The use of unmanned aerial vehicles to prevent the spread of desert locust swarms

Drones could play an integral role in identifying and preventing desert locust swarms in the fight against this dangerous migratory pest. 

The desert locust is the world's most dangerous migratory pest with a voracious appetite unmatched in the insect world. Within the desert locust's range, which is equivalent to 20% of the earth's land surface, the insects annually reproduce, concentrate and then form swarms that can move up to 150 kilometres per day in search of food.

These swarms are able to migrate across long distances, and can even jump from continent to continent.  A single desert locust swarm the size of Brussels could consume Belgium's entire food supply in a single day.

While desert locust swarms aren't found in the Americas or in Europe, these insects pose a constant threat to food supplies in some of the world's poorest and driest countries, occupying a huge area that stretches from West Africa to the Indian subcontinent. To control these swarms, vulnerable countries use remote sensing technology and ground surveys to identify and eliminate locust breeding areas. Now, some experts think drone technology could provide survey and control teams with an inexpensive and efficient method of searching for these destructive insects.

Early warning system

A global early warning and preventive control system against desert locust has been in place for more than half a century, representing the world's oldest migratory pest warning system. Some two dozen frontline countries have created dedicated national locust centres within their government, consisting of well-trained specialized survey and control teams equipped to scour the desert every day in 4WD vehicles to find and treat infestations.

To find insect infestations, these teams rely on their own knowledge as well as on information from nomads. This knowledge is combined with up-to-date satellite imagery indicating rainfall and green vegetation, allowing the teams to identify potential breeding sites and growing locust infestations. The teams record their observations on a rugged handheld tablet, which transmits the data in real time via satellite to their national locust centre. This information is then passed on to the Desert Locust Information Service (DLIS), based at the headquarters of the Food and Agriculture Organisation (FAO) of the United Nations in Rome, Italy.

The successful prevention of desert locust plagues relies on regular monitoring in the desert, early warning, and timely response. If a local plague is not detected on time it has devastating effects on local livelihoods. For example, it took more than $500 million and two years to control the 2003 and 2005 locust crises in northern Africa. Some 13 million hectares were treated with pesticides. Cereal losses reaching 100% were reported in some areas, and in Mauritania alone, 60% of household heads became indebted. Education levels dropped in Mali, as children were withdrawn from school due to economic pressure.

While the early warning and preventive control system to manage locust plagues is well-established and functions on a daily basis to protect valuable food supplies and livelihoods, it is not perfect. Currently, there are three primary limitations that impact this system: the huge and remote desert areas that must be searched for locust infestations; increasing political insecurity, inaccessibility and dangers within these areas; and the safe use of pesticides during control operations.

High-resolution imagery

The operational use of unmanned aerial vehicles (UAVs) – also known as drones – could potentially overcome these limitations in many affected nations. In the field, UAVs could be used to automatically collect high-resolution imagery of green, vegetated areas potentially affected by locusts. Controlled by a rugged, hand-held tablet, the UAV would follow a pre-programmed flight path, covering a 100 kilometre survey radius.

After the UAV finishes its flight, survey teams would be able to use the data to identify areas that seem most likely to harbour locusts, allowing them to travel directly to suspicious locations. Once the team reaches such an area, the UAV could be launched to hover overhead and identify other, nearby locust infestations that may require treatment. A separate control UAV could then be used to administer pesticides directly onto the locust concentrations. UAVs could also be used to check for locusts in areas that are insecure or cannot be accessed by ground teams.

The above scenario offers a number of advantages, as compared to the survey and control methods currently used in locust-affected countries. Ground surveys would become more efficient, since teams would no longer have to roam the desert in a random manner, hoping to come across suspicious-looking green areas or locust infestations. Instead, UAVs would be able to pinpoint these areas, allowing teams to directly travel to them.

Once in the potentially infested area, the UAV would provide a precise confirmation of the extent and scale of the infestation at that site, which could be several hectares or square kilometres in size. Control operations would become safer and more effective, as human operators would no longer be exposed to potentially dangerous pesticides while eliminating the insects. Pest control operations would also become more effective, since drones would be able to spray infestations precisely, using the correct pesticide dose and methodology.

