Możliwości wykorzystania BSP i ortofotomozaik do analizy stanu i rozmieszczenia szlaków operacyjnych

• Autorzy: Pszenny D.

Warianty tytułu

EN

Possibilities of using UAV and orthophotomosaics to analyze the condition and distribution of operational routes

• Języki publikacji: PL

Abstrakty

EN

The development of technology and the increasing availability of unmanned aerial vehicles (UAV) on the civil market, along with the growing offer of open−source software for modeling based on aerial photos open new possibilities for conducting analyzes of felling area. The research aims to present the use of UAVs in the analysis of the harvesting area, especially the distribution and condition of the network of skidding trails. The research covered 6 logging areas in the Gidle Forest District in south part of Poland. Flights and photo recording were made by using the DJI Phantom 4 Advanced UAV. The analysis was performed with the use of Open Drone maps and QGIS software. The research was based on the analysis of orthophotomosaics. Analyzing the obtained data, the real area of the clear−cuts was determined. The obtained values were compared with the values declared at the cutting planning stage. The area and location of the machine routes were determined. The obtained data were statistically analyzed in order to determine the significance of the differences. Also the correlation between the size of soil damage and the parameters of the analyzed area was tested. The differences between the area planned to be cut and actually cut were found, but they turned not to be significant. It was determined that the average length of skidding trails per 1 ha of the studied area is 0.89 km, while the distances between the trails varies from 4.04 to 24.44 m. On the tested clear−cuts there was a minimal presence of places where the soil was damaged in such a way that the mineral soil layer was exposed.

• Wydawca: -
• Czasopismo: Sylwan
• Rocznik: 2020
• Tom: 164
• Numer: 11
• Opis fizyczny: s.913-919,rys.,tab.,bibliogr.

Twórcy

autor

Pszenny D.

• Katedra Użytkowania Lasu, Szkoła Główna Gospodarstwa Wiejskiego w Warszawie, ul Nowoursynowska 159, 02-776 Warszawa

Bibliografia

• Bakuła M., Oszczak S., Pelc-Mieczkowska R., Suchocki M., Chrostowska M., Rudziński M. 2006. Analiza precyzji i dokładności pomiarów GPS w warunkach leśnych. Roczniki Geomatyki 4 (3).
• Będkowski K., Stereńczak K. 2013. Sessile oak (Quercus petraea (Mattuschka) Liebl.) trees variability according to an analysis of multispectral images taken from UAV – first results. Ecological Questions 17: 25-33. DOI: http://dx.doi.org/10.12775/ecoq-2013-0013.
• Brach M. 2012. Analiza dokładności wyznaczania współrzędnych wybranymi odbiornikami GNSS w środowisku leśnym. Sylwan 156 (1): 47-56. DOI: https://doi.org/10.26202/sylwan.2011083.
• Brach M., Cheung-Wai Chan J., Szymański P. 2019. Accuracy assessment of different photogrammetric software for processing data from low-cost UAV platforms in forest conditions. iForest – Biogeosciences and Forestry 12 (5): 435-441. DOI: https://doi.org/10.3832/ifor2986-012.
• Brach M., Stereńczak K. 2006. Wykorzystanie technologii GPS oraz ręcznego dalmierza laserowego do aktualizacji leśnej mapy numerycznej. Geoinformacja w dydaktyce i gospodarce. XXI Konferencja Katedr i Zakładów Geodezji na Wydziałach Niegeodezyjnych. Częstochowa – Poraj, 27-29 września 2006. 50-57.
• Brovkina O., Cienciala E., Surový P., Janata P. 2018. Unmanned aerial vehicles (UAV) for assessment of qualitative classification of Norway spruce in temperate forest stands. Geo-spatial Information Science 21 (1): 12-20. DOI: https://doi.org/10.1080/10095020.2017.1416994.
• Buliński J., Sergiel L. 2011. Wpływ wilgotności gleby na jej zagęszczenie kołem ciągnika. Inżynieria Rolnicza 8 (133): 45-51.
• Chamoso P., Raveane W., Parra V., González A. 2014. UAVs Applied to the Counting and Monitoring of Animals. Advances in Intelligent Systems and Computing. DOI: https://doi.org/10.1007/978-3-319-07596-9_8.
• Dash J., Pearse G., Watt M. 2018. UAV Multispectral imagery can complement satellite data for monitoring forest health. Remote Sensing 10: 12-16. DOI: https://doi.org/10.3390/rs10081216.
• Dyrness C. 1965. Soil surface condition following tractor and high-lead logging in the Oregon Cascades. Journal of Forestry 63: 272-275.
• Gałaj J., Łazorko T. 2013. Ogólna koncepcja wykorzystania samolotu bezzałogowego do ochrony przeciwpożarowej lasów w Polsce. TTS Technika Transportu Szynowego 20 (10): 231-256. DOI: https://doi.org/10.1016/j.rse.2018.05.016.
• van Gemert J., Verschoor C., Mettes P., Epema K., Koh L., Wich S. 2015. Nature Conservation Drones for Automatic Localization and Counting of Animals. ECCV 2014 Workshops: 255-270. DOI: https://doi.org/10.1007/978-3-319-16178-5_17.
• Giannetti F., Chirici G., Gobakken T., Nćsset E., Travaglini D., Puliti S. 2018. A new approach with DTM-independent metrics for forest growing stock prediction using UAV photogrammetric data. Remote Sensing of Environment 213: 195-205. DOI: https://doi.org/10.1016/j.rse.2018.05.016.
• Giefing D. 1999. Wpływ pozyskania drewna w czyszczeniach późnych drzewostanów sosnowych na środowisko. Część 2. Gleby. Sylwan 143 (6): 91-100.
• Han-Sup H., Page-Dumroese D., Sang-Kyun H., Tirocke J. 2006. Effects of Slash, Machine Passes, and Soil Moisture on Penetration Resistance in a Cut-to-length Harvesting, International Journal of Forest Engineering 17 (2): 11-24. DOI: https://doi.org/10.1080/14942119.2006.10702532.
• Hrůza P., Mikita T., Janata P. 2016. Monitoring of forest hauling roads wearing course damage using unmanned aerial systems. Acta Universitatis Agriculturae Et Silviculturae Mendelianae Brunensis 64 (5): 1537-1546. DOI: https://doi.org/10.11118/actaun201664051537.
• Kulak D. 2014. Porównanie metod szacowania pozyskaniowych szkód glebowych na przykładzie rębnego drzewostanu bukowego. Leś. Pr. Bad. 75 (3): 245-251. DOI: https://doi.org/10.2478/frp-2014-0024.
• Łoziński A., Będkowski K. 2016. Rozpoznawanie jesiennych faz fenologicznych dębu bezszypułkowego (Quercus petraea Liebl.) na ortomozaikach zdjęć lotniczych uzyskanych z wykorzystaniem drona. Teledetekcja Środowiska 55: 5-14.
