بررسی امکان تشخیص گونه های درختی در تصاویر هوایی رقومی به روش طبقه بندی شیءـ پایه
نویسندگان
چکیده مقاله:
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.
منابع مشابه
نقش قدرت تفکیک مکانی و رادیومتری تصاویر هوایی در تشخیص گونه های درختی به روش طبقه بندی شئ- پایه
متن کامل
تشخیص گونه های درختی با استفاده از تصویر رقومی دوربین هوایی به روش طبقه بندی شی پایه
تصاویر یا عکس¬های رقومی هوایی، با توان تفکیک مکانی و رادیومتری بالا، یک منبع اطلاعاتی باارزش برای تهیه نقشه پوشش زمین و اطلاعات موضوعی به¬ویژه تشخیص گونه¬های درختی تلقی می¬شوند. هدف از این تحقیق بررسی قابلیت تصاویر رقومی هوایی ultracam-d و روش شی پایه در تشخیص گونه¬های درختی در جنگل¬های پهن برگ خزری است. به این منظور بخشی از منطقه سری یک شصت کلاته گرگان انتخاب شد. نقشه واقعیت زمینی موقعیت گونه¬...
15 صفحه اولتشخیص گونه های درختی با تصاویر هوایی رقومی به روش شیء- پایه در جنگل های شمال ایران (مطالعه موردی: چمستان، نور)
شناسایی گونه های درختی نیازمند تفکیک تیپ های جنگلی است. داده های دورسنجی و به ویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری بالا، ابزار مناسبی برای این کار به شمار می آیند. هدف از این تحقیق ارزیابی قابلیت این تصاویر برای تشخیص گونه های درختی به روش طبقه بندی شیء- پایه در جنگل های طبیعی آمیخته است. این بررسی در دو قطعه کوچک از جنگل های جلگه ای شمال کشور انجام شد. پس از ارزیاب کیفیت تصا...
متن کاملارزیابی طبقه بندی های پیکسل-پایه و شیء-پایه تصاویر هوایی برای تشخیص گونه های درختی (مطالعۀ موردی: جنگلکاری چمستان نور)
تصاویر هوایی رقومی جنگل های شمال که با دوربین هوایی پیشرفته ultracamd گرفته شده اند، منبع بسیار با ارزشی برای تولید اطلاعات مفید جنگل هستند. ویژگی های خاص این تصاویر، ضرورت تعیین روش بهینۀ طبقه بندی آنها را مطرح می سازد. در این تحقیق داده های ادغام شدۀ این سنجنده در چهار باند طیفی 16 بیتی و با اندازه تفکیک مکانی 7 سانتی متر مربوط به سال 1387 از یک منطقۀ جنگلکاری در چمستان نور، با هدف تشخیص گونه...
متن کاملبررسی قابلیت داده های تصاویر رقومی هوایی UltraCam-D در شناسایی گونه‌های درختی در جنگل های آمیخته خزری (مطالعه موردی: شصت کلاته گرگان)
تشخیص گونه های درختی و تهیه نقشه ترکیب درختان نقش مهمی در اتخاذ تصمیمات بهینه برای مدیریت بوم سازگان جنگلی در نواحی وسیع ایفا می کنند. بررسی قابلیت منابع متفاوت سنجش‌ازدوری نظیر تصاویر رقومی هوایی در منابع مختلف جنگلی به‌عنوان راهکار جایگزین روش‌های زمینی در سال‌های اخیر موردتوجه قرارگرفته است. داده‌های سنجش از دور، به ویژه تصاویر هوایی رقومی با قدرت تفکیک مکانی و رادیومتری بالا ابزار مناسبی بر...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 67 شماره 1
صفحات 21- 32
تاریخ انتشار 2014-04-21
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023