
تعداد نشریات | 13 |
تعداد شمارهها | 623 |
تعداد مقالات | 6,501 |
تعداد مشاهده مقاله | 8,619,555 |
تعداد دریافت فایل اصل مقاله | 8,210,419 |
برآورد مساحت تاج تکدرختان بنه با استفاده از DSM تصاویر هوایی پهپاد در جنگل تحقیقاتی بنه استان فارس | ||
پژوهشهای علوم و فناوری چوب و جنگل | ||
مقاله 9، دوره 24، شماره 4، اسفند 1396، صفحه 117-130 اصل مقاله (1.19 M) | ||
نوع مقاله: مقاله کامل علمی پژوهشی | ||
شناسه دیجیتال (DOI): 10.22069/jwfst.2017.13322.1683 | ||
نویسندگان | ||
افروز چناری1؛ سید یوسف عرفانی فرد* 1؛ مریم دهقانی1؛ حمید رضا پورقاسمی2 | ||
1دانشگاه شیراز | ||
2بخش منابع طبیعی و محیط زیست، دانشکده کشاورزی، دانشگاه شیراز، شیراز، ایران | ||
چکیده | ||
سابقه و هدف: تاجپوشش درختان در مناطق خشک و نیمهخشک از اهمیت زیادی برخوردارند زیرا بخشهایی از زمین که زیر تاج درختان قرار دارند، محیطی مناسب برای اسقرار تجدید حیات و حیات سایر موجودات زنده است. بنابراین آگاهی از وضعیت تاج-پوشش درختان و درختچهها، پایش تغییرات و ارزیابی سلامت آنها ضروری به نظر میرسد. دادههای سنجش از دور برداشت شده بوسیله اغلب ماهوارهها، امکان اندازهگیری نااریب مساحت تاج تکدرختان را فراهم نمیآورد زیرا از توان تفکیک مکانی مناسب برای این منظور برخوردار نیستند. از طرف دیگر، دسترسی به این دادهها در زمان مورد نظر پژوهشگر همواره میسر نیست و در صورت دسترسی، هزینه تهیه آنها زیاد است. پیشرفتهای روزافزون سنجش از دور منجر به دسترسی پژوهشگران به پهپاد یا هواپیمای بدون سرنشین شده که تصاویر برداشت شده توسط این سکو علاوه بر برخورداری از توان تفکیک مکانی بسیار زیاد برای مطالعه دقیق ویژگیهای زیستسنجی تکدرختان، دسترسی به تصاویر در زمان مطلوب پژوهشگر را نیز ممکن کرده است. با توجه به این موضوع، مطالعه حاضر با هدف ارزیابی کارایی تصاویر پهپاد و مدل رقومی سطح زمین (DSM) حاصل از تصاویر استریو آنها برای برآورد مساحت تاج تکدرختان بنه در ناحیه رویشی زاگرس انجام شد. همچنین بررسی تأثیر اندازه توان تفکیک مکانی DSM بر صحت و دقت برآورد مساحت تاج درختان هدف دیگر این مطالعه بود. مواد و روشها: بخشی از جنگل تحقیقاتی بنه با مساحت 45 هکتار پوشیده از یک توده خالص بنه در استان فارس انتخاب شد. در مهرماه 1395، منطقه مورد نظر با 1076 قطعه تصویر هوایی با توان تفکیک مکانی سه سانتیمتر برداشت شده بوسیله یک پهپاد با ارتفاع پرواز 70 متر تصویربرداری شد. این تصاویر که به صورت استریو برداشت شده بود، با استفاده از 12 نقطه کنترل زمینی ثبت شده با دستگاه موقعیتیاب جهانی سه فرکانسه Leica Viva GS15 تصحیح شده و موزاییک آنها تهیه شد. پس از آن، DSM حاصل از فرآیند پردازش Bundle adjustment با سه توان تفکیک مکانی سه، 50 و 100 سانتیمتر تولید شد. تعداد 100 درخت بنه که قبلاً موقعیت مکانی آنها ثبت شده و مساحت تاج آنها اندازهگیری شده بود، در محدوده مورد بررسی به طور تصادفی انتخاب شدند. ابتدا به کمک الگوریتم پیشنهادی مبتنی بر پردازش شیء مبنا تاج درختان به صورت اتوماتیک از لایه DSM استخراج شدند. سپس میانگین مساحت تاج به دست آمده از DSM تصویر پهپاد و مقدار واقعی آنها با آزمون t جفتی مقایسه شد. همچنین از سه شاخص جذر میانگین مربعات خطا (RMSE)، کارایی مدل (ME) و امتیاز اریبی (BS) برای ارزیابی دقت نتایج استفاده شد. یافتهها: ارتوفتوموزاییک منطقه مورد مطالعه با RMSE برابر 8 سانتیمتر تهیه شد. از 100 درخت بنه تصادفی که برای این پژوهش انتخاب شده بود، در DSM با توان تفکیک مکانی سه، 50 و 100 سانتیمتر به ترتیب 100، 89 و 80 درخت قابل شناسایی بودند. اگرچه بین میانگین واقعی مساحت تاج 80 درخت (3/51 مترمربع) شناسایی شده در هر سه DSM و میانگین مساحت تاج روی سه DSM سه (6/42 مترمربع)، 50 (5/44 مترمربع) و 100 سانتیمتر (2/39 مترمربع) اختلاف معنیداری (در سطح 05/0) وجود نداشت ولی همبستگی آنها کاهش پیدا کرد. علاوه بر این، با کاهش توان تفکیک مکانی DSM مقدار RMSE افزایش و مقدار ME و BS کاهش پیدا کرد. نتیجهگیری: به طور کلی، نتیجهگیری شد که DSM تصاویر پهپاد ابزاری مناسب برای شناسایی و اندازهگیری مساحت تاج تک-درختان بنه در منطقه مورد مطالعه بود که به وضوح، تاج درختان را از سایه و سایر پدیدهها جدا کرد. علاوه بر این، نشان داده شد که با کاهش توان تفکیک مکانی DSM، پردازش دادهها تسهیل شده و اختلاف معنیداری بین اندازهگیریها و مقدار واقعی وجود نداشت ولی از دقت نتایج کاسته شد. | ||
کلیدواژهها | ||
بنه؛ پهپاد؛ مدل رقومی سطح زمین؛ مساحت تاج؛ زاگرس | ||
مراجع | ||
