The use of unmanned aerial vehicles to assess young trees formation in clean cutting areas

Capa

Citar

Texto integral

Resumo

The article presents information on the use of an unmanned aerial vehicle to assess young trees state in seed blocks. An unmanned aircraft complex of an airplane type was used to obtain aerial photographs. Aerial photography was carried out in the visible range (RGB) and the visible and near infrared ranges (RED, REG, GRE, NIR). The spatial resolution in the visible range was less than 5 cm, in the visible and near infrared – 19 cm. The use of an unmanned aerial vehicle and multispectral images allowed assessing the condition and structure of young trees at the cutting of 8 years ago with the created forest crops of scots pine. On the orthophotoplane, rows of forest crops and admixtures of coniferous and deciduous species of natural origin are clearly visible both in the rows and in the inter-row spacing. The compositions of the young trees formed on the experimental plots and that of the stands in the seed blocks were determined. The Scotch pine was deciphered by the rounded shape and relatively uniform, fine-grained texture of the crown projection, as well as the shadow in the form of a crescent or half-ring, which is due to the spherical or paraboloid shape of the crown with a rounded top. Spruce was deciphered by a star-shaped crown projection pattern and a shadow in the form of a semicircle and a triangle, which is due to the cone-shaped shape of the crown. Multispectral image analysis allowed identifying the European spruce by its greenish-blue color. Deciduous trees in multispectral images had yellow-green, yellow-orange, reddish shade of crown projections. The image of the warty birch was characterized by the rounded shape of the crown projection with an uneven edge, medium-grained or lumpy texture due to the distribution of shaded and illuminated areas in the crown of the tree. Due to the high spatial resolution of images from an unmanned aerial vehicle on inclined projections of trees in the visible range, the birch was noticeable by the white color of the trunk. Using special programs, the number of trees by species was determined, and even so the biometric characteristics of individual plants. It is advisable to use the obtained materials in the development of regulatory documents and planning of forestry work.

