پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,573 |
| تعداد مقالات | 71,037 |
| تعداد مشاهده مقاله | 125,516,432 |
| تعداد دریافت فایل اصل مقاله | 98,777,530 |
بررسی امکان تشخیص گونه های درختی در تصاویر هوایی رقومی به روش طبقه بندی شیءـ پایه | ||
| نشریه جنگل و فرآورده های چوب | ||
| مقاله 4، دوره 67، شماره 1، اردیبهشت 1393، صفحه 21-32 اصل مقاله (424.08 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jfwp.2014.50434 | ||
| نویسندگان | ||
| مهرنوش شبانی پور1؛ علی اصغر درویش صفت* 2؛ امید رفیعیان3؛ وحید اعتماد4 | ||
| 1کارشناس ارشد جنگلداری دانشگاه تهران، کرج، ایران. | ||
| 2استاد گروه جنگلداری دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| 3عضو هیئت علمی دانشگاه آزاد اسلامی، واحد تبریز، گروه مهندسی محیط زیست، تبریز، ایران. | ||
| 4استادیار گروه جنگلداری دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران. | ||
| چکیده | ||
| دادههای سنجش از دور، بهویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری زیاد، میتواند ابزار مناسبی برای شناسایی گونههای درختی باشد. هدف از این تحقیق بررسی قابلیت این تصاویر و روش شیءـپایه برای تشخیص گونههای درختی است. به این منظور منطقهای 86/5 هکتاری از پارک طالقانی تهران انتخاب شد. تصاویر دوربین UltraCam-D چهارباندی ادغامشده با باند پانکروماتیک با پیکسلهایی به ابعاد 7×7 سانتیمتر و عمق رادیومتری 12 بیت استفاده شدند. تصحیح هندسی تصاویر به کمک نقشۀ بزرگ‌مقیاس (1:2000) منطقه و دادههای پروازی (IMU) به روش مثلثبندی هوایی انجام گرفت. باندهای اصلی به همراه دادههای تبدیلی NDVI، PCA، و HIS در فرایند قطعهبندی و طبقهبندی مورد آزمون قرار گرفتند. طبقهبندی بهروش شیءـپایه صورت گرفت. ابتدا یک قطعهبندی با شاخصهای مختلف انجام گرفت و نتیجۀ آن بهصورت کیفی ارزیابی شد. بعد از انتخاب توصیفگرهای مناسب برای تفکیک طبقات، طبقهبندی به روش نزدیکترین همسایه با تعریف نمونههای تعلیمی برای هر طبقه اجرا شد. با بازدیدهای میدانی واقعیت زمینی نقطهای تهیه شد. ارزیابی صحت نقشۀ حاصل از طبقهبندی با نقشة واقعیت زمینی نشاندهندة صحت کلی 78 درصد و ضریب کاپای 73/0 است. گونههای چنار و عرعر بهترتیب بیشترین (817/0) و کمترین (248/0) ضریب کاپای طبقه را کسب کردند. صحت کلی و ضریب کاپای خوب و برابری آنها، بیانگر قابلیت خوب تصاویر مورد استفاده و روش شیءـپایه در تشخیص اکثر گونههای درختی مورد مطالعه است. برای ارزیابی هرچه کاملتر قابلیت دادههای UltraCam-D ضرورت دارد این دادهها در شرایط رویشگاهی مختلف و دیگر گونهها استفاده شوند. | ||
| کلیدواژه‌ها | ||
| پارک جنگلی شهری؛ تشخیص گونه های درختی؛ طبقه بندی شیءـ پایه؛ قطعه بندی؛ UltraCam-D | ||
| عنوان مقاله [English] | ||
| Investigation on the Possibility of Tree Species Identification Using Digital Aerial Images by Object- based Classification | ||
| نویسندگان [English] | ||
| Mehrnoosh Shabanipoor1؛ Ali Asghar Darvish Sefat2؛ Omid Rafieyan3؛ Vahid Etemad4 | ||
| 1M.Sc. Graduated of Forestry, University of Tehran, Karaj, I.R. Iran | ||
| 2Professor, Faculty of Natural Resources, University of Tehran, Karaj, I.R. Iran | ||
| 3Assistant Professor, Faculty of Agriculture and Natural Resources of Islamic Azad University- Tabriz Branch, IR. Iran | ||
| 4Assistant Professor, Faculty of Natural Resources, University of Tehran, Karaj, I.R. Iran | ||
| چکیده [English] | ||
| Remotely sensed data, especially high spatial and radiometric resolution data can be useful to identify tree species. In this research, the capability of digital aerial images for this purpose was investigated by object-based classification method. About 5.8 ha of Taleghani park in Tehran, including species like platanus orientalis, Morus alba, Cupressus arisonica, Robinia pseudoacacia, Pinus eldarica, Ailanthus altissima, Cedrus atlantica, was studied. Four pan-sharpened multispectral images of UltraCam-D camera with the spatial and radiometric resolution, 0.07×0.07 m and 16 bit respectively, were analyzed. These data were geometrically corrected by aero-triangulation method using GCPs and IMU. The images classified using object-based method with the main and synthesic bands of Ratioing, PCA and HIS transformations. Firstly, segmentation was done with different parameters in order to avoid exceeding the maximum allowable number of objects. Finally, the classification was performed using appropriate features and layers by Nearest Neighbor method. In order to assess the accuracy of result, a ground truth map was produced based on field survey. This map has included 688 points, which each represents a tree on the ground. The result of accuracy assessment showed that overall accuracy and Kappa coefficient were 78% and 0.73 respectively. Platanus and Aillan showed the highest and the lowest Kappa 0.81700.2481, respectively. The result of this study showed that the UltraCam-D and object-based method have relatively good capability to recognize tree species. To reach a certainty about this result, it is essential to evaluate UltraCam-D data in other sites with different species. | ||
| کلیدواژه‌ها [English] | ||
| identification tree species, object-based classification, segmentation, UltraCam-D, Urdan forest park | ||
|
آمار تعداد مشاهده مقاله: 2,524 تعداد دریافت فایل اصل مقاله: 1,777 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب