Трехуровневый цифровой мониторинг (3LDM) - дистанционное зондирование и IT-решения для мониторинга восстановления лесного ландшафта (FLR)
Полное решение
Обучение работе с беспилотниками на Мадагаскаре
© Forests4Future, GIZ
Проект GIZ "Леса будущего" (Forests4Future, F4F) способствует восстановлению лесных ландшафтов (ЛЛР) и управлению ими в таких странах, как Эфиопия, Мадагаскар и Того. Существующие системы мониторинга ЛВЛ сталкиваются с проблемами точности и полноты. Чтобы решить эту проблему, F4F инициировал разработку надежной системы мониторинга и пилотирование стандартной операционной процедуры. Опираясь на опыт внешних компаний, предоставляющих геопространственные данные, F4F внедрил Трехуровневую систему цифрового мониторинга (3LDM). Эта система совершенствует мониторинг, объединяя три уровня данных:
1. полевые данные
2. данные, полученные с помощью дронов
3. спутниковые данные
Подход 3LDM позволяет отслеживать восстановленные гектары, биомассу надземной части деревьев и разнообразие деревьев на отдельных участках FLR
Последнее обновление: 30 Sep 2025
814 Просмотров
Фотогалерея и видеогалерея
Контекст
Решаемые задачи
Экологические проблемы:
Спутниковые снимки, такие как Sentinel или Landsat, из-за низкого разрешения могут пропускать небольшие деревья, что негативно сказывается на точности оценки леса, особенно в отношении подроста или под пологом. Система 3LDM, используя данные беспилотников высокого разрешения, измеряет высоту полога и, используя аллометрические уравнения, уточняет расчеты биомассы. Беспилотники, снимающие обширные территории, повышают точность и эффективность данных.
Социальные проблемы:
Традиционный мониторинг лесов требует ручного труда, что создает неудобства для местного населения. 3LDM, используя беспилотные летательные аппараты и спутниковые технологии, проводит масштабный мониторинг с минимальным вторжением, сохраняя местные обычаи. Это также способствует развитию навыков и возможностей трудоустройства местных жителей, связанных с беспилотниками.
Экономические проблемы:
Ручная инвентаризация лесов - дорогостоящее и медленное занятие. 3LDM предлагает экономичное решение. Сбор данных с помощью дронов, более быстрый и обширный, снижает затраты на полевые работы. Использование снимков из открытых источников сокращает расходы, делая мониторинг доступным и адаптируемым для различных проектов.
Расположение
Мадагаскар
Эфиопия
Того
Западная и Центральная Африка
Восточная и Южная Африка
Процесс
Краткое описание процесса
Сложная синергия трех механизмов сбора данных - полевых данных, снимков с беспилотников и спутниковых снимков - является основой системы мониторинга нашей программы. Каждый механизм обладает уникальными преимуществами: полевые данные позволяют получить подробную информацию на уровне земли, снимки с беспилотников - с воздуха, а спутниковая съемка - из космоса. Переплетаясь, они создают прочный гобелен данных, который повышает их надежность и точность.
Такой синергетический подход имеет ключевое значение для целостного мониторинга стратегий FLR. С ростом сложности мероприятий по восстановлению окружающей среды становится необходимым многогранный подход. Отслеживание ключевых показателей, таких как биомасса. Кроме того, второстепенные показатели, такие как высота деревьев, диаметр по высоте груди (DBH), состав леса и видовая дифференциация, имеют решающее значение для более глубокого понимания усилий по восстановлению. Прелесть трехуровневой системы заключается в ее устойчивости: если возникают проблемы, ограничивающие эффективность одного из методов, два других легко вступают в дело, не допуская снижения качества данных или их осмысления. Такая взаимозависимость гарантирует получение исчерпывающих данных, что позволяет разрабатывать более обоснованные стратегии и добиваться успешных результатов FLR.
Строительные блоки
Полевые данные
Спутниковые и беспилотные снимки, несмотря на их неоспоримый вклад в мониторинг, ограничены в первые годы работы по FLR. Сбор данных на местах имеет решающее значение в первые годы реализации проектов.
Сбор данных на местах подразделяется на три подхода, основанных на широком участии:
- Постоянные участки для отбора проб: Стационарные участки, на которых будут оцениваться высота деревьев, DBH и выживаемость деревьев. Постоянные участки будут оцениваться с интервалом в 3 года, так как они требуют больших затрат труда и времени.
