Tysiąc, P., Moskalewicz, D., Janowski, Ł., 2025, Development of UAV-based LiDAR and multispectral measurement techniques for monitoring sediment intrusion in coastal wetlands, Measurement 253, 117459, https://doi.org/10.1016/j.measurement.2025.117459

ABSTRACT 抽象的 چکیده Abstracto Resumo Abstrait अमूर्त خلاصة EN (English)This study introduces an innovative measurement framework that combines UAV-based Light Detection and Ranging (LiDAR) with multispectral imaging to precisely monitor sand deposition in coastal wetlands. The approach enables high-resolution observation of post-event sediment dynamics in environments that are difficult to survey using traditional ground-based methods.A classification scheme was developed to distinguish four key coastal land-cover classes: New Sand (recently deposited sediments), Old Sand (earlier deposits undergoing stabilization), Vegetation (areas covered by coastal flora), and Water (freshwater and brackish zones). These classes were defined using both elevation data and spectral characteristics, allowing detailed identification of sediment transport and depositional patterns.Initial classification based solely on LiDAR-derived elevation data achieved an overall accuracy of 83%. By incorporating multispectral imagery and analysing class-specific spectral signatures, classification accuracy increased to approximately 90%, highlighting the critical role of spectral information in differentiating sediment types.Data aggregation and processing were conducted using Google Earth Engine, enabling efficient handling of large datasets, repeatable workflows, and consistent multi-temporal analyses. This approach supports robust repetition of measurements and facilitates rapid post-event assessment.The proposed framework represents a significant advancement in coastal measurement science by reducing time and costs associated with environmental monitoring while improving precision and reliability. The integration of spectral information with LiDAR data enhances uncertainty propagation and reduction, providing a reliable tool for long-term monitoring of coastal sediment deposition. CHN (简体中文)本研究提出了一种创新的测量框架，结合无人机（UAV）搭载的激光雷达（LiDAR）与多光谱成像技术，用于高精度监测沿海湿地中的砂质沉积过程。该方法能够在传统地面测量难以实施的环境中，实现高分辨率的沉积动力学观测。研究建立了一套分类体系，将沿海地表覆盖划分为四类：新砂（近期沉积物）、旧砂（已沉积并部分稳定的沉积物）、植被（稳定区域上的海岸植物）以及水体（淡水和半咸水区域）。分类基于高程与光谱特征，实现了对沉积输运与沉积模式的精细识别。仅基于LiDAR数据的初始分类精度为83%。通过引入多光谱影像并分析各类别的光谱特征，分类精度提升至约90%，显示出光谱信息在区分沉积类型中的关键作用。数据整合与处理在Google Earth Engine平台上完成，实现了大规模数据的高效管理、测量结果的可重复性以及一致的数据处理流程。该框架显著提升了测量科学水平，在提高数据精度与可靠性的同时，大幅降低了事件后环境监测的时间与成本，为长期沿海沉积监测提供了可靠工具。 IR (فارسی)این مطالعه چارچوبی نوآورانه برای اندازه‌گیری ارائه می‌دهد که ترکیبی از لیدار مبتنی بر پهپاد (UAV-LiDAR) و تصویربرداری چندطیفی را برای پایش دقیق نهشت ماسه در تالاب‌های ساحلی به‌کار می‌گیرد. این رویکرد امکان مشاهده با تفکیک‌پذیری بالا را در محیط‌هایی فراهم می‌کند که روش‌های زمینی سنتی کارایی محدودی دارند.در این پژوهش، یک طرح طبقه‌بندی توسعه داده شد که چهار کلاس اصلی پوشش سطحی ساحلی را تفکیک می‌کند: ماسه جدید، ماسه قدیمی، پوشش گیاهی و آب. این کلاس‌ها بر اساس ویژگی‌های ارتفاعی و طیفی تعریف شدند و امکان تحلیل دقیق فرآیندهای انتقال و نهشت رسوبات را فراهم کردند.طبقه‌بندی اولیه مبتنی بر داده‌های LiDAR به دقت ۸۳٪ دست یافت. با افزودن داده‌های چندطیفی و تحلیل امضای طیفی هر کلاس، دقت به حدود ۹۰٪ افزایش یافت و نقش کلیدی اطلاعات طیفی در تمایز انواع رسوبات تأیید شد.پردازش و تجمیع داده‌ها با استفاده از Google Earth Engine انجام شد که امکان مدیریت کارآمد داده‌های حجیم، تکرارپذیری تحلیل‌ها و یکپارچگی جریان‌های پردازشی را فراهم می‌کند.این چارچوب گامی مهم در پیشرفت علوم اندازه‌گیری ساحلی محسوب می‌شود، زیرا ضمن کاهش هزینه و زمان پایش محیطی، دقت و قابلیت اعتماد نتایج را به‌طور چشمگیری افزایش می‌دهد. ES (Español) Este estudio presenta un marco de medición innovador que combina LiDAR basado en UAV con imágenes multiespectrales para monitorear con alta precisión la deposición de arena en humedales costeros. El enfoque permite observaciones detalladas en entornos donde los métodos terrestres tradicionales son limitados.Se desarrolló un esquema de clasificación que distingue cuatro clases principales de cobertura costera: arena nueva, arena antigua, vegetación y agua. Estas clases se definieron a partir de características espectrales y altimétricas, lo que permitió analizar con gran detalle los procesos de transporte y deposición sedimentaria.La clasificación inicial basada únicamente en datos LiDAR alcanzó una precisión del 