تهیه نقشه روشنه تاجی در جنگل کاری های سوزنی‌برگان با استفاده از تصاویر پهپادی (مطالعه موردی: منطقه عرب داغ گلستان)

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 ارائه نموده و به‌عنوان یک منبع جایگزین وکم ‌هزینه برای کسب اطلاعات ساختار جنگل مطرح‌شده است. هدف این تحقیق، بررسی و مقایسه روش های استخراج روشنه در تهیه نقشه روشنه‌های 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 پیش‌پردازش‌های لازم، ارتوموزائیک، مدل رقومی ارتفاع زمین (dtm)، مدل رقومی سطح (dsm) و مدل رقومی ارتفاع تاج پوشش (chm) تهیه شد. شناسایی و تهیه روشنه‌ها با روش های آستانه ارتفاعی ثابت، آستانه شیب مدل ارتفاعی تاج پوشش جنگل و طبقه بندی شی ء ‌پایه انجام شد. به‌منظور بررسی کارایی روش‌های مختلف و انجام ارزیابی صحت و دقت نقشه‌ها، مراکز و محدوده تعدادی از روشنه‌ها با استفاده از سامانه gps تفاضلی برداشت شد. صحت روشنه ها به‌صورت نقطه‌ای 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 طبقه‌بندی شی ء ‌پایه با الگوریتم ماشین‌بردارپشتیبان 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 استخراج‌شده 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 استفاده‌شده، پارامترهای پرواز و غیره بستگی دارد. با توجه به‌دقت نتایج به دست آمده، استفاده از این روش برای آماربرداری جنگل توصیه می شود.

canopy gap delineation using uav data in coniferous forests using (case study: arab dagh region in golestan province)

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.