Wykonano ocenę stanu zdrowotnego drzewostanu iglastego na siedlisku lasu mieszanego świeżego w Leśnictwie Jelna (Nadleśnictwo Leżajsk) zlokalizowanego w województwie podkarpackim. Analizę przeprowadzono w oparciu o informacje zawarte na mapach reflektancji w zakresie bliskiej podczerwieni oraz wybranych zakresów promieniowania widzialnego.

 

Informacje wstępne:

Wykonawca: Grzegorz Durło
Cel: Wykonanie kompozycji barwnej NDVI oraz CIR i ocena uszkodzeń koron drzew
Data i miejsce wykonania nalotu: Leśnictwo Jelna, Obręb Leżajsk, Oddz. 93a/94k-m, 24-06-2019
Powierzchnia opracowania: 13,75 ha
Sprzęt: DJI Matrice 210, MicaSense Altum
Oprogramowanie: DJI Pilot, Agisoft Metashape, QGIS 2.18, SCP

1. Wstęp

Współczesne bezzałogowe statki latające dysponują ogromnym potencjałem w zakresie gromadzenia i przetwarzania informacji stanowiącej źródło danych wykorzystywanych do bezpośredniego zarządzania na obszarach leśnych. Posiadają one liczne zalety w stosunku do satelitów czy pilotowanych statków powietrznych. Przede wszystkim, drony mogą być rozmieszczone szybko i wielokrotnie w tym samych lokalizacjach; są one bezpieczniejsze niż pilotowane samoloty; są elastyczne pod względem wysokości lotu i czasu trwania misji, nadto mogą uzyskać zdjęcia w rozdzielczości pod-decymetrowej.

 

2. Lokalizacja obiektu

Nadleśnictwo Leżajsk, Obręb Leżajsk, Leśnictwo Jelna, oddziały 93 i 94.
Gatunek panujący: Sosna pospolita (Pinus sylvestris L.) 90%, w podroście dąb szypułkowy 8%, grab 1,5% i pojedynczo buk 0,5%.
Przeciętna wysokość drzewostanu panującego: 24,53 m (Oddz. 94) (ryc. 1).
Wstępna analiza zagrożeń: kornik ostrozębny (Ips acuminatus) na sośnie z widocznymi objawami defoliacji w górnej części strzały oraz wydzielający się posusz (fot. 1, 2).

Ryc. 1. Mapa obszarów leśnych z planem misji (zielona linia) oraz lokalizacją zdjęć (czerwona kropka)
Fot. 1. Przykład posuszu sosnowego na skutek porażenia przez kornika
Fot. 2. Przykład postępującego procesu defoliacji koron drzew (sosna) na skutek porażenia przez kornika


3. Przebieg misji

Misję bezzałogowego statku powietrznego zaplanowano w aplikacji DJI Pilot zgodnie z następującymi parametrami: wysokość lotu 110 m AGL, prędkość pozioma 5 m·s-1, stabilizacja GPS/GNSS, FO/SO 75% (ryc. 3).

Akwizycję zdjęć zaplanowano w aplikacji RE-3 MicaSense.

Ustawienia kamery: CO Landscape; GSD 4,74; Footprint 97,91/73,24.

Warunki meteorologiczne w trakcie misji: słonecznie, temperatura powietrza 22ᶹC; wilgotność powietrza 78%; zachmurzenie ogólne nieba 0,0 Okt, prędkość wiatru 1,5 m·s-1, widoczność pozioma 15 km; stan powierzchni czynnej: sucha.

W trakcie misji wykonano 1344 zdjęć (5 kanałów) w formacie TIFF (16 bit).

Optymalizację procesu akwizycji danych przygotowano w oparciu metodykę zawartą w pracy Dandois i in. (2015).

4. Opracowanie danych

Opracowanie wykonano w aplikacji Agisoft Metashape Prof. 1.5.2.

Średnia wartość wskaźnika EIQ 0,796 (±0,030); liczba zdjęć wyrównanych 1344 (100%); średni błąd geolokalizacji 1,39 m (tab. 1); średnia liczba punktów wiążących 4236; całkowity czas przetwarzania 53 min.

Wstępna część opracowania zawiera rzadką oraz gęstą chmurę punktów, modele DTM i DSM, a także ortofotomozaikę.

Produkt końcowy: mozaika barwna NDVI oraz CIR (NIR, RED, GREEN).

Identyfikację koron drzew z oznakami osłabienia i defoliacji oraz klasyfikację obiektów wykonano w aplikacji QGIS 2.18 Las Palmas. przy użyciu wtyczki SCP autorstwa Luca Congedo (2019). W procesie interpretacji ortofotomap wspomagano się metodyką opisaną w pracach Payne i in. (2011), Szymańskiego i in. (2014) oraz Wężyka i in. (2017).

