Structure from Motion (SfM) is een algoritme dat veel gebruikt wordt om de honderden foto’s die een drone tijdens een of meerdere vluchten verzamelt, te verwerken. Het doel is die losse foto’s tot een beeldmozaïek aan elkaar te passen of een digitaal hoogtemodel te berekenen. Essentieel is dat de losse dronefoto’s een overlap met elkaar hebben van ten minste 60 procent, maar liever nog meer. SfM traceert duizenden tot miljoenen gemeenschappelijke punten in de overlappende opnamen. In foto’s uit verschillende richtingen verschuiven de posities van objecten een heel klein beetje: punten dichterbij schuiven meer dan punten ver weg. Door de verplaatsing in meerdere foto’s te meten, kan precies de afstand tot de camera worden bepaald. Eerst worden de posities van alle foto’s ten opzichte van elkaar, gps-coördinaten en eventueel in het veld aangebrachte markeerpunten bepaald, daarna wordt een puntenwolk berekend met de exacte locatie en hoogte van alle gemeenschappelijke punten. De laatste stap is het bouwen van een mozaïek van de foto’s en het berekenen van een hoogtemodel. De resultaten zijn over het algemeen zeer goed: de geometrische nauwkeurigheid is in de orde van centimeters. De fotomozaïeken en hoogtemodellen zijn digitaal eenvoudig te vergelijken en dus geweldig om in detail veranderingen aan het aardoppervlak op te sporen.
Drones helpen wetenschap vooruit
Drones zijn populair speelgoed, maar in de wetenschap ook een waardevol hulpmiddel. De apparaten die je nu in de winkels vindt, zijn licht, goedkoop, makkelijk te bedienen en flexibel inzetbaar. Voorzien van camera’s of andere sensoren leveren ze unieke informatie op.
Drones (of UAV’s, Unmanned Airborne Vehicles) zijn tegenwoordig in allerlei vormen beschikbaar en worden steeds beter en goedkoper. Ze zijn er als copters met vier, zes of acht propellers en als modelvliegtuigen en ze variëren in grootte van enkele centimeters tot het formaat van een klein bemand vliegtuig, zoals de militaire predator drones.
Ze kunnen met een autopilot autonoom vliegen of met een afstandsbediening bestuurd worden. Sinds ongeveer tien jaar zijn ze algemeen te koop en breed toepasbaar. Dit is mede dankzij de snelle ontwikkelingen van krachtige accu’s die ook in mobiele telefoons zitten, waardoor ze langer vliegen. En dankzij de ultralichte motoren en accu’s kunnen ze het nodige gewicht aan camera’s, sensoren en een gps meenemen. Wetenschappers maken er dan ook volop gebruik van om opnamen van hun studieobjecten te maken. Je neemt ze eenvoudig mee achter in een auto of zelfs in een rugzak en binnen een paar uur heb je honderden foto’s. Op deze manier ben je minder afhankelijk van de beschikbaarheid van satellietbeelden of van vliegtuigen met sensoren voor opnamen. De resolutie is ongekend; je kunt er haarscherpe opnamen met pixels van enkele centimeters mee maken. In het fysisch-geografisch onderzoek van de Universiteit Utrecht gebruiken we dronebeelden voor het monitoren van bijvoorbeeld aardverschuivingen, oevererosie van rivieren, geulverlegging, de ontwikkeling van vegetatie op schorren en platen, gletsjerbewegingen en wandelende duinen langs de kust. Andere toepassingen liggen bijvoorbeeld in de landbouw om gewasontwikkeling te volgen, gewasopbrengst te berekenen of te bepalen hoeveel bemesting of irrigatie nodig is. We bespreken er hier twee, in Tasmanië en in de Franse Alpen.
Home Hill aardverschuiving
Het gebruik van droneopnamen is ideaal om de bewegingen van aardverschuivingen te volgen. Samen met de Universiteit van Tasmanië (UTAS) hebben we op zeven tijdstippen tussen juli 2010 en juli 2014 met drones over de Home Hill landslide gevlogen. Het gaat om een kleine, maar actieve aardverschuiving van ongeveer 125 bij 60 meter in het zuidwesten van Tasmanië. Hij bestaat uit een steile achterwand en twee bewegende tongen. Met SfM (zie kader) zijn alle dronefoto’s verwerkt in mozaïeken en hoogtemodellen. Aan de hand van gps-metingen in het veld hebben we de nauwkeurigheid van de gekarteerde bewegingen bepaald op ongeveer 2 tot 4 cm. De visuele interpretatie van de beeldmozaïeken op de zeven tijdstippen, en het over elkaar leggen van de hoogtemodellen geven waardevolle informatie over de bewegingen van de aardverschuiving. Een meer kwantitatieve analyse van de beweging is uitgevoerd met een correlatieberekening tussen ieder van de beelden. Figuur 1 toont zo’n analyse van de bewegingen van de Home Hill aardverschuiving over acht maanden. Hoe groter de pijl, des te groter de beweging. De bewegingen van de tongen worden uitstekend in beeld gebracht. De interpretatie is alleen wat problematisch bij de steile achterwand die ongeordend afglijdt, te zien aan de diverse richtingen en lengte van de pijlen. Figuur 2 toont hoogteprofielen van boven naar beneden over de grote tong van de landslide in de loop van vier jaar. Je ziet dat er van bovenaf materiaal wordt aangevoerd dat de tong omhoogduwt. De spanning in de tong bouwt op, maar de weerstand met het onderliggende oppervlak is nog te groot om de tong te laten bewegen. Deze opbouw van de spanning is met droneopnamen prima te volgen. Op basis daarvan is goed te bepalen wanneer het tijd is om te draineren, de tong af te graven of deze te stabiliseren.
