Akácklónok drónos távérzékeléses módszerrel történő vizsgálatának előzetes eredményei
DOI:
https://doi.org/10.17164/EK.2025.04Kulcsszavak:
akácklónok, drón, fotogrammetria, vegetációs indexAbsztrakt
Ebben a tanulmányban a Soproni Egyetem Erdészeti Tudományos Intézete és a Debreceni Egyetem közös kutatási projektje kerül bemutatásra. A kutatómunka célja egy nyírségi akácklón összehasonlító kísérlet vizsgálata drón (UAS=uncrewed aerial system) segítségével. A vizsgálatok során famagasság és különféle vegetációs indexek (NDVI, GNDVI, NDRE, LCI) mérésére került sor. A fotogrammetriai és multispektrális vizsgálatok eredménye alapján a klónok között szignifikáns különbségek mutatkoztak. A(z) NK2 és PL251 klónok kimagasló növekedést és jó egészségi állapotot mutattak, míg az ‘Üllői’ fajta gyengébben teljesített. Néhány vegetációs index (NDRE, LCI, CCCI) és a fák magassága között közepes mértékű korrelációt tapasztaltunk (r=0,587-0,593), ami alátámasztja az erdészeti távérzékelésben rejlő lehetőségeket az erdőgazdálkodás hatékonyságának növelésére. A kutatás rávilágít arra, hogy az UAS-technológia integrálása az erdőgazdálkodásba pontos, költséghatékony és részletes adatokat biztosít, hozzájárulva az akác termesztési technológiájának fejlesztéséhez.
Hivatkozások
Ábri T., Keserű Z., Borovics A., Rédei K. & Csajbók J. 2022: Comparison of juvenile, drought tolerant black locust (Robinia pseudoacacia L.) clones with regard to plant physiology and growth characteristics in Eastern Hungary: early eva luation. Forests 13(2): 292. https://doi.org/10.3390/f13020292
Ábri T. Cseke K., Keserű Z., Porcsin A., Szabó F. M. & Rédei K. 2023a: Breeding and improvement of black locust (Robinia pseudoacacia L.) with a special focus on Hungary: a review. iForest-Biogeosciences and Forestry 16(5): 290. https://doi.org/10.3832/ifor4254-016
Ábri T., Borovics A., Csajbók J., Kovács E., Koltay A., Keserű Z. & Rédei K. 2023b: Differences in the Growth and the Ecophysiology of Newly Bred, Drought-Tolerant Black Locust Clones. Forests 14(9): 1802. https://doi.org/10.3390/f14091802
Bannari A., Morin, D., Bonn, F. & Huete A. R. 1995: A review of vegetation indices. Remote Sensing Reviews 13(1-2): 95-120. https://doi.org/10.1080/02757259509532298
Borovics A., Keserű Zs., Rédei K., Ábri T., Rásó J. & Támba M. 2022: Szinkronban a gyakorlat és a kutatás az akácter mesztés innovációs fejlesztésében – A Napkori Erdőgazdák Zrt. és a SoE ERTI együttműködése. Erdészeti Lapok 157(3): 86-88.
Bronson K. F., Conley M. M., French A. N., Hunsaker D. J., Thorp K. R. & Barnes E. M. 2020: Which active optical sensor vegetation index is best for nitrogen assessment in irrigated cotton? Agronomy Journal 112(3): 2205-2218.https://doi.org/10.1002/agj2.20120
Burkhart H. E., Avery T. E. & Bullock, B. P. 2018: Forest measurements. Waveland Press, Long Grove.
