Universität zu Köln

Unmanned aerial vehicles (UAVs) for multi-temporal crop surface modelling. A new method for plant height and biomass estimation based on RGB-imaging

Bendig, Juliane Viktoria (2015) Unmanned aerial vehicles (UAVs) for multi-temporal crop surface modelling. A new method for plant height and biomass estimation based on RGB-imaging. PhD thesis, Universität zu Köln.

[img]
Preview
PDF - Accepted Version
Available under License Creative Commons Attribution No Derivatives.

Download (8Mb) | Preview

    Abstract

    Data collection with unmanned aerial vehicles (UAVs) fills a gap on the observational scale in re-mote sensing by delivering high spatial and temporal resolution data that is required in crop growth monitoring. The latter is part of precision agriculture that facilitates detection and quan-tification of within-field variability to support agricultural management decisions such as effective fertilizer application. Biophysical parameters such as plant height and biomass are monitored to describe crop growth and serve as an indicator for the final crop yield. Multi-temporal crop surface models (CSMs) provide spatial information on plant height and plant growth. This study aims to examine whether (1) UAV-based CSMs are suitable for plant height modelling, (2) the derived plant height can be used for biomass estimation, and (3) the combination of plant height and vegetation indices has an added value for biomass estimation. To achieve these objectives, UAV-flight campaigns were carried out with a red-green-blue (RGB) camera over controlled field experiments on three study sites, two for summer barley in Western Germany and one for rice in Northeast China. High-resolution, multi-temporal CSMs were derived from the images by using computer vision software following the structure from motion (SfM) approach. The results show that plant height and plant growth can be accurately modelled with UAV-based CSMs from RGB imaging. To maximise the CSMs’ quality, accurate flight planning and well-considered data collection is necessary. Furthermore, biomass is successfully estimated from the derived plant height, with the restriction that results are based on a single-year dataset and thus require further validation. Nevertheless, plant height shows robust estimates in comparison with various vegetation indices. As for biomass estimation in early growth stages additional po-tential is found in exploiting visible band vegetation indices from UAV-based red-green-blue (RGB) imaging. However, the results are limited due to the use of uncalibrated images. Combining visible band vegetation indices and plant height does not significantly improve the performance of the biomass models. This study demonstrates that UAV-based RGB imaging delivers valuable data for productive crop monitoring. The demonstrated results for plant height and biomass estimation open new possi-bilities in precision agriculture by capturing in-field variability.

    Item Type: Thesis (PhD thesis)
    Translated abstract:
    AbstractLanguage
    Die Datenerfassung mit Unmanned Aerial Vehicles (UAVs) füllt eine Lücke auf der Beobachtungs-skala in der Fernerkundung durch die Bereitstellung von Daten mit hoher räumlicher und zeitlicher Auflösung, die für die Überwachung von Pflanzenwachstum erforderlich sind. Letzteres ist Teil der Präzisionslandwirtschaft, welche die Erfassung und Quantifizierung von Variabilität innerhalb von Getreidebeständen ermöglicht und so Entscheidungen des landwirtschaftlichen Managements unterstützt wie zum Beispiel bei effizienter Düngung. Die Überwachung biophysikalischer Para-meter wie Pflanzenhöhe und Biomasse dient der Erfassung des Pflanzenwachstums und liefert Indikatoren für den Ertrag. Multitemporale Oberflächenmodelle von Getreidebeständen (crop surface models - CSMs) liefern räumliche Informationen über die Pflanzenhöhe und das Pflanzen-wachstum. Ziel dieser Studie ist es zu prüfen, ob (1) UAV-basierte CSMs sich zur Modellierung der Pflanzen-höhe eignen, (2) die abgeleitete Pflanzenhöhe für Biomasseschätzungen verwendet werden kann, und (3) die Kombination von Pflanzenhöhe und Vegetationsindizes einen Mehrwert für Biomasse-schätzung hat. Um diese Ziele zu erreichen, wurden UAV-Flugkampagnen mit einer Rot-Grün-Blau (RGB)-Kamera in kontrollierten Feldversuchen in drei Untersuchungsgebieten durchgeführt, zwei für Sommer-gerste in Westdeutschland und eine für Reis im Nordosten Chinas. Aus den Bildern wurden hoch aufgelöste, multitemporale CSMs mit Hilfe von Computer-Vision-Software nach dem Structure from Motion (SFM) Ansatz abgeleitet. Die Ergebnisse zeigen, dass es genaue Modellierungen der Pflanzenhöhe und des Pflanzenwachstums mit UAV-basierten CSMs aus RGB Aufnahmen möglich sind. Um die Qualität der CSMs zu maximieren, sind eine genaue Flugplanung und wohlüberlegte Datenerfassung notwendig. Weiterhin lässt sich Biomasse erfolgreich mit der abgeleiteten Pflan-zenhöhe schätzen, mit der Einschränkung, dass die Ergebnisse aus einem einjährigen Datensatz erzeugt wurden und folglich eine weitere Verifizierung erfordern. Dennoch, zeigen die Schätzun-gen mittels Pflanzenhöhe robuste Ergebnisse im Vergleich mit verschiedenen Vegetationsindizes. Für die Biomasseschätzung in frühen Wachstumsstadien, zeigt sich zusätzliches Potential für die Biomasseschätzung mittels Vegetationsindizes im Bereich des sichtbaren Lichts, die aus UAV-ba-sierten Rot-Grün-Blau (RGB) Aufnahmen abgeleitet wurden. Eine Beschränkung der Ergebnisse ergibt sich aus der Verwendung von unkalibrierten Bildern. Die Kombination von Vegetationsindi-zes im Bereich des sichtbaren Lichts und der Pflanzenhöhe führte nicht zu einer signifikanten Ver-besserung in der Vorhersagequalität der Biomasse-Modelle. Diese Studie zeigt, dass RGB-Aufnahmen auf der Basis von UAVs wertvolle Daten für die produk-tive Überwachung von Pflanzenwachstum liefern. Die gezeigten Ergebnisse für die Pflanzenhöhe und Biomasseschätzung eröffnen neue Möglichkeiten in der Präzisionslandwirtschaft durch die Erfassung von Variabilität innerhalb von Getreidebeständen.German
    Creators:
    CreatorsEmail
    Bendig, Juliane Viktoriajulianebendig@googlemail.com
    URN: urn:nbn:de:hbz:38-60185
    Subjects: Geography and travel
    Uncontrolled Keywords:
    KeywordsLanguage
    DEM, multi-temporal data, plant height, Rice, UAV, crop growth, optical, remote sensing, RGB, 3D, biomass estimation, crop surface model, summer barley, precision agriculture, point cloud, structure from motion, green red vegetation index, GnyLi, SAVI, NDVIEnglish
    Faculty: Mathematisch-Naturwissenschaftliche Fakultät
    Divisions: Mathematisch-Naturwissenschaftliche Fakultät > Geographisches Institut
    Language: English
    Date: 2015
    Date Type: Publication
    Date of oral exam: 12 January 2015
    Full Text Status: Public
    Date Deposited: 12 Mar 2015 19:04:09
    Referee
    NameAcademic Title
    Bareth, GeorgProf. Dr.
    URI: http://kups.ub.uni-koeln.de/id/eprint/6018

    Actions (login required)

    View Item