به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

object-based

در نشریات گروه کشاورزی
تکرار جستجوی کلیدواژه object-based در مقالات مجلات علمی
  • زینب خلیلی*، اصغر فلاح، شعبان شتایی
    مقدمه و هدف

    روشنه های تاج   پوشش جنگلی نقش مهمی در پویایی جنگل دارند. داده های پهپاد ظرفیت خوبی را برای شناسایی و استخراج اطلاعات نظیر روشنه ها در مناطق جنگلی ارایه نموده و به عنوان یک منبع جایگزین وکم هزینه برای کسب اطلاعات ساختار جنگل مطرح شده است. هدف این تحقیق، بررسی و مقایسه روش های استخراج روشنه در تهیه نقشه روشنه های تاجی با استفاده از داده های پهپاد در بخشی از جنگل کاری های عرب داغ استان گلستان می باشد.

    مواد و روش ها

    پس از اخذ تصاویر مناسب و انجام پیش پردازش های لازم، ارتوموزاییک، مدل رقومی ارتفاع زمین (DTM)، مدل رقومی سطح (DSM) و مدل رقومی ارتفاع تاج پوشش (CHM) تهیه شد. شناسایی و تهیه روشنه ها با روش های آستانه ارتفاعی ثابت، آستانه شیب مدل ارتفاعی تاج پوشش جنگل و

    طبقه بندی شی ء پایه انجام شد. به منظور بررسی کارایی روش های مختلف و انجام ارزیابی صحت و دقت نقشه ها، مراکز و محدوده تعدادی از روشنه ها با استفاده از سامانه GPS تفاضلی برداشت شد. صحت روشنه ها به صورت نقطه ای و تطابق هندسه محدوده ای روشنه های استخراجی با نقشه واقیت زمینی ارزیابی شد.

    یافته ها

    نتایج ارزیابی صحت نقطه ای نشان داد که روش طبقه بندی شی ء پایه با الگوریتم ماشین بردارپشتیبان با صحت کلی 99 درصد و ضریب کاپا 0/98 دارای بهترین عملکرد نسبت به سایر روش ها و الگوریتم ها بوده است. در ارزیابی تطابق محدوده ای، بیشترین تطابق روشنه های استخراج شده با روشنه های واقعیت زمینی در آستانه ارتفاع سه متر به دست آمد.

    نتیجه گیری

    نتایج نشان داد که می توان با تصاویر هوایی پهپاد و خروجی های حاصل از آن و همچنین کار گرفتن روش های خودکار، نقشه روشنه های تاجی را با دقت خوبی استخراج کرد. البته میزان دقت به عوامل متعددی مانند نوع پهپاد و دوربین های استفاده شده، پارامترهای پرواز و غیره بستگی دارد. با توجه به دقت نتایج به دست آمده، استفاده از این روش برای آماربرداری جنگل توصیه می شود.

    کلید واژگان: آستانه گذاری، پهپاد، تطابق محدوده ای، روشنه، شی ء پایه
    Zeynab Khalili*, Asghar Fallah, Shaban Shataee
    Introduction and Objective

    Forest canopy gaps play an important role in forest dynamics. Unmanned aerial vehicle (UAV) data provide demonstrated capacity to systematically and accurately detect and map canopy gaps and have been considered as an alternative way to describe the forest stands. This study aims to extract canopy gaps using UAV data and compare the performance of different canopy gap extraction methods in a part of the replanted forest in the Arab Dagh Region, Golestan Province, Iran.

    Material and Methods

    After the acquisition of UAV images and initial preprocessing, the digital terrain model (DTM), digital surface model (DSM), Canopy height model (CHM), and orthophoto mosaic were produced. CHM classification performs to extract forest gaps by different methods of height thresholding on CHM, CHM slope thresholding, and object-based classification. For performance evaluation of used methods and accuracy assessment of the canopy gap maps, the central position and boundary of some gaps were measured by DGPS. Finally, the point and polygon base accuracy of delineated gaps were assessed for each of the methods..

