UAV

Insamling av digitala bilder från obemannade flygfarkoster (unmanned aerial vehicles; UAV - eller även UAS; unmanned aerial systems när man även inbegriper all bildhantering etc.) eller drönare, som man ofta säger i dagligt tal, ökar kraftigt i samhället. De areella näringarna är inga undantag. Den internationella utvecklingen på området är explosionsartad och intresset i Sverige är starkt ökande. Praktiska tillämpningar i lantbruket är fortfarande få och det är en viss utmaning att överföra information från insamlade bilder till lantbrukets produktionsled. UAV kan till viss del ses som ett mindre mindre väderberoende alternativ till satellitbilder. Med UAV kan den geografiska upplösningen i data nå cm-nivå, vilket potentiellt för med sig helt nya tillämpningsmöjligheter.


I dagsläget används ofta vanliga digitalkameror som är monterade på flygfarkosten, som också kan vara utrustad med autopilot och GPS vilket gör att fotograferingen till stor del kan automatiseras. Även mer avancerade sensorer med flera våglängdsband finnas att tillgå för UAV-fotografering, och vissa on-linetjänster för bildbearbetning och mosaikframställning finns också.

 

 

Bild: Smartplanes UAV (Smartplanes AB, Skellefteå, Sweden) från Rydberg et al, 2009

 

 

UAV-farkoster tillhör en viss klass beroende på dess vikt. Tillstånd krävs för yrkesmässig användning och ges för närvarande av Transportstyrelsen. Ska flygbilder spridas måste man ha tillstånd för detta från Lantmäteriet. Normalt styrs farkosten automatiskt av autopiloten och markstationen via en datalänk under flygningen. Kameran eller sensorn på UAVn fotograferar markytan från en höjd som kan variera, men ofta från ca 100 meters höjd om det gäller en fältkartläggning. Insamlade foto eller datafiler används sedan för att skapa en bildmosaik över området. Här finns mjukvara som använder sig av en algoritm för att matcha bilderna med varandra för att sedan skapa en heltäckande mosaikbild av all tagna flygfoton. För att detta ska fungera måste flygfotona vara tagna på sådant sätt att de överlappar varandra, med minst 60%. För att kunna använda bildmosaiken måste den positionsbestämmas (georefereras)  med hjälp av kända markpunkter.

 

Ofta räknas olika typer av vegetationsindex ut i bildmosaiken. Om kamerautrustningen har samlar in data i NIR och rött så kan t ex NDVI vara ett vanligt index som används. Det beskriver i princip biomassans variation. I många fall används bara vanliga kameror med rött, grönt och blått våglängdsband (vanlig digital färgbild). Då finns alternativa index tillgängliga, t ex:

  • Excess green: (2G-R-B)
  • GRVI (green-red vegetation index): (G-R)/(G+R)

  • Green index: G/(R+G+B)

som räknar ut grönheten i bilderna, vilket i många sammanhang kan ge ett liknande relativt mönster med höga och låga värden som NDVI. Även andra index och kvoter används, och har man flera våglängdsband finns fler möjligheter. Redan 2007 gjordes försök att mäta kvävebehov, ogräsförekomst och proteinhalt med hjälp av UAV inom ramen för ett samverkansprojekt mellan SLU, JTI och Lantmännen (Rydberg et al. 2007). Kvävebehov och ogräsförekomst fungerade bra, medan kamerautrustningen inte räckte för att bedöma proteinhalten. Försöket visar dock på teknikens potential. Läs mer i POS-rapport nr 28 om kartläggning av rotogräs m h a UAV i ekologisk odling.

En genomgång av många av arbetsmomenten vid UAV-scanning finns här: Drones-above-the-vineyards. Handlar om fotografering av en vinodling från drönare, men principen är den samma för andra grödor.

Med den molnbaserade applikationen Solvi.nu kan man skapa mosaiker från UAV-bilder, räkna ut olika indexkartor, klassificera kartorna i åtgärder (t ex kvävebehov), och ladda ned tilldelningsfiler i shapeformat.

Beräknad förekomst av rotogräs mha UAV-mosaik (RGB-bkamera). Siffror vid punkter visar observerad täckningsgrad i procent. Vårveteförsök i Östergötland. Bild: Mats Söderström, SLU; UAV-flygning: Niklas Adolfsson, JTI. Från POS-rapport 28 (Ståhl et al., 2013).