Inventory of the quantitative characteristics of single oak trees with nonparametric methods of Support Vector Machines and Decision Tree on satellite images of WorldView-2 and UAV
محل انتشار: مجله حیات وحش و تنوع زیستی، دوره: 2، شماره: 2
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 445
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWB-2-2_003
تاریخ نمایه سازی: 4 تیر 1398
چکیده مقاله:
To achieve effective forests management it is necessary to obtain reliable statistical data like the number of stands, diameter at breast height (DBH), and crown volume. While traditional methods of the forests measurements are very labor intensive and time consuming, remote sensing can provide up-to-date and low cost data. In comparing ot other sensors, the satellite WV-2 generate very high resolution images that can be used in the forest management practices. In the present study, we aimed to estimate parameters related on the single trees characteristics using decision tree method and Support Vector Machines classification with complex matrix evaluation and Area under operating characteristic curve (AUC) method. We also used UAV Phantom 4 Pro images from two distinct geographic regions. Support Vector Machines classification method generated the highest accuracy in estimating single trees parameters. This study confirms that using WV-2 data it is possible to extract the necessary parameters of the single trees and relied them in the forest management practices.
کلیدواژه ها:
نویسندگان
Yousef Taghimollaei
Department of Forest Sciences, University of Ilam, Ilam, Iran
Abdolali Karamshahi
Department of Forest Sciences, University of Ilam, Ilam, Iran
Seyyed Yousef Erfanifard
Department of Natural Resources and Environment, College of Agriculture, Shiraz University, Shiraz, Iran
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 :