    Results

    The results of the point accuracy assessment showed that the canopy gap map obtained by object-based classification method with applying the support vector machine (SVM) algorithm with 99% overall accuracy and 0.98 kappa coefficient had the best performance compared to other algorithms and methods. About area accuracy assessment, the best match between delineated gaps and ground truth polygons was achieved by using 3 m height thresholding.

    Conclusion

    The results showed that with aerial images of the UAV and its outputs, as well as the use of automated methods, the map of the canopy gap can be accurately extracted. Of course, the degree of accuracy depends on several factors such as the type of drone and cameras used, flight parameters and so on. Given the results, it is hoped that this approach will gradually be used as a cheap and accurate method in forest surveying.

    Keywords: Boundary geometric conformity, Canopy gap, Object-based, Thresholding, UAV
  • شمیم امینی*، شعبان شتایی جویباری، محمدهادی معیری، رامین رحمانی

    تهیه نقشه روشنه ها با استفاده از روش های دقیق و داده های مناسب برای درک بهتر ساختار جنگل و مدیریت آن ضروری است. هدف این پژوهش، بررسی و مقایسه روش های استخراج روشنه در تهیه نقشه روشنه های تاجی با استفاده از داده های پهپاد در بخشی از توده مدیریت شده طرح جنگلداری دکتر بهرام نیا (شصت کلاته) بوده است. مدل ارتفاعی تاج با استفاده از مدل رقومی سطح تاج حاصل از داده های پهپاد و مدل رقومی زمین حاصل از داده های لایدار استخراج شد. استخراج روشنه ها با روش های آستانه گذاری مدل ارتفاعی تاج (ارتفاع و شیب ثابت و ارتفاع نسبی) و طبقه بندی شیء پایه مدل ارتفاعی تاج و اورتوفتوموزاییک پهپاد انجام گرفت. نقشه واقعیت زمینی نقطه ای و محدوده ای با استفاده از برداشت زمینی و تفسیر بصری اورتوفتوموزاییک پهپاد تهیه شد. ویژگی های محدوده ای روشنه (مساحت، محیط و پیچیدگی شکل) محاسبه شد. صحت نقطه ای و تطابق هندسه محدوده ای روشنه های استخراجی با نقشه واقعیت زمینی ارزیابی شد. نتایج ارزیابی صحت نقطه ای نشان داد که به کارگیری روش آستانه شیب 60 درصد با صحت کلی 7/91 درصد و ضریب کاپای 87/0 دارای بهترین نتیجه بوده است. در ارزیابی تطابق محدوده ای، بیشترین تطابق روشنه های استخراج شده با روشنه های واقعیت زمینی در آستانه ارتفاع نسبی و آستانه شیب 60 درصد به دست آمد. کمترین میانگین خطای برآورد پیچیدگی شکل روشنه، با آستانه شیب 70 درصد مدل ارتفاعی تاج (15/0) و کمترین میانگین خطای برآورد مساحت (76/33 متر مربع) و محیط (80/16 متر) در روش طبقه بندی شیءپایه مشاهده شد. به طور کلی چنانچه تطابق هندسی محدوده ای روشنه ها مدنظر باشد، روش طبقه بندی شیءپایه با صحت کلی (89 درصد)، می تواند روشنه هایی با تطابق مناسب و کمترین خطای برآورد محدوده ترسیم کند.