#UN FAO tested #drones for #locust #monitoring https://t.co/5GbwbL8Gop #EarlyWarning #sUAS #UAV #Sahel #insect #sUAS pic.twitter.com/FOiYGTBkZD

— Drones 4 Agriculture (@UAV4Ag) June 25, 2016

Remaining challenges

While incorporating UAVs into the existing desert locust early warning and prevention system seems to offer advantages, but several challenges remain. First, an UAV needs to be designed with sufficient endurance to cover at least 100 kilometres in one flight, while carrying optical sensors that can accurately differentiate green annual vegetation from bare ground. The drone system should then be able to process and output these results while in the field. Due to battery and spare parts limitations in developing countries, the UAV should be solar powered, and consist of robust yet simple parts that are easily available in local markets.

The UAV should also be able to accurately detect patches or concentrations of locusts within a single site on a reliable basis. A control UAV will need to be able to balance a potentially bulky pesticide payload with a long flight time, in order to treat the largest number of locust infestations within the greatest amount of area.

Operating both survey and pest control UAVs will have to be simple and intuitive, as users in the field may have only limited expertise and computer skills. Lastly, national governments will need to create legal frameworks that permit the use of drones for locust control operations.

The FAO is currently working with university researchers and private sector partners in Europe to address challenges concerning design, endurance, power, detection of green vegetation and locusts, and in situ data processing in order to incorporate drone technology into national survey and control operations. Initial field trials are expected to commence later this year in Mauritania to test some potential new technology, and to refine and adopt it for eventual operational use in locust-affected countries.

The FAO remains hopeful that within five years, UAVs will play an integral role in protecting food supplies and livelihoods from the desert locust, as part of the fight against global hunger and poverty. It is hoped that this technology and the lessons learned from the desert locust experience can be further modified and adopted for use in combatting other agricultural pests and diseases throughout the world.

About the Author:

Keith Cressman (Keith.Cressman@fao.org) is senior locust forecasting officer at DLIS, FAO in Rome, Italy. He operates FAO’s global desert locust early warning system.

Related Links:

• FAO Locust Watch website.
• Nasa Earth Observatory – The Reach of the Desert Locust.
• FAO’s satellite information for locust forecasting webpage. 

Source:

Republished with permission from ICT Update, issue 82, April 2016

Les cinq étapes de la création d’une carte au moyen de petits drones

Auparavant, on représentait tous les éléments d’une carte par des symboles dont les caractéristiques spatiales (emplacement, taille, forme) pouvaient être définies mathématiquement dans un système référentiel de coordonnées. On appelait « données vectorielles » les informations spatiales sous-jacentes aux éléments représentés de cette manière. En revanche, depuis l’apparition de la photographie aérienne, on peut désormais également produire des cartes avec des cellules de quadrillage (ou pixels) à chacune desquelles on assigne des valeurs de couleur normalisées, exactement comme pour une image numérique. On appelle « données raster » (ou matricielles) les données utilisées pour produire ce type de carte. Les cartes élaborées à partir des capteurs embarqués à bord des véhicules aériens sans pilote (VASP) ou drones sont dites « sous format matriciel ».

Une carte, au sens traditionnel du terme, doit au minimum répondre aux conditions suivantes : elle doit comporter une échelle et une flèche indiquant le nord, et elle doit offrir un grand degré de cohérence dans la précision des données. De nos jours, au lieu d’utiliser une échelle donnée pour obtenir la résolution souhaitée, les experts utilisent la résolution au sol (Ground sample distance, GSD). Cela représente la largeur et la longueur de la zone couverte au sol par un seul pixel de la mosaïque de capteurs de la caméra. La précision de la carte est donc intimement liée à la GSD. Pour une GSD fixée à 20 centimètres, il ne sera pas possible d’obtenir une mesure des distances entre des points perceptibles au sol plus précise que 20 cm.

Cinq étapes sont nécessaires pour créer une carte au moyen de drones de petite taille :

Étape 1. Conception de la carte et des plans de vol

Afin de s’assurer que la carte sera bien adaptée aux objectifs poursuivis, il importe de déterminer dès le début du processus le type de capteur(s) à utiliser (de lumière visible, de lumière infrarouge, multispectral ou hyperspectral). Une fois le type de capteur déterminé, il faut fixer la GSD adéquate. Plus la résolution au sol diminue et plus la résolution (et la précision) de la carte sera élevée.

