Teledetectie met Unmanned Aerial Vehicles (UAVs) of drones verschilt op meerdere wijzen van de klassieke teledetectie vanop satellieten of bemande vliegtuigen. Zo maakt UAV teledetectie standaard gebruik van 2D camera’s, en worden deze beelden via aangepaste software (Structure-From-Motion software of SfM) verwerkt. Tijdens elke vlucht wordt elk object zo’n 10 tot 40 keer in beeld gebracht, telkens onder licht verschillende kijkhoeken. Op dit ogenblik wordt door de SfM software typisch maar 1 observatie gebruikt om orthofoto’s te creëren. Toch zit er in de observaties onder de verschillende kijkhoeken heel wat informatie vervat over de vegetatiestructuur en –samenstelling. In dit project maken we gebruik van de volledige informatie die deze observaties bevatten. Door gebruik te maken van geavanceerde radiative transfer models (rtm) willen we de klassieke vegetatie-indices vervangen door meer directe en interpreteerbare producten, zoals transpiratie, bladoppervlakte en nutriëntengehalte. Dit kan leiden tot meerdere toepassingen in ondermeer de land- en bosbouw. Verder zullen we ook nagaan hoe deze informatie kan gebruikt worden om de berekening van orthofoto’s te verbeteren, via standaardisatie van de kijkhoek en correctie van naadlijnen.