Опыт использования мультиспектрального аэрофотосъемочного оборудования в комплексе с беспилотным воздушным судном для решения задач лесотаксации и топографии

UDK: 528.4:622.276

DOI: 10.24887/0028-2448-2021-9-90-94

Ключевые слова: фотограмметрия, воздушное лазерное сканирование (ВЛС), беспилотные летательные аппараты, лесотаксация, цифровая модель местности

Авт.: А.Н. Погородний (ООО «НК «Роснефть»–НТЦ»), Н.Н. Филин (ООО «НК «Роснефть»–НТЦ»), С.А. Шумейко (ООО «НК «Роснефть»–НТЦ»), С.А. Арбузов (Сибирский гос. университет геосистем и технологий), к.т.н., Н.Н. Бердников (ПАО «НК «Роснефть»)

В статье представлены результаты исследования возможности применения аэрофотосъемочного оборудования DJI P4 Multispectral, особенностью которого является наличие мультиспектральной камеры, для распознавания состава древостоя и получения данных, необходимых при определении таксационных показателей. Работы выполнялись в рамках лесоустроительных и лесотаксационных работ в целях развития методики таксации лесосек по данным воздушного лазерного сканирования и цифровой аэрофотосъемки, разрабатываемой в интересах ПАО «НК «Роснефть». В рамках исследования проверена возможность использования комплекса DJI P4 Multispectral в целях классификации элементов леса по породному составу, а также идентификации деревьев и определения их высоты. Выявлены оптические особенности комплекса DJI P4 Multispectral. Оценена точность измерения высот древесной растительности методами аэрофотосъемки и воздушного лазерного сканирования. Дано описание применяемого оборудования, последовательности выполнения полевых работ, а также алгоритмов обработки полученных материалов. Выполнены анализ обработки полученных аэросъемочных материалов при автоматизированном дешифрировании пород деревьев, проверка достоверности и точности фиксации высот древесной растительности методами аэрофотосъемки и воздушного лазерного сканирования, применимости данных воздушного лазерного сканирования для задач топографии. Сделаны выводы о возможности применения мультиспектральных данных и фотограмметрического облака точек для определения высоты деревьев, сегментации крон, классификации древесных пород. Также сделан вывод о применимости данных воздушного лазерного сканирования для задач топографии. Показана целесообразность применения комплекса DJI P4 Multispectral при проведении лесотаксации на объектах ПАО «НК «Роснефть» и разработке новых методов получения данных для определения лесотаксационных показателей.

Список литературы

1. Cici A., Korstjens A.H., Hill A.R. Influence of micro-topography and crown characteristics on tree height estimations in tropical forests based on LiDAR canopy height models // International Journal of Applied Earth Observation and Geoinformation. – 2018. – V. 65. – P. 105–113. ISSN 0303-2434. – DOI: 10.1016/j.jag.2017.10.009.

2. Autonomous Collection of Forest Field Reference – The Outlook and a First Step with UAV Laser Scanning / A. Jaakkola, J. Hyyppä, X. Yu [et al.] // Remote Sensing. – 2017. – № 9 (8). – 785 р. – DOI: 10.3390/rs9080785.

3. Forest and UAV / F. Gambella, L. Sistu, D. Piccirilli [et al.] // A bibliometric review. Contemporary Engineering Sciences. – 2016. – V. 9. – № 28. – Р. 1359–1370.

4. Recent Advances in Unmanned Aerial Vehicles Forest Remote Sensing / R. Dainelli, P. Toscano, Gennaro Di SF., A. Matese // A Systematic Review. – Part II. – Research Applications Forests. – 2021. – № 12 (4). – 397 р. – DOI: 10.3390/f12040397.

5. Experimental Evaluation and Consistency Comparison of UAV Multispectral Minisensors / H. Lu, T. Fan, P. Ghimire, L. Deng // Remote Sensing. – 2020. – № 12 (16). – 2542 р. – DOI: 10.3390/rs12162542.

6.  Reidelstürz P., Drauschke M., Bartelsen J. Towards UAV-based forest monitoring, Proceedings of the Workshop on UAV-based Remote Sensing Methods for Monitoring Vegetation. – Germany: University of Cologne. – September 9th-10th 2013. – Geographisches Institut zu Köln, Kölner Geographische Arbeiten. – Band 94. – P. 21–32. – DOI: 10.5880/TR32DB.KGA94.5.

7. Automated Identification of Crop Tree Crowns From UAV Multispectral Imagery by Means of Morphological Image Analysis / R. Sarabia, A. Aquino, J.M. Ponce [et al.] // Remote Sensing. – V. 12. – № 48. – DOI: 10.3390/rs12050748.

8. Adhikari A., Kumar M., Raghavendra S. An Integrated Object and Machine Learning Approach for Tree Canopy Extraction from UAV Datasets // Journal of the Indian Society of Remote Sensing. – 2021. – Mar 1. – DOI: 10.1007/s12524-020-01240-2.

9. Onishi M., Ise T. Explainable identification and mapping of trees using UAV RGB image and deep learning / // Scientific Reports. – 2021. – № 11 (1). – 903 р. – DOI: 10.1038/s41598-020-79653-9.

10. Zawawi A.A., Shiba M., Jemali N. Accuracy of LiDAR-based tree height estimation and crown recognition in a subtropical evergreen broad-leaved forest in Okinawa, Japan // Forest Systems. – 2015. – № 24 (1). – Р. 1–11.

11. Carbon Stock Estimations in a Mediterranean Riparian Forest: A Case Study Combining Field Data and UAV Imagery / M.R. Fernandes, F.C. Aguiar, M.J. Martins [et al.] // Forests. – 2020. – № 11 (4). – 376 р. – https://doi.org/10.3390/f11040376

12. Шумейко С.А., Филин Н.Н. Применение беспилотных летательных аппаратов непрофессионального сегмента для решения инженерно-геодезических задач и картографирования территорий месторождений // Нефтяное хозяйство. – 2019. – № 10. – С. 42–45. – DOI: 10.24887/0028-2448-2019-10-42-45.