Pour évaluer la résolution au sol souhaitée avec un appareil donné, il faut calculer l’altitude de vol correspondante, qui sera fonction de la résolution du ou des capteur(s) et de la distance focale de l’optique de la caméra. La création de cartes à partir d’images doit de plus garantir un recouvrement minimum des photos (exprimé en pourcentage). Pour satisfaire aux exigences en matière de recouvrement, il convient de calculer les intervalles auxquels l’appareil doit se déclencher, ainsi que l’espacement des bandes adjacentes au moyen des dimensions de l’empreinte au sol d’une image.

La Figure 1 illustre le rapport entre, d’une part, la taille et la résolution du capteur ainsi que la distance focale et l’altitude de vol et, d’autre part, la résolution au sol (GSD) et les espacements entre les déclenchements et entre les bandes.

Figure 1 : Paramètres du plan de vol (en mètres)

Par exemple, pour une GSD fixée à 12 millimètres, l’altitude de vol est de 50 mètres, l’appareil doit se déclencher tous les 9,8 mètres dans la bande de vol, et les bandes de vol doivent être espacées de 22 mètres.  
Une fois ces paramètres calculés, on peut mettre au point un plan de vol pour couvrir la zone d’intérêt. Il existe de nombreux outils de conception de plans de vol (gratuits ou payants) pour générer des plans de vol et des plans de tâches numériques de manière quasi automatique qui pourront ensuite être téléchargés sur le drone qui les exécutera alors automatiquement.

Étape 2. Acquisition des images

Afin de permettre l’orientation et la position absolues de la future carte, c’est-à-dire pour géo-référencer cette carte, il est nécessaire de placer sur le terrain des balises de taille et de forme adéquates : ces « Points de contrôle au sol » (PCS) doivent pouvoir être formellement identifiés sur l’imagerie aérienne, et leurs coordonnées dans le système de cartographie de référence souhaité seront mesurées par des méthodes de géomètres.

Dès que les balises PCS sont en place, le plan de vol peut être téléchargé sur le drone pour y être exécuté. Pour un fonctionnement sûr, il convient de procéder à des vérifications de vol et à l’évaluation du terrain avant le lancement du drone. À l’atterrissage, on télécharge le journal de bord et les images aériennes du drone vers un ordinateur portable ou un périphérique de stockage avant de procéder au traitement des images.

Étape 3. Traitement des images 

On associe volontiers la technologie des drones à la production de cartes en haute résolution, mais, sans la technologie de la Structure from Motion (SfM), la révolution cartographique que nous connaissons n’aurait jamais pu avoir lieu. Le degré d’automatisation extrêmement élevé qui caractérise cette technique de cartographie est essentiel pour la démocratisation de la production de cartes.

La première étape de la SfM consiste à aligner les caméras, processus accéléré par l’introduction des positions approximatives des caméras telles qu’enregistrées par le contrôleur de vol du drone. Ces positions approximatives sont également utilisées pour géo-référencer les positions des caméras, ainsi que tous les produits en aval générés par le processus de SfM. Lorsque des PCS (ainsi que leurs coordonnées terrestres) sont nécessaires pour un géoréférencement plus précis, leurs coordonnées-image doivent être visibles dans chaque visuel dans lequel ils apparaissent. Cette étape est généralement la seule intervention manuelle de la procédure de SfM. Dès qu’un modèle de terrain et un atlas de textures ont été produits, on peut générer différents produits géo-spatiaux. En règle générale, sur un ordinateur portable, on peut traiter quelque 500 images de 20MP (couvrant entre 5 et 10 hectares à une résolution au sol entre 10 et 20 millimètres) de grande qualité en l’espace de 24 heures environ.

Étape 4. Préparation et visualisation des produits géo-spatiaux

Une fois le processus de SfM achevé, on peut extraire différents produits géo-spatiaux. Pour une représentation en deux dimensions du terrain, on génère une orthophotographie sur le référentiel et la projection souhaités. On obtient alors une carte raster géo-référencée sans distorsion. Pour ajouter la troisième dimension, on peut générer un modèle altimétrique numérique (MAN) sous format matriciel ou vectoriel. L’association des produits susmentionnés permet des visualisations en 3D extrêmement réalistes, ainsi que des analyses plus ou moins automatiques relatives à la santé de la végétation, la détection de bâtiments, l’évaluation des sols sous l’angle du drainage et de l’irrigation, ou encore au calcul des volumes et de la hauteur des cultures.

