استفاده از مدل ارتفاعی تاج استخراج شده از تصاویر پهپاد برای برآورد ارتفاع درختان در جنگل سیسنگان

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 498

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIRS-10-3_007

تاریخ نمایه سازی: 13 آذر 1398

چکیده مقاله:

پیشرفت­های اخیر در زمینه وسایل پرنده و قابلیت نصب سنجنده ­های سبک بر روی آن­ ها، امکان برآورد مشخصه­ های ساختاری درختان و توده ­های جنگلی را از راه دور با هزینه های نسبتا کم در مقایسه با روش های سنتی مهیا کرده است. در این پژوهش، دقت و صحت برآورد ارتفاع تک درختان با استفاده از تصاویر یک پرنده هدایت پذیر از دور (پهپاد) ارزان قیمت بررسی شد. برای این منظور 854 تصویر از ارتفاع 100 متری برداشت شد و پس از پردازش ها، با استفاده از الگوریتم ساختار حرکت مبنا (SFM)، ابر نقاط متراکم تهیه گردید. منطقه موردمطالعه شامل 34.79 هکتار از پارک جنگلی سیسنگان بود که به منظور نمونه برداری، 28 قطعه نمونه 30×30 متر در آن طراحی گردید و نوع گونه و ارتفاع درختان ثبت شد. مدل سازی ارتفاع واقعی در مقابل ارتفاع برآوردی از مدل ارتفاعی تاج توسط تحلیل رگرسیون انجام گرفت. دقت و صحت برآوردها با معیار­های اریبی نسبی و جذر میانگین مربعات خطا نسبی بررسی شد. بر اساس نتایج، اختلاف ارتفاع اندازه گیری شده زمینی و مستخرج از مدل ارتفاعی تاج ازنظر آماری معنی دار بود.  همچنین جذر میانگین مربعات خطا نسبی برای برآورد ارتفاع شمشاد، ممرز، انجیلی و سایر گونه ­ها به ترتیب 20.39، 20.39، 20.57 و 20.52 درصد محاسبه شد. درمجموع، اندازه گیری ارتفاع با استفاده از ابر نقاط تولیدشده از تصاویر پهپاد و روش های بکار برده شده در این تحقیق، اریب بود و برآورد ها دارای عدم قطعیت زیادی بود.

کلیدواژه ها:

پهپاد ، الگوریتم ساختار حرکت مبنا ، مدل ارتفاعی تاج ، مدل رقومی سطح زمین ، سیسنگان

نویسندگان

محمدرضا کارگر

دانشجوی کارشناسی ارشد رشته علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

هرمز سهرابی

دانشیار گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

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 :
  • بابازاده، ا.، ا. دانه­ کار، ب. ریاضی، ا. زاهدی، ف. ...
  • بزرگی، ک.  و ع. شیخ الاسلامی. 1395. بررسی ضریب قدکشیدگی ...
  • چناری، ا.، ی. عرفانی­فرد، م. دهقانی و ح. پورقاسمی. 1396. ...
  • Agisoft L, St Petersburg R. 2014. Agisoft photoscan. Professional Edition, ...
  • Anderson K, Gaston KJ. 2013. Lightweight unmanned aerial vehicles will ...
  • Araus JL, Cairns JE. 2014. Field high-throughput phenotyping: the new ...
  • Bhardwaj A, Sam L, Martín-Torres FJ, Kumar R. 2016. UAVs ...
  • Dandois JP, Ellis EC. 2010. Remote sensing of vegetation structure ...
  • Dellaert F, Seitz SM, Thorpe CE, Thrun S. 2000. Structure ...
  • Engel J, Schöps T, Cremers D. 2014. LSD-SLAM: Large-scale direct ...
  • Iizuka K, Yonehara T, Itoh M, Kosugi Y. 2018. Estimating ...
  • Lim YS, La PH, Park JS, Lee MH, Pyeon MW, ...
  • Lisein J, Linchant J, Lejeune P, Bouché P, Vermeulen C. ...
  • Malambo L, Popescu SC, Murray SC, Putman E, Pugh NA, ...
  • Miller E, Dandois J, Detto M, Hall J. 2017. Drones ...
  • Mohan M, Silva C, Klauberg C, Jat P, Catts G, ...
  • Naesset E. 2002. Predicting forest stand characteristics with airborne scanning ...
  • Nevalainen O, Honkavaara E, Tuominen S, Viljanen N, Hakala T, ...
  • Panagiotidis D, Abdollahnejad A, Surový P, Chiteculo V. 2017. Determining ...
  • Puliti S, Ørka H, Gobakken T, Næsset E. 2015. Inventory ...
  • Shao G, Zhao S, Shugart H. 1995. Forest dynamics modeling: ...
  • Yu X, Hyyppä J, Holopainen M, Vastaranta M. 2010. Comparison ...
  • Zarco-Tejada PJ, Diaz-Varela R, Angileri V, Loudjani P. 2014. Tree ...
  • Zimble DA, Evans DL, Carlson GC, Parker RC, Grado SC, ...
  • نمایش کامل مراجع