Eficacia de la Cartografía de la Vegetación de Pastizales para Gestores de Tierras e Investigadores de Vida Silvestre Utilizando sUAS
Autores: O"Connell, John R.; Glass, Alex; Crawford, Caleb S.; Eichholz, Michael W.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Eficacia de la Cartografía de la Vegetación de Pastizales para Gestores de Tierras e Investigadores de Vida Silvestre Utilizando sUAS
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Proliferación
Sistemas aéreos no tripulados
Clasificaciones de vegetación
Teledetección
Precisión de clasificación
Vegetación de pastizales
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
La proliferación de pequeños sistemas aéreos no tripulados (sUAS) está haciendo que las imágenes de muy alta resolución sean accesibles para las clasificaciones de vegetación, lo que potencialmente permite a los gestores de tierras monitorear la vegetación en respuesta a actividades de gestión o vida silvestre y ofrece a los investigadores oportunidades para examinar más a fondo las relaciones entre las especies de vida silvestre y sus hábitats. La adopción generalizada de sUAS para la teledetección entre estos grupos puede verse obstaculizada por la codificación compleja, el equipo costoso y los protocolos que consumen mucho tiempo. Utilizamos un sUAS de consumo, software de planificación de vuelos semiautomatizado y software GIS con interfaz gráfica de usuario para clasificar la vegetación de pastizales con el objetivo de proporcionar un marco fácil de usar para los gestores y los investigadores ecológicos. Comparamos la precisión general de las clasificaciones utilizando esta imagen de sUAS (89.22%) con las clasificaciones utilizando imágenes del Programa Nacional de Imágenes de Agricultura disponibles de forma gratuita (76.25%) para informar decisiones sobre costo y precisión. También comparamos la precisión general entre la clasificación manual (89.22%) y la clasificación de bosque aleatorio (69.26%) para ayudar con decisiones similares. Finalmente, examinamos el impacto de la resolución y la adición de un modelo de altura de dosel en la precisión de clasificación, obteniendo resultados mixtos. Nuestros hallazgos pueden ayudar a nuevos usuarios a tomar decisiones informadas sobre fuentes de imágenes y metodologías, y nuestros protocolos pueden servir como plantilla para aquellos grupos que deseen realizar clasificaciones de vegetación similares en sitios de pastizales sin necesidad de equipo de grado de encuesta o codificación. Estos deberían ayudar a más gestores de tierras e investigadores a obtener clasificaciones de vegetación de pastizales apropiadas para sus proyectos dentro de sus limitaciones presupuestarias y logísticas.
Descripción
La proliferación de pequeños sistemas aéreos no tripulados (sUAS) está haciendo que las imágenes de muy alta resolución sean accesibles para las clasificaciones de vegetación, lo que potencialmente permite a los gestores de tierras monitorear la vegetación en respuesta a actividades de gestión o vida silvestre y ofrece a los investigadores oportunidades para examinar más a fondo las relaciones entre las especies de vida silvestre y sus hábitats. La adopción generalizada de sUAS para la teledetección entre estos grupos puede verse obstaculizada por la codificación compleja, el equipo costoso y los protocolos que consumen mucho tiempo. Utilizamos un sUAS de consumo, software de planificación de vuelos semiautomatizado y software GIS con interfaz gráfica de usuario para clasificar la vegetación de pastizales con el objetivo de proporcionar un marco fácil de usar para los gestores y los investigadores ecológicos. Comparamos la precisión general de las clasificaciones utilizando esta imagen de sUAS (89.22%) con las clasificaciones utilizando imágenes del Programa Nacional de Imágenes de Agricultura disponibles de forma gratuita (76.25%) para informar decisiones sobre costo y precisión. También comparamos la precisión general entre la clasificación manual (89.22%) y la clasificación de bosque aleatorio (69.26%) para ayudar con decisiones similares. Finalmente, examinamos el impacto de la resolución y la adición de un modelo de altura de dosel en la precisión de clasificación, obteniendo resultados mixtos. Nuestros hallazgos pueden ayudar a nuevos usuarios a tomar decisiones informadas sobre fuentes de imágenes y metodologías, y nuestros protocolos pueden servir como plantilla para aquellos grupos que deseen realizar clasificaciones de vegetación similares en sitios de pastizales sin necesidad de equipo de grado de encuesta o codificación. Estos deberían ayudar a más gestores de tierras e investigadores a obtener clasificaciones de vegetación de pastizales apropiadas para sus proyectos dentro de sus limitaciones presupuestarias y logísticas.