Tabela 1. Błędy przybliżonych środków rzutów zdjęć (cząstkowe i sumaryczny)
Ryc. 2. Rzadka chmura punktów z projekcją zdjęć nad oddziałami 93 i 94
Ryc. 3. Gęsta chmura punktów z projekcją zdjęć nad oddziałami 93 i 94
Ryc. 4. Model DSM drzewostanu w oddziale 94
Ryc. 5. Profil wysokości drzewostanu (m) na podstawie modelu DSM
Ryc. 6. Fragment ortofotomozaiki (RGB) powierzchni leśnej w oddziale 94

5. Wyniki

Na podstawie map reflektancji (ryc. 7a-e) w pięciu zakresach promieniowania (BLUE, GREEN, RED, REDEDGE oraz NIR) przygotowano barwną kompozycję wskaźnika wegetacji NDVI dla badanego fragmentu drzewostanu (ryc. 8) oraz kompozycji barwnej CIR w zakresie bliskiej podczerwieni i wybranych zakresów promieniowania widzialnego (ryc. 9). Średnia wartość wskaźnika NDVI w obszarze zajmowanym przez sosnę wyniosła 0,74 (±0,05), dla części
z gatunkami liściastymi 0,95 (±0,4). Przeciętna wartość wskaźnika dla całego drzewostanu wyniosła 0,92 (zakres od 0,29 do 0,99). Różnice te są wyraźnie widoczne na histogramie z typowym w takich przypadkach rozkładem dwumodalnym (ryc. 8a). W ostatnim etapie opracowania wykonano klasyfikację nadzorowaną (SCP), której wyniki przedstawia rycina 10 wraz z tabelą opisującą udział poszczególnych klas stanu zdrowotnego koron drzew (tab. 2). Ponad 10% drzew to posusz jałowy oraz wydzielający się posusz czynny, pozostałe 23% to drzewa osłabione z postępującym procesem defoliacji, które należy zakwalifikować do usunięcia w kolejnych latach. Stosunek liczby drzew zdrowych do osłabionych jest bardzo wysoki i wynosi 2,2:1.

Poniżej mapy reflektancji. Kolejno BLUE, GREEN, RED, REDEDGE, NIR w oddziale 94:

Ryc. 7a
Ryc. 7b
Ryc. 7c
Ryc. 7d
Ryc. 7e
Ryc. 7e
Ryc. 8. Fragment mapy indeksu wegetacyjnego NDVI drzewostanu w oddziale 94
Ryc. 8a. Histogram częstości komórek rastra barwnej mozaiki wskaźnika wegetacyjnego NDVI
Ryc. 9. Fragment mapy CIR drzewostanu w oddziale 94
Ryc. 10. Fragment mapy klasyfikacji obiektów na podstawie 7 kryteriów szczegółowych tzw. obszarów homogenicznych ROI.
Tab. 2
Tabela 2. Podsumowanie wyników klasyfikacji koron drzew ze względu na ich stan zdrowotny

 

6. Podsumowanie

Zaprezentowana w materiale technologia UAV/UAS w połączeniu z możliwościami cyfrowego przetwarzania obrazu jest bardzo skutecznym narzędziem wspierającym diagnostykę i monitoring środowiska, znacznie skracającym czas wymagany do pozyskania danych, co wydatnie obniża koszty jego analizy. Współcześnie, leśnicy stosują metody analizowania zdjęć wysokiej rozdzielczości w celu monitorowania zjawisk, których skutki są ważne lub mogą w przyszłości być istotne dla prawidłowego funkcjonowania i stabilności ekosystemu leśnego. Do najbardziej popularnych należą monitorowanie stanu zdrowotnego drzew, ocena stopnia defoliacji wywołanej czynnikami stresu biotycznego, monitorowanie stopnia uszkodzenia aparatu asymilacyjnego spowodowanego gradem lub innymi czynnikami abiotycznymi, w tym pochodzenia antropogenicznego.

Pomiary zostały wykonane za pomocą kamery multispektralnej MicaSense Altum, która pozwala na rejestrację obrazu w pięciu kanałach: Blue, Green, Red, Red Edge, Near infrared (NIR) wraz z obrazem termalnym (8-14 um). MicaSense Altum jest w pełni kompatybilna z dronami DJI Enterprise.

Bezzałogowy statek powietrzny, który został użyty do badań to DJI Matrice 210. Dron pozwala na maksymalny czas lotu nawet do 34 min, a także umożliwia podłączenie dwóch kamer jednocześnie.

Więcej na temat bezzałogowych statków powietrznych, oprogramowania, kamer i szkoleń dedykowanych Lasom Państwowym opublikowaliśmy w Biuletynie Informacyjnym dla Lasów Państwowych.

Źródła:

  1. Congedo L. 2019. Semi-Automatic Classification Plugin Documentation. Ver 6.3.0.1. Manuscript, s.213.
  2. Dandois J.P., Olano M., Ellis E.C. 2015. Optimal Altitude, Overlap, and Weather Conditions for Computer Vision UAV Estimates of Forest Structure. Remot. Sens. 7: 13895-13920. Doi:10.3390/rs71013895
  3. Payne A., Thompson G., Johnson C., Morgan H., Harrell J., Morgan T. 2011 A Guide for Understanding, Interpreting and Benefiting from CIR Imagery.
  4. Szymański P., Robaszkiewicz R., Będkowski K., Brach M., Kwaśny Ł. 2014. Fotogrametryczny monitoring drzewostanu dębu bezszypułkowego (Quercus petraea Liebl.) w rezerwacie „Zimna Woda” w Rogowie. Stud. Mat. CEPL, 41(4), 335-345.
  5. Wężyk P., Mucha M., Szostak M. 2017. Mapa użytkowania i pokrycia fragment Gorczańskiego Parku Narodowego opracowana w oparciu o fotointerpretację cyfrowych ortofotomap lotniczych CIR z 2011 roku. Rocz. Geom. 1(76), 119-131.