استخراج جاده های مخفی جنگلی با استفاده از داده های لیدار (مطالعه موردی: بخشی از جنگل های شصت کلاته گرگان)

جهت تحقق اهداف مدیریتی و بهره برداری از جنگل ها، دسترسی به بخش های مختلف آن ضروری است. این امر از طریق جاده های جنگلی امکان پذیر می شود. تهیه نقشه جاده های جنگلی به روش سنتی خصوصاً در مناطق پرتراکم و کوهستانی بسیار وقت گیر و هزینه بر می باشد. لذا در این تحقیق سعی شده با به‌کارگیری فناوری دور سنجی با استفاده از داده های لیدار موجود در ایران، جاده های مخفی جنگلی استخراج شود. نوآوری تحقیق استفاده از روش پیشنهادی و داده های لیدار جهت استخراج جاده های مخفی جنگلی با ‌دقت زیادتر می‌باشد. جهت انجام این تحقیق در ابتدا نویزهای موجود در داده های لیدار حذف شد. در ادامه طبق قضیه حد مرکزی و محاسبه ممان سوم آماری (چولگی) داده ها، نقاط غیرزمینی حذف شدند. در این مرحله به‌اشتباه تعدادی نقاط غیرزمینی به‌عنوان نقاط زمینی شناخته شد، برای رفع این خطاها با اعمال الگوریتم شیب مبنا با شعاع همسایگی 10 متر و شیب 22 درجه بر روی نقاط حاصل از الگوریتم اول، این نقاط درنهایت حذف و نقاط زمینی استخراج شدند، در ادامه نقاط زمینی استخراج شده شبکه بندی شد. سپس شبکه بندی موجود بر اساس تراکم پیکسل ها به پلی گون تبدیل شد و با بررسی مدل رقومی زمین و همچنین تصاویرهوایی اولتراکم، پلی گون هایی که مربوط به جاده نبودند حذف شدند. خروجی تحقیق تا این مرحله استخراج جاده هایی بود که توسط تاج پوشش جنگل مخفی نمانده بود در نتیجه جهت استخراج قسمت های مخفی جاده، مجدداً با اعمال الگوریتم شیب مبنا با شعاع همسایگی 10 متر و  شیب 65 درجه بر روی کل نقاط لیدار و درون‌یابی نقاط به روش بی اسپیلاین، جاده های مخفی جنگلی استخراج شدند که با متصل کردن و اصلاح کردن پلی گون ها، جاده های خاکی با عرض 3 متر و مسیرهای چوبکشی با عرض 2 متر استخراج شدند. مقایسه نتایج تحقیق با جاده استخراج شده توسط برداشت نقاط زمینی نشان داد معیار کامل بودن، صحیح بودن و کیفیت به ترتیب 82 درصد، 86 درصد و 72 درصد می‌باشد.

extraction of hidden forest roads using lidar data (study area: shast kalate forests of gorgan)

forest roads are essential for forest management, forest harvesting, wood transportation, recreation, education, research, and forest protection. to meet these needs, forest road networks have been constructed in the northern forests of iran. forest road mapping especially over large and mountainous areas is time-consuming and expensive. today, remote sensing data can be considered as an important tool for forest roads extraction. therefore, in this research, lidar data and ultracam images were applied in order to extract hidden forest roads. at the first step, noise points in the point cloud data were removed. then, according to the central limit theorem (clt), the third statistical moment (amount of skewness) of the data was calculated and the non-ground points were eliminated. at this next step, a number of non-ground points were identified as ground points. in order to eliminate these errors, slope-based algorithm with a radius of 10 meters and a slope of 22 degrees was applied on the points obtained from the first step, these points were eventually removed and the ground points were extracted. then, extracted ground points were converted to grid. then the grid was converted to polygon based on the pixel density, by using the dtm as well as ultracam aerial images, polyglots that were not related to the road were removed. until this stage, the output was the roads that were not hidden by the forest canopy. therefore, the hidden parts of the roads were extracted by applying slope-based algorithm with the radius of 10 meters and 65 degrees slope on the whole lidar points and interpolating the results by spline interpolation method. by connecting and modifying the polygons, 3m wide dirt roads and 2m wide skidding roads were extracted. the results are evaluated by comparing to manually acquired road data. the quality measures completeness, correctness and quality were 82%, 86% and 72%, respectively.