- Планирование землепользования: дискуссионные раунды для оценки информации, а также идентификации исчезающих видов в соответствии с Красной книгой угрожаемых видов Всемирного союза охраны природы (МСОП). Он интегрирован в другие процессы планирования землепользования и, таким образом, не имеет определенного интервала оценки.
- Трансекты: Выявление флористических и фаунистических видов, а также структурного состава леса с интервалом оценки в три месяца.
Все соответствующие показатели, включенные в три подхода, основанные на широком участии, собираются с помощью инструментария KOBO Toolbox. Это программное обеспечение предлагает подходящие условия и простое в использовании, что соответствует целям мониторинга в рамках проекта.
Благоприятные факторы
Подход, основанный на широком участии, необходим для обеспечения долгосрочного мониторинга восстановленных территорий. Симбиоз местных знаний и обучения/наращивания потенциала местных сотрудников и региональных партнеров является основой этого подхода. Выявление потребностей сообщества, организация дискуссий, вовлечение местного населения в разработку и тестирование системы мониторинга способствует развитию сознания и связи с восстановленным ландшафтом.
Извлеченный урок
-
Приоритет полевых данных: На ранних стадиях FLR сбор данных на местах более эффективен, чем полагаться только на спутниковые и беспилотные снимки.
-
Партисипативные подходы: Использование методов, основанных на широком участии, таких как постоянные участки для отбора проб, планирование землепользования и трансекты, вовлекает местные сообщества и улучшает мониторинг.
-
Соответствующие технологии: Использование удобных инструментов, таких как KOBO Toolbox, соответствует целям проекта и упрощает сбор данных.
-
Вовлечение местного населения: Привлечение и обучение местного населения обеспечивает долгосрочный успех и способствует формированию связи с восстановленными ландшафтами.
Спутниковые данные
Спутниковые данные составляют основу системы 3LD-Monitoring, использующей возможности открытых снимков со спутников Copernicus Sentinel-2 и LANDSAT. Алгоритм, тщательно разработанный компанией Remote Sensing Solutions (RSS) GmbH, революционизирует этот процесс. Пользователи могут легко предоставить шейп-файл интересующей их территории, и алгоритм автоматически получит и проанализирует соответствующие данные. Проводится целый ряд надежных анализов, включая 5-летний тренд растительности с использованием NDVI для оценки прироста или потери растительности, 5-летний анализ влажности растительности с помощью NDWI и тонкую оценку 5-летнего тренда осадков. Кроме того, алгоритм облегчает визуализацию изменений растительности с момента начала проекта, подкрепляя систему мониторинга динамическими данными. Спутниковые данные - важнейший компонент системы 3LDM-мониторинга - используют снимки из открытых источников, полученные с помощью миссии Copernicus Sentinel-2 и спутников LANDSAT. Для заданных областей эти данные автоматически извлекаются и анализируются по определенным параметрам. Основные анализы включают 5-летний тренд растительности с использованием NDVI в качестве косвенного показателя прироста или убыли растительности, 5-летний тренд влажности растительности с помощью NDWI и 5-летний тренд осадков. Кроме того, можно визуализировать изменения растительности с момента начала проекта.
Благоприятные факторы
Эффективное использование этого строительного блока зависит от того, как пользователи рисуют и сохраняют области в таких ГИС-платформах, как QGIS. Кроме того, оптимизация анализа достигается за счет добавления в шейп-файл специфики проекта, например, даты начала работ и типа FLR. Надлежащее обучение этим навыкам обеспечивает точный ввод данных и индивидуальный мониторинг, поэтому наращивание потенциала в этих областях крайне важно, если оно отсутствует.
Извлеченный урок
Хотя спутниковые данные, особенно из открытых источников, дают широкую информацию, их возможности по идентификации видов весьма ограничены, а то и вовсе недостижимы. Это ограничение подчеркивает незаменимую роль полевых работ в определении видового состава и характеристик. Кроме того, понимание врожденных ограничений спутниковых снимков, особенно при работе с молодыми лесопосадками, усиливает необходимость интеграции полевых данных и данных беспилотников для получения комплексного представления о лесных массивах.
Данные с беспилотников
Дроны играют ключевую роль в системе 3LD-мониторинга, дополняя другие методы сбора данных. Дроны являются важным инструментом в странах-партнерах для развития технических навыков у местного персонала. Эти навыки включают в себя планирование полетов, навигацию и оценку изображений. Мониторинг с помощью дронов призван расширить возможности сотрудников проекта по сбору данных, необходимых для фотограмметрического анализа, на основе которого формируется важнейшая геоинформация.
