صحت سنجی تصاویر گوشی های هوشمند در برآورد شاخص سطح برگ توده های دست کاشت سوزنی برگ و پهن برگ پارک جنگلی چیتگر

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 77

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJFPR-34-1_002

تاریخ نمایه سازی: 16 تیر 1405

چکیده مقاله:

سابقه و هدف: اگرچه روش های غیرمستقیم اندازه گیری شاخص سطح برگ (Leaf Area Index: LAI) با تصویربرداری نیمکروی حاصل از دوربین دیجیتال مجهز به لنز چشم ماهی، دقت زیادی دارند، اما هزینه بر هستند و حمل ونقل آن ها نیز در عرصه دشوار است. پیشرفت فناوری در گوشی های هوشمند و ظهور لنزهای کلیپسی، زمینه استفاده از این ابزارها را برای برآورد LAI فراهم کرده است. هدف این پژوهش، ارزیابی صحت تصاویر نیمکروی گوشی هوشمند در مقایسه با دوربین دیجیتال برای برآورد شاخص سطح برگ در گونه های اقاقیا (Robinia pseudoacacia L.)، کاج (Pinus eldarica Medw.)، داغداغان (Celtis australis L.) و ون (Fraxinus rotundifolia Mill.) در پارک جنگلی چیتگر در شهرستان تهران بود.مواد و روش ها: درمجموع، از چهار توده در ۱۶۹ نقطه عکس برداری انجام شد (در توده های اقاقیا: ۴۷ نقطه، کاج: ۳۶ نقطه، ون: ۴۷ نقطه و داغداغان: ۳۹ نقطه). برای نمونه برداری، اولین نقطه به صورت تصادفی در محل انتخاب شد. سپس، عکس برداری با فاصله های ۱۰ متر از زیر تاج پوشش ادامه یافت. در هر نقطه، دو تصویر نیمکروی به طور هم زمان با دوربین دیجیتال و گوشی هوشمند ثبت شدند. عکس برداری در ارتفاع ۵/۰ متر و پیش از طلوع آفتاب انجام گرفت. شاخص سطح برگ با نرم افزار GLA استخراج و با استفاده از نرم افزار SPSS، آزمون نرمال بودن و آزمون تی جفتی انجام شد. ۷۰ درصد از داده ها برای مدل سازی رگرسیون خطی و ۳۰ درصد مابقی برای برازش و اعتبارسنجی مدل در نرم افزار Excel به صورت تصادفی انتخاب شدند. آزمون F برای تعیین معنی داری کلی مدل و آزمون t نیز برای تعیین معنی داری ضریب های مدل به کار رفت. همچنین، از ریشه میانگین مربع خطا (RMSE) و ریشه میانگین مربع خطای نسبی (RRMSE) برای برآورد خطای مدل رگرسیونی و از اریبی (Bias) برای تعیین کم برآوردی یا بیش برآوردی مدل استفاده شد.نتایج: میانگین شاخص سطح برگ در دوربین دیجیتال برای اقاقیا ۸/۰ با انحراف معیار (SD) ۲۷/۰±، کاج ۸۹/۰ (۱۵/۰±=SD)، داغداغان ۲۴/۱ (۱۶/۰±=SD)، و ون ۷۷/۰ (۲۷/۰±=SD) بود. این مقادیر برای گوشی هوشمند به ترتیب برابر با ۶۶/۰ (۳۱/۰±=SD)، ۸۳/۰ (۱۹/±۰=SD)، ۰۷/۱ (۱۴/±۰=SD)، و ۷۵/۰ (۳/۰±=SD) به دست آمد. براساس نتایج آزمون تی جفتی، تفاوت میانگین ها در گونه های اقاقیا، کاج و داغداغان معنی دار بود (۰۵/۰>Sig)، اما برای ون غیرمعنی دار (۰۵/۰

نویسندگان

وحید خلیلی

دانشجوی دکتری، گروه جنگل داری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

ویلما بایرامزاده

دانشیار، گروه علوم و صنایع چوب و کاغذ، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

پدرام عطارد

نویسنده مسئول، استاد، گروه جنگل داری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

احسان عبدی

استاد، گروه جنگل داری و اقتصاد جنگل، دانشکده منابع طبیعی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران

امید فتحی زاده

استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی اهر، دانشگاه تبریز، 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 :
  • Arietta, A.Z.A., ۲۰۲۲. Estimation of forest canopy structure and understory ...
  • Beeles, K.L., Tourville, J.C. and Dovciak, M., ۲۰۲۲. Characterizing canopy ...
  • Bianchi, S., Cahalan, C., Hale, S. and Gibbons, J.M., ۲۰۱۷. ...
  • Bréda, N., ۲۰۰۸. Leaf area index. In: Jørgensen, S.E. and ...
  • Chen, J.M., ۱۹۹۶. Optically-based methods for measuring seasonal variation of ...
  • Chianucci, F., ۲۰۲۰. An overview of in situ digital canopy ...
  • Confalonieri, R., Foi, M., Casa, R., Aquaro, S., Tona, E., ...
  • Confalonieri, R., Foi, M., Casa, R., Aquaro, S., Tona, E., ...
  • Díaz, G.M., ۲۰۲۳. Optimizing forest canopy structure retrieval from smartphone-based ...
  • Fang, H., Baret, F., Plummer, S. and Schaepman-Strub, G., ۲۰۱۹. ...
  • Fournier, R.A. and Hall, R.J., ۲۰۱۷. Hemispherical photography in forest ...
  • Hosseini, S.N., Fattahi, R., Ebrahimi Pak, N.A. and Veysi, Sh., ...
  • Hussain, S., Teshome, F.T., Tulu, B.B., Awoke, G.W., Hailegnaw, N.S. ...
  • Jonckheere, I., Fleck, S., Nackaerts, K., Muys, B., Coppin, P., ...
  • Khosravi, S., Namiranian, M., Ghazanfari, H. and Shirvani, A., ۲۰۱۲. ...
  • Miri, N., Fatehi, P., Darvishsefat, A.A., Pir Bavaghar, M. and ...
  • Moosavi, M., Jalilvand, H. and Asadi, H., ۲۰۱۶. Soil Seed ...
  • Myneni, R.B., Hoffman, S. and Knyazikhin, Y., ۲۰۱۸. Leaf Area ...
  • Rahimikhoob, H., Delshad, M. and Habibi, R., ۲۰۲۳. Leaf area ...
  • Raj, R., Walker, J.P., Vinod, V., Pingale, R., Naik, B. ...
  • Tering, R.R.G., Branzuela, N.E., Batiancela, M.A. and Tutor, R.P., ۲۰۲۵. ...
  • Tian, X., Jia, X., Da, Y., Liu, J. and Ge, ...
  • Wang, J., Xiong, Q., Lin, Q. and Huang, H., ۲۰۱۸. ...
  • Weiss, M., Baret, F., Smith, G.J., Jonckheere, I. and Coppin, ...
  • Welles, J.M., ۱۹۹۰. Some indirect methods of estimating canopy structure. ...
  • Yan, G., Hu, R., Luo, J., Weiss, M., Jiang, H., ...
  • Yang, J., Fang, J., Lu, D., Li, C., Shuai, X., ...
  • نمایش کامل مراجع