83%. Al incorporar imágenes multiespectrales y firmas espectrales específicas por clase, la precisión aumentó hasta aproximadamente el 90%.La agregación y el procesamiento de datos se realizaron en Google Earth Engine, garantizando flujos de trabajo reproducibles, manejo eficiente de grandes volúmenes de datos y coherencia temporal.El marco propuesto mejora significativamente la ciencia de medición costera, reduciendo tiempos y costos de monitoreo post-evento y proporcionando resultados más precisos y confiables. BRA (Português do Brasil) Este estudo apresenta um arcabouço inovador de medição que combina LiDAR embarcado em UAV com imagens multiespectrais para monitorar com precisão a deposição de areia em áreas úmidas costeiras. A abordagem permite observações de alta resolução em ambientes de difícil acesso por métodos convencionais.Foi desenvolvido um esquema de classificação que distingue quatro classes principais de cobertura costeira: areia nova, areia antiga, vegetação e água. Essas classes foram definidas com base em características espectrais e altimétricas, permitindo análise detalhada dos processos sedimentares.A classificação inicial utilizando apenas dados LiDAR alcançou 83% de acurácia. Com a incorporação de dados multiespectrais e análise de assinaturas espectrais, a precisão aumentou para cerca de 90%.O processamento e a agregação de dados foram realizados no Google Earth Engine, assegurando reprodutibilidade, eficiência no tratamento de grandes volumes de dados e consistência metodológica.O método representa um avanço significativo na ciência de medições costeiras, reduzindo custos e tempo de monitoramento ambiental e aumentando a confiabilidade dos resultados. FRA (Français) Cette étude présente un cadre de mesure innovant combinant un LiDAR embarqué sur drone et l’imagerie multispectrale afin de suivre avec précision la déposition de sable dans les zones humides côtières. Cette approche permet une observation à haute résolution dans des environnements difficiles d’accès.Un schéma de classification distinguant quatre classes de couverture côtière a été développé : sable récent, sable ancien, végétation et eau. Ces classes reposent sur des critères altimétriques et spectraux, permettant une analyse fine des processus de transport et de dépôt.La classification initiale basée uniquement sur les données LiDAR a atteint une précision de 83 %. L’intégration des données multispectrales et des signatures spectrales spécifiques a permis d’augmenter la précision à environ 90 %.L’agrégation et le traitement des données ont été réalisés à l’aide de Google Earth Engine, assurant des flux de travail reproductibles et une gestion efficace de grands ensembles de données.Ce cadre méthodologique constitue une avancée majeure en sciences de la mesure côtière, en réduisant les coûts et délais de suivi environnemental tout en améliorant la précision et la fiabilité des résultats. IND (हिन्दी)यह अध्ययन एक नवीन मापन ढांचा प्रस्तुत करता है जो UAV-आधारित LiDAR और मल्टीस्पेक्ट्रल इमेजिंग को संयोजित कर तटीय आर्द्रभूमियों में रेत निक्षेपण की सटीक निगरानी करता है। यह विधि उन क्षेत्रों में उच्च-रिज़ॉल्यूशन अवलोकन संभव बनाती है जहाँ पारंपरिक स्थलीय विधियाँ सीमित हैं।चार प्रमुख तटीय भूमि आवरण वर्गों की पहचान हेतु एक वर्गीकरण योजना विकसित की गई: नई रेत, पुरानी रेत, वनस्पति और जल। इन वर्गों को ऊँचाई और स्पेक्ट्रल गुणों के आधार पर परिभाषित किया गया।केवल LiDAR डेटा पर आधारित प्रारंभिक वर्गीकरण की सटीकता 83% थी। मल्टीस्पेक्ट्रल डेटा और वर्ग-विशिष्ट स्पेक्ट्रल हस्ताक्षरों को शामिल करने से सटीकता लगभग 90% तक बढ़ गई।डेटा एकत्रीकरण और प्रसंस्करण Google Earth Engine में किया गया, जिससे बड़े डेटा सेट का कुशल प्रबंधन और पुनरावृत्त विश्लेषण संभव हुआ।यह ढांचा तटीय मापन विज्ञान में महत्वपूर्ण प्रगति दर्शाता है, जिससे समय और लागत में कमी आती है और परिणामों की सटीकता और विश्वसनीयता बढ़ती है। AR (العربية)تقدم هذه الدراسة إطارًا مبتكرًا للقياس يجمع بين الليدار المحمول على الطائرات المسيّرة والتصوير متعدد الأطياف لمراقبة ترسيب الرمال في الأراضي الرطبة الساحلية بدقة عالية. تتيح هذه الطريقة رصد العمليات الرسوبية في بيئات يصعب مسحها بالوسائل التقليدية.تم تطوير مخطط تصنيف يميز أربع فئات رئيسية من الغطاء الأرضي الساحلي: الرمال الحديثة، الرمال القديمة، الغطاء النباتي، والمياه. اعتمد التصنيف على الخصائص الطيفية والارتفاعية لتحقيق تحليل دقيق لعمليات النقل والترسيب.حقق التصنيف الأولي المعتمد فقط على بيانات الليدار دقة بلغت 83%. ومع دمج بيانات التصوير متعدد الأطياف وتحليل التو