Riviermorfologie en oevererosie
We gebruikten ook dronebeelden om het gedrag van de Petit Buëch in de Franse Alpen te monitoren. Dit is een verwilderde rivier waarvan de hoofd- en bijgeulen zich vaak verleggen in de overstromingsvlakte, en de oevers regelmatig eroderen. De Petit Buëch ontspringt in het Devoluy-massief ten noordwesten van de stad Gap en stroomt via Sisteron naar de Durance. Het vastleggen van het verwilderde gedrag van de rivier is wetenschappelijk interessant om het beter te kunnen begrijpen, en maatschappelijk van belang omdat de rivierdynamiek schade berokkent aan infrastructuur en landbouwgebieden. Door de herbebossing in hogere gebieden in de Alpen vermindert de hoeveelheid sediment in het water en is er minder energie nodig voor transport en meer energie beschikbaar voor insnijding en erosie. Bij de dorpjes Chabestan en LaBatie verzamelen we ieder jaar in juni dronebeelden van twee trajecten van de Petit Buëch. Geulverlegging, bankverlegging en oevererosie zijn goed te volgen op de nauwkeurige dronebeelden. Figuur 3 toont de met SfM aan elkaar gepaste beelden van de overstromingsvlakte bij LaBatie. Deze is op sommige plekken honderden meters breed. De geulverleggingen tussen juni 2014 en juni 2015 zijn in rood en blauw weergegeven. Bij het karteren moet rekening worden gehouden met de wisselende afvoerregimes tijdens de droneopnamen. Het blauw gearceerde gebied ten westen van de geul is volledig weggeërodeerd tussen juni 2014 en juni 2015. Het betreft een strook van 150 bij 40 meter. Op de foto is bos te zien, omdat het beeld van 2014 gebruikt is als ondergrond. De dronebeelden zijn beschikbaar als beeldmozaïeken en als hoogtemodellen, en het weggespoelde grondvolume kan dus direct berekend worden. In deze periode was dat 5850 kubieke meter. Tevens is te zien dat de oeverafslag zich vervaarlijk uitbreidt in de richting van de spoorbaan tussen Serres en Gap. Drones zijn waardevolle hulpmiddelen bij het in kaart brengen van dit soort dynamische landschappen, en het einde van de technische ontwikkelingen is nog lang niet in zicht. Drones zijn nu voorzien van gewone RGB-kleurencamera’s, nabij-infraroodcamera’s en thermische sensoren. Inmiddels zijn de eerste drones met lasersensoren voor hoogtemetingen, en met spectrometers op de markt beschikbaar.
Hoe groter de pijl, des te groter de beweging tussen de twee tijdstippen van beeldopname. Het algoritme heeft problemen bij de steile achterwand die ongeordend afglijdt. De beweging van de tongen wordt uitstekend in beeld gebracht.
In de grote tong van de aardverschuiving bouwt de spanning op, wat zichtbaar is aan de profielen getrokken over de hoogtemodellen van de tong. De aanvoer van materiaal van boven gaat door, de spanning bouwt op, de tong wordt hoger en steiler, en het wachten is op de volgende beweging van de tong.
Geulverleggingen in de overstromingsvlakte zijn in rood en blauw weergegeven. Het gearceerde deel ten westen van de geul is een gebied van 150 bij 40 meter volledig weg geërodeerd in één jaar.
MEER INFORMATIE
- Turner, D., A. Lucieer & S.M. de Jong 2015. Time series analysis of landslide dynamics using an Unmanned Aerial Vehicle (UAV). Remote Sensing 7: 1736-1757.
- Hemmelder, S., W. Marra, H. Markies, S.M. De Jong 2018. Monitoring river morphology & bank erosion using UAV imagery, a case study of the river Buëch, Hautes-Alpes, France. Int. Journal of Applied Earth Observation and Geoinformation 73: 428-437.
- Drones voor het monitoren van gletsjers
- Onderzoek in de Himalaya met drones
- Wetgeving en toepassingen van drones