Webové stránky projektu TA04020455

0471334 - BÚ 2017 RIV CZ cze O - Others
Müllerová, Jana - Brůna, Josef - Vítková, Michaela - Bartaloš, T. - Dvořák, P.
Webové stránky projektu TA04020455.
[Web pages of the project TA04020455.]
2014
R&D Projects: GA TA ČR TA04020455
Institutional support: RVO:67985939
Keywords : invasive species * remote sensing * unmanned aircraft
Subject RIV: DO - Wilderness Conservation
http://www.invaznirostliny.cz/

V rámci projektu je Leteckým ústavem VUT Brno vyvíjen bezpilotní systém, který zajistí dostatečné prostorové rozlišení a zároveň poskytuje flexibilitu pro pořízení dat v různé výšce i fenologických fázích invazních rostlin. VUT ve spolupráci s firmou GISAT testuje různé používané postupy pro předzpracování snímků a vybere nejvhodnější metodu pro pořizování dat a jejich geometrickou a radiometrickou korekci. Parametry vzdušné i pozemní části bezpilotního systému jsou optimalizovány pro plnění misí definovaných v průběhu projektu. Ke srovnání jsou použity standardně dostupné satelitní a letecké snímky. Tak je pokryto široké spektrum rozlišení dat, a to jak prostorové (od méně podrobných satelitních dat, tj. Rapid Eye s 5m rozlišením, až po velmi podrobná bezpilotní data s rozlišením 0,2 m), tak i spektrální (barevné letecké snímky, multispektrální satelitní data se 4—10 kanály a bezpilotní snímky s RGB kanály a modifikovaným NIR kanálem) a časové (bezpilotní letoun nám umožňuje pořídit data zachycující rostliny v různých fenofázích, což umožní určit ideální dobu snímání pro přesnou a účinnou detekci druhu). Cílem je nalezení automatických či poloautomatických postupů detekce zájmových druhů za použití jak pixelově, tak i objektově orientované klasifikace obrazu a kombinace obou (hybridní přístup).

In this project, our team is developing an unmanned aircraft system and methodological workflow enabling fast and precise monitoring of invasions. The system will provide sufficient spatial/spectral resolution and flexibility of the data acquisition in various flight height and phenological stages of study plant species. Different approaches to image pre-processing are tested, choosing the best methods for the data acquisition and their geometric and radiometric correction. Satellite and commercial aircraft data are used for comparison to cover broad range of data resolution, spatial (from coarser satellite data to very high resolution UAV data of < 0.1 m), spectral (color aerial, MSS satellite with 4—10 channels, and UAV imagery with RGB plus modified NIR channels), as well as temporal (UAV flexibility enables to assess the best timing for the accurate species detection). Our project aims in finding automatic or semiautomatic algorithms using different classification approaches, such as pixel-based, object-based, or combination of both (hybrid approach).
Permanent Link: http://hdl.handle.net/11104/0268723