طراحی نرم ‎افزار hcp به ‎منظور اندازه‎ گیری همزمان ارتفاع و قطر تاج درختان در زاگرس جنوبی

مقدمه و هدف: ارتفاع درخت یکی از اجزای مهم در امر آماربرداری و اندازه‎گیری جنگل است. طی دهه‎های متوالی، برآورد ارتفاع درخت مهم‏ترین دغدغه در آمار و اندازه‎گیری جنگل به‎شمار می‎آید. متغیر ارتفاع در برآورد میزان حجم درخت، درجه‎بندی حاصل‎خیزی رویشگاه، برآورد نرخ رویش درخت و هم‎چنین یکی از متغیرهای مهم در محاسبه میزان زی‎توده است. قطر تاج یکی دیگر از مهم‎ترین مشخصات لازم در سطح تک‎درخت است. قطر تاج در مدل‎سازی و برآورد مشخصات کاربردی، نظیر درصد تاج‎پوشش جنگل، شاخص سطح برگ و زی‎توده کاربرد دارد. تاکنون دستگاه‎ها و وسایل معرفی شده در علوم جنگل تنها قابلیت اندازه‎گیری یک مولفه‎ی خاص هم‎چون ارتفاع درخت را دارد و به‎منظور اندازه‎گیری قطر تاج نیاز به استفاده از وسایل و یا تکنیک‎های دیگر است. رهیافت این پژوهش نه‎تنها منجر به ساخت و استفاده از نرم‎افزاری است که توانایی اندازه‎گیری مولفه‎های ذکر شده را داشته باشد بلکه امکان ثبت آماربرداری در قالب فرم‎های طراحی شده، امکان ثبت مختصات جغرافیایی پایه‎های درختی، امکان ذخیره‎سازی تصاویر گرفته شده از درختان و در نهایت ایجاد یک بایگانی اطلاعات از منطقه‎ی مورد مطالعه را دارد. به‎‎منظور رسیدن به این اهداف، طراحی و توسعه‎ی نرم‎ افزاری (application) با عنوان hcp که مخفف واژه‎های h: height، c: canopy و p: pixel و بر سیستم عامل اندروید (android) مستقر است، ماهیت و ضرورت انجام این پژوهش قلمداد خواهد شد.مواد و روش ‎ها: در این پژوهش، نرم ‎افزار hcp مبتنی بر سکوی اندروید و متناسب با ابزارهای دارای سیستم عامل اندروید و با زبان جاوا طراحی و توسعه یافت. hcp دارای سه بخش پایگاه داده، بخش پردازش تصاویر و بخش نمایش اطلاعات است. رابط کاربری آن در شش صفحه کاربری شامل set image، set data، set view، set reference، set pin و set final با ساختار پایگاه داده‎ی sql ارائه گردید. تمامی فرایند کد نویسی، اجرا، دیباگینگ و آزمون بر اساس api 27 (application program interface) مرتبط با sdk (software development kit) اندروید، در محیط توسعه (intellij) android studio صورت پذیرفت. فرآیند آزمون اولیه نیز با تصاویر واقعی ذخیره شده و یا تهیه شده توسط دوربین ابزار مورد استفاده انجام گرفت. به‎منظور انجام آزمون و مقایسه‎ی داده‎های ارتفاع اندازه‎گیری شده با ورتکس و hcp و همچنین داده‎های قطر تاج اندازه‎گیری‎ شده با متر لیزری و hcp، تعداد 150 پایه‎ی درختی از گونه‎ی بلوط ایرانی (quercus brantii lindl) انتخاب و ارتفاع و قطر تاج آن‎ها اندازه ‎گیری شد. شاخص‎های توصیفی غیر وابسته به نوع توزیع شامل چارک اول، میانه، چارک سوم، کمینه و بیشینه برای مولفه‎های ارتفاع و قطر تاج