Étape 5. L’extraction d’informations essentielles 

Des cartes matricielles véhiculent une quantité impressionnante d’informations, mais la diffusion des volumes de données très importants qu’elles contiennent occuperait une quantité considérable de bande passante. De nombreux logiciels de représentation graphique sont incapables de gérer de tels volumes. Il est donc impératif d’extraire des volumes de données les éléments essentiels pour toute analyse spécifique.

Cette opération est réalisée grâce à l’arpentage virtuel, un processus permettant à l’« arpenteur » de parcourir sans effort le terrain virtuel tout en procédant à des mesures, comme s’il se trouvait sur le terrain. Toutes les données capturées ainsi par l’« arpenteur virtuel » sont sauvegardées sous format vectoriel (format le plus efficace) puis exportées vers un logiciel DAO ou un système d’information géographique (SIG). La possibilité de se livrer à des travaux de topographie virtuels permet d’améliorer considérablement les performances et de réduire les coûts liés aux travaux de cartographie et de topographie. Le travail sur le terrain ne prend plus que quelques heures contre plusieurs semaines auparavant, voire plusieurs mois.

Autres progrès liés à la cartographie par drones

Notons que la cartographie SfM sans PCS est également possible : il suffit alors de connecter un récepteur miniaturisé de système mondial de navigation par satellite (GNSS) à double fréquence à la caméra pour enregistrer le moment précis de chaque déclenchement de l’appareil. De cette manière, les positions de déclenchement peuvent être déterminées de manière très précise, au centimètre près. Certains soutiennent que cette manière de procéder permet de faire l’impasse sur les PCS. De toute évidence, cette nouvelle approche devra faire l’objet de recherches plus approfondies avant de pouvoir convaincre les professionnels de la cartographie.

Enfin, l’émergence de scanners Lidar toujours plus légers constitue un autre progrès important. Le Lidar présente l’avantage unique de pouvoir pénétrer à travers la végétation, ce que n’arrive pas à faire la SfM.

Grâce à ces étapes et ces développements, les cartes numériques peuvent désormais être créées et analysées.

À propos de l’auteur :

Walter Volkmann (walter@unirove.com) préside Micro Aerial Projects L.L.C., une entreprise officielle de mesures géodésiques et cadastrales, spécialisée dans les solutions géo-spatiales.

Source:

Vous pouvez commander une version imprimée ou télécharger une version PDF de ce numéro en suivant ce lien : http://bit.ly/uav4ag-FR

Une sélection d'articles sont proposés sur le portail web du magazine : http://ictupdate.cta.int/fr, où vous pouvez vous abonner à la publication gratuitement.

Five steps of making a map with small drones

Traditionally all features on a map were represented in the form of symbols whose spatial characteristics, like location, size and shape, could be mathematically defined in a spatial reference system. The underlying spatial information of features depicted in this way is referred to as vector data. Since the arrival of aerial photography, however, maps could also be made with contiguous cells, called pixels, to each of which normalised colour values are attached, just like a digital image. The data used to make a map in this way is referred to as raster data. The maps derived directly from unmanned aerial vehicles (UAV)-carried sensors are in raster form.

In the classical sense, a map has to satisfy at least the following basic conditions: it has to have a scale, a north arrow and be of uniform accuracy across the mapping domain. The scale on printed maps determined its resolution as well as its accuracy. In the digital age the scale of a map can be changed by simply scrolling the wheel of your mouse. Instead of using scale to achieve desired resolution, analysts nowadays make use of the Ground Sampling Distance (GSD). The GSD represents the width and length of the area covered on the ground by one pixel on the sensor array of the camera. For any given camera, the GSD is thus a function of how high above the ground the camera is located. The accuracy of the map is in turn intrinsically linked to the GSD. For a GSD of 20 centimetres it is not possible to measure distances between discernible features more accurately than 20 centimetres.

The small drone mapping workflow can be divided into five steps.

Step 1. Map design and flight planning

To ensure that the map is made “fit for purpose” it is important to decide from the outset which type of sensor(s) (visible light, infrared, multispectral, hyperspectral) will be needed. Once the appropriate sensor has been identified, the appropriate GSD has to be determined. The smaller the GSD, the higher the resolution (and accuracy) of the map will be.

To achieve the desired GSD with a given camera the corresponding flying height has to be computed. This is a function of the sensor resolution and the focal length of the lens of the camera. Moreover, making maps from images requires the so-called “stereo effect” which is brought about by image overlaps. Overlaps along the flight direction and between adjacent strips are expressed in percentages. Using the footprint dimensions of an image on the ground, the intervals at which the camera must expose and the spacing of adjacent lines which will satisfy the overlap conditions must be computed.

Figure 1 illustrates the relationship between camera sensor size and resolution, focal length and flying height on the one hand and GSD, photo and line spacing on the other.

Figure 1: Flight Planning Parameters (in units of meters)

For example, a GSD of 12 millimetres requires a flying height of 50 metres, the camera must be exposed every 9.8 metres along the flight line and flight lines must have a spacing of 22 metres.
With these parameters a flight plan can be compiled to cover the area of interest. There are many flight planning tools (open source as well as proprietary) available to more or less automatically generate digital flight and task plans which can be uploaded to the drone for automatic execution.

Step 2. Image acquisition

To provide the resulting map with absolute orientation and location, in other words to geo-reference it, it is necessary to place suitably sized and shaped targets on the terrain. These targets, known as Ground Control Points (GCPs) must be positively identifiable in the aerial imagery and their coordinates in the desired mapping reference system have to be established by survey. Obviously the targets have to be in place during the time of aerial image capture, however, they can be surveyed before or after image acquisition.

Once the GCP targets are in place, the flight plan can be uploaded to the drone for automatic execution. To ensure a safe operation, launching the drone should be preceded with flight checks and terrain evaluation. Upon landing the flight logs of the drone and the aerial images are downloaded to a laptop or storage device for processing.

Step 3. Image processing 

Drone technology is predominantly associated with high resolution mapping, but without the powerful Structure from Motion (SfM) technique we would not be experiencing the current mapping revolution. The very high degree of automation in this robust mapping technique is key in the democratization of map making.

The first step in the SfM workflow is the alignment of the cameras. This process can be accelerated by introducing the approximate camera exposure positions as recorded by the flight controller of the drone. These approximate camera positions are also used to approximately geo-reference the positions of the camera positions as well as all subsequent products generated by the SfM process. When GCPs (with their terrestrially determined coordinates) are needed for more precise geo-referencing, their image coordinates have to be observed in each image on which they appear. This is commonly the only manual intervention in the SfM process. Once a terrain model and a texture atlas have been derived, various geo-spatial products can be generated. As a rough rule of thumb some 500 20MP images (covering some 5 to 10 hectares at 10 to 20 millimetres GSD) can be processed at high quality in a matter of 24 hours or less on a gaming laptop.

Step 4. Preparation and visualisation of geo-spatial products

Once the SfM process has been completed various geo-spatial products can be extracted. For a two-dimensional depiction of the terrain an ortho photo is generated on a desired mapping datum and projection. This is a geo-referenced, distortion free raster map (as opposed to a distorted mosaic of “stitched” images). To add the third dimension a digital elevation model (DEM) either in raster or in vector form can be generated. Combining the above products allows for highly realistic 3D visualisations as well as more or less automated analyses such as vegetation health, building detections, terrain evaluations with regard to drainage and irrigation, volume calculations and crop heights, to mention a few.

Step 5. The extraction of essential information 

While raster maps such as high resolution ortho photos with underlying DEMs can convey a tremendous amount of information, they do so at the expense of very large data volumes which require considerable bandwidth for dissemination. Many graphic information systems, such as Computer Aided Drafting (CAD) programmes simply cannot handle these volumes. It is thus necessary to extract from the mass data volumes those elements that are essential for a specific analysis.

This is done by means of virtual surveying, a process which enables the “surveyor” to effortlessly navigate on and over the virtual terrain while performing measurements as if he were in the field. All data captured by the “virtual surveyor” in this fashion is saved in the much more efficient vector format and subsequently exported to CAD or Geographic Information Systems (GIS). The ability to do surveys virtually brings about enormous performance improvements and cost savings to mapping and surveying, typically reducing field work from weeks or months to a few hours.

