تقدير الكتلة الحيوية القائم على رؤية الكمبيوتر للنباتات الغازية

Summary

نبلغ عن إجراءات مفصلة لطريقة تقدير الكتلة الحيوية النباتية الغازية التي تستخدم البيانات التي تم الحصول عليها من الاستشعار عن بعد للمركبات الجوية بدون طيار (UAV) لتقييم الكتلة الحيوية والتقاط التوزيع المكاني للأنواع الغازية. يثبت هذا النهج أنه مفيد للغاية لإجراء تقييم المخاطر والإنذار المبكر للنباتات الغازية.

Abstract

نقدم تقريرا عن الخطوات التفصيلية لطريقة تقدير الكتلة الحيوية للنباتات الغازية بناء على الاستشعار عن بعد للطائرات بدون طيار ورؤية الكمبيوتر. لجمع عينات من منطقة الدراسة ، قمنا بإعداد عينة مربعة تجميع لتوزيع نقاط أخذ العينات عشوائيا. تم بناء نظام كاميرا جوية بدون طيار باستخدام طائرة بدون طيار وكاميرا للحصول على صور RGB مستمرة لمنطقة الدراسة من خلال الملاحة الآلية. بعد الانتهاء من التصوير ، تم جمع الكتلة الحيوية فوق الأرض في إطار العينة ، وتم تسمية جميع المراسلات وتعبئتها. تمت معالجة بيانات العينة ، وتم تقسيم الصور الجوية إلى صور صغيرة بحجم 280 × 280 بكسل لإنشاء مجموعة بيانات صورة. تم استخدام شبكة عصبية تلافيفية عميقة لرسم خريطة لتوزيع ميكانيا ميكرانثا في منطقة الدراسة ، وتم الحصول على مؤشر الغطاء النباتي الخاص بها. تم تجفيف الكائنات الحية التي تم جمعها ، وتم تسجيل الوزن الجاف ككتلة حيوية للحقيقة الأرضية. تم بناء نموذج انحدار الكتلة الحيوية النباتية الغازية باستخدام الانحدار المجاور الأقرب K (KNNR) عن طريق استخراج مؤشر الغطاء النباتي من صور العينة كمتغير مستقل ودمجه مع الكتلة الحيوية للحقيقة الأرضية كمتغير تابع. أظهرت النتائج أنه كان من الممكن التنبؤ بالكتلة الحيوية للنباتات الغازية بدقة. تم إنشاء خريطة توزيع مكانية دقيقة للكتلة الحيوية النباتية الغازية عن طريق اجتياز الصورة ، مما يسمح بتحديد دقيق للمناطق عالية الخطورة المتأثرة بالنباتات الغازية. باختصار ، توضح هذه الدراسة إمكانية الجمع بين الاستشعار عن بعد للمركبات الجوية بدون طيار وتقنيات التعلم الآلي لتقدير الكتلة الحيوية النباتية الغازية. يساهم بشكل كبير في البحث عن تقنيات وطرق جديدة للمراقبة في الوقت الفعلي للنباتات الغازية ويوفر الدعم الفني للمراقبة الذكية وتقييم المخاطر على المستوى الإقليمي.

Introduction

في هذا البروتوكول ، يمكن للطريقة المقترحة لتقدير الكتلة الحيوية الغازية القائمة على الاستشعار عن بعد للطائرات بدون طيار ورؤية الكمبيوتر أن تعكس توزيع الكائنات الغازية وتتنبأ بدرجة الخطر البيولوجي الغازي. وتعتبر تقديرات توزيع الكائنات الغازية وكتلتها الحيوية أمرا بالغ الأهمية للوقاية من هذه الكائنات ومكافحتها. بمجرد غزو النباتات الغازية ، يمكن أن تلحق الضرر بالنظام البيئي وتسبب خسائر اقتصادية فادحة. يعد تحديد النباتات الغازية بسرعة ودقة وتقدير الكتلة الحيوية النباتية الغازية الرئيسية من التحديات الرئيسية في مراقبة النباتات الغازية ومكافحتها. في هذا البروتوكول ، نأخذ Mikania micrantha كمثال لاستكشاف طريقة تقدير الكتلة الحيوية النباتية الغازية بناء على الاستشعار....

Protocol

1. إعداد مجموعات البيانات

1. اختيار كائن البحث
   1. حدد عينات الاختبار بناء على تركيز الدراسة التجريبية ، مع الأخذ في الاعتبار خيارات مثل Mikania micrantha أو غيرها من النباتات الغازية.
2. جمع صور الطائرات بدون طيار
   1. تحضير إطارات بلاستيكية مربعة بحجم 0.5 م * 0.5 م وكمية 25-50 حسب حجم المنطقة المدروسة.
   2. استخدام نهج أخذ العينات العشوائية لتحديد مواقع أخذ عينات التربة في منطقة الدراسة باستخدام عدد كاف من عينات الكتلة الحيوية. ضع إطار العينة أفقيا فوق الغطاء النباتي ، بما في ذلك النباتات بالكامل بمسافة فاصلة لا تقل عن 2 متر بين كل نبات.
   3. استخدم طائرة بدون طيار وكاميرا لتشكيل نظام تصوير بالاستش....

النتائج

نعرض نتائج تمثيلية لطريقة قائمة على رؤية الكمبيوتر لتقدير النباتات الغازية ، والتي يتم تنفيذها بطريقة برمجية على الكمبيوتر. في هذه التجربة ، قمنا بتقييم التوزيع المكاني وتقدير الكتلة الحيوية للنباتات الغازية في موائلها الطبيعية ، باستخدام Mikania micrantha كموضوع بحثي. استخدمنا نظام كامير.......

Discussion

نقدم الخطوات التفصيلية لتجربة حول تقدير الكتلة الحيوية للنباتات الغازية باستخدام الاستشعار عن بعد للطائرات بدون طيار ورؤية الكمبيوتر. العملية والخطوات الرئيسية لهذه الاتفاقية موضحة في الشكل 7. تعد جودة العينة المناسبة أحد أكثر جوانب البرنامج أهمية وتحديا. تنطبق هذه الأه.......

Materials

Name	Company	Catalog Number	Comments
DSLR camera	Nikon	D850	Sensor type: CMOS; Maximum number of pixels: 46.89 million; Effective number of pixels: 45.75 million; Maximum resolution 8256 x 5504.
GPU - Graphics Processing Unit	NVIDIA	RTX3090
Hexacopter	DJI	M600PRO	Horizontal flight: 65 km/h (no wind environment); Maximum flight load: 6000 g
PyCharm	Python IDE	2023.1
Python	Python	3.8.0
Pytorch	Pytorch	1.8.1