اندازه‎گیری شده از چهار روش مذکور محاسبه گردید. از آزمون شاپیرو-ویلک (shapiro-wilk) برای بررسی پراکنش توزیع اختلاف ارتفاع و قطر تاج کل درختان استفاده شد. به ‎منظور ارزیابی صحت hcp از آزمون t جفتی، ارزیابی خطای hcp از جذر میانگین مربعات خطا (rmse) و شاخص درصد عدم تطابق (index of disagreement)، که حاصل تقسیم قدر مطلق اختلاف مولفه‎ی برآورد شده از مقدار واقعی بر مقدار واقعی است، و برای ارزیابی دقت hcp از همبستگی خطی و شاخص تطابق (index of agreement) استفاده شد. برای بررسی بیشتر نحوه پراکندگی توزیع خطا و همچنین بررسی صحت و دقت، داده‎ها در سه سطح کل درختان، 75 درخت بلندتر از نظر ارتفاع (وسیع‌تر از منظر قطر تاج) و 75 درخت کوچکتر از نظر ارتفاع (قطر تاج) دسته‎بندی شدند. تمامی نتایج با استفاده از نرم‎افزار آماری r به‎دست آمد. یافته‌ها: نتیجه‎ی آزمون t جفتی با سطح احتمال 95 درصد حاکی از عدم وجود اختلاف معنی‎دار بین اتفاع اندازه‎گیری شده با ورتکس و hcp و عدم وجود اختلاف معنی‎دار بین قطر تاج اندازه‎گیری شده با متر لیزری و hcp بود. جذر میانگین مربعات خطا برای ارتفاع 0/07 متر و برای قطر تاج 0/065 متر به‎دست آمد. مقادیر ضریب همبستگی خطی و شاخص تطابق برابر با 0/999 برای ارتفاع و قطر تاج اندازه‎گیری شده از روش‎های مذکور گزارش شد. درصد عدم توافق برای ارتفاع 0/068 و برای قطر تاج 0/963 محاسبه شد.نتیجه ‎گیری: روش‌های نوین اندازه‎ گیری ارتفاع درخت نیاز به به‎ سازی قبل از استفاده‎ی وسیع در جنگل دارند و پس از رفع عیوب، نوید فصل جدیدی در اندازه‎ گیری مولفه‎ های جنگل از قبیل ارتفاع و قطر تاج وجود خواهد داشت. هفت گام‎ زیر مراحل کلی اندازه‎گیری ارتفاع و قطر تاج را به‎کمک عکس‎برداری با hcp مشخص می‎نماید. در نهایت، بر اساس بررسی نتایج آزمون‎های ارزیابی صحت، دقت و خطا، hcp می‎تواند به‎عنوان روشی دیگر برای اندازه‎گیری ارتفاع و قطر تاج درختان معرفی گردد. گام اول: طراحی و توسعه‎ی hcp (سایر موارد شامل: تعریف توابع فایل کلاس جاوا برای تعیین شماره درخت، ثبت زمان و تاریخ عکس‎برداری، محاسبه اختلاف زمانی تصاویر از یکدیگر، موقعیت‎یابی مکانی، کپی فایل اصلی تصویر به حافظه داخلی، تغییر اندازه تصاویر برای تطابق مجدد، تهیه خروجی در قالب csv و zip)، گام دوم: عکس‎برداری از پایه‎ی هدف (درختان مجاور) و شاخص، گام سوم: تعریف و تعیین مقدار عددی شاخص مورد استفاده در تصویر، گام چهارم: تعیین نقاط پایینی (بن درخت و شاخص)، بالایی (نوک درخت و شاخص) و قطر تاج بر روی تصویر، گام پنجم: تصحیح تمامی مولفه‎های اندازه‎گیری شده، گام ششم: شروع و انجام پردازش‎ها توسط hcp، گام هفتم: اندازه‎گیری اتوماتیک تمامی مولفه‎های تعریف شده برای پایه‎ی هدف (درختان مجاور)، تولید فایل خروجی و ذخیره‎ی تمامی اطلاعات مربوط به هر تصویر.

