Drone-baseret remote sensing af arktisk. vegetation

Transkript

1 Drone-baseret remote sensing af arktisk vegetation Jysk Naturhistorisk Forenings Temadag Spirende biologer Bjarke Madsen Aarhus Universitet Foto: Sigrid Schøler Nielsen

2 Baggrund Klimaforandringer påvirker vegetationen Greening Ændring i primærproduktion Ændring i energibalancen Ændring i artssammensætning Browning

3 Baggrund Kortlægning og overvågning Oprettelse af baseline Standardisering af metoder Stor nøjagtighed efter skala

4 Remote sensing Satellitter, fly og droner Remote sensing data er afhængig af: Platforme Sensorer Overvejelse af muligheder og behov inden studiet påbegyndes

5 Remote sensing Rumlig opløsning Areal (på jorden) dækket af en enkelt måling/observation ofte pixel størrelse når vi taler billeder Droners flyvehøjde muliggør en ultrahøj opløsning (små pixels) Flere detaljer bliver synlige Relativt stort areal dækkes

6 Remote sensing Rumlig opløsning Areal (på jorden) dækket af en enkelt måling/observation ofte pixel størrelse når vi taler billeder Droners flyvehøjde muliggør en ultrahøj opløsning (små pixels) Flere detaljer bliver synlige Relativt stort areal dækkes HØJ LAV

7 Remote sensing Tidsmæssig opløsning Tiden imellem to målinger fra samme lokalitet Droner er en relativ fleksibel platform høj opløsning Målinger kan udføres på hvilket som helst tidspunkt Overvågning kræver >1 målinger

8 Vegetationsgenkendelse Vegetationsgenkendelse Sensorer med forskellige formål Simple/avancerede Vegetationens udseende Spektral Strukturel Alm. Digital kamera Multispectral LiDAR Hyperspectral

9 Droner i felten Drone-system Drone Differential GPS 10x GCP s + Groundtruth Multispektral Sensor LiPo Batteri Felt-laptop Colorchecker Lyskalibrering Transportable solpaneler

10 Droner i felten Drone-system Drone Differential GPS 10x GCP s + Groundtruth Multispektral Sensor LiPo Batteri Felt-laptop Colorchecker Lyskalibrering Transportable solpaneler

11 Droner i felten Drone-system Drone Differential GPS 10x GCP s + Groundtruth Multispektral Sensor LiPo Batteri Felt-laptop Colorchecker Lyskalibrering Transportable solpaneler

12 Droner i felten Drone-system Drone Differential GPS 10x GCP s + Groundtruth Multispektral Sensor LiPo Batteri Felt-laptop Colorchecker Lyskalibrering Transportable solpaneler

13 Droner i felten Drone-system Drone Differential GPS 10x GCP s + Groundtruth Multispektral Sensor LiPo Batteri Felt-laptop Colorchecker Lyskalibrering Transportable solpaneler

14 Kortlægning af arktiske buske Arktiske buske Loiseleuria procumbens Ledum palustre Salix glauca Harrimanella hypnoides Betula nana Empetrum nigrum Vaccinium uliginosum

15 Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

16 Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

17 Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

18 Kortlægning af arktiske buske Klassifikation Samlede resultater 20 grønlandske prøvefelter langs polarcirklen 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Arealdække pr. felt Shrub Non-shrub Ground

19 Kortlægning af arktiske buske Analyse Multivariat regressionsmodel der forklarer Shrub cover Drone-, satellit- og felt-baserede data Vegetations-, makroklimatiske og mikrotopografiske variable Estimat SE t P (Intercept) Mean Drone NDVI < *** Solindstråling Manual Temp. i varmeste periode Nedbør i varmeste periode SE(Res.) DF 15 Adj. R p < ***

20 Opsummering Potentialet er stort i sig selv pga.: Ultrahøj spatial opløsning = fin skala Høj temporal opløsning Fleksibilitet og variation af sensorer Potentialet er sandsynligvis endnu større i kombination med: Satellitter, fly og feltstudier

21 Take-home Take-home Ny tilføjelse til remote sensing værktøjskassen Ikke en erstatning for traditionelle metoder, men et supplement der kan øge detaljegraden Anvendt litteratur Toth, C., Józków, G. Remote sensing platforms and sensors: A survey. (2015) Micasense Inc., MicaSense RedEdge TM 3 Multispectral Camera User Manual (2015) Cunliffe, A. M., Brazier, R. E.,Anderson, K. Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-frommotion photogrammetry. (2016) Foto: Sigrid Schøler Nielsen

22 Tak Signe Normand Urs Treier Samira Kolyaie Sigrid Nielsen Anne Blach-Overgaard Damien Georges Margrete Aakjær Christiansen Thea Kristensen Foto: Urs Treier