The advantages of using drones over space-borne imagery in the mapping of mangrove forests

• DOI: 10.1371/journal.pone.0200288
• Publication Date: 2018-07-18T18:49:56Z
• Authors: Monika Ruwaimana; Behara Satyanarayana; Viviana Otero; Aidy M. Muslim; Muhammad Syafiq A.; Sulong Ibrahim; Dries Raymaekers; Nico Koedam; Farid Dahdouh-Guebas
• Keywords: Satellite Imagery; Artificial intelligence; Aircraft; Psychologie appliquée; Geographic Mapping; Social Sciences; 01 natural sciences; land-use change; Importance of Mangrove Ecosystems in Coastal Protection; Multidisciplinary Research in Indonesia; Ecology; Geography; Pleiades; Q; R; Satellite imagery; Sciences bio-médicales et agricoles; Remote sensing; FOS: Sociology; Physical Sciences; Medicine; Biologie; Research Article; Cartography; Land cover; Science; satellite imagery; Environmental science; Mangrove; Biology; Ecosystem; Demography; 0105 earth and related environmental sciences; Malaysia; Botany; Reproducibility of Results; 15. Life on land; Computer science; Stars; Drone; Impact of Oil Palm Expansion on Biodiversity; Wetlands; FOS: Biological sciences; Environmental Science; Land use; Computer vision; reproducibility of results; Pixel

Los datos satelitales y las fotos aéreas han demostrado ser útiles para conservar y gestionar eficientemente los ecosistemas de manglares. Sin embargo, solo ha habido muy pocos intentos de demostrar la capacidad de las imágenes de drones, y ninguno hasta ahora para observar el mapeo de la vegetación (a nivel de especie). El presente estudio compara la utilidad de las imágenes de drones (DJI-Phantom-2 con cámaras SJ4000 RGB e IR, resolución espacial: 5 cm) e imágenes satelitales (Pléyades-1B, resolución espacial: 50 cm) para el mapeo de manglares, específicamente en términos de calidad de imagen, eficiencia y precisión de clasificación, en el humedal de Setiu en Malasia. Se probaron los enfoques de clasificación basados en objetos y píxeles (QGIS v.2.12.3 con Orfeo Toolbox). La clasificación basada en objetos (utilizando un algoritmo manual de conjunto de reglas) de imágenes de drones con características dominantes de cobertura terrestre (es decir, agua, tierra, Avicennia alba, Nypa fruticans, Rhizophora apiculata y Casuarina equisetifolia) proporcionó la mayor precisión (precisión general (OA): 94.0±0.5% y precisión específica del productor (SPA): 97.0±9.3%) en comparación con las imágenes de las Pléyades (OA: 72.2±2.7% y SPA: 51.9±22.7%). Además, la clasificación basada en píxeles (utilizando un algoritmo de máxima probabilidad) de las imágenes de drones proporcionó una mejor precisión (OA: 90.0±1.9% y SPA: 87.2±5.1%) en comparación con las Pléyades (OA: 82.8±3.5% y SPA: 80.4±14.3%). Sin embargo, el dron proporcionó imágenes de mayor resolución temporal, incluso en días nublados, un beneficio excepcional cuando se trabaja en un clima tropical húmedo. En términos de costos de usuario, los costos de los drones son mucho más altos, pero esto se vuelve ventajoso sobre los datos satelitales para el monitoreo a largo plazo de un área pequeña. Debido al gran tamaño de los datos de las imágenes de drones, su tiempo de procesamiento fue aproximadamente diez veces mayor que el de la imagen satelital, y varió de acuerdo con las diversas técnicas de procesamiento de imágenes empleadas (en clasificación basada en píxeles, drones >50 horas, Pléyades <5 horas), constituyendo la principal desventaja de la teledetección de UAV. Sin embargo, el mapeo de manglares basado en las fotos aéreas de drones proporcionó resultados sin precedentes para Setiu y demostró ser una alternativa viable al monitoreo/gestión satelital de estos ecosistemas. Las mejoras de la tecnología de drones ayudarán a que el uso de drones sea aún más competitivo en el futuro.