Other developments related to drone mapping

It should be mentioned that SfM mapping without the use of GCP is also possible. This is accomplished by connecting a miniaturised dual frequency global navigation satellite system (GNSS) receiver to the camera to record the exact time of each exposure. In this way the camera exposure positions can be determined accurately to a few centimetres, thus it is argued, obviating the need for GCP. More research is needed before this approach can overcome the scepticism of many mapping professionals.

Finally, the emergence of ever lighter Lidar scanners is another important development. Lidar has the distinct advantage of penetrating vegetation, something which SfM fails to do.

With these steps and developments in mind digital maps can be created and analysed.

About the author:

Walter Volkmann (walter@unirove.com) is president of Micro Aerial Projects L.L.C., a geodetic and cadastral Surveyor, and geo-spatial solutions specialist.

Source:

Republished with permission from ICT Update, issue 82, April 2016

Follow @UAV4Ag on Twitter

Five steps of making a #map with small #drones #sUAS https://t.co/nkYUb6DcRg #mapping #howto #UAV #raster #vector pic.twitter.com/vTzBxuA1Eq

— Drones 4 Agriculture (@UAV4Ag) June 11, 2016

Des drones pour compter les cocotiers

Dans les îles de Samoa, au cœur du Pacifique, la technologie des drones est utilisée dans le cadre d'une étude sur les cocotiers visant à prévoir plus précisément le rendement et la production d'huile de coco vierge. 

En 2015, l'organisation non gouvernementale agricole samoane WIBDI, Women in Business Development Incorporated (les femmes pour le développement intégré des entreprises), a réalisé qu'elle avait besoin d'un nouveau moyen pour collecter des données exhaustives auprès des associations d’exploitations agricoles, et de les organiser. WIBDI aide les familles rurales locales à s'engager activement sur le marché de niche des produits biologiques grâce au commerce équitable. Cette organisation cherchait un moyen de faciliter les contrôles du respect des normes en matière d'agriculture biologique et l'estimation de certaines cultures, notamment celle des cocotiers.

La noix de coco est à la fois la ressource renouvelable et le produit d'exportation le plus important des Samoa. Le pays exporte de l'huile de coprah, de l'huile de coco vierge, de la crème de coco, de la noix de coco séchée, de la fibre de coco et des produits à base de coquillages, à destination de l'Australie et de la Nouvelle Zélande pour la majorité des produits. WIBDI est le principal exportateur d'huile de coco vierge des Samoa et son premier client est l'entreprise The Body Shop.

À la recherche de solutions au problème de collecte de données, WIBDI s'est tourné vers l'entreprise samoane de services techniques Skyeye. Selon ses experts, les véhicules aériens sans pilote (UAV), communément appelés drones, étaient la solution idéale. Leur utilisation est moins coûteuse que celle d'un appareil avec pilote, et ils peuvent prendre des images d'une résolution supérieure à celle des images satellites.

Un serveur ouvert et gratuit

Dans le cadre de ses travaux de cartographie, Skyeye utilise un drone à voilure fixe pour la cartographie professionnelle pouvant couvrir des zones étendues au cours d'un même vol autonome. « Le drone nous permet de photographier des exploitations agricoles difficilement accessibles et d'effectuer des vols quand nous le souhaitons, si les conditions météorologiques sont favorables. La possibilité de capturer des images instantanées a représenté un avantage considérable pour ce projet de numérisation », explique Ephraim Reynolds, le technicien de Skyeye spécialisé en systèmes d'information géographique (SIG).

Une fois les images du drone récupérées, elles sont traitées pour produire des ortho-mosaïques (images assemblées dont la déformation est corrigée numériquement) afin de pouvoir les superposer sur une carte. Ces images sont ensuite ouvertes dans un logiciel SIG libre (QGIS). À l'aide de ce logiciel, les techniciens peuvent numériser des caractéristiques essentielles des exploitations agricoles. La haute résolution des images obtenues à partir des drones permet de procéder à un comptage visuel du nombre total d'arbres.

Skyeye utilise une application SIG nommée Web Feature Service (WFS) qui lui permet de donner accès aux utilisateurs à son géo-serveur, un serveur ouvert et gratuit conçu pour le partage de données géospatiales. Grâce à elles, les exploitants agricoles peuvent télécharger différents types d’informations, et modifier comme mettre à jour eux-mêmes la carte numérique de leur exploitation. « Skyeye peut ainsi répartir le travail et analyser les images des drones plus rapidement et de manière plus centralisée au sein d'un même système », explique M. Reynolds.

