قابلیت تصاویر پهپاد در تشخیص گونه های بلوط ایرانی (.Quercus brantii Lindl) و دارمازو (.Quercus infectoria Oliv)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 297

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJFPR-27-3_001

تاریخ نمایه سازی: 28 آذر 1402

چکیده مقاله:

امروزه تشخیص گونه های درختی با هدف تهیه نقشه تیپ درختان جنگلی، نقش مهمی در مدیریت پایدار جنگل ها دارد. تصاویر پهپاد باتوجه به توان تفکیک مکانی بسیار زیاد، ابزار مناسبی برای تشخیص گونه های درختی هستند. هدف از پژوهش پیش رو، بررسی قابلیت طبقه بندی تصاویر پهپاد برای تشخیص گونه های درختی بلوط ایرانی (Quercus brantii Lindl.) و دارمازو (Q. infectoria Oliv.) در منطقه کاکاشرف شهرستان خرم آباد بود. در اردیبهشت ماه ۱۳۹۶ با استفاده از پهپاد فانتوم ۴، تصاویر سه توده ۶/۳، ۹/۴ و ۴/۵ هکتاری از جنگل های منطقه برداشت شد. موزاییک تصاویر این سه توده به ترتیب با استفاده از ۱۰، ۱۲ و ۱۵ نقطه کنترل زمینی تهیه شد. تفکیک گونه ای برمبنای طبقه بندی تصاویر به روش های شبکه عصبی مصنوعی و طیفی انجام شد. نقشه واقعیت زمینی برای تهیه نمونه های تعلیمی و ارزیابی نتایج طبقه بندی به روش میدانی تهیه شد. هفتاد درصد نمونه های جمع آوری شده به عنوان نمونه های آموزش و ۳۰ درصد باقیمانده به عنوان نمونه های آزمون استفاده شدند. نتایج نشان داد که نقشه به­دست آمده از طبقه بندی به روش شبکه عصبی مصنوعی در هر سه توده با ضریب کاپای ۷۷/۰، ۷۶/۰ و ۸۲/۰ و صحت کلی ۰۳/۸۴، ۴۲/۸۳ و ۳۷/۸۷ درصد، عملکرد مناسب تری نسبت به روش طبقه بندی طیفی با ضریب کاپای ۷/۰، ۶۴/۰ و ۶۳/۰ و صحت کلی ۸۱/۷۸، ۴/۷۳ و ۱۹/۷۲ درصد داشت. باتوجه به قابلیت تصاویر پهپاد در تفکیک بلوط ایرانی و دارمازو در منطقه مورد مطالعه، استفاده از این تصاویر برای تفکیک گونه های مختلف درختی توصیه می شود.

نویسندگان

سحر برازمند

دانشجوی دکتری، گروه جنگل داری و اقتصاد جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

جواد سوسنی

نویسنده مسئول، دانشیار، گروه جنگل داری و اقتصاد جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

حامد نقوی

استادیار، گروه جنگل داری و اقتصاد جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

سعید صادقیان

دانشیار، آموزشکده نقشه برداری سازمان نقشه برداری کشور، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Anonymous, ۲۰۰۶. Multifunctional forestry plan of Ghale Gol region. Forests, ...
  • Chianucci, F., Disperati, L., Guzzi, D., Bianchini, D., Nardino, V., ...
  • Dvořák, P., Müllerová, J., Bartaloš, T. and Brůna, J., ۲۰۱۵. ...
  • Elvidge, C.D., Keith, D.M., Tuttle, B.T. and Baugh, K.E., ۲۰۱۰. ...
  • Franklin, S.E., ۲۰۱۸. Pixel- and object-based multispectral classification of forest ...
  • Gini, R., Passoni, D., Pinto, L. and Sona, G., ۲۰۱۴. ...
  • Hemmati, Z., Ebadi, H., Hosseini Naveh Ahmadabadian, A. and Esmaeili, ...
  • Lohrabi, Y., Abbasi, M., Soltani, A., Riyahi Bakhtyari, H.R., ۲۰۱۸. ...
  • Mlambo, R., Woodhouse, I., Gerard, F. and Anderson, K., ۲۰۱۷. ...
  • Onishi, M. and Ise, T., ۲۰۱۸. Automatic classification of trees ...
  • Pourahmad, M., Oladi, J. and Falah, A., ۲۰۱۸. Detection of ...
  • Puliti, S., Ørka, H.O., Gobakken, T. and Næsset, E., ۲۰۱۵. ...
  • Suomalainen, J., Anders, N., Iqbal, S., Roerink, G., Franke, J., ...
  • Tso, B. and Mather, P.M., ۲۰۱۶. Classification Methods for Remotely ...
  • Wallace, L., Lucieer, A. and Watson, C.S., ۲۰۱۴. Evaluating tree ...
  • نمایش کامل مراجع