فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: اسکنرهای لیزری و دوربین‌های دیجیتال با فراهم‌سازی ابر نقاط، مدل‌‌‌سازی سه‌بعدی را در جنگل امکان‌پذیر کرده‌اند. به‌منظور سه‌بعدی‌سازی در اشکوب زیرین جنگل، فناوری‌های اسکن لیزری از بهترین روش‌ها محسوب می‌شود، اما در بعضی موارد، عدم دسترسی به سیستم‌های جهانی ناوبری ماهواره‌ای به‌عنوان بزرگ‌ترین محدودیت آن، فرایند اسکن را دشوار می‌کند. راه‌حلی جایگزین برای رفع این مشکل، استفاده از تکنیک‌هایی مانند تصویرسنجی (Photogrammetry) است. هدف از پژوهش پیش‌رو، امکان‌سنجی کاربرد تصویرسنجی بردکوتاه زمینی با دقت زیاد به‌عنوان جایگزین روش‌های سنتی در اندازه‌گیری درختان جنگلی بود.مواد و روش‌ها: اندازه‌گیری‌های میدانی با انتخاب تصادفی 10 اصله از درختان سوزنی‌برگ در فضای سبز دانشکده نقشه‌برداری دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران طی تابستان 1401 انجام گرفت. ناصافی پوست تنه، اطلاعات کافی را در زمان پردازش تصاویر نمی‌دهد، بنابراین با نصب تارگت‌ها (کددار و دست‌ساز رفرکتور) به‌منظور قرارگیری اندازه‌ها در مقیاس واقعی، طول کنترل طراحی شد. طول چک نیز برای جهت‌گیری مناسب مدل و ارزیابی دقت پیاده‌سازی شد. فاصله‌ی بین تارگت‌ها توسط کولیس اندازه‌گیری شد. درنهایت، آن‌ها در ارتفاعات مختلف، دور تا دور تنه درخت نصب شدند. عکس‌برداری توسط دوربین فوجی‌فیلم مدل FinePix Real 3D W1 از 45 ایستگاه در حالت ایست- رو و با گردش 360 درجه به دور درخت به‌صورت زوج تصویر با حالت فوکوس دستی و بدون استفاده از سه‌پایه انجام شد. در هر پروژه، بهترین عکس‌ها برای این منظور انتخاب شدند و تناظریابی نقاط طول کنترل و طول چک انجام شد. نسبت یک‌سوم از این طول‌های کنترل به‌عنوان طول چک در نظر گرفته شد تا بدین نحو در محاسبات دخالت داده نشوند. به‌منظور مقایسه داده‌های برآوردی و داده‌های واقعی، آماره‌های مجذور میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و درصد آن‌ها به‌کار برده شد.نتایج: دقت نقاط کنترل و نقاط چک در این پژوهش به کمتر از یک میلی‌متر رسید. در مجموع، ‌نقاط کنترل با خطایی کمتر از یک میلی‌متر (6/0 میلی‌‌متر) و با RMSE=17.3% 16.79% RMSE= و MAE= 10.3% به‌‌دست آمد. برای قضاوت در حالت تک‌درخت می‌توان از خطای تصویر مجدد که در واحد RMS است، استفاده کرد. کمینه (376/0 پیکسل) و بیشینه (695/0 پیکسل) RMS به‌ترتیب در درخت‌های شماره‌ 10و‌ 5 مشاهده شد. البته قضاوت فقط با استفاده از این مؤلفه کافی نیست. زیرا نقاط پرت در RMS به‌احتمال زیاد به‌دلیل جلوگیری از اریبی ناشی از تشخیص نقاط خارجی حذف نشده‌اند.نتیجه‌گیری کلی: در مباحثی مانند تصویرسنجی صنعتی، دقت زیاد رایج است، اما استخراج مدلی با دقت کمتر از یک میلی‌‌متر در تصویرسنجی علوم جنگل، کمتر گزارش شده است. نتایج این پژوهش نشان داد که تصویرسنجی بردکوتاه زمینی به‌شرط طراحی شبکه اصولی و رعایت فاصله مناسب از درختان هنگام عکس‌برداری، مدلی باکیفیت و کم‌هزینه را ارائه می‌دهد. این روش در سطح تک‌درخت، پتانسیل زیادی برای رقابت با دستگاه‌های هزینه‌برِ تولید ابرهای نقطه‌ای متراکم و دقیق در جنگل دارد.