<br/>Les données satellitaires et les photos aériennes se sont révélées utiles pour la conservation et la gestion efficaces des écosystèmes de mangrove. Cependant, il n'y a eu que très peu de tentatives pour démontrer la capacité des images de drones, et aucune jusqu'à présent pour observer la cartographie de la végétation (au niveau des espèces). La présente étude compare l'utilité des images de drones (DJI-Phantom-2 avec des caméras RVB et IR SJ4000, résolution spatiale : 5 cm) et des images satellites (Pléiades-1B, résolution spatiale : 50 cm) pour la cartographie des mangroves, en particulier en termes de qualité d'image, d'efficacité et de précision de classification, dans la zone humide de Setiu en Malaisie. Les approches de classification basées sur les objets et les pixels ont été testées (QGIS v.2.12.3 avec Orfeo Toolbox). La classification par objet (à l'aide d'un algorithme manuel de règles) de l'imagerie des drones avec des caractéristiques dominantes de couverture terrestre (c.-à-d. eau, terre, Avicennia alba, Nypa fruticans, Rhizophora apiculata et Casuarina equisetifolia) a fourni la plus grande précision (précision globale (OA) : 94,0±0,5% et précision spécifique du producteur (SPA) : 97,0±9,3%) par rapport à l'imagerie des Pléiades (OA : 72,2±2,7% et SPA : 51,9±22,7%). En outre, la classification basée sur les pixels (à l'aide d'un algorithme de probabilité maximale) de l'imagerie des drones a fourni une meilleure précision (OA : 90,0±1,9% et SPA : 87,2±5,1%) par rapport aux Pléiades (OA : 82,8±3,5% et SPA : 80,4±14,3%). Néanmoins, le drone a fourni des images de résolution temporelle plus élevée, même par temps nuageux, un avantage exceptionnel lorsque vous travaillez dans un climat tropical humide. En termes de coûts d'utilisation, les coûts des drones sont beaucoup plus élevés, mais cela devient avantageux par rapport aux données satellitaires pour la surveillance à long terme d'une petite zone. En raison de la grande taille des données de l'imagerie du drone, son temps de traitement était environ dix fois supérieur à celui de l'image satellite, et variait en fonction des différentes techniques de traitement d'image employées (en classification par pixels, drone >50 heures, Pléiades <5 heures), constituant le principal inconvénient de la télédétection par UAV. Cependant, la cartographie de la mangrove basée sur les photos aériennes des drones a fourni des résultats sans précédent pour Setiu et s'est avérée être une alternative viable à la surveillance/gestion par satellite de ces écosystèmes. Les améliorations de la technologie des drones contribueront à rendre l'utilisation des drones encore plus compétitive à l'avenir.<br/>أثبتت بيانات الأقمار الصناعية والصور الجوية أنها مفيدة في حفظ وإدارة النظم الإيكولوجية لغابات المانغروف بكفاءة. ومع ذلك، لم تكن هناك سوى محاولات قليلة جدًا لإثبات قدرة صور الطائرات بدون طيار، ولم يلاحظ أي منها حتى الآن رسم خرائط للغطاء النباتي (على مستوى الأنواع). تقارن الدراسة الحالية فائدة صور الطائرات بدون طيار (DJI - Phantom -2 مع كاميرات SJ4000 RGB و IR، الدقة المكانية: 5 سم) وصور الأقمار الصناعية (Pleiades -1B، الدقة المكانية: 50 سم) لرسم خرائط المنغروف - على وجه التحديد من حيث جودة الصورة والكفاءة ودقة التصنيف، في Setiu Wetland في ماليزيا. تم اختبار كل من مناهج التصنيف القائمة على الكائن والبكسل (QGIS v.2.12.3 مع Orfeo Toolbox). يوفر التصنيف القائم على الكائن (باستخدام خوارزمية يدوية لمجموعة القواعد) لصور الطائرات بدون طيار مع ميزات الغطاء الأرضي السائدة (مثل المياه والأرض