Upotreba dronova i multispektralnih snimaka u monitoringu sušenja šuma: Primjena QGIS alata za precizno mapiranje

PROČITAJTE ČLANAK O PROJEKTU KOJI MI JE DONIO OTVOREN POSAO NA TRŽIŠTU GIS TEHNOLOGIJE I DALJINSKE DETEKCIJE

Monitoring stanja šumskih sastojina postaje sve važniji zadatak u savremenom šumarstvu. Sušenje šuma, kao rezultat klimatskih promena, šumskih bolesti, invazivnih vrsta i drugih ekoloških faktora, zahteva efikasnu i brzu reakciju. Tradicionalni metodama, kao što su vizuelni inspekcijski pregledi i uzimanje uzoraka sa terena, često su spori i zahtevaju velike resurse. S obzirom na ove izazove, tehnologija – posebno dronovi opremljeni multispektralnim kamerama – pruža inovativne metode za praćenje zdravlja šumskih ekosistema i omogućava precizno mapiranje.

U ovom postu analiziraćemo kako se upotreba dronova, specijalizovanih kamere i geografskih informacionih sistema (GIS) kao što je QGIS, može koristiti za efikasno praćenje sušenja šuma. Takođe, prikazaćemo kako tehnologija omogućava brzo prepoznavanje problema i donošenje informisanih odluka na terenu.

Tehnološki pristup monitoringu šuma

Korišćenje dronova za praćenje stanja vegetacije postaje standard u modernom šumarstvu. Dronovi omogućavaju detaljno snimanje velikih šumskih površina u kratkom vremenskom periodu, čime se smanjuje potreba za terenskim radnicima i opremom. U ovom istraživanju, korišćen je DJI MAVICE 3 dron opremljen multispektralnom kamerom i dodatnim IR slojem, što je omogućilo analizu u više spektralnih opsega. Dron je letio na visini od 50 metara, što je optimalno za dobivanje detaljnih podataka o vegetaciji, pružanje odgovarajuće rezolucije ali i za precizno mapiranje i snimanje velikih površina. Snimana je površina od oko 51 ha.

Multispektralna kamera i IR sloj

Multispektralne kamere snimaju slike u različitim svetlosnim opsezima, uključujući vidljive svetlosne talasne dužine, ali i blisku infracrvenu (NIR) svetlost koja nije vidljiva golim okom. Ovi podaci su ključni za analizu zdravlja biljaka jer se na osnovu refleksije svetlosti mogu dobiti tačni podaci o vegetaciji.

Infracrveni sloj (IR) posebno je koristan u prepoznavanju sušenja biljaka. Zdrava stabla imaju specifičan obrazac refleksije svetlosti, dok oštećena ili suva stabla odbijaju svetlost na drugačiji način. Ovo omogućava precizno razdvajanje zdravih od suvih stabala na osnovu indeksa vegetacije kao što je NDVI.

Multispektralna kamera i IR sloj

Multispektralne kamere snimaju slike u različitim svetlosnim opsezima, uključujući vidljive svetlosne talasne dužine, ali i blisku infracrvenu (NIR) svetlost koja nije vidljiva golim okom. Ovi podaci su ključni za analizu zdravlja biljaka jer se na osnovu refleksije svetlosti mogu dobiti tačni podaci o vegetaciji.

Infracrveni sloj (IR) posebno je koristan u prepoznavanju sušenja biljaka. Zdrava stabla imaju specifičan obrazac refleksije svetlosti, dok oštećena ili suva stabla odbijaju svetlost na drugačiji način. Ovo omogućava precizno razdvajanje zdravih od suvih stabala na osnovu indeksa vegetacije kao što je NDVI.

Izračunavanje NDVI indeksa

NDVI (Normalized Difference Vegetation Index) je najčešće korišćen indeks za procenu zdravlja biljaka. NDVI koristi razliku između refleksije u crvenom i infracrvenom spektru kako bi označio nivo fotosintetske aktivnosti biljaka. Indeks se računa prema sledećoj formuli:

NDVI=(NIR−Red)/(NIR+Red)​

Za vrednosti NDVI:

NDVI > 0.6 označava zdravo i bujno rastinje.
NDVI između 0.3 i 0.6 označava umjereno zdravu vegetaciju.
NDVI < 0.3 označava loše stanje, što može ukazivati na sušenje ili smanjenje vegetacije.
U ovom istraživanju, sve vrednosti NDVI ispod 0.3 označene su kao potencijalno suva stabla. Tako je postavljen prag koji omogućava automatizovano prepoznavanje i mapiranje pogođenih područja.

Kreiranje maske suvih stabala

Nakon što su prikupljeni podaci, korišćen je Vectorize plugin za konvertovanje binarnih podataka o suvim stablima u vektorski format. Na ovaj način, podaci su postali pogodniji za dalju analizu i prostornu analizu. Ispod NDVI praga od 0.3, sve detektovane oblasti su prepoznate kao suve, a zatim je kreirana maska suvih stabala. Ova maska omogućila je vizualizaciju pogođenih područja na mapama i u velikoj meri olakšala donošenje odluka i lociranju suvih stabala, ili žarišta sušenja.