Date
2020-08-07Subject
580 Plants; biology Vielblättrige LupinePflanzenartFlugkörperFernerkundungBildanalyseGrünlandMetadata
Show full item record
Aufsatz
Mapping Invasive Lupinus polyphyllus Lindl. in Semi-natural Grasslands Using Object-Based Image Analysis of UAV-borne Images
Abstract
Knowledge on the spatio-temporal distribution of invasive plant species is vital to maintain biodiversity in grasslands which are threatened by the invasion of such plants and to evaluate the effect of control activities conducted. Manual digitising of aerial images with field verification is the standard method to create maps of the invasive Lupinus polyphyllus Lindl. (Lupine) in semi-natural grasslands of the UNESCO biosphere reserve “Rhön”. As the standard method is labour-intensive, a workflow was developed to map lupine coverage using an unmanned aerial vehicle (UAV)-borne remote sensing (RS) along with object-based image analysis (OBIA). UAV-borne red, green, blue and thermal imaging, as well as photogrammetric canopy height modelling (CHM) were applied. Images were segmented by unsupervised parameter optimisation into image objects representing lupine plants and grass vegetation. Image objects obtained were classified using random forest classification modelling based on objects’ attributes. The classification model was employed to create lupine distribution maps of test areas, and predicted data were compared with manually digitised lupine coverage maps. The classification models yielded a mean prediction accuracy of 89%. The maximum difference in lupine area between classified and digitised lupine maps was 5%. Moreover, the pixel-wise map comparison showed that 88% of all pixels matched between classified and digitised maps. Our results indicated that lupine coverage mapping using UAV-borne RS data and OBIA provides similar results as the standard manual digitising method and, thus, offers a valuable tool to map invasive lupine on grasslands.
Kartierung der invasiven Lupinus Polyphyllus Lindl. auf naturnahem Grünland mit UAV-gestützten Bildern und objektbasierter Bildanalyse. Die Kenntnis der raum-zeitlichen Verteilung invasiver Pflanzenarten ist unerlässlich a) für die Erhaltung der Artenvielfalt in Grünland, das durch das Eindringen solcher Pflanzen bedroht ist, und b) für die Kontrolle der Wirksamkeit von Gegenmaßnahmen. Die manuelle Digitalisierung von Luftbildern mit Feldvergleich ist bisher die Standardmethode der Methode zur Erstellung von Karten der invasiven Lupinus polyphyllus Lindl. (Lupine) in naturnahen Magerrasen des UNESCO-Biosphärenreservats "Rhön". Da dieses Verfahren arbeitsaufwändig ist, wurde eine neue Methode zur Kartierung der Verbreitung der Lupine auf Basis von UAV-gestützter Fernerkundung (RS) und objektbasierter Bildanalyse (OBIA) entwickelt. Dabei kommen rgb-Bilder, Thermalbilder und Oberflächenmodelle der Vegetation zum Einsatz. Die Bilder wurden durch eine parameteroptimierte, unüberwachte Segmentierung so zerlegt, dass die Segmente die Objektklassen „Lupine“ und „Gras“ repräsentieren. Die Segmente wurden dann anhand der Objektattribute mit einer Random-Forest- Klassifizierung einzeln den Klassen „Lupine“ und „Gras“ zugeordnet. Eine aus dem Klassifikationsmodell abgeleitete Karte zur Lupinenverteilung wurde mit einer manuell digitalisierten Karte der Lupinenverteilung verglichen. Dabei zeigte sich eine mittlere Vorhersagegenauigkeit (prediction accuracy) von 89 %. Der größte Unterschied zwischen klassifizierter und digitalisierter Lupinenfläche betrug 5%. Darüber hinaus zeigte der pixelweise Vergleich, dass 88% aller klassifizierten Pixel mit den digitalisierten Pixeln übereinstimmten. Unsere Ergebnisse zeigen, dass die Kartierung der Lupinenverteilung mit UAV-basierten RS-Daten und OBIA ähnliche Ergebnisse liefert wie die bisherige manuelle Digitalisierung und damit ein wertvolles Werkzeug zur Kartierung invasiver Lupinen im Grünland darstellt.