• Merino L., Caballero F., Martinez de Dios J., Ferruz J., Ollero A. 2006. A cooperative perception system for multiple UAVs: application to automatic detection of forest fires. Journal of Field Robotics 23 (3/4): 165-184. DOI: https://doi.org/10.1002/rob.20108.
• Otsu K., Pla M., Vayreda J., Brotons L. 2018. Calibrating the Severity of Forest Defoliation by Pine Processionary Moth with Landsat and UAV Imagery. Sensors 18: 32-78. DOI: https://doi.org/10.3390/s18103278.
• Pierzchała M., Talbot B., Astrup R. 2014. Estimating soil displacement from timber extraction trails in steep terrain: application of an unmanned aircraft for 3D modelling. Forests. 5 (6): 1212-1223. DOI: https://doi.org/10.3390/f5061212.
• Pierzchała M., Talbot B., Astrup R. 2016. Measuring wheel ruts with close range photogrammetry. Forestry: An International Journal of Forest Research. 89 (4): 383-391. DOI: https://doi.org/10.1093/forestry/cpw009.
• Pohjankukka J., Riihimäki H., Nevalainen P., Pahikkala T., Ala-Ilomäki J., Hyvönen E., Varjo J., Heikkonen J. 2016. Predictability of boreal forest soil bearing capacity by machine learning. Journal of Terramechanics. 68: 1-8. DOI: https://doi.org/10.1016/j.jterra.2016.09.001.
• Probst A., Gatziolis D., Strigul N. 2018. Intercomparison of photogrammetry software for three-dimensional vegetation modelling. Royal Society Open Science 5: 172-192. DOI: https://doi.org/10.1098/rsos.172192.
• Pszenny D. 2020. Wpływ zrywki drewna forwarderem Ponsse Gazelle na zwięzłość gleby. Sylwan 164 (8): 643-650. DOI: https://doi.org/10.26202/sylwan.2020054.
• Rahlf J., Breidenbach J., Solberg S., Nćsset E., Astrup R. 2014. Comparison of four types of 3D data for timber volume estimation. Remote Sensing of Environment 155: 325-333. DOI: http://dx.doi.org/10.1016/j.rse.2014.08.036.
• Robaszkiewicz A., Będkowski K., Buraczyk W., Szymański P., Kwaśny Ł. 2014. Pilotażowe badania nad wykorzystaniem zdjęć lotniczych z bsp do oceny stanu zdrowotnego świerka Picea abies Karst. Studia i Materiały CEPL 41: 346-355.
• Shabani S., Pourghasemi H., Blaschke T. 2020. Forest stand susceptibility mapping during harvesting using logistic regression and boosted regression tree machine learning models. Global Ecology and Conservation 22. DOI: https://doi.org/10.1016/j.gecco.2020.e00974.
• Spinelli R., Magagnotti N., Labelle E. 2020. The Effect of New Silvicultural Trends on the Mental Workload of Harvester Operators. Croatian Journal of Forest Engineering 41 (2). DOI: https://doi.org/10.5552/crojfe.2020.747.
• Stereńczak K., Będkowski K. 2013. Assessment of the Scots pine (Pinus sylvestris L.) crowns density based on multispectral images obtained by unmanned aerial vehicle. Ecological Questions 17: 89-99. DOI: http://dx.doi.org/10.12775/ecoq-2013-0019.
• Szymański P. 2013. Kierunki zastosowania bezzałogowych statków powietrznych w leśnictwie i ochronie przyrody. Roczniki Geomatyki 1 (63): 117-127.
• Szymański P., Robaszkiewicz A., Będkowski K., Brach M., Kwaśny Ł. 2014. Fotogrametryczny monitoring drzewostanu dębu bezszypułkowego (Quercus petraea Liebl.) w rezerwacie „Zimna Woda” w Rogowie. Studia i Materiały CEPL 41: 335-345.
• Talbot B., Rahlf J., Astrup R. 2018. An operational UAV-based approach for stand-level assessment of soil disturbance after forest harvesting. Scandinavian Journal of Forest Research. DOI: https://doi.org/10.1080/02827581.2017.1418421.
• Wolinowski P., Będkowski K. 2015. Ocena stanu zdrowotnego świerka pospolitego (Picea abies Karst.) na podstawie zdjęć lotniczych wykonanych z niskiej wysokości w okresie intensywnego wiosennego wzrostu drzew. Teledetekcja Środowiska 53: 5-14
• Zhang L., Wang B., Peng W., Li C., Lu Z., Guo Y. 2015. A Method for Forest Fire Detection Using UAV. Advanced Science and Technology Letters 81: 69-74. DOI: https://doi.org/10.14257/astl.2015.81.1.
• Zmarz A., Będkowski K., Miścicki S., Plutecki W. 2012. Ocena stanu zdrowotnego świerka na podstawie analizy zdjęć wielospektralnych wykonanych fotograficznymi aparatami cyfrowymi przenoszonymi przez bezzałogowy statek latający. Archiwum Fotogrametrii, Kartografii i Teledetekcji 23: 541-550.

Identyfikatory

DOI

10.26202