ارزیابی دقت داده‌های پهپاد در برآورد میزان خشکیدگی درختان شمشاد مطالعه موردی: پارک جنگلی سیسنگان- استان مازندارن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد سنجش از دور اداره مطالعات و مهندسی اداره کل منابع طبیعی و آبخیزداری استان فارس

2 کارشناس ارشد جنگلداری، اداره کل منابع طبیعی و آبخیزداری استان تهران

3 عضو هیئت علمی

چکیده

قابلیت‌هایی که پهپاد‌ها و سنجنده‌های قابل نصب بر روی آن‌ها دارند، باعث گسترش روز‌افزون این تجهیزات در زمینه‌های مختلف از جمله‌ مدیریت عرصه‌های جنگلی شده است. در این تحقیق دقت تصاویر پهپاد در بررسی و شناسایی مناطق پوشیده از خشکه‌دار‌های شمشاد در پارک جنگلی سیسنگان، با استفاده از الگوریتم‌های طبقه‌بندی بررسی شد. بدین منظور سه قطعه نمونه دایره‌ای با شعاع 60 متر و مساحت 13/1 هکتار در منطقه مورد مطالعه طراحی گردید و تراکم پایه‌های خشکه‌دار شمشاد و پایه‌های زنده و سبز در آن‌ها مشخص گردید. قطعات نمونه مشخص شده عبارت بودند از: قطعه نمونه با غلبه پایه‌های خشکه دار شمشاد ، قطعه نمونه با غلبه پایه‌های زنده و سبز و قطعه نمونه با حالت بینابینی که در آن تعداد پایه‌های خشکه دار شمشاد و سبز تقریبا یکسان بودند. سپس در هر قطعه نمونه در نقاطی که پایه‌های شمشاد قرار داشتند، 50 نقطه تعلیمی و همچنین در نقاطی که پایه‌های زنده، پوشش علفی کف و تمشک نیز قرار داشتند، 50 نقطه ثبت گردید. پس از طی نمونه‌برداری، پردازش تصاویر و طبقه‌بندی هر سه قطعه نمونه، با استفاده از الگوریتم‌های شبکه عصبی مصنوعی، بیشینه شباهت و کمترین فاصله انجام شد که نتایج آن‌ها با شاخص‌های ارزیابی دقت کلی و ضریب کاپا اندازه گیری شد. در نهایت الگوریتم شبکه عصبی مصنوعی بهترین نتایج را نسبت به دو الگوریتم دیگر داشته است. این الگوریتم با دقت کلی 47/97 درصد و ضریب کاپا 94/0 بهترین نتایج را در تفکیک و آشکارسازی خشکه‌دارهای شمشاد در قطعه نمونه با غلبه خشکه-دارهای شمشاد داشتند. این نتایج بیانگر این است که استفاده از فن‌آوری‌های نوظهور مانند پهپادها در مدیریت عرصه‌های جنگلی و پایش آن‌ها می‌تواند نتایج بسیار امیدبخشی داشته باشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Evaluate the accuracy of UAV data on the survey of dieback Buxus hyrcana Case Study: Sisangan forest park- Mazandaran

نویسندگان [English]

  • Mohammadreza Kargar 1
  • Younes Babaei 2
  • Amireslam Bonyad 3
1 RS master expert
2 forestry Msc.
3 a scientific mission
چکیده [English]

The capabilities of the UAVs and sensors that have been installed on them have led to an ever-increasing expansion of the equipment in various fields, including forest management. In this research, the accuracy of drone images in the investigation and identification of areas covered by Bux Tree dams in the forest of Sisangan was studied using classification algorithms. For this purpose, three pieces of circular sample with a radius of 60 meters and an area of 1.13 hectares were designed in the area. The density of Bux Tree dams and the bases of living and green were determined in them. Specimens of the sample were: Sample plot with domination of dieback Buxus bases, sample plot with overlapping of living and green bases, and sample plot with interstitial state in which the number of green dams were almost identical. Then, in each sample plot, at places where the bases of Buxus were located, there were 50 didactic points, as well as in the places where the living bases, the grass cover and the raspberries were located 50 points were recorded. After finishing the sampling and image processing and classification operations of all three plots of samples, using artificial neural network algorithms, the maximum likelihood and minimum distance were performed, and the results were compared with the overall accuracy evaluation indicators and the kappa coefficient was measured. Finally, the artificial neural network algorithm has the best results compared to the other two algorithms. This algorithm with a total accuracy of 97.47% and a kappa coefficient of 0.94 had the best results in the separation and detection of Buxus dieback in the sample plots with the domination of Buxus dieback. These results indicate that the use of emerging technologies such as UAVs in forest management and monitoring can have very promising results.

کلیدواژه‌ها [English]

  • UAV
  • Dieback
  • Boxwood
  • Artificial Neural Network
  • Classification
  • Sisangan Forest Park

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 03 بهمن 1399
  • تاریخ دریافت: 07 مهر 1399
  • تاریخ بازنگری: 29 دی 1399
  • تاریخ پذیرش: 03 بهمن 1399