توانایی سیستم تصویرسنجی بردکوتاه در تولید ابر نقاط از تنه درختان سوزنی برگ

سابقه و هدف: اسکنرهای لیزری و دوربین های دیجیتال با فراهم سازی ابر نقاط، مدل سازی سه بعدی را در جنگل امکان پذیر کرده اند. به منظور سه بعدی سازی در اشکوب زیرین جنگل، فناوری های اسکن لیزری از بهترین روش ها محسوب می شود، اما در بعضی موارد، عدم دسترسی به سیستم های جهانی ناوبری ماهواره ای به عنوان بزرگ ترین محدودیت آن، فرایند اسکن را دشوار می کند. راه حلی جایگزین برای رفع این مشکل، استفاده از تکنیک هایی مانند تصویرسنجی (Photogrammetry) است. هدف از پژوهش پیش رو، امکان سنجی کاربرد تصویرسنجی بردکوتاه زمینی با دقت زیاد به عنوان جایگزین روش های سنتی در اندازه گیری درختان جنگلی بود.مواد و روش ها: اندازه گیری های میدانی با انتخاب تصادفی ۱۰ اصله از درختان سوزنی برگ در فضای سبز دانشکده نقشه برداری دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران طی تابستان ۱۴۰۱ انجام گرفت. ناصافی پوست تنه، اطلاعات کافی را در زمان پردازش تصاویر نمی دهد، بنابراین با نصب تارگت ها (کددار و دست ساز رفرکتور) به منظور قرارگیری اندازه ها در مقیاس واقعی، طول کنترل طراحی شد. طول چک نیز برای جهت گیری مناسب مدل و ارزیابی دقت پیاده سازی شد. فاصله ی بین تارگت ها توسط کولیس اندازه گیری شد. درنهایت، آن ها در ارتفاعات مختلف، دور تا دور تنه درخت نصب شدند. عکس برداری توسط دوربین فوجی فیلم مدل FinePix Real ۳D W۱ از ۴۵ ایستگاه در حالت ایست- رو و با گردش ۳۶۰ درجه به دور درخت به صورت زوج تصویر با حالت فوکوس دستی و بدون استفاده از سه پایه انجام شد. در هر پروژه، بهترین عکس ها برای این منظور انتخاب شدند و تناظریابی نقاط طول کنترل و طول چک انجام شد. نسبت یک سوم از این طول های کنترل به عنوان طول چک در نظر گرفته شد تا بدین نحو در محاسبات دخالت داده نشوند. به منظور مقایسه داده های برآوردی و داده های واقعی، آماره های مجذور میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و درصد آن ها به کار برده شد.نتایج: دقت نقاط کنترل و نقاط چک در این پژوهش به کمتر از یک میلی متر رسید. در مجموع، نقاط کنترل با خطایی کمتر از یک میلی متر (۶/۰ میلی متر) و با RMSE=۱۷.۳% ۱۶.۷۹% RMSE= و MAE= ۱۰.۳% به دست آمد. برای قضاوت در حالت تک درخت می توان از خطای تصویر مجدد که در واحد RMS است، استفاده کرد. کمینه (۳۷۶/۰ پیکسل) و بیشینه (۶۹۵/۰ پیکسل) RMS به ترتیب در درخت های شماره ۱۰و ۵ مشاهده شد. البته قضاوت فقط با استفاده از این مولفه کافی نیست. زیرا نقاط پرت در RMS به احتمال زیاد به دلیل جلوگیری از اریبی ناشی از تشخیص نقاط خارجی حذف نشده اند.نتیجه گیری کلی: در مباحثی مانند تصویرسنجی صنعتی، دقت زیاد رایج است، اما استخراج مدلی با دقت کمتر از یک میلی متر در تصویرسنجی علوم جنگل، کمتر گزارش شده است. نتایج این پژوهش نشان داد که تصویرسنجی بردکوتاه زمینی به شرط طراحی شبکه اصولی و رعایت فاصله مناسب از درختان هنگام عکس برداری، مدلی باکیفیت و کم هزینه را ارائه می دهد. این روش در سطح تک درخت، پتانسیل زیادی برای رقابت با دستگاه های هزینه بر تولید ابرهای نقطه ای متراکم و دقیق در جنگل دارد.

کلیدواژه ها:

شبکه فتوگرامتری ، طول چک ، طول کنترل ، واسنجی ، مدیریت جنگل