ارزیابی مدل ارتفاعی تاج مستخرج از پهپاد در آشکارسازی تک درختان در پارک جنگلی سیسنگان

مقدمه و هدف: پیشرفت ها در زمینه پهپاد ها و سنجنده های آن ها، امکان دستیابی به تصاویر با وضوح بالاو همچنین تولید داده های سه بعدی را فراهم کرده است که از آن ها می توان در نظارت بر جنگل ها و ارزیابی ویژگی های درختان استفاده کرد. هدف از انجام این پژوهش استفاده از تصاویر پهپاد و به کارگیری الگوریتم بیشینه محلی به منظور آشکارسازی تک درختان پهن برگ بود. مواد و روش ها: این مطالعه در پارک جنگلی سیسنگان واقع در 30 کیلومتری شرق نوشهر انجام شد. براساس اورتوموزاییک تصاویر پهپاد، شش قطعه نمونه 30 در 30 متر طراحی شد. یافته ها: در مجموع 209 پایه به عنوان مرجع زمینی ثبت شد که الگوریتم توانست 137 پایه از آن ها را با امتیاز f برابر با 0/63 به درستی آشکارسازی کند. این الگوریتم 88 نقطه را به اشتباه درخت تشخیص داده و 72 پایه از درختان را از دست داد. نتایج ما نشان داد که هرچقدر تنوع گونه کمتر و همچنین تاج درختان متقارن تر و در یک محدوده قطر تاج باشند، عملکرد الگوریتم آشکارسازی بهتر است. نتیجه گیری: به طور کلی نتایج نشان داد، عملکرد این الگوریتم  در تشخیص تک درختان نامناسب می‌باشد. بنابراین استفاده از نتایج آن در جنگل‌های پهن‌برگ باید با احتیاط مورد استفاده قرار گیرد.

Evaluation Crown Height Model Extracted from the UAV in Individual Tree Detection in Sisangan Forest Park

Extended AbstractIntroduction and Objective: Advances in the field of UAVs and sensors, has provided access to highresolution images and 3D data of them can be used to monitor of forests and evaluate the characteristics of trees. In this study, lowcost UAV sensors and algorithms SFM images have been used to extract the crown height model. then Local Maxima algorithm was used to detect trees.Materials and Methods: Current research was conducted in the Sisangan Forest Park that located in 30 km east of Nowshahr. Based on the Orthomosaic of drone images, six sample plots with 30 to 30 m dimensional were designed. Results: A total of 209 trees were recorded as ground reference, which allowed the algorithm to accurately detect 139 of them with the FScore of 0.63.  Applied algorithm detected 88 points by mistake, and lost 72 trees. Our r findings showed that the less variety of species and the crown of the trees are symmetrical and in a crown diameter range, the performance of the detection algorithm is better. Also, by using LiDAR sensors, better results may be achieved. generally, the results of this investigation indicated that the in open canopy forests with the tangier and Also, the trees are symmetrical trees, the acceptable outcome might be access. Conclusion: Overall, the local Maxima algorithm did not detect singletrees. These results therefore need to be interpreted with caution in broadleaves forests.