دانلود مقاله ترجمه شده طبقه بندی کامل نوع درخت با استفاده از داده های lidar هوابُرد و تصاویر CIR

چکیده

بررسی گسترده ی زمین منابع جنگلی، گران است و سنجش از راه دور به طور رایج برای گسترش بررسی بر روی مناطق بزرگ به کار می رود زیرا هیچ داده ی زمینی برای تهیه ی تخمین های دقیق تر جهت تصمیمات مدیریت جنگل وجود ندارد. داده های سنجش از راه دور برای طبقه بندی نوع درخت معمولاً در سطح یک درخت تحلیل می شوند (مبتنی بر شیء). با این حال، به خاطر چالش های محاسباتی، بیشتر مطالعات مبتنی بر شیء تنها مناطق کوچکتر را پوشش می دهند و در مورد تجربه ی مناطق بزرگ تر کمبود وجود دارد. ما رویکردی برای طبقه بندی بدون نظارت مبتنی بر شیء درختان به دو دسته ی پهن برگ و مخروطیان با استفاده از داده های لیدار هوابرد و تصاویر مادون قرمز رنگی در مقیاس کشوری ارائه می کنیم. ما با استفاده از داده های زمین از پلات های کشوری tree species trial (TST) رویه ی طبقه بندی را وفق دادیم و آن را روی داده های National Forest Inventory (NFI) تصدیق کردیم. نتایج طبقه بندی مبتنی بر شیء پلات های TST وقتی از همه ی پلات ها استفاده شده بود، دقت کلی 84% داشت و ضریب کاپای 0.61 هنگامی که پلات های دارای سیاه کاج کنار گذاشته شد، این مقادر به ترتیب 92% و 0.79 بودند. پلات های NFI بسته به منطقه ای که توسط قطعه هایی از دو نوع درخت پوشش داده شده بودند، به دسته ی مخروطی غالب یا پهن برگ غالب یا ترکیبی نسبت داده شدند. در مناطقی که داده های لیدار به خصوص در هنگام شرایط بی برگی جمع آوری شده بودند، 71% از پلات های NFI با کاپای 0.53 به درستی به سه دسته انتساب داده شدند. تنها با استفاده از پلات های NFIیی که یکی از این دو نوع (پهن برگ یا مخروطی) در آن ها چیره شده بود، 78% به درستی طبقه بندی شدند با کاپای برابر 0.61. این نتایج ثابت می کنند که با استفاده از داده های سنجش از راه دور کامل، طبقه بندی بدون نظارت جنگل به پهن برگ، مخروطی یا ترکیبی با دقتی قابل مقایسه با دقت مطالعات مناطق محدود، شدنی است. با این حال، چالش ها و محدودیت های استفاده از داده های سنجش از راه دور هوابرد کشوری، در مخارج مربوط به جمع آوری داده ها و زمان پردازش داده ها وجود دارد.

1- مقدمه

اطلاعات راجع به منابع جنگلی موجود و تخصیصات آن ها یک پیش نیاز مهم برای تضمین مدیریت جنگل های طبیعی است. هم چنین، دانش در مورد توزیع انواع درختان (مخروطی یا پهن برگ) در یک ناحیه یا یک جنگل مهم است زیرا انواع مختلف درختان منابعی برای محصولات مختلفی هستند و بنابراین هم بر روی برنامه ریزی جنگل و هم بر روی اختصاص محصول اثر می گذارند. این اطلاعات معمولاً به وسیله ی فهرست موجودی زمین به دست می آیند. در بعضی از کشورها، فهرست موجودی جنگل ها توسط تکنیک های سنجش از راه دور مبتنی بر منطقه مانند اسکن لیزری پشتیبانی می شوند...