و Avicennia alba و Nypa fruticans و Rhizophora apiculata و Casuarina equisetifolia) أعلى دقة (الدقة الإجمالية (OA): 94.0±0.5 ٪ ودقة المنتج المحددة (SPA): 97.0±9.3 ٪) مقارنة بصور Pleiades (OA: 72.2±2.7 ٪ و SPA: 51.9±22.7 ٪). بالإضافة إلى ذلك، وفر التصنيف القائم على البكسل (باستخدام خوارزمية الحد الأقصى للاحتمال) لصور الطائرات بدون طيار دقة أفضل (OA: 90.0±1.9 ٪ و SPA: 87.2±5.1 ٪) مقارنة بالثريا (OA: 82.8±3.5 ٪ و SPA: 80.4±14.3 ٪). ومع ذلك، قدمت الطائرة بدون طيار صورًا ذات دقة زمنية أعلى، حتى في الأيام الغائمة، وهي فائدة استثنائية عند العمل في مناخ استوائي رطب. من حيث تكاليف المستخدم، فإن تكاليف الطائرات بدون طيار أعلى بكثير، ولكن هذا يصبح مفيدًا على بيانات الأقمار الصناعية للمراقبة طويلة الأجل لمنطقة صغيرة. نظرًا لحجم البيانات الكبير لصور الطائرات بدون طيار، كان وقت معالجتها أكبر بحوالي عشر مرات من وقت معالجة صورة القمر الصناعي، واختلفت وفقًا لتقنيات معالجة الصور المختلفة المستخدمة (في التصنيف القائم على البكسل، الطائرات بدون طيار >50 ساعة، الثريا <5 ساعات)، مما يشكل العيب الرئيسي للاستشعار عن بعد بالطائرات بدون طيار. ومع ذلك، فإن رسم خرائط المنغروف على أساس الصور الجوية للطائرات بدون طيار قدم نتائج غير مسبوقة لسيتيو، وثبت أنه بديل قابل للتطبيق للرصد/الإدارة القائمة على الأقمار الصناعية لهذه النظم الإيكولوجية. ستساعد التحسينات في تكنولوجيا الطائرات بدون طيار على جعل استخدام الطائرات بدون طيار أكثر قدرة على المنافسة في المستقبل.<br/>Satellite data and aerial photos have proved to be useful in efficient conservation and management of mangrove ecosystems. However, there have been only very few attempts to demonstrate the ability of drone images, and none so far to observe vegetation (species-level) mapping. The present study compares the utility of drone images (DJI-Phantom-2 with SJ4000 RGB and IR cameras, spatial resolution: 5cm) and satellite images (Pleiades-1B, spatial resolution: 50cm) for mangrove mapping-specifically in terms of image quality, efficiency and classification accuracy, at the Setiu Wetland in Malaysia. Both object- and pixel-based classification approaches were tested (QGIS v.2.12.3 with Orfeo Toolbox). The object-based classification (using a manual rule-set algorithm) of drone imagery with dominant land-cover features (i.e. water, land, Avicennia alba, Nypa fruticans, Rhizophora apiculata and Casuarina equisetifolia) provided the highest accuracy (overall accuracy (OA): 94.0±0.5% and specific producer accuracy (SPA): 97.0±9.3%) as compared to the Pleiades imagery (OA: 72.2±2.7% and SPA: 51.9±22.7%). In addition, the pixel-based classification (using a maximum likelihood algorithm) of drone imagery provided better accuracy (OA: 90.0±1.9% and SPA: 87.2±5.1%) compared to the Pleiades (OA: 82.8±3.5% and SPA: 80.4±14.3%). Nevertheless, the drone provided higher temporal resolution images, even on cloudy days, an exceptional benefit when working in a humid tropical climate. In terms of the user-costs, drone costs are much higher, but this becomes advantageous over satellite data for long-term monitoring of a small area. Due to the large data size of the drone imagery, its processing time was about ten times greater than that of the satellite image, and varied according to the various image processing techniques employed (in pixel-based classification, drone >50 hours, Pleiades <5 hours), constituting the main disadvantage of UAV remote sensing. However, the mangrove mapping based on the drone aerial photos provided unprecedented results for Setiu, and was proven to be a viable alternative to satellite-based monitoring/management of these ecosystems. The improvements of drone technology will help to make drone use even more competitive in the future.<br/>