بررسی دقت lidar آیفون در تهیه ابر نقاط تنه درختان (مطالعه موردی : زاگرس میانی- جنگل‌های بلوط استان لرستان)

جنگل‌های زاگرس از مناطق مهم و استراتژیک کشور محسوب می‌شود. آماربرداری جنگل در مناطقی چون زاگرس با توجه به دسترسی دشوار و تراکم اندک درختان نیازمند صرف هزینه و زمان است. روش‌های اسکن لیزری جهت برداشت ابر نقاط و تولید نقشه‌ اطلاعات ارزشمند و قابل ملاحظه‌ای را در مدیریت جنگل فراهم می‌کند. با عرضه‌ی سنسور تشخیص نور برد کوتاه lidar در سال 2020 توسط شرکت سازنده‌ی اپل، امکان استفاده از روش‌های جایگزین اسکن فراهم گردید. در مطالعه حاضر، به منظور بررسی دقت ابر نقاط حاصله از لیدار آیفون، با قرار دادن نشانگر‌هایی (markers) بر روی 37 اصله درخت در فواصل طولی و عرضی مشخص در جهات مختلف تنه درختان اقدام گردید. صحت‌سنجی این فواصل (طولی و عرضی) در عرصه تا دقت میلی‌متر حاکی از همبستگی بالا و مستقیم میان ابر نقاط حاصله با فواصل اندازه‌گیری شده در عرصه می‌باشد. rmse% تحقیق به ترتیب برای فواصل طولی 1.33و برای فواصل عرضی 2.23 سانتی‌متر به دست آمد که گواه صحت بالای فناوری مذکور و پتانسیل بالای آن جهت جایگزینی با ابزارهای رایج در آماربرداری جنگل است. 

investigatin the accuracy of iphone lidar in preparing point clouds of tree trunks (case study: middle zagros - oak forests of lorestan province)

zagros forests are one of the important and strategic areas of the country. forest inventories in areas like zagros is expensive and time-consuming due to the difficult access and low density of trees. laser scanning methods to prepare point clouds and produce maps provide valuable and significant information in forest management. with the release of the lidar short-range light detection sensor in 2020 by apple, it became possible to use alternative scanning methods. in the present study, in order to check the accuracy of iphone lidar in preparing point clouds of tree trunks, 37 iranian oak trees were selected and specific longitudinal and transverse distances were marked on their trunks. the high accuracy of the point clouds for these distances resulted in a high correlation between the generated point clouds and the real distances. the rmse% was obtained for longitudinal distances of 1.33 cm and for transverse distances of 2.2 cm respectively, which proves the high accuracy of the mentioned technology and its high capability in extracting quantitative components of tree trunks.