来进行、处理和分析基于无人机的遥感数据,参与监测生物多样性。我正试图通过时间和空间探测植物多样性的不同要素。

在我的论文第一部分中,我们已经用YellowScan Surveyor 了 "利用无人机系统LiDAR探测半自然草地上的灌木侵占情况" 与Urs A. Treier、András Zlinsky、Arko Lucieer和Signe Normand合作。

 

你是如何使用无人机系统LiDAR 来检测灌木的?

YellowScan 测量人员 无人机系统 LiDAR 在最近的所谓野化实验中,马和牛被重新引入了一个草原地区,我们对该地区进行了扫描。我们发现并监测了一种特定的灌木物种(Cytisus scoparius或Scotch broom),它在某些地区的侵占方面存在问题。该物种生长迅速,能够通过垄断光照来战胜周围的植物,可能对植物多样性产生负面影响。因此,我们对该区域进行扫描,并对UASLiDAR 点云中的灌木个体进行分类。我们开发了一组3D变量,表征和区分这个物种与其他灌木。变量的目标是检测灌木物种之间不同的形态特征,以代表例如叶子和分支排列。例如,我们的焦点灌木(C. scoparius)有一个不太密集的生长形式,例如Juniperus communis,因此可以通过代表光穿透和复杂性的基于点的变量来分离。

我们利用我们的生态学知识做出最能代表灌木生长特征的不同变量,然后利用基于点的机器学习技术直接在三维点云中对不同的物种进行分类。我们的分类模型至少达到了86%的精度。这种高精度使我们能够计算出我们的焦点灌木的生物量,并将这些措施投射到整个6.7公顷的景观中。

 

Mols Denmark UASLiDAR -YellowScan Surveyor

MikroKopter MK8-3500无人机系统和YellowScan Surveyor ,在被调查地区 - 图片来源:Bjarke Madsen。Bjarke Madsen。

莫尔斯 - 丹麦 - 灌木景观

灌木和树木的野生景观 -- 图片来源:Bjarke Madsen。Bjarke Madsen。

 

最初的结果是什么?

我们在2017年秋季和2018年春季在同一地区进行了两次飞行活动。这使我们能够研究整个冬季的变化,因为据推测,动物在这一时期会对木本植被产生更大的影响,同时我们预计在这个寒冷的季节不会有太多的植物生长。平均而言,我们发现,正如预期的那样,生物量从秋季到春季的减少,也只是很小(33.4或4.9 g/m2,取决于分类模型)。然而,灌木生物量的变化在整个地区的分布并不均匀。在一些地区,我们发现灌木生物量大幅减少,特别是在靠近森林的地区。

我们还没有花时间去调查造成生物量减少的根本原因。虽然,有一个假设是动物在冬季往往会在森林中花费更多的时间,从而通过践踏和浏览对这一地区的灌木产生更大的影响。但是,正如所说,需要更多的研究来验证这个假设。另一方面,我们也有灌木生物量小幅增加的区域,可能是由于早春生长或冬季温暖期的原因。

 

蝎子座

胞衣

 

Cytisus Scorparius灌木 - 分类无人机LiDAR 点云

分类无人机LiDAR 点云 - Cytisus Scoparius
Madsen, Bjarke, et al."Detecting shrub encroachment in seminatural grasslands using UASLiDAR."。"生态学与进化"(2020年)

 

你们的数据采集情况如何:调查区域和飞行次数?