Repérer des zones d'atterrissage pour les drones

En estimant l'âge des cocotiers sur chacune des parcelles de l'exploitant agricole, WIBDI peut prévoir le rendement et la production d'huile de coco vierge. Ces estimations peuvent à leur tour être exploitées pour évaluer la viabilité de futures entreprises commerciales et obtenir des estimations plus précises quant aux bénéfices annuels escomptés.

L'utilisation de drones a représenté un avantage considérable pour WIBDI, mais elle n'a toutefois pas été sans poser quelques problèmes. M. Reynolds explique que le défi le plus important de Skyeye a été de sélectionner des zones d'atterrissage appropriées, particulièrement difficiles à trouver sur une île tropicale. « Les images satellites de Google dans les Samoa ne sont pas à jour. Parfois, la meilleure solution a été de demander aux habitants du village où nous pouvions trouver une clairière appropriée », raconte Ephraim Reynolds.

Maintenir une liaison radio stable avec le drone a constitué une contrainte supplémentaire. « Pour faire face à cette difficulté, nous avons restreint l'étendue de la trajectoire de vol du drone, ou alors nous l'avons lancé depuis des terrains surélevés », explique M. Reynolds.

Fin janvier 2016, Skyeye avait cartographié 10 480 hectares à l'aide de drones et avait comptabilisé 138 180 cocotiers. L'étude devrait être terminée d'ici le mois d'avril 2016. À l'avenir, Skyeye Samoa espère développer ce procédé de comptage des cocotiers mis au point pour WIBDI. Comme le fait remarquer Ephraim Reynolds, « Au fur et à mesure que les Samoa et la région du Pacifique prendront conscience que la technologie des drones peut être utilisée dans divers secteurs d'activité, notamment l'agriculture, la région renforcera sa capacité à atteindre des marchés importants et à rester en phase avec l'évolution des techniques modernes. »

À propos des auteurs :

Ephraim Reynolds (ephraim@skyeye.ws) est technicien spécialisé en SIG à Skyeye. Faumuina Felolini Tafuna’i (flyinggeesepro@gmail.com) est responsable des médias pour la Women in Business Development Inc.

Source:

Vous pouvez commander une version imprimée ou télécharger une version PDF de ce numéro en suivant ce lien : http://bit.ly/uav4ag-FR

Une sélection d'articles sont proposés sur le portail web du magazine : http://ictupdate.cta.int/fr, où vous pouvez vous abonner à la publication gratuitement.

Counting coconut trees with drones in Western Samoa

On the Pacific islands of Samoa drone technology is used in a coconut tree survey to forecast more accurately yield and production of virgin coconut oil. 

In 2015 the Samoan agricultural non-governmental organisation Women in Business Development Incorporated (WIBDI) realised that it needed a new way to collect and organise comprehensive data from associated farms. The organisation helps local rural families actively engage through fair-trade in the niche market of organic products. They were wondering what would make it easier to carry out organic standards inspections and conduct counts of certain crops, in particular coconut trees.

Coconut is Samoa’s most important renewable resource and export product. The country exports copra coconut oil, virgin coconut oil, coconut cream, desiccated coconut, coconut fibre (coir) and shell products mainly to Australia and New Zealand. WIBDI is the largest exporter of virgin coconut oil in Samoa and its main buyer is The Body Shop, which is based in the United Kingdom.

In search for answers to the data collection problem, WIBDI turned to Samoan tech-services company Skyeye for help. Skyeye’s experts explained to them that the technology of unmanned aerial vehicles (UAVs) – also known as drones – was the perfect solution. It is cheaper than a manned aircraft and capable of collecting higher-resolution imagery than those that are available from a satellite.

Open source server

For its mapping work, Skyeye uses a fixed wing professional mapping UAV, which is capable of covering large areas in a single autonomous flight. ’The drone allows us to capture images of farms that are not easily accessible and it gives us the flexibility to fly whenever we want as long as the weather permits it. Being able to capture up-to-date imagery has been a massive benefit to this digitisation project,’ says Skyeye’s Geographic Information System (GIS) technician Ephraim Reynolds.

After technicians download images from the UAV, they process them into orthomosaics: stitched-together images that have been digitally corrected for distortion, so that they can be overlaid onto a map. They then open these image layers in a free, open source GIS computer programme, known as QGIS. In QGIS, they are able to digitise key farm features – and the high resolution drone imagery clearly shows individual coconut trees, allowing them to conduct a visual count of total tree numbers.