Csajbók J., Buday-Bódi E., Nagy A., Fehér Z. Z., Tamás A., Virág I. C. et al. 2022: Multispectral Analysis of Small Plots Based on Field and Remote Sensing Surveys – A Comparative Evaluation. Sustainability 14(6): 3339. https://doi.org/10.3390/su14063339
Dainelli R., Toscano P., Di Gennaro S. F. & Matese A. 2021: Recent advances in Unmanned Aerial Vehicles forest remote sensing – A systematic review. Part II: Research applications. Forests 12(4): 397. https://doi.org/10.3390/f12040397
Datt B. 1999: A new reflectance index for remote sensing of chlorophyll content in higher plants: tests using Eucalyptus leaves. Journal of Plant Physiology 154(1): 30-36. https://doi.org/10.1016/S0176-1617(99)80314-9
Ecke S., Dempewolf J., Frey J., Schwaller A., Endres E., Klemmt H. J. et al. 2022: UAV-based forest health monitoring: A systematic review. Remote Sensing 14(13): 3205. https://doi.org/10.3390/rs14133205
Fitzgerald G. J., Rodriguez D., Christensen L. K., Belford R., Sadras V. O. & Clarke T. R. 2006: Spectral and thermal sensing for nitrogen and water status in rainfed and irrigated wheat environments. Precision Agriculture 7: 233-248. https://doi.org/10.1007/s11119-006-9011-z
Gitelson A. & Merzlyak M. N. 1994: Spectral reflectance changes associated with autumn senescence of Aesculus hippo castanum L. and Acer platanoides L. leaves. Spectral features and relation to chlorophyll estimation. Journal of Plant Physiology 143(3): 286-292. https://doi.org/10.1016/S0176-1617(11)81633-0
Gitelson A. A., Kaufman Y. J. & Merzlyak M. N. 1996: Use of a green channel in remote sensing of global vegetation from EOS-MODIS. Remote Sensing of Environment 58(3): 289-298. https://doi.org/10.1016/S0034-4257(96)00072-7
Guimarães N., Pádua L., Marques P., Silva N., Peres E. & Sousa J. J. 2020: Forestry remote sensing from unmanned aerial vehicles: A review focusing on the data, processing and potentialities. Remote Sensing 12(6): 1046. https://doi.org/10.3390/rs12061046
Janda T. 2023: A növények és a stressz – Vészhelyzet, válasz, védekezés. Libri Könyvkiadó Kft., Budapest.
Jorge J., Vallbé M. & Soler J. A. 2019: Detection of irrigation inhomogeneities in an olive grove using the NDRE vegetation index obtained from UAV images. European Journal of Remote Sensing 52(1): 169-177. https://doi.org/10.1080/22797254.2019.1572459
Kertész P. 2023: Mindennapi munka az erdőgazdálkodásban – drónnal. Erdészeti Lapok 158(6): 256-259.
Krause S., Sanders T. G., Mund J. P. & Greve K. 2019: UAV-based photogrammetric tree height measurement for intensive forest monitoring. Remote Sensing 11(7): 758. https://doi.org/10.3390/rs11070758
Koren B. 2023: Drónok használata az erdészeti távérzékelésben – Általános iránymutatás ortofotó készítéséhez. Erdészeti Lapok 158(9): 359-361.
Long D. S., Eitel J. U. & Huggins D. R. 2009: Assessing nitrogen status of dryland wheat using the canopy chlorophyll content index. Crop Management 8(1): 1-8. https://doi.org/10.1094/CM-2009-1211-01-RS
Nicolescu V. N., Hernea C., Bakti B., Keserű Z., Antal B. & Rédei K. 2018: Black locust (Robinia pseudoacacia L.) as a multi-purpose tree species in Hungary and Romania: a review. Journal of Forestry Research 29: 1449-1463. https://doi.org/10.1007/s11676-018-0626-5
Moe K. T., Owari T., Furuya N. & Hiroshima T. 2020: Comparing individual tree height information derived from field sur veys, LiDAR and UAV-DAP for high-value timber species in Northern Japan. Forests 11(2): 223. https://doi.org/10.3390/f11020223
Pataki Zs. & Ruff J. 2015a: Drónok használata az erdészeti távérzékelésben I. Erdészeti Lapok 150(6): 168-169.
Pataki Zs. & Ruff J. 2015b: Drónok használata az erdészeti távérzékelésben II. Erdészeti Lapok 150(10): 297-300.
Rouse J. W., Haas R. H., Schell J. A. & Deering D. W. 1974: Monitoring vegetation systems in the Great Plains with ERTS. NASA Special Publication 351(1): 309.
Torresan C., Berton A., Carotenuto F., Di Gennaro S. F., Gioli, B., Matese A. et al. 2017: Forestry applications of UAVs in Europe: A review. International Journal of Remote Sensing 38(8-10): 2427-2447. https://doi.org/10.1080/01431161.2016.1252477
Xue J. & Su B. 2017: Significant remote sensing vegetation indices: A review of developments and applications. Journal of Sensors 2017. https://doi.org/10.1155/2017/1353691
##submission.downloads##
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