Методология картографирования с помощью дронов включает пять этапов, первые два из которых посвящены работе с дронами:
- подготовка картографической миссии (камеральная работа)
- Выполнение картографической миссии (полевые работы)
- Разработка цифровой модели поверхности (ЦМП) и создание ортомозаики (камеральная работа)
- Анализ и уточнение данных (камеральная работа)
- Интеграция в существующую систему данных (камеральная работа)
Данные, полученные с помощью беспилотников, помогают оценить показатели, связанные с углеродом/биомассой, такие как уровень смертности и типы леса. В частности, с применением аллометрических уравнений и надлежащей характеристики типа земли можно определить оценку надземной биомассы деревьев.
Благоприятные факторы
Дроны с возможностью предварительного планирования полета обеспечивают беспрепятственное создание ортофото из отдельных снимков. Это позволяет отдельным снимкам плавно объединяться в ортофото (аэрофотоснимок с поправкой на искажения, позволяющий проводить точные измерения). Также важно учитывать доступность этих дронов на местных рынках стран-партнеров. Использование местных знаний с привлечением местных ученых имеет первостепенное значение в этом процессе. Они могут предоставить важные аллометрические уравнения, основанные на высоте деревьев, которые облегчают точные расчеты биомассы.
Извлеченный урок
Дроны генерируют снимки высокого разрешения, позволяющие детально рассмотреть изменения почвенного покрова, выживаемость деревьев, уровень эрозии и т. д. В сочетании с данными, полученными в полевых условиях, мониторинг с помощью дронов усиливается, гарантируя надежный контроль.
Неоднородность деревьев и плотности растительности часто мешает правильному выделению общих ключевых точек между изображениями, что необходимо для оценки высоты и других показателей. В связи с этим увеличение перекрытия между изображениями до 85 % фронтального и бокового перекрытия может улучшить выделение ключевых точек. Кроме того, увеличение высоты полета дрона уменьшает перспективные искажения, что облегчает обнаружение визуального сходства между перекрывающимися изображениями. Однако слишком большое перекрытие, т. е. высокий процент перекрытия, приводит к увеличению объема данных, что делает их обработку более трудоемкой.
Еще один уже упомянутый аспект - наличие подходящих беспилотников в странах-партнерах. Импорт беспилотников в соответствующие страны затруднен, а бюрократические барьеры сохраняются.
Воздействие
Все три источника данных (спутниковые, беспилотные и полевые) обрабатываются и интегрируются в платформу приборной панели, доступной через веб-сайт мониторинга проектов. Веб-сайт позволяет:
Внутри проекта:
- оценивать деятельность проекта
- Мониторинг изменений как основа для дальнейшего планирования
- Управление проектной деятельностью (функция руководства)
- Отчетность по проектной деятельности
- Сравнение и обобщение мероприятий FLR
Внешне:
- Отслеживание проектной деятельности
- Согласование деятельности между проектами и партнерами
- Изучение опыта проектов
- Отчетность и распространение результатов
- Прозрачность деятельности FLR
Дашборд платформы имеет два уникальных атрибута:
1. привязка к конкретной территории: немедленный автоматизированный анализ и визуализация спутниковых данных за последние 5 лет
2. интеграция полевых, беспилотных и спутниковых данных, объединение различных слоев информации для создания целостной картины восстановительных работ
Бенефициары
- Координаторы и секретариат AFR100
- Министерства (Министерство лесного хозяйства, охраны окружающей среды и сельского хозяйства)
- Административные сотрудники
- НПО
- Техники и энтузиасты восстановительных работ
- Местные сообщества
- Команда проекта "Леса4Future" и других проектов FLR
Цели устойчивого развития
ЦУР 15 - Жизнь на земле
ЦУР 17 - Партнерство для достижения целей
История
Максим руководит внедрением системы 3LDM на Мадагаскаре. Использование беспилотников для оценки восстановления лесных ландшафтов на Мадагаскаре означает также мониторинг мангровых зарослей. Традиционный мониторинг в этих густых, болотистых местностях представляет собой сложную задачу, но с помощью беспилотников 3LDM, ведущих съемку с высоким разрешением, она стала более эффективной и детальной.
Во время одной из съемок с помощью дрона команда Максима обнаружила неожиданного обитателя: загорающего крокодила. Четкие снимки не только продемонстрировали эффективность технологии, но и подчеркнули ее преимущество в плане безопасности по сравнению с пешими съемками.
Помимо неожиданных встреч с дикими животными, 3LDM позволила получить представление о динамике роста мангровых зарослей. Несмотря на то, что у системы были свои сложности, например, адаптация дронов к ветреным условиям, результаты перевесили все препятствия.
