تعیین و تشخیص خودکار تاج درخت در تصویر دیجیتال UltraCam-D

نویسندگان

1 دانشجوی دکتری جنگلداری، دانشکده کشاورزی، دانشگاه خرم‌آباد

2 استادیار، دانشکدۀ کشاورزی، دانشگاه یاسوج

3 کارشناسی ارشد فتوگرامتری، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تفرش

4 استادیار، دانشکده محیط‌زیست و انرژی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

doi
چکیده

این پژوهش با هدف ارزیابی نتایج اعمال الگوریتم­های حداکثر فیلتر محلی، تطبیق الگو و تقسیم­بندی حوضه بر روی تصویر هوایی UltraCam-D برای تعیین و تشخیص خودکار تاج درختان بلوط ایرانی (Quercus brantii Lind) در مقایسه با نتایج حاصل از روش­های تفسیر چشمی و آماربرداری زمینی تاج درختان انجام شده است. پس از پردازش اولیه تصویر، در عرصه­ای با مساحت حدود 10 هکتار در بخشی از پارک جنگلی یاسوج، تعداد 100 پایه درخت بلوط ایرانی به روش تصادفی برای انجام این بررسی انتخاب شد. مساحت تاج درختان با روش تفسیر چشمی مشخص و پس از محاسبه به­عنوان مساحت واقعی در نظر گرفته شد. در روش آماربرداری زمینی مساحت تاج و تعداد پایه هر درخت اندازه­گیری و ثبت شد. همچنین، به­منظور تعیین و تشخیص خودکار تاج درختان، الگوریتم­های مذکور با برنامه­نویسی بر روی تصویر مذکور اعمال شدند. نتایج نشان داد که خطای جذر میانگین مربع­ها (RMSE) الگوریتم تقسیم­بندی حوضه در مقایسه با دیگر روش­های تعیین مساحت تاج درختان بهتر و معادل 41/2 درصد است. صحت کل و ضریب کاپا به­دست­آمده توسط ماتریس خطا برای هر یک از الگوریتم­های نشان داد که دقت الگوریتم تطبیق الگو به­منظور تشخیص تاج درختان یا به عبارتی تشخیص تک­پایه یا جست­گروه بودن درختان نسبت به دیگر الگوریتم­های مورد استفاده در این پژوهش بیشتر است.