2017年10月,我们用YellowScan Surveyor ,进行了首次飞行。我们的目的不是为了覆盖尽可能多的地面,而是强调检测草原植被小尺度变化所需的细节水平。我们用3次飞行收集了LiDAR 数据,这在半天内是可以管理的。我们飞得比较低,离地面40米。在这些设置下,我们可以绘制6.7公顷的区域。

在过去的一年里,我们已经很好地建立了工作流程和例行公事,并熟悉了这个过程。我的同事Urs A.Treier是无人机系统的飞行员,做的是繁重的技术部分,而我一直是所有航班的副驾驶,做飞行计划和监控地面控制站。

MikroKopter MK8-3500 无人机系统

MikroKopter MK8-3500无人机系统 - 照片来源:Urs A. Treier。Urs A. Treier。

目前,我们正在进行更详细的时间监测工作,每两个月重复一次无人机系统飞行。有了这些获得的数据,我们将能更多地研究季节性的生长变化,而且还能了解表型阶段对LiDAR 分类的影响。

Cytisus 灌木分类-分布

2017年调查的分类灌木点分布(绿色)和2018年调查的分类灌木点分布(蓝色)占灌木点总数的百分比。
Madsen, Bjarke, et al."Detecting shrub encroachment in seminatural grasslands using UASLiDAR."。"生态学与进化"(2020年)

Cytisus灌木无人机LiDAR 系统分类
Cytisus 灌木分类模型标准

Madsen, Bjarke, et al."Detecting shrub encroachment in seminatural grasslands using UASLiDAR." "生态学与进化"(2020)。"生态学与进化"(2020年)。

 

点云数据处理怎么样?准确率方面的最终结果是什么?

用YellowScan软件生成LiDAR 点云后,用 OPALS 软件包,由TU Wien研究人员开发。我们使用OPALS直接在点云中进行半自动的基于点的分类,这意味着,每个点都可以被赋予各种附加的特征。分类工作需要两个主要的输入。

首先,通过使用全球导航卫星系统测量准确位置,对全区11种不同灌木的180个观测点的参考和验证数据进行人工采样。

其次,然后可以提取现在标记的灌木的点云变量。随后,我们应用机器学习的方法,根据LiDAR 变量所代表的形态特征,使用递归分割算法对点云中的每个点进行分类。

点云分类的总体准确率很高,秋季和春季数据的总体准确率分别为86.9%和95.2%。我们对源自3个不同航班的点云进行了一些调整,以便合并数据,获得更好的灌木表现。结果很好。我们的绝对精度总是低于10cm ,这是我们的要求。

您如何描述您使用YellowScan解决方案的经历?

当我们购买这套系统时,我们正在寻找一个现成的关键解决方案,而这就是我们所得到的!除此以外,Surveyor的工作做得很好,而且它与POSPac和YellowScan软件的合作是直接的。说实话,我不记得有什么重大问题,我已经对不少LiDAR 数据进行了后处理!

我们在研究小组的印象是,即使是测绘仪提供的2个回波(或回声),我们也能得到很多点,并且能很好地表现植被。我们的数据看起来非常好,也非常准确,我们在数据输出中并没有看到很多噪声。当然,我们研究的是非常细微的植被特征,并没有在林业中应用该系统。

 

关于无人机LiDAR 测绘检测植被有什么要补充的吗?

我们想看看在植物多样性研究的空间分辨率方面到底有什么可能。在草原生物多样性方面的工作是关于精度和准确性的。有了无人机LiDAR 系统,我们可以真正看到景观的差异。

我们之所以使用无人机LiDAR ,是因为大多数传统的土地管理活动都是基于局部地块尺度的。这并不一定代表整个景观中发生的事情。这就是我们在研究中所显示的。从这个意义上说,我们能够观察到不同的趋势:在一个区域内生物量变化的增减变化。如果没有无人机系统,我们将无法在景观尺度上捕捉到这样的植被动态LiDAR 。现在,我们可以覆盖更大的区域来监测生物多样性,这将有助于自然管理和保护工作。

 

谢谢您分享您的见解和研究工作的成果。祝您论文答辩顺利!

-Julien BO.
最新知识
YellowScan的最新动态
Mapper和Vx--日语网络研讨会。

Mapper和Vx--日语网络研讨会。

WEBINAR介绍YellowScan Mapper 和Vx的日文版。我们的日本用户将有机会看到我们的Vx系列和我们的新产品。