    کلید واژگان: آستانه گذاری، پهپاد، شیءپایه، قطعه بندی، مدل ارتفاعی تاج
    Sh Amini *, Sh Shataee Jouibary, M.H. Moayeri, R. Rahmani

    Canopy gap delineation is essential for achieving a better comprehension of forest structure. This study aims to (a) extract canopy gaps using UAV data and (b) compare the performance of different canopy gap extraction methods in a managed stand in the northeast of Iran. A canopy height model (CHM) was produced by subtracting LIDAR digital terrain model from the UAV digital surface model. CHM classification performs to extract gaps by thresholding CHM (fixed height and CHM slope and relative height thresholds) and object-based classification on the UAV CHM and orthophoto. Ground truth is produced in the point and polygon forms through field measurements and visual interpretation of the UAV orthophoto. The geometry of the canopy gaps (Area, perimeter, and shape complexity) was calculated. Finally, the point and polygon base accuracy of delineated gaps assess for each of the methods. Point accuracy assessment suggests that 60% CHM slope produces the highest overall accuracy and Kappa coefficient of 91.7% and 0.874, respectively. About area accuracy assessment, the best match between delineated gaps and ground truth polygons was achieved by using relative height and 60% CHM slope thresholds. The lowest mean errors of GSCI produced by 70% CHM slope (0.15). Moreover, object-based classification showed the lowest mean error of area (33.76 m2) and perimeter (16.80 m). In conclusion, while area accuracy is considered the best fit of the delineated gap's geometry is gained by the object-based classification.

    Keywords: Canopy height model, Object-based, Segmentation, Thresholding, UAV
  • آزاد کاکه ممی، اردوان قربانی*، مهدی معمری، سحر غفاری

    با ارزیابی تغییرات کاربری و پوشش اراضی، امکان برنامه ریزی و مدیریت اراضی برای کاهش اثر تغییر و تخریب بهره برداری ها امکان پذیر است. هدف این پژوهش، ارزیابی تغییرات کاربری اراضی استان اردبیل بین سال های 1366 تا 1394 با استفاده از تصاویر ماهواره سنجنده Thematic Mapper  (TM) لندست 5 و تصاویر ماهواره سنجنده Operational Land Imager (OLI) لندست 8 بوده است. ابتدا کارایی روش طبقه بندی شیءگرا با استفاده از نقاط کنترل زمینی، تشکیل ماتریس خطا و مقایسه مولفه های صحت و ضریب کاپا برای نقشه های حاصل ارزیابی شد. صحت کل و ضریب کاپا برای سال 1366 به ترتیب برابر 3/82% و 70/0 و سال 1394 به ترتیب برابر با 94% و 90/0 محاسبه شد. نتایج آشکارسازی تغییرات نشان داد که در بین سال های 1366 تا 1394 سطح مراتع 2/4% برابر 3/75039 هکتار و جنگل ها 5/0% برابر 7/9393 هکتار نسبت به سطح کل استان اردبیل کاهش و زراعت آبی 1/3% برابر 8/55276 هکتار، مناطق مسکونی 8/0% برابر 7/14989 هکتار و زراعت دیم 7/0% برابر 4/12632 هکتار نسبت به سطح کل استان، افزایش یافته اند. عمده ترین تغییراتی که در بازه زمانی مورد مطالعه در منطقه رخ داده است، تبدیل مراتع به دیمزار برابر با 8/13% در حدود 2/141794 هکتار و اراضی کشت آبی 8/4% برابر 9/49836 هکتار از مراتع، تبدیل زراعت آبی به دیم برابر با 7/7% در حدود 8/11464 هکتار و تبدیل جنگل به مرتع برابر با 1/6% در حدود 9/1059 هکتار است که بیانگر ضرورت جدی بازنگری در سیاست های مدیریتی است.