designing the hcp software for measuring tree height and canopy diameter simultaneously in southern zagros

extended abstract background: the height of trees is among the important components in the field of forest inventory and measurement. over successive decades, estimating tree height has been a major concern in forest statistics and measurement. the height variable is used in estimating tree volume, classifying stand productivity, and estimating growth rates of trees. it is also one of the important variables in calculating biomass. another essential characteristic at the individual tree level is canopy diameter, which plays a role in modeling and practical attribute estimation, such as forest canopy cover percentage, leaf area index, and biomass. until now, the devices and tools introduced in forestry science have only been able to measure a specific component, e.g. tree height, and the need for different tools or techniques arises for measuring canopy diameter. the approach of this research not only leads to the development and use of software capable of measuring the mentioned components but also enables the recording of inventory in designed forms, recording of geographic coordinates of tree bases, storing images taken from the trees, and ultimately creating a data archive from the study area. to achieve these goals, the design and development of a software (application) called hcp, which stands for h: height, c: canopy, and p: pixel, based on the android operating system, will be considered the essence and necessity of this research. methods: in this research, the hcp software based on the android platform was designed and developed according to the devices with the android operating system and with the java language. hcp has three parts: database, image processing, and information display. its user interface was presented in six activity pages, including set image, set data, set view, set reference, set pin, and set final, with a sql database structure. the entire coding, execution, debugging, and testing process was carried out based on api 27 (application program interface) associated with the android sdk (software development kit), in the android studio development environment (intellij). the initial testing process was also carried out with real images stored or produced by the device camera used. a total of 150 trees from persian oak species (quercus brantii lindl) were selected and their height and canopy diameter were measured to conduct tests and compare the measured height data using vertex and hcp methods, as well as the measured canopy diameter data using laser meter and hcp. descriptive indices independent of the distribution type, including the first quartile, median, third quartile, minimum, and maximum, were calculated for the height and canopy diameter components measured by the four methods mentioned above. the shapiro-wilk test was used to examine the distribution of the difference in the height and canopy diameter of all trees. paired t-test was used to evaluate the accuracy of hcp.  the hcp error was evaluated by the root mean square error (rmse) and the index of disagreement, which is the result of dividing the absolute value of the difference of the estimated component from the actual value by the actual value. the accuracy of hcp was evaluated using linear correlation and the index of agreement. to further investigate the dispersion of the error distribution and to examine the accuracy and precision, the data were grouped into three levels: total trees, 75 tallest trees in terms of height (wider in terms of canopy diameter), and 75 smallest trees in terms of height (canopy diameter). all results were obtained using the r statistical software.results: the result of the paired t-test at a 95% confidence level indicates no significant difference between the measured heights using the vertex and hcp methods, as well as no significant differences between the canopy diameter measurements using the laser meter and hcp. the rmse values were calculated as 0.07 and 0.065 meters for the height and canopy diameter, respectively. the values of the linear correlation coefficient and the index of agreement were reported as 0.999 for both the height and canopy diameter measured with the mentioned methods. the disagreement percentages were calculated as 1.068 and 0.963 for the height and canopy diameter, respectively.conclusion: modern methods of measuring tree height need to be improved before they can be widely used in forests, and once the shortcomings are addressed, a new chapter will open in measuring forest components, such as the canopy diameter and tree height. the following seven steps outline the general steps for measuring canopy diameter and tree height by using hcp photography. finally, based on the examination of accuracy, precision, and error assessment test results, hcp can be introduced as an alternative method for measuring the height and canopy diameter of trees. step 1: design and develop hcp (other items include defining java class file functions to determine tree number, recording time and date of photography, calculating the time difference between images, spatial positioning, copying the original image file to internal memory, resizing images for re-matching, and providing output in csv and zip format). step 2: taking pictures of the target tree (neighboring trees) and index. step 3: defining and determining the numerical value of the index used in the image. step 4: determining the lower points (tree trunk and index), upper points (tree tip and index), and the canopy diameter on the image. step 5: correcting all measured components, and step 6: starting and performing processing by hcp. step 7: automatically measuring all defined components for the target tree (neighboring trees), generating output file, and saving all information related to each image.