Drone-baseret remote sensing af arktisk. vegetation

Relaterede dokumenter
Drone-baseret remote sensing i arktisk økologi Signe Normand

Satellitbilleder. Demonstration af satellitbilled-typer og deres anvendelse i forskning og undervisning

Perspektiverne for brug af satellitbilleder til kortlægning i det offentlige FOTdanmark 30-okt Rasmus L Borgstrøm GIS & RS specialist, DHI GRAS

GRAS. GRAS profil UDVINDING AF GEODATA FRA SATELLITBILLEDER OG FLYFOTOS - KOBLING MELLEM REMOTE SENSING OG GIS

Droner Generelt om droner Hvad kan de, og hvad må de? Hvordan fungerer de? Drone-information til hvad? Spørgsmål

Kortlægning fra doner, fly og satellit IDA workshop 4. maj Lars Boye Hansen, Senior project manager, DHI GRAS

Byudvikling, klimaændringer og oversvømmelsesrisiko

ANVENDELSE AF DRONER I LANDBRUGET Agronom Robert Nøddebo Poulsen SpectroFly ApS

brug af in-situ sensorer i afløbssystemet

Future Cropping - dronebilleder giver vigtige informationer i hele vækstsæsonen. Jesper Rasmussen Institut for Plante- og Miljøvidenskab (PLEN)

Gradueret planteværn på basis af droneoptagelser Jesper Rasmussen Det Natur- og Biovidenskabelige Fakultet, KU

Droner (UAS) - er det, det nye sort? Af Morten Sørensen mmks@niras.dk Projektleder Informatik, NIRAS A/S

DET ØKONOMISKE POTENTIALE VED PRÆCISIONSLANDBRUG.

Landkortlægning af Grønland

Notat vedr. interkalibrering af ålegræs

Tilgroning af lysåbne. naturtyper i Danmark af metoder vha.. remote sensing. Thomas Hellesen, phd. stud. Skov og Landskab, KU, LIFE.

Droner ukrudt og sorters konkurrenceevne. Jesper Rasmussen

Remote Sensing. Kortlægning af Jorden fra Satellit. Note GV 2m version 1, PJ

Droner et fotogrammetrisk alternativ til landmåling

Billedbehandling til analyse af frøsundhed i spinat

PRÆCISIONSLANDBRUG MED DRONER. Januar 2016

Specialemuligheder ved Økoinformatik & Biodiversitet (ØKOINF)

Remote Sensing til estimering af nedbør og fordampning

Erosion af de Danske Kyster

Nye teknologier giver nye muligheder Landsdækkende beregning af vertikale og horisontale landbevægelser fra satellit

Overvågning af habitater ved hjælp af LiDAR baserede højdedata. Peder K. Bøcher Økonformatik & Biodiversitet Aarhus Universitet

BJ-Agro Kartoffeldag 2019 Erfaringer og muligheder med præcisionsteknologi i kartofler. 7. Februar 2019

Miljøministerens besvarelse af spørgsmål nr. A og B stillet af Folketingets Forsvarsudvalg

Klassifikation af spinatfrø prøver

Brug af hjemmesiden samt Naturbasen App.

Baggrundsrapport. Nuuk flora og fauna KALAALLIT AIRPORTS A/S

Brug af Satellit data til redegørelse af natur og landskab

Termiske målinger til lokalisering af områder med grundvandsudstrømning

Danmarks byer fra nye vinkler

Reeksamen i Statistik for Biokemikere 6. april 2009

Lineær regression i SAS. Lineær regression i SAS p.1/20

Lineær regression. Simpel regression. Model. ofte bruges følgende notation:

Brug af GeoDanmark ortofoto med nærinfrarød lag

Ændring i den relative vandstand påvirker både natur og mennesker ved kysten. Foto: Anne Mette K. Jørgensen.

Visualisering af punktskyer og ortofoto i Descartes. Morten M. Sørensen Niras BlomInfo (mmks@niras.dk)

LUFTFOTO. Historie, teknik og anvendelse. Copyright Kort & Matrikelstyrelsen

Satellitbaseret vegetationskortlægning. i Vestgrønland DANCEA. PhD-afhandling Mikkel P. Tamstorf

Registrering af bytræer

Automatisk satellit overvågning af

Aarhus Vands nye avancerede vejrradar ved Malte Ahm, Aarhus Vand

Mindste kvadraters tilpasning Prædiktion og residualer Estimation af betinget standardafvigelse Test for uafhængighed Konfidensinterval for hældning

Betydning af indlæring for kreaturernes græsningsadfærd belyst på Himmerlandske heder

Efficiency og Effectiveness i Survey Research. Carsten Stig Poulsen, Aalborg Universitet

Droner i havebrug markkort, plantetælling og mere

Lineær og logistisk regression

Synker vi? Vertikale landbevægelser fra Sentinel-1

Kortlægning af Invasive arter med droner

Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model

BESTANDSUDVIKLING OG FORVALTNING AF HEDEPLETVINGE I DANMARK

Dansk Botanisk Forening

BEDRE FRØKVALITET - NYE TEKNIKKER TIL DETEKTION AF PLANTESKADEGØRERE OG ANDRE FRØ

Transkript:

Drone-baseret remote sensing af arktisk vegetation Jysk Naturhistorisk Forenings Temadag Spirende biologer Bjarke Madsen Aarhus Universitet bjarke.madsen@bios.au.dk Foto: Sigrid Schøler Nielsen 12-11-2016 1

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

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

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

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

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

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

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

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

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

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

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

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

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

Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

Kortlægning af arktiske buske Klassifikation Random forest 40 m 80 m

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

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) -0.6305 0.3181-1.982 0.0661. Mean Drone NDVI 1.1516 0.1131 10.181 < 0.0001 *** Solindstråling Manual 0.0707 0.0463 1.528 0.1474 Temp. i varmeste periode 0.0042 0.0026 1.627 0.1245 Nedbør i varmeste periode 0.0018 0.0013 1.407 0.1799 SE(Res.) 0.0737 DF 15 Adj. R 2 0.91 p < 0.0001 ***

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

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

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