1. Abdolahi, H., and Shataee Joybari, Sh. 2012. Comparative evaluation of IRS-P6-LISS-III and LISS IV images for canopy cover mapping of Zagros forests (Case Study: Javanroud Forests). J. Wood Forest Sci. Tech., 19: 1.43-60. (In Persian) 2. Bennet, N., Croke, B., Guariso, G., Guillaume, J., Hamilton, S., Jakeman, A., Libelli, S., Newham, L., Norton, J., Perrin, C., Pierce, S., Robson, B., Seppelt, R., Voinov, A., Fath, B., and Andreassian, V. 2013. Characterizing performance of environmental models. J. Environmental Modelling and Software. 40: 1-20. 3. Chianucci, F., Disperati, L., Guzzi, D., Bianchini, D., Nardino, V., Lastri, C., Rindinella, A., and Corona, P. 2016. Estimation of canopy attributes in beech forests using true colour digital images from a small fixed-wing UAV. International J. Applied Earth Obsevation and Geoinformation., 47: 60-68. 4. Colomina, I., and Molina, P. 2014. Unmanned aerial systems for photogrammetry and remote sensing. ISPRS J. of Photogrammetry and Remote Sensing., 92: 79-97. 5. Cunliffe, A.M., Brazier, R.E., and Anderson, K. 2016. Ultra-fine grain landscape-scale quantification of dryland vegetation structure with drone-acquired structure-from-motion photogrammetry. Remote Sensing of Environment., 183: 129-143. 6. Dandois, P., and Ellis, E.C. 2013. High spatial resolution three-dimensional mapping of vegetation spectral dynamics using computer vision. Remote Sensing of Environment. 136: 259-276. 7. Díaz-Varela, R., de la Rosa, R., León, L., and Zarco-Tejada, P. 2014. High-Resolution Airborne UAV Imagery to Assess Olive Tree Crown Parameters Using 3D Photo Reconstruction: Application in Breeding Trials. Remote Sensing., 7: 4213-4232. 8. Erfanifard, Y., and Mahdian, F. 2012. Comparative investigation on the methods of true spatial pattern analysis of trees in forests (case study: Wild Pistachio Reaserch Forest, Fars province, Iran). Iranian J of Forest and Poplar Reaserch., 20: 62-73. (In Persian) 9. Lin, Y., Jiang, M., Yao, Y., Zhang, L., and Lin, J. 2015. Use of UAV oblique imaging for the detection of individual trees in residential environments. Urban Forestry and Urban Greening. 14: 404-412. 10. McNeil, B., Pisek, J., Lepisk, H., and Flamenco, E. 2016. Measuring leaf angle distribution in broadleaf canopies using UAVs. Agricultural and Forest Meteorology., 218: 204-208. 11. Moselou, M. 2012. Assessment of kNN inventory method in estimating the biometric features of wild pistachio trees (Case study: Wild Pistachio Research Forest, Fars). M.Sc. Thesis, Shiraz University. 155p. (In Persian) 12. Nazarpoorfard, K., Zarooni, M., Etemad, V., and Namiranian, M. 2016. The effect of Canopy Cover, slope and direction of domain on continuing regeneration in Zagros forests (case study: Blooran. Koohdasht, Lorestan). Natural Ecosystems of Iran. 7: 69-81. (In Persian) 13. Owji, M.Gh., and Hamzepour, M. 2012. Vegetation profile of wild pistachio experimental forest. Research Institute of Forests and Rangelands. Press, 240p. (In Persian) 14. Sohrabi, H., Askari, Y., and Zobeiri, M. 2013. Accuracy of Line Sampling Method for Estimating Canopy Cover and Density of Zagros Forests in Chartagh, Ardal. Iranian J. Forest and Wood Product. 66: 3.267-276. (In Persian) 6931 ) 15. Torres-Sanchez, F., Lopez-Granados, F., and Pena, J.M. 2015. An automatic object-based method for optimal thresholding in UAV image: Application for vegetation detection in herbaceous crops. Computers and Electronics in Agriculture. 114: 43-52. 16. Vega, F., Ramírez, F., Siaz, M., and Rosua, F. 2015. Multi-temporal imaging using an unmanned aerial vehicle for monitoring a sunflower crop. Biosystems Engineering J. 132: 19-27. 17. www.dji.com [Available on 1 May, 2017] 18. Xiang, H., and Tian, L. 2010. Method for automatic georeferencing Aerial remote sensing (RS) images from an unmanned aerial vehicle (UAV) platform. Biosystems Engineering j. 108: 104-113. 19. Zahawi, R.A., Dandois, J.P., Holl, K.D., Nadwodny, D., Reid, J.L., and Ellis, E.C. 2015. Using lightweight unmanned aerial vehicles to monitor tropical forest recovery. Biological Conservation. 186: 287-295. 20. Zarco-Tejada, P.J., Diaz-Varela, R., Angileri, V., and Loudjani, P. 2014. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods. European J. Agron. 55: 89-99. | ||
آمار تعداد مشاهده مقاله: 1,254 تعداد دریافت فایل اصل مقاله: 1,444 |