Drone Verileri
Drone verilerinden kanopi yükseklik modeline
© Forests4Future, GIZ
Dronlar, 3LD-İzleme sisteminde önemli bir rol oynamakta ve diğer veri toplama yöntemlerini tamamlamaktadır. Dronlar, ortak ülkelerde yerel personelin teknik becerilerini güçlendirmek için önemli araçlardır. Bu beceriler uçuş planlama, navigasyon ve görüntü değerlendirmeyi kapsamaktadır. Drone ile izleme, proje personelinin fotogrametrik analizler için özel olarak hazırlanmış verileri yakalamasını ve bunlardan önemli coğrafi bilgilerin ortaya çıkmasını amaçlamaktadır.
Drone haritalama metodolojisi, ilk ikisi drone operasyonlarına odaklanan beş aşamadan oluşmaktadır:
- Haritalama görevi hazırlığı (masaüstü çalışması)
- Haritalama görevinin yürütülmesi (saha çalışması)
- Sayısal Yüzey Modelinin (DSM) geliştirilmesi ve Ortomozaik üretimi (masaüstü çalışması)
- Veri analizi ve iyileştirme (masaüstü çalışması)
- Mevcut veri sistemine entegrasyon (masaüstü çalışması)
Drone verileri, ölüm oranları ve orman türleri gibi karbon/biyokütle ile bağlantılı göstergelerin değerlendirilmesine yardımcı olur. Özellikle, allometrik denklemlerin uygulanması ve arazi türünün uygun şekilde karakterize edilmesiyle, ağaçların toprak üstü biyokütle tahminleri belirlenebilir.
Önceden ayarlanmış uçuş planlama özelliğine sahip dronlar, tek tek görüntülerden sorunsuz ortofoto oluşturulmasını sağlar. Bu, tek tek anlık görüntülerin sorunsuz bir şekilde bir ortofotoda (bozulmalar için düzeltilmiş hava fotoğrafı, doğru ölçümlere izin verir) birleşmesini sağlar. Bu insansız hava araçlarının ortak ülkelerin yerel pazarlarında bulunabilirliğini göz önünde bulundurmak da hayati önem taşımaktadır. Bu süreçte yerel akademiyi sürece dahil ederek yerel bilgiden yararlanmak çok önemlidir. Bu kuruluşlar, hassas biyokütle hesaplamalarını kolaylaştıran, ağaç yüksekliğine dayalı temel allometrik denklemleri sağlayabilir.
Dronlar yüksek çözünürlüklü görüntüler üreterek arazi örtüsü değişiklikleri, ağaçların hayatta kalması ve erozyon oranları gibi konularda ayrıntılı bir genel bakış sağlar. Saha verileriyle birlikte drone tabanlı izleme güçlendirilerek sağlıklı bir izleme garanti altına alınır.
Ağaçların heterojenliği ve bitki örtüsü yoğunluğu, yükseklikleri ve diğer göstergeleri tahmin etmek için gerekli olan görüntüler arasındaki ortak kilit noktaların sağlıklı bir şekilde çıkarılmasını genellikle engeller. Bu bağlamda, görüntüler arasındaki örtüşmeyi en az %85 ön ve yan örtüşmeye çıkarmak kilit noktaların çıkarılmasını iyileştirebilir. Ayrıca, drone'un uçuş yüksekliğinin artırılması perspektif bozulmasını azaltarak örtüşen görüntüler arasındaki görsel benzerliklerin tespit edilmesini kolaylaştırır. Bununla birlikte, çok fazla örtüşme, yani yüksek örtüşme yüzdeleri, daha yüksek miktarda veri ile sonuçlanır ve veri işlemeyi daha yoğun hale getirir.
Daha önce bahsedilen bir diğer husus da ortak ülkelerde uygun dronların bulunmasıdır. İlgili ülkelere drone ithal etmek zordur ve bürokratik engeller devam etmektedir.