    کلید واژگان: استان اردبیل، تغییرات زمانی کاربری اراضی، تصاویر ماهواره ای، شیءگرا
    Azad Kakehmami, Ardavan Ghorbani *, Mehdi Moameri, Sahar Ghafari

    By evaluating land use change and land cover, it is possible to plan and land manage to reduce the impact of alteration and degradation of exploitations. The purpose of this study was to evaluate land use changes in Ardabil province between 1987 and 2015 using Thematic Mapper (TM) sensor of Landsat 5 and Operational Land Imager (OLI) sensor of Landsat 8 satellite images. Firstly, the efficiency of the object-based classification method was evaluated using ground control points, error matrix, and comparing total accuracy and kappa coefficients for the resulting maps. Total accuracy and Kappa coefficients for 1987 were 82.3% and 0.70, and 2015 were 94% and 0.90, respectively. Change detection results showed that from 1987 to 2015, rangelands decreased by 4.2%, equivalent to 75039.3 hectares and forests decreased by 0.5%, equivalent to 9393.7 hectares compared to the total province area and irrigation farming increased by 3.1%, equivalent to 55276.8 hectares, residential areas increased by 0.8%, equivalent to 14989.7 hectares and dry farming increased by 0.7%, equivalent to 12632.4 hectares compared to the total province area. The most significant changes that occurred from 1987 to 2015 were the conversion of rangelands to dry farming with 13.8%, equivalent to 141794.2 hectares and irrigation farming lands with 4.8%, equivalent to 49836.9 hectares of rangelands, irrigation farming to dry farming with 7.7%, equivalent to 11464.8 hectares and forests to rangelands with 6.1%, equivalent to 1059.9 hectares which indicate that the requirement of a serious revision of the management policies.

    Keywords: Ardabil province, temporal land use changes, satellite images, object-based
  • ر. باقری، ش. شتایی جویباری*، و ی. عرفانی فرد

    برآورد دقیق مکانی زی توده روی زمین در مناطق وسیع مورد نیاز برنامه ریزان منابع طبیعی می باشد. این تحقیق به منظور ارزیابی زی توده و ذخیره کربن درختان بنه بر اساس تشخیص و شناسایی محدوده تاج درختان با استفاده از تصاویر ماهواره GeoEye-1 و روابط آلومتریک در ذخیره گاه جنگلی این گونه در شهرستان نهبندان استان خراسان جنوبی در شرق ایران انجام شد. زی توده درختان نمونه با استقاده از نمونه برداری میدانی و روش های تجربی تعیین شد. به علاوه زی توده تنه درختان با استفاده از حجم و چگالی چوب تعیین شد. معادلات آلومتریک زی توده و ذخیره کربن بر اساس سطح تاج، قطر برابر سینه و ارتفاع درختان تهیه شد. تاج درختان بر روی تصویر ماهواره ای با استفاده از الگوریتم های حداکثر محلی و رشد نواحی شناسایی گردید. همچنین روش قطعه بندی حوضه برای جداسازی تاج های به هم پیوسته استفاده شد. الگوریتم های اجرا شده با استفاده از تاج درختان برداشت زمینی ارزیابی گردید. نتایج نشان داد معادله آلومتریک بر اساس سطح تاج بیش از 80 درصد تغییرات زی توده و ذخیره کربن را تبیین می کند. به علاوه روش تشخیص و تعیین محدوده تاج درختان قابل قبول بود. به طورکلی نتایج نشان داد روش مورداستفاده و ترکیب معادلات آلومتریک با استخراج تاج درختان بنه بر اساس تصاویر ماهواره ای با قدرت تفکیک مکانی بالا امکان تهیه نقشه دقیق زی توده و ذخیره کربن درختان بنه را در مناطق خشک و نیمه خشک فراهم می نماید.

