Brug af droner til at vurdere afgrødeskader fra vildsvin

Voksende bestande af vildsvin ( Sus scrofa L.) forårsager mere og mere skade på landbrugsjord i Europa, kræver hundredtusindvis af euro i kompensation. En ny dronebaseret metode gør det muligt at estimere afgrødeskader på en hurtig, standardiseret og objektiv måde.

Anneleen Rutten, Ph.d.-studerende ved Universitetet i Antwerpen og Forskningsinstituttet for Natur og Skov (INBO, Bruxelles) vil præsentere metoden på konferencen "Ecology Across Borders" i Gent, Belgien i denne uge. Hun bruger en standard kommerciel drone til at tage luftfotos af landbrugsmarker, som analyseres med en algoritme for at identificere de beskadigede områder.

Stigende antal vildsvin har været forbundet med højere afgrødeskader, sygdomsoverførsel og bilulykker i mange europæiske lande. I Flandern, vildsvin har været fraværende i næsten 50 år og vendte først tilbage i 2006. Skøn fra jagtposer viser en voksende bestand, som stadig udvider sit udbredelsesområde, fra den østlige provins Limburg mod de mere centrale provinser Antwerpen og Vlaams-Brabant.

Landskabsstrukturer i Flandern ændrede sig i årene med fravær af vildsvin, resulterer i en tæt, mosaiklignende mønster af landbrug, natur- og byområder. Dermed, der har været mange menneske-vilde-konflikter siden.

"Jeg ønsker at få et første indblik i omfanget af landbrugsskader fra vildsvin, fordi i modsætning til naboregioner og -lande, dette er ikke blevet overvåget tidligere, og det vides ikke, hvor høje de økonomiske skader er for denne sektor", siger Anneleen Rutten.

Metoden er udviklet til at være overkommelig og nem at anvende. "Jeg tilslutter min smartphone til fjernbetjeningen på min drone, som giver mig mulighed for at se kameraets visualisering. Skaden er virkelig tydelig på kameraet:i majsmarker, orner ruller hen over majsen, hvilket resulterer i gabende huller med knækkede stængler i en ellers grøn mark. I græsarealer, roden forårsager en tydelig farveforskel, fordi jorden er rodnet op", Rutten forklarer.

For hvert felt, mange individuelle fotografier med 75-85% overlap tages. Den høje overlapning muliggør kombination af individuelle fotografier til et enkelt billede, tager hensyn til forskellige perspektiver og viser hele feltet. Området af feltet klassificeres derefter i beskadigede og ubeskadigede dele ved hjælp af Object Based Image Analysis (OBIA). Algoritmen når 93 % af nøjagtigheden for majsmarker og 94 % for græsarealer.

Traditionelt, afgrødeskader estimeres af uddannede eksperter, der måler det beskadigede område i marken. "At flyve og tage billeder af beskadigede marker tager ikke så lang tid som at lave en vurdering ved jordbesøg, gør det mere omkostningseffektivt", tilføjer Rutten. En anden fordel er, at metoden er standardiseret, giver mulighed for direkte sammenligninger mellem forskellige felter og over tid.

Anneleen Rutten præsenterer sit arbejde på konferencen 'Økologi på tværs af grænser' tirsdag den 12. december 2017.