Citation
In: PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science Volume 88 / Issue 5 (2020-08-07) , S. 391-406 ; EISSN 2512-2819Sponsorship
Gefördert im Rahmen des Projekts DEALCitation
@article{doi:10.17170/kobra-202011042072,
author={Wijesingha, Jayan and Astor, Thomas and Schulze-Brüninghoff, Damian and Wachendorf, Michael},
title={Mapping Invasive Lupinus polyphyllus Lindl. in Semi-natural Grasslands Using Object-Based Image Analysis of UAV-borne Images},
journal={PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science},
year={2020}
}
0500 Oax 0501 Text $btxt$2rdacontent 0502 Computermedien $bc$2rdacarrier 1100 2020$n2020 1500 1/eng 2050 ##0##http://hdl.handle.net/123456789/12023 3000 Wijesingha, Jayan 3010 Astor, Thomas 3010 Schulze-Brüninghoff, Damian 3010 Wachendorf, Michael 4000 Mapping Invasive Lupinus polyphyllus Lindl. in Semi-natural Grasslands Using Object-Based Image Analysis of UAV-borne Images / Wijesingha, Jayan 4030 4060 Online-Ressource 4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/12023=x R 4204 \$dAufsatz 4170 5550 {{Vielblättrige Lupine}} 5550 {{Pflanzenart}} 5550 {{Flugkörper}} 5550 {{Fernerkundung}} 5550 {{Bildanalyse}} 5550 {{Grünland}} 7136 ##0##http://hdl.handle.net/123456789/12023
2020-11-24T13:49:53Z 2020-11-24T13:49:53Z 2020-08-07 doi:10.17170/kobra-202011042072 http://hdl.handle.net/123456789/12023 Gefördert im Rahmen des Projekts DEAL eng Namensnennung 4.0 International http://creativecommons.org/licenses/by/4.0/ invasive plant species Lupinus polyphyllus lindl. unmanned aerial vehicles object-based image analysis spatial coverage mapping grassland 580 Mapping Invasive Lupinus polyphyllus Lindl. in Semi-natural Grasslands Using Object-Based Image Analysis of UAV-borne Images Aufsatz Knowledge on the spatio-temporal distribution of invasive plant species is vital to maintain biodiversity in grasslands which are threatened by the invasion of such plants and to evaluate the effect of control activities conducted. Manual digitising of aerial images with field verification is the standard method to create maps of the invasive Lupinus polyphyllus Lindl. (Lupine) in semi-natural grasslands of the UNESCO biosphere reserve “Rhön”. As the standard method is labour-intensive, a workflow was developed to map lupine coverage using an unmanned aerial vehicle (UAV)-borne remote sensing (RS) along with object-based image analysis (OBIA). UAV-borne red, green, blue and thermal imaging, as well as photogrammetric canopy height modelling (CHM) were applied. Images were segmented by unsupervised parameter optimisation into image objects representing lupine plants and grass vegetation. Image objects obtained were classified using random forest classification modelling based on objects’ attributes. The classification model was employed to create lupine distribution maps of test areas, and predicted data were compared with manually digitised lupine coverage maps. The classification models yielded a mean prediction accuracy of 89%. The maximum difference in lupine area between classified and digitised lupine maps was 5%. Moreover, the pixel-wise map comparison showed that 88% of all pixels matched between classified and digitised maps. Our results indicated that lupine coverage mapping using UAV-borne RS data and OBIA provides similar results as the standard manual digitising method and, thus, offers a valuable tool to map invasive lupine on grasslands. Kartierung der invasiven Lupinus Polyphyllus Lindl. auf naturnahem Grünland mit UAV-gestützten Bildern und objektbasierter Bildanalyse. Die Kenntnis der raum-zeitlichen Verteilung invasiver Pflanzenarten ist unerlässlich a) für die Erhaltung der Artenvielfalt in Grünland, das durch das Eindringen solcher Pflanzen bedroht ist, und b) für die Kontrolle der Wirksamkeit von Gegenmaßnahmen. Die manuelle Digitalisierung von Luftbildern mit Feldvergleich ist bisher die Standardmethode der Methode zur Erstellung von Karten der invasiven Lupinus polyphyllus Lindl. (Lupine) in naturnahen Magerrasen des UNESCO-Biosphärenreservats "Rhön". Da dieses Verfahren arbeitsaufwändig ist, wurde eine neue Methode zur Kartierung der Verbreitung der Lupine auf Basis von UAV-gestützter Fernerkundung (RS) und objektbasierter Bildanalyse (OBIA) entwickelt. Dabei kommen rgb-Bilder, Thermalbilder und Oberflächenmodelle der Vegetation zum Einsatz. Die Bilder wurden durch eine parameteroptimierte, unüberwachte Segmentierung so zerlegt, dass die Segmente die Objektklassen „Lupine“ und „Gras“ repräsentieren. Die Segmente wurden dann anhand der Objektattribute mit einer Random-Forest- Klassifizierung einzeln den Klassen „Lupine“ und „Gras“ zugeordnet. Eine aus dem Klassifikationsmodell abgeleitete Karte zur Lupinenverteilung wurde mit einer manuell digitalisierten Karte der Lupinenverteilung verglichen. Dabei zeigte sich eine mittlere Vorhersagegenauigkeit (prediction accuracy) von 89 %. Der größte Unterschied zwischen klassifizierter und digitalisierter Lupinenfläche betrug 5%. Darüber hinaus zeigte der pixelweise Vergleich, dass 88% aller klassifizierten Pixel mit den digitalisierten Pixeln übereinstimmten. Unsere Ergebnisse zeigen, dass die Kartierung der Lupinenverteilung mit UAV-basierten RS-Daten und OBIA ähnliche Ergebnisse liefert wie die bisherige manuelle Digitalisierung und damit ein wertvolles Werkzeug zur Kartierung invasiver Lupinen im Grünland darstellt. open access Wijesingha, Jayan Astor, Thomas Schulze-Brüninghoff, Damian Wachendorf, Michael doi:10.1007/s41064-020-00121-0 Vielblättrige Lupine Pflanzenart Flugkörper Fernerkundung Bildanalyse Grünland publishedVersion EISSN 2512-2819 Issue 5 PFG – Journal of Photogrammetry, Remote Sensing and Geoinformation Science 391-406 Volume 88 false
The following license files are associated with this item: