Wissen aus Bildern

Informationen über Arten und Lebensräume aus der UAV Drohnen Kampagne 2017

RGB Drohnen Bilder liefern hochaufgelöste Rastergraphiken in 3 Farbkanälen (R-rot, G-grün, B-blau) in einer Informationstiefe von 8-bit (Grauwerte 0-255). Diese Informationen können genutzt werden um einem Algorithmus beizubringen unterschiedliche Oberflächeneigenschaften automatisch zu erkennen. So kann zum Beispiel anhand der Farbe grüne Vegetation von Boden und Totholz unterschieden werden, aber auch Vegetation nach unterschiedlichen Arten anhand der Farbinformationen differenziert werden. Dabei wird jedem Pixel die Klasse des jeweiligen Typus zugeordnet und auf einer Karte dargestellt. Die verwendeten Algorithmen lernen dabei von selbst aus dem Farbraum Arten zu klassifizieren - man spricht von maschinellem Lernsystemen.
Zusätzlich zu den Farbinformationen liefern Drohnenaufnahmen digitale Oberflächenmodelle (DOM) in einer Auflösung von unter 20 cm. Durch eine Verschneidung mit einem Laserscan Höhenmodell (LGB-Brandenburg) kann man ein sogenanntes normalisiertes Oberflächenmodell (nDOM) berechnen. In diesem wird die Geländehöhe herausgerechnet, so dass letztendlich nur die Objekthöhe, also im Fall von Test Field A die Vegetationshöhe übrig bleibt. Auf Test Field A konnten wir herausfinden, dass Calluna vulgaris Höhen von 5 bis 70cm, je nach Alter, erreicht.

flower

flower

Es wurden 3 Verfahren zur automatischen und quantitativen Bestimmung des aufgenommen Drohnenbildes entwickelt. Exemplarisch sind die Ergebnisse für einen Ausschnitt aus dem gesamten Test Field A (Ausschnitt rotes Rechteck) dargestellt. Im ersten Bild wurde eine Baummaske produziert, die automatisch die Ränder größerer Bäume erkennt, so dass eine räumliche Trennung von Offenland und Waldhabitaten vorgenommen werden kann. Im zweiten Bild gelang es uns mit Hilfe eines selbstlernenden Algorithmus die Calluna vulgaris Pflanzen von ihrer Umgebung zu trennen. Jede einzelne Pflanze wird im Bildpixel erkannt und ausgewiesen. Dabei werden auch unterschiedliche Alters- Blüh- und Vitalitätsstadien erkannt. Im letzten Schritt wird den einzelnen Calluna Heide Pflanzen jeweils die Höhe aus dem nDOM zugewiesen. Alle 3 Algorithmen zusammen erlauben es aus einer Drohnenaufnahme jede einzelne Calluna Pflanze zu identifizieren und dieser eine Höhen- bzw. Farbinformation zuzuordnen. Die Ergebnisse können nun in weiteren Schritten verwendet werden um die räumliche Verteilung ganz bestimmter Eigenschaften wie etwa den Blühaspekt oder den Vitalitätsstatus der Pflanzen vorherzusagen. In Kürze werden wir diese Ergebnisse auf unseren Seiten bereitstellen.

flower

flower

flower

                 Einzelbaum Maskierung                             Calluna vulgaris Identifikation                          Höhe der Einzelpflanzen

Bilder & Text by Dr. Carsten Neumann