Drone brengt door wilde zwijnen aangerichte schade in beeld

Groeiende populaties van wilde zwijnen brengen extra schade toe aan landbouwgrond in Europa, waardoor al honderdduizenden euro’s aan compensatie nodig waren. Een nieuwe methode die gebruik maakt van een drone maakt het mogelijk om gewasschade op een snelle, gestandaardiseerde en objectieve manier in te schatten. Anneleen Rutten, doctoraatsstudente aan de Universiteit Antwerpen en onderzoeker aan het Vlaamse Instituut voor Natuur- en Bosonderzoek, presenteert de methode deze week op de conferentie ‘Ecology across Borders’ in Gent. Ze maakt gebruik van een standaard commerciële drone om luchtfoto’s te maken van beschadigde landbouwpercelen en analyseert die met een algoritme dat het beschadigde gebied identificeert.

De toename van het aantal wilde zwijnen hangt samen met de toename van de schade aan gewassen, de overdracht van ziekten en auto-ongelukken in veel Europese landen. In Vlaanderen waren wilde zwijnen al bijna 50 jaar uitgestorven en zijn ze pas in 2006 teruggekeerd. Schattingen op basis van afschotstatistieken tonen een groeiende populatie die zich nog uitbreidt.


Betaalbare en eenvoudig toepasbare methode

“Ik wil een eerste inzicht krijgen in de omvang van de landbouwschade door wilde zwijnen in Vlaanderen omdat, in tegenstelling tot naburige regio’s en landen, de schade niet wordt gemonitord en niet bekend is wat de financiële omvang van de gewasschade is voor de landbouw”, aldus Anneleen Rutten. “De methode is ontwikkeld om betaalbaar en eenvoudig toepasbaar te zijn. Ik sluit mijn smartphone aan op de afstandsbediening van mijn drone, zodat ik de beelden van de drone kan zien. Schade is duidelijk op de camera: in maïsvelden rollen wilde zwijnen over de maïs, waardoor je gebieden hebt in een normaal groen bedekt maïsveld met gaten in de dekking door de gebroken stengels. In graslanden zorgt het gewroet voor een duidelijk kleurverschil tussen gras en waar de grond omgewoeld is”, legt Rutten uit.

Nauwkeurigheid van 93 tot 94%
Van elk veld worden vele aparte foto’s met 75 -85% overlap genomen. De grote overlap maakt het mogelijk om de afzonderlijke foto’s te combineren tot één beeld, gecorrigeerd voor de verschillende perspectieven om zo het hele veld te tonen. Het gebied van het veld wordt vervolgens ingedeeld in beschadigde en onbeschadigde onderdelen met behulp van Object Based Image Analysis. Het algoritme bereikt een nauwkeurigheid van 93% voor maïsvelden en 94% voor grasland. “Traditioneel wordt gewasschade geschat door getrainde experts die de beschadigde zone in het veld opmeten. Het vliegen en fotograferen van beschadigde velden duurt niet zo lang als een grondbezoek, wat het ook kosteneffectief maakt”, aldus Rutten. “Een ander voordeel is dat de methode gestandaardiseerd is, wat directe vergelijkingen tussen verschillende velden en in de tijd mogelijk maakt.”

bron: Universiteit van Antwerpen, 12/12/17

Print Friendly, PDF & Email

Reageren is niet mogelijk