Sobre autores

Yuri Olkhin

Petrozavodsk State University

Autor responsável pela correspondência
Email: yuri_olkhin@mail.ru

Olga Gavrilova

Petrozavodsk State University

Email: ogavril@mail.ru

Anatoly Gryazkin

St. Petersburg State Forestry University

Email: lesovod@bk.ru

Bibliografia

  1. Gryazkin A. V., Belyaeva N. V., Kazi I. A., Efimov A. V., Syrnikov I. A. Features of the growth of pine undergrowth under the canopy of stands on dry poor soils // Research Science (Banská Bystrica, Slovakia). 2019. No. 8. Pp. 3–6. Available at: http://researchscience.info/payment. Text. Image: electronic. (In Russ.)
  2. Decree of the Government of the Russian Federation No. 312-r dated February 11, 2021 “On approval of the Strategy for the Development of the Forest Complex of the Russian Federation until 2030”. (In Russ.)
  3. Belyaeva N. V. Measures to promote natural renewal — history, modernity and prospects // International Research Journal. 2012. No. 7. Available at: https://research-journal/org/archive/7-7-2012-december/200225/. Text. Image: electronic. (In Russ.)
  4. Mochalov B. A. On regulatory provisions on reforestation in the north of European Russia and in Finland // Forestry. 2008. No. 2. Pp. 17–20. (In Russ.)
  5. Ivanov A. I. Promotion of natural renewal in deforestation // Proceedings of SPbNIILHa. Issue 2 (12). Saint Petersburg: SPbNIILH, 2004. Pp. 45–56. (In Russ.)
  6. Order of the Ministry of Natural Resources and Ecology of the Russian Federation No. 1024 dated December 29, 2021 “On approval of the Rules of Reforestation, form, composition, procedure for approval of the reforestation project, grounds for refusal to approve it, as well as requirements for the format in electronic form of the reforestation project”. (In Russ.)
  7. Leinonen T., Turtiainen M., Siekkinen A. Reforestation in the North-West of Russia and comparison with Finland: comments of Finnish specialists. Finnish Forest Research Institute, 2009. 38 p. (In Russ.)
  8. Sokolov A. I. Reforestation in the cuttings of the North-West of Russia. Petrozavodsk: Karelian Scientific Center of RAS, 2006. 215 p. (In Russ.)
  9. Gavrilova O. I., Morozova I. V., Olkhin Yu. V., Yurieva A. L., Ioffe A. O. Growth dynamics and assessment of the state of Scots pine crops in veynik-meadow cuttings by remote sensing methods // News of Higher Educational Institutions. Forest Journal. 2020. No. 1 (373). Pp. 63–74. Available at: http://lesnoizhurnal.ru/upload/iblock/ab1/63_74.pdf. Text. Image: electronic. (In Russ.)
  10. Akovetskiy V. G., Afanasyev A. V. Methods and technologies of interpretation of aerospace monitoring observations of forest vegetation // Vestnik MGUL — Lesnoy Vestnik. 2020. No. 2. Pp. 29–36. (In Russ.)
  11. Daineko D. V. The use of unmanned aerial systems in the forest industry // Materials of the All-Russian Scientific and Practical Conference “The Use of Unmanned Aerial Vehicles in Geographical Research”. Irkutsk: V. B. Sochava Institute of Geography SB RAS, 2018. Pp. 59–62. (In Russ.)
  12. Kabonen A. V., Olkhin Yu. V. Digital modeling of natural landscape complexes based on data obtained using unmanned aerial vehicles // Forestry Information. 2020. No. 3. Pp. 101–110. (In Russ.)
  13. Olkhin Yu. V., Gavrilova O. I., Gryazkin A. V., Kabonen A. V. Transfer of forest crops to a forest-covered area using unmanned aerial vehicles // Izvestiya of the Saint Petersburg Forestry Academy. 2022. No. 239. Pp. 89–103. doi: 10.21266/2079-4304.2022.239.89-103. (In Russ.)
  14. Kabonen A. V., Gavrilova O. I., Gryazkin A. V., Pak K. A. Assessment of the natural renewal of forests on burned areas using data from an unmanned aerial vehicle // Siberian Forest Journal. 2022. No. 2. Pp. 11–20. doi: 10.15372/SJFS20220202. (In Russ.)
  15. Osipenko A. E., Koukal Ya., Panin I. A., Ivanchina L. A., Zalesov S. V. Experience of using a quadcopter to create a three-dimensional model of forest plantations // Forests of Russia and Agriculture in Them. 2017. No. 4 (63). Pp. 16–22. (In Russ.)
  16. Skudneva O. V. Unmanned aerial vehicles in the forestry system of Russia // Izvestiya VUZov. Forest Journal. 2014. No. 6 (342). Pp. 150–154. (In Russ.)
  17. Petushkova V. B., Potapova S. O. Monitoring and protection of forests using unmanned aerial vehicles // Fire Safety: Problems and Prospects. 2018. No. 9. Pp. 717–722. (In Russ.)
  18. Filatov A. A., Gryazkin A. V., Gavrilova O. I. Assessment of the structure and condition of young stands using unmanned aerial vehicles and ground-based methods // Lesnoy Vestnik — Forestry Bulletin. 2022. Vol. 26. No. 4. Pp. 21–28. doi: 10.18698/2542-1468-2022-4-21-28. (In Russ.)
  19. Epov M. I., Zlygostev I. N. The use of unmanned aerial vehicles in aerogeophysical exploration // International Scientific Conference “Remote Methods of Earth Sensing and Photogrammetry, Environmental Monitoring, Geoecology”: Collected Materials. Vol. 2. Novosibirsk: INTEREXPO GEO-SIBERIA, 2012. Pp. 27–32. (In Russ.)
  20. Belcher J. Forest Practices Illustrated. Washington Department of Natural Resources, 2007. 52 p.
  21. Dandois J. P., Ellis E. C. Remote sensing of vegetation structure using computer vision // Remote Sensing. 2010. Vol. 2. Pp. 1157–1176. Available at: https://doi.org/10.3390/rs2041157. Text. Image: electronic.
  22. Neuville R., Bates J. S., Jonard F. Estimating forest structure from UAV-mounted LiDAR point cloud using machine learning // Remote Sensing. 2021. Vol. 13. P. 352. Available at: https://doi.org/10.3390/rs13030352. Text. Image: electronic.

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar

Declaração de direitos autorais © Olkhin Y.V., Gavrilova O.I., Gryazkin A.V., 2023

Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».