ارزیابی پارامترهای هندسی درختان و تولید مدل رقومی زمین با استفاده از لیزر اسکنرهای هوایی و فضایی و با تاکید بر رویکرد یادگیری عمیق

فناوری لیدار (LIDAR: Light Detection and Ranging به عنوان یکی از ابزارهای پیشرفته سنجش از دور، نقش مهمی در استخراج ویژگیهای هندسی درختان و تولید مدلهای رقومی زمین DTM Digital Terrain Model) در محیطهای جنگلی ایفا می کند. این مقاله با مروری بر پژوهشهای انجام شده به بررسی دقت روشهای مختلف در برآورد پارامترهایی مانند ارتفاع، قطر برابر سینه (Diameter at Breast Height)، سطح و قطر تاج درختان و نیز ساخت مدلهای دقیق از سطح زمین می پردازد. یافته ها نشان می دهند که تراکم داده های لیدار چه از نوع هوایی و چه زمینی، اثر مستقیمی بر کیفیت و دقت نتایج دارد. همچنین در این مطالعه با مرور دقیق کاربرد لیزر اسکنرهای هوایی و فضایی، تفاوت ها و مزایای آنها در تخمین ویژگیهای ساختاری جنگلها و پوشش گیاهی بررسی شده است. استفاده از روشهای نوین مبتنی بر یادگیری عمیق مانند شبکههای عصبی کانولوشنی یا پیچشی (CNN: Convolutional Neural Network) و شبکه های مولد خصمانه (GAN: Generative Adversarial Network) پیشرفت قابل توجهی در تخمین مشخصات ساختاری جنگلها و تولید مدلهای رقومی زمین به همراه داشته است. افزون بر این، ترکیب داده های لیدار با تصاویر ابرطیفی و بهره گیری از الگوریتمهایی نظیر الگوریتم ژنتیک به بهبود دقت پردازش و کاهش پیچیدگی محاسباتی کمک کرده است. در نهایت، مطالعات نشان می دهند که بهره گیری از تحلیل سه بعدی ابرنقاط و ترکیب آن با داده های پرنده بدون سرنشین (UAV) به ویژه در مناطق با پوشش گیاهی متراکم، نتایجی با دقت بالا ارائه می دهد. این روشهای نوین نه تنها در تولید مدلهای زمین بلکه در مدیریت و پایش دقیق جنگلها، به ویژه در زیست بوم های پیچیده، کاربردهای فراوانی یافته اند.

کلیدواژه ها:

لیدار ، مدل رقومی زمین ، شبکههای عصبی کانولوشنی ، شبکه های مولد خصمانه ، لیزر اسکنر