برآورد زیست‌توده درختان با استفاده از ابر نقاط متراکم استخراج شده از تصاویر پهپاد در سطح تک‌درخت، قطعه نمونه و ترکیبی

الگوریتم های تبدیل تصاویر دو بعدی به داده های سه بعدی این امید را پدید آورده اند که بتوان ویژگی های ساختاری درختان را از طریق تصاویر پهپاد استخراج کرد. در این پژوهش میزان دقت برآورد زیست توده درختان در سطح تک‌درخت، قطعه نمونه و ترکیبی با استفاده از تصاویر پهپاد بررسی شد. در بخشی از پارک جنگلی سیسنگان با مساحت 38.8 هکتار، با استفاده از یک پهپاد عمود پرواز، 854 تصویر از ارتفاع 100 متری از سطح زمین برداشت و سپس با استفاده از الگوریتم ساختار حرکت مبنا (sfm) داده های سه بعدی تولید و ارتفاع درختان استخراج شد. در 28 قطعه نمونه طراحی شده با ابعاد30 در30 متر، ارتفاع و قطر برابر سینه درختان برداشت شد و سپس با استفاده از قطر برابر سینه و جایگذاری آن در معادله آلومتریک عمومی، زیست توده تک درختان محاسبه شد و بااستفاده از ارتفاع حاصل، مدل ارتفاعی تاج (chm) مدل‌سازی شد. به‌منظور برآورد زیست توده در سطح قطعه نمونه نیز از شاخص های ارتفاعی مستخرج از مدل ارتفاعی تاج استفاده شد و مقدار آن در قطعه نمونه مدل سازی شد. در سطح ترکیبی نیز مقدار زیست توده موجود در قطعات نمونه بااستفاده از زیست توده برآورد شده تک درختان و زیست توده برآورد شده در سطح قطعه نمونه، مدل سازی شد. دقت و صحت برآوردها با معیار های اریبی‌نسبی، جذر میانگین مربعات خطا نسبی و ضریب تبیین تطابق یافته بررسی شد. براساس نتایج، جذر میانگین مربعات خطا نسبی برآورد زیست توده در سطح تک درخت پایه های شمشاد، ممرز، انجیلی و سایر گونه ها به‌ترتیب 17.56، 7.11، 14.67 و 22.73 درصد بود. زیست توده با جذر میانگین مربعات خطای نسبی 58 درصد در سطح قطعه نمونه و 47 درصد در سطح ترکیبی برآورد شد. براساس نتایج، دقیق‌ترین سطح برای برآورد زیست توده سطح ترکیبی است و دقت برآورد زیست توده با تصاویر پهپاد مورد استفاده در این تحقیق برای ارزیابی‌های کلی مناسب است اما برای برنامه ریزی مدیریتی دقت لازم را ندارد.

Estimation of Tree Biomass at Individual tree, Sample plot and Hybrid Level using Drone Images

Twodimensional image conversion algorithms to 3D data create the hope that the structural properties of trees can be extracted through these images. In this study, the accuracy of biomass estimation in tree, plot, and hybrid levels using UAVs images was investigated. In 34.8 ha of Sisangan Forest Park, using a quadcopter, 854 images from an altitude of 100 meters above ground were acquired. SFM algorithm was applied to produce 3D data and the height of the trees was extracted. 28 samples with 30 times;30 m dimension were collected and the height and the diameter at the breast height were measured and the biomass was calculated based on a general allometric equation. In order to estimate the biomass at plotlevel, the height metrics were extracted from the point cloud. For treelevel, the biomass of each tree was modeled based on the height value derived from CHM for each tree. In hybridlevel, sum of estimated biomass of trees in treelevel was used as the predictor in modeling. The accuracy and precision of the estimates were evaluated using relative bias (rBias), relative root mean square error (rRMSE), and adjusted r square (r2). rRMSE for biomass estimation in Buxus hyrcana, Carpinus betulus, Parottia persica, and other species were 17.56, 7.11, 14.67 and 22.73 percent, respectively. For plot level and hybrid level, rRMSE were 58 and 47 percent, respectively. Based on the result, the most precise approach for biomass estimation is hybrid level and the precision of the estimate is appropriate for overall assessment of forest stands, not for management planning.