    R. Bagheri, Sh. Shataee*, S. Y. Erfanifard

    Spatially explicit estimates of aboveground biomass over large area are necessary for natural resources managers. This study examined aboveground biomass and carbon stock of the wild pistachio (Pistacia atlantica) based on individual tree crown detection and allometric development in the arid woodlands using high-resolution satellite images of GeoEye-1 in a reserved forest area of Wild Pistachio trees in the South Khorasan Province, East of Iran. Biomass of sampled trees was determined using field sampling and experimental tests. In addition, the biomass of stems was determined using volume and density. The allometric biomass and carbon stock equations of Wild Pistachio trees were developed based on crown area, diameter at breast height (1.3 m), and height of trees. The trees crowns were detected and delineated on the GeoEye-1 images, using local maxima filters, and region growing segmentation algorithms, respectively. In addition, a morphological watershed transformation method was applied to split the connected and overlapped tree crowns. Performing algorithms was assessed using the measured field crown of sample trees by precision, recall, and overall accuracy indices. The biomass and carbon stock of trees of the study area were estimated using delineated crown area and the developed allometric equations. The results showed that the equation that used crown area could explain more than 80% of the remarked variation in biomass and carbon stock. In addition, the crown detection method results showed that overall detection rate and the quality of crown boundaries were acceptable. In conclusion, the study confirmed that combining the allometric equations with crown information from high-resolution images could contribute to the explicit mapping of biomass and carbon stock of wild pistachio trees in the arid woodlands.

    Keywords: Allometric equations, Object-based, Pistacia atlantica, Tree crown delineation
  • میلاد پوراحمد، جعفر اولادی، اصغر فلاح
    تصاویر پهپاد، با توان تفکیک مکانی بالا، یک منبع اطلاعاتی باارزش برای تهیه نقشه پوشش زمین و اطلاعات موضوعی به ویژه تشخیص گونه های درختی هستند. هدف از این تحقیق بررسی قابلیت تصاویر پهپاد و روش شیءپایه در تشخیص گونه های درختی در جنگل های پهن برگ خزری است. به این منظور بخشی از پارسل 24 در سری یک دارابکلای مازندران انتخاب شد. نقشه واقعیت زمینی موقعیت گونه های غالب از طریق ثبت دقیق با الگوریتم تعیین مختصات جغرافیایی با استفاده از فاصله و آزیموت در نرم افزار متلب تهیه شد. پس از پردازش های مناسب بر روی تصاویر، طبقه بندی به روش شیء پایه بر روی مجموعه تصاویر در سه ارتفاع پروازی 100، 75 و 55 متری به دو صورت طبقه بندی یک مرحله ای و طبقه بندی سلسله مراتبی انجام شد. در روش شیء پایه از فن نزدیک ترین همسایه برای طبقه بندی گونه ها استفاده شد. ارزیابی صحت
    نقشه های حاصل ازطبقه بندی ها با استفاده از 50 درصد نمونه های واقعیت زمینی انجام گرفت. نتایج نشان داد که نقشه حاصل از طبقه بندی سلسله مراتبی به روش شیء پایه در ارتفاع پروازی 55 متر بهترین توانایی تشخیص گونه های درختی را در بین سه ارتفاع، با ضریب کاپای 81/0 و صحت کلی 87 درصد داراست.
    کلید واژگان: پهپاد، تعیین گونه، شیءپایه، طبقه بندی جنگل
    Milad Pourahmad Mr., Jafar Oladi Dr., Asghar Fallah Dr.
    Unmanned aerial vehicles (UAVs) images have high spatial resolution. They are a valuable source of information for mapping land cover and thematic information, particularly in the identification of tree species. The aim of this study was to investigate the capability of drone images and the base object method for detecting tree species in the Hyrcanian forests. For this purpose, part of an area in parcel 24 of district one in Mazandaran Darabkola forest was selected. The ground truth map was prepared through accurate recording with geographic coordinate’s algorithm using distance and azimuth in MATLAB software. Proper processing was done on the images and classification performed on images at three flight height; 55, 75 and 100 meters in two categories of one-step and hierarchical classifications. In object-based classification, the nearest neighbor method was used to classify three species. The accuracy of the maps derived from classifications was evaluated using 50% of the ground truth map. The results showed that the map of the hierarchical classification by the object based method at a flight height of 55 meters has the best ability to detect tree species in the three heights. These comparisons showed Kappa's coefficient of 0.81 accuracy of tree species classification in 55-meter height by UAV.
    Keywords: Forest classification, Object-based, Tree detection, UAVs
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال