چطور این مقاله مهندسی عمران و نقشه برداری را دانلود کنم؟
فایل انگلیسی این مقاله با شناسه 2006739 رایگان است. ترجمه چکیده این مقاله مهندسی عمران و نقشه برداری در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید
حجم فایل فارسی :
2 مگا بایت
نوع فایل های ضمیمه :
pdf+word
کلمه عبور همه فایلها :
www.daneshgahi.com
عنوان فارسي
الگوریتم تطبیقی برای درونیابی DTM بزرگ مقیاس از داده¬های LiDAR برای کاربردهای جنگلداری در نواحی جنگلی پرشیب
عنوان انگليسي
Adaptive algorithm for large scale dtm interpolation from lidar data for forestry applications in steep forested terrain
نویسنده/ناشر/نام مجله
ISPRS Journal of Photogrammetry and Remote Sensing
این مقاله چند صفحه است؟
این مقاله ترجمه شده مهندسی عمران و نقشه برداری شامل 10 صفحه انگلیسی به صورت پی دی اف و 34 صفحه متن فارسی به صورت ورد تایپ شده است
چکیده
آشکارسازی نور و مسافتسنجی (LiDAR) به یک روش ارزشمند برای محاسبه موجودی حجمی جنگل ها تبدیل شده است زیرا اندازه های دقیقی از ارتفاع درختان را بدست می دهد. با این وجود، ارتفاع درختان تنها زمانی دقیق است که ابتدا ارتفاع زمین یعنی مدل رقومی زمین (DTM) با دقت محاسبه شود.
اگرچه در دهه گذشته، پیشرفت های بزرگی در فناوری LiDAR صورت گرفته است، پالایش داده های LiDAR برای درونیابی مدل رقومی زمین (DTM) به ویژه در زمینهای پرشیب و پیچیده دارای پوشش جنگلی، هنوز هم یک چالش است. الگوریتم های متعدد پیشنهاد شده در مقالات این چالش را بررسی کرده اند اما عملکرد آنها با کاهش چگالی نقطه در اثر حضور پوشش جنگلی و سطوح شیب دار رو به نزول می گذارد. در این مقاله، ما یک الگوریتم تطبیقی جدید برای درون یابی DTM از داده های LiDAR در سطوح پرشیب زمین با پوشش جنگلی پیشنهاد می کنیم. این الگوریتم، داده های ورودی را تقسیم بندی می کند و یک بخش از DTM را بسته به پیچیدگی آن بخش از سطح زمین، از طریق تناسب با سطح روند خطی یا مربعی یا از طریق استفاده از درون یابی اسپلاین مکعبی براورد می کند. عملکرد این الگوریتم به سه روش آزمایش می شود: با ارزیابی بصری، با مقایسه براوردهای ارتفاع درختانی که از DTM تولید شده بدست آمده اند با مقادیری که از بررسی میدانی بدست آمده اند و همچنین با استفاده از داده های آزمون انجمن بین المللی حسگری راه دور و تصویرسنجی (ISPRS). نتایج آزمون نشان می دهند که این الگوریتم در زمین های پرشیب و با چگالی نقاط LiDAR کم به خوبی عمل می کند و نسبت به الگوریتم های مرسوم، براورد دقیق تری از میانگین ارتفاع درختان حاصل می کند. این الگوریتم را می توان برای استخراج DTM در پروژه های موجودی جنگل بزرگ مقیاس در سطوح پیچیده و محیطهای زیستی چالش برانگیز و با چگالی نقاط LiDAR کم مورد استفاده قرار داد.
1-مقدمه
مدل های رقومی زمین (DTM)، نقش مهمی در مدل سازی پدیده های جغرافیایی مختلف ایفا می کنند و همچنین، به عنوان یک گام واسط در مدل سازی منابع طبیعی و عوارض ساخت بشر در سطح زمین عمل می کنند. به عنوان مثال، DTS برای ارزیابی آسیب های وارد شده به سطح زمین بعد از بلایای طبیعی مورد استفاده قرار گرفته است (به عنوان مثال Kasai, et al., 2009). در جنگل داری، DTMها معمولاً برای براورد ارتفاع تاجپوش مورد استفاده قرار می گیرد (به عنوان مثال، Wang and Glenn, 2008). آنگاه، ارتفاع تاجپوش براورد شده برای براورد میانگین ارتفاع درختان جنگل مورد استفاده قرار می گیرد که یک پیشنیازی برای موجودی جنگل چندمنبعی است...
پردازش LiDAR استخراج DTM مدلسازی رقومی سطح جنگلداری ابر نقاط
:کلمات کلیدی
Abstract
Light Detection and Ranging (lidar) has become a valuable tool in forest inventory because it yields accurate measurements of tree heights. However, tree height can be accurate only if the height of the ground, i. e., the Digital Terrain Model (dtm) is first accurately established
Although great advances have been made in lidar technology over the past decade, filtering lidar data for Digital Terrain Model (dtm) interpolation is still a challenge, especially in steep and complex terrain with forest cover. Several algorithms proposed in the literature address this challenge but their performance deteriorates with the decreasing point density caused by the presence of forest cover and steep slopes. In this paper, we propose a new adaptive algorithm for dtm interpolation from lidar data in steep terrain with forest cover. The algorithm partitions the input data and estimates a section of the dtm by fitting a linear or quadratic trend surface, or uses cubic spline interpolation depending on the complexity of the section of terrain. The performance of the algorithm is tested in three ways: by visual assessment, by comparison of the tree-height estimates produced using the generated dtm with those obtained using field survey, and by use of International Society for Photogrammetry and Remote Sensing (isprs) test data. Test results show that the algorithm can cope well with steep slopes and low lidar point densities, giving a more accurate estimate of average tree height compared to conventional algorithms. The algorithm can be used for dtm extraction in large scale forest inventory projects in challenging environments–complex terrain and low lidar point densities
Keywords:
LiDAR processing DTM extraction Digital surface modeling Forestry Point cloud
سایر منابع مهندسی عمران و نقشه برداری-مهندسی عمران – نقشه‌برداری در زمینه داده های LIDAR