Skyeye uses a GIS feature known as a Web Feature Service (WFS), which allows them to grant users access to its geoserver – an open source server made for sharing geospatial data. With WFS, users are able to download individual layers of information, such as the layer containing information about farm’s coconut trees. With these geospatial data farmers then can make their own changes and updates to the digital map. ‘In this way, Skyeye is able to divide the labour and make the process of analysing the drone imagery faster and more centralised within one system,’ says Reynolds.

Locating landing areas for drones

To further speed up the process of mapping, Skyeye shows farmers images of their farms from the air so they can draw their boundaries. By estimating the age of the palm trees on each of the farmer’s property, WIBDI is able to forecast the yield and production of virgin coconut oil. These estimates can in turn be used to assess the feasibility of future business ventures, and to make more accurate estimates of expected annual profits.

While the drones have been a boon to WIBDI, they have not been entirely trouble-free. According to Reynolds, Skyeye’s biggest challenge has been locating suitable landing areas, as the drone requires an open area free of vegetation to safely land after completing a mission – and such an area can be hard to find on a tropical island. ‘Google’s satellite imagery in Samoa is outdated. Sometimes, we found that the best solution is to ask the locals in the village where we can find suitably clearing,’ he describes.

Maintaining a strong radio link to the drone was another hassle due to tall coconut trees, which can obstruct the signal and result in the drone not capturing images. ’For this, we shortened the range of the drone’s flight path, or found higher ground to launch it from,’ explains Reynolds.

By the end of January 2016, Skyeye had mapped 10,480 hectares by drone and counted 138,180 coconut trees. The drone survey of all 558 farms in WIBDI’s network should be completed by April 2016. In the future, Skyeye Samoa hopes to extend the tree-counting process it has developed for WIBDI.  ’As Samoa and the Pacific continue to realise how drone technology can be used in various industries, especially in agriculture, the region will become better able to reach large markets and keep up with modern advancements,’ says Reynolds.

About the authors:

Ephraim Reynolds (ephraim@skyeye.ws) is GIS technician at Skyeye. Faumuina Felolini Tafuna’i (flyinggeesepro@gmail.com) is media specialist at Women in Business Development Inc. WIBDI.

Source:

Republished with permission from ICT Update, issue 82, April 2016

Follow @UAV4Ag on Twitter

Counting #coconut trees with #drones in Western #Samoa https://t.co/So8iPiwtze via @ict_update #Pacific #SIDS #sUAS pic.twitter.com/T0yiDfTtxX

— Drones 4 Agriculture (@UAV4Ag) June 4, 2016

Djiru Warrangburra Peoples share their traditional knowledge across generations: a P3DM experience in Australia

Attracting approximately 2 million tourists each year, the Wet Tropics region is home to more than 18 distinct Rainforest Aboriginal tribal groups for whom the region holds deep cultural and spiritual significance. Many of these Aboriginal groups deal with multiple threats to their traditional landscapes, due to pressures such as tourism, agriculture and population growth. As some of the most disadvantaged people in Australia, Aboriginal people often do not have the resources to address these threats comprehensively and regularly experience the loss of vital cultural heritage and access to their traditional landscapes as a result of these pressures.

The Djiru Warrangburra people are one of the culturally rich Rainforest Aboriginal tribal groups of the region. They live in and around the rainforests and coastal flats of the Mission Beach area, about 2 hours south of the regional centre of Cairns.

Djiru traditional lands are also home to some of the last remaining numbers of the southern cassowary - Casuarius casuarius johnsonii - a species endemic to the Wet Tropics World Heritage Area and listed as endangered. 

In April 2016 Djiru people began implementing a participatory 3-dimensional model (P3DM) covering close to 60,000 hectares (576 sq km) of land and sea, and including areas such as World Heritage, National Parks, freehold tenure.

At a scale of 1:10,000 the Djiru P3DM exercise is intended to encourage intragenerational sharing of knowledge vital to the longevity of Djiru culture ad the identity of Djiru people. Still in progress the P3DM is expected to be complete by June 2016. The project is being facilitated by the Wet Tropics Management Authority and is funded under the Queensland Gambling Community Benefit Fund.