Drones zijn de toekomst voor het in kaart brengen en monitoren van de natuur. In vergelijking met satellietbeelden, dronebeelden bieden 1, 000 keer betere beeldresolutie en een miljoen keer meer datapunten, zegt Kasper Hancke, marien bioloog aan het Noorse Instituut voor Wateronderzoek (NIVA).

Het is een verrassend mooie en rustige zomerdag op Søre Sunnmøre, door de ultraperifere eilanden van West-Noorwegen. Terwijl off-piste hippies nog op de allerlaatste zomersneeuw verder in de fjorden skiën, het kajakseizoen is hier al begonnen in een stille baai in de buurt van Fosnavåg. Maar het is niet allemaal vredig. Er klinkt een zoemend geluid van boven; een enorme drone vliegt systematisch langs de kustlijn. Aan de kust, een man staat met zeewier op zijn knieën, met in zijn armen een rek dat groter is dan hijzelf. Dit is marien bioloog Kasper Hancke van het Noorse Instituut voor Wateronderzoek (NIVA). Hij is hier om een ​​deel van de natuur te fotograferen dat de meesten van ons meestal niet zien:de zone tussen eb en vloed.

- "Gebruikelijk, als we de getijdenzone in kaart brengen, we doen de registratie handmatig:Spiraalwier, blaas wrak, geknoopte wrak, getande wrak, enzovoort. Maar nu proberen we, Voor de eerste keer, om in plaats daarvan foto's van bovenaf te maken, ", zegt Hancke. "Als de drone 100 meter boven de grond vliegt, hij maakt foto's met een resolutie van 3 x 3 cm. Dit biedt 1, 000 keer betere beeldresolutie, of een miljoen keer meer datapunten, dan satellietbeelden, die vaak een resolutie van 30 x 30 m hebben."

Hancke is ervan overtuigd dat drones de toekomst zijn voor het in kaart brengen en monitoren van natuur en natuurlijke hulpbronnen.

Machine learning en vingerafdrukken

Later, terwijl de winterstormen Fosnavåg naderen, Hancke is veilig terug in zijn kantoor in Oslo. De drone-foto's worden opgeslagen op zijn computer, en Hancke is begonnen met het analyseren ervan. De software maakt gebruik van machine learning; het herkent patronen in de afbeeldingen en categoriseert de verschillende elementen. Het programma kan dan bepalen hoeveel zeewier er van elke soort in het afgebeelde gebied zit. Hancke legt uit:"Elke familie van zeewier heeft zijn eigen kleursignatuur, die de software herkent. Dit komt door de combinatie van golflengten die worden weerspiegeld door de verschillende soorten zeewier. Elke familie krijgt zijn eigen vingerafdruk, uitgedrukt in kleuren. De software herkent de vingerafdruk van het zeewier, en categoriseert daardoor de elementen in de afbeelding."

Identificatie op kleur wordt multispectrale beeldanalyse genoemd, zo maakt de software onderscheid tussen verschillende groepen zeewieren. Hancke is optimistisch over toekomstige analyses met hyperspectrale beeldanalyse, die een nog hogere resolutie van kleuren heeft. De drone-foto's kunnen vervolgens worden gebruikt om de precieze hoeveelheid van elke afzonderlijke soort zeewier en gemengde kelpbossen te identificeren, en bereken de hoeveelheid epifyten op de zeewieroppervlakken.

Een jaar geleden, Hancke's collega Trine Bekkby was in Søre Sunnmøre om de kustzone in kaart te brengen voor Artsdatabanken (Norwegian Biodiversity Information Centre) en het EU-project EfficienSea. Ze vond beide getande wrakstukken, roeispaan, suiker kelp, wirwar, en rode algen. In juni van dit jaar, ze kwam terug en zette het werk een niveau hoger voort, in de getijdenzone. Ze deed traditionele kaarten - met een camera en een notitieboekje. Omdat Bekkby de verspreiding van zeewier in Søre Sunnmøre al in kaart had gebracht toen Hancke naar een testlocatie voor drones zocht, het maakte de beslissing gemakkelijk. Door gebruik te maken van haar zeewierregistraties van Søre Sunnmøre, hij kan nu de drone-foto's valideren, en de machine learning-algoritmen te verbeteren.

Nieuwe modellen voor kaarten

Het karteringsproject in Søre Sunnmøre loopt sinds 2016, en is een samenwerking tussen onderzoekers van het NIVA, Geologisch Onderzoek van Noorwegen (NGU), en Instituut voor Marien Onderzoek (HI). De geologische en biologische gegevens worden gebruikt om een ​​standaardmethode te ontwikkelen voor het in kaart brengen van mariene "natuurtypen" volgens het classificatiesysteem van Nature in Norway (NiN).

Het doorlopend in kaart brengen van kustgebieden in Søre Sunnmøre maakt ook deel uit van een proefproject, Meer Piloot, in het kader van het EU-project EfficienSea. EfficienSea heeft tot doel de kennis te verbeteren over waar kwetsbare ecosystemen aanwezig zijn, zodat toekomstige scheepvaart en nieuwbouw in de meest kwetsbare gebieden vermeden kan worden.

Met behulp van de nieuwe, zeebodemkaarten met hoge resolutie van NGU, Ook werken Bekkby en haar collega's aan de ontwikkeling van nieuwe modellen om natuurtypen in kaart te brengen. Ze hopen dat ze NGU's ondiep-mariene geologische kaarten kunnen gebruiken samen met gegevens over de fysieke omgeving, zoals temperatuur, zoutgehalte, golfblootstelling en licht om de verschillende natuurtypes langs de kust te modelleren.

Groot potentieel voor drones

Twee kamers links van Bekkby's kantoor aan het NIVA, zit Hanke. Hij stelt zich een mooie toekomst voor voor het in kaart brengen van drones, wat een stuk efficiënter en kostenbesparender zal zijn dan de huidige kaartmethoden. Drone-mapping biedt ook continue observaties langs de kusten, in plaats van enkele datapunten die geëxtrapoleerd moeten worden, zoals nu. In de toekomst, Hancke wil ook drones inzetten om onderwaterfoto's vanuit de lucht te maken, niet alleen foto's van het blootgestelde intergetijdengebied. Camera's die zijn aangepast voor onderwaterfoto's zijn nog niet op de markt, maar NIVA heeft hiervoor eigen speciale apparatuur ontwikkeld.

"Verder, dronebeelden kunnen worden gebruikt om de uitbreiding van geïntroduceerde soorten te volgen, zoals de Pacifische oester. We werken ook aan het gebruik van drones voor het kwantificeren van plastic en zwerfvuil in de kustzeeën en langs de kusten, en ontwikkelen geautomatiseerde beeldanalyseroutines, "zegt Henk.