این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های علوم و فناوری چوب و جنگل، جلد ۲۹، شماره ۴، صفحات ۷۵-۹۲
عنوان فارسی پهنه‌بندی درصد سوختگی برگ تاج‌پوشش درختی با استفاده از تصاویر پهپاد و سنتینل ۲ در پارک جنگلی دلند استان گلستان
چکیده فارسی مقاله سابقه و هدف: جنگل‌ها در معرض آشفتگی‌های فراوان قرار دارند که سلامت آن‌ها را تحت تأثیر قرار می‌دهند. یکی از این آشفتگی‌ها، تنش سوختگی برگ درختان است که معمولاً در تابستان‌های بسیار گرم اتفاق می‌افتد و عموما باعث ضعف و درنهایت خشک شدن درختان در درازمدت شود. لذا شناسایی و رصد گسترش سطح آن از اهمیت بالایی برخوردار است. یکی از روش‌های شناسایی آن، استفاده از داده‌های سنجش‌ازدور به‌عنوان یکی از منابع اطلاعاتی مهم می‌باشد. تصاویر پهپادی به دلیل برداشت‌های سریع و در زمان‌های دلخواه یکی از گزینه‌های مناسب می‌باشد ولی دارای محدودیت‌هایی نظیر سطح برداشتی و محدوده‌های طیفی حس‌گرها می‌باشند. استفاده تلفیقی از تصاویر پهپاد و تصاویر ماهواره‌ای با سطح برداشتی زیاد می‌تواند در شناسایی و تهیه نقشه وضعیت سوختگی برگ تاج‌پوشش درختان و دیگر خسارت‌ها و تهیه نقشه طبقات شدت آنها در سطح وسیع‌تر کمک زیادی نماید. هدف از این پژوهش بررسی و شناسایی سوختگی برگ تاج پوشش درختان با استفاده از تصاویر پهپاد در بخشی از پارک جنگلی دلند استان گلستان و تلفیق آن با تصاویر سنتینل 2 برای تهیه نقشه طبقه‌بندی درصد سوختگی برگ تاج پوشش توده درختی منطقه در سطح وسیع‌تر می‌باشد.مواد و روش‌ها: تصاویر RGB پهپاد در بخشی از پارک جنگلی دلند برداشت و مورد پیش‌پردازش و پردازش‌های مناسب قرار گرفتند. همچنین تصاویر سنتینل 2 تهیه و ازنظر هندسی و رادیومتری مورد بررسی قرار گرفتند. برداشت‌های زمینی درختان دارای سوختگی برگ و درختان سالم در شهریور 1400 به‌صورت انتخابی و با دستگاه موقعیت‌یاب جهانی تفاضلی با دقت بالا صورت گرفت. در گام اول تصاویر پهپاد با استفاده از الگوریتم ماشین بردار پشتیبان به سه‌طبقه درختان دارای سوختگی برگ، درختان سالم و روشنه طبقه‌بندی شدند. همچنین طبقه‌بندی تصاویر اصلی پهپاد به همراه شاخص‌های پوشش‌گیاهی حاصل از باندهای طیفی پهپاد و با شاخص‌های طیفی منتخب تکرار گردید. درنهایت نقشه‌های تهیه‌شده مورد ارزیابی صحت قرار گرفتند. در گام دوم به‌منظور تهیه نقشه طبقات درصد سوختگی برگ تاج پوشش توده در سطح وسیع‌تر و در کل پارک با استفاده از تصویر سنتینل 2، از نقشه طبقه‌بندی‌شده پهپاد که دارای بالاترین صحت بوده است، به‌عنوان نمونه آموزش در مدل رگرسیونی جنگل تصادفی و کالیبره کردن آن استفاده گردید. درنهایت با استفاده از مدل تهیه‌شده، نقشه طبقات شدت سوختگی برگی توده‌های کل محدوده پارک جنگلی دلند تهیه شد.یافته‌ها: نتایج حاصل از طبقه‌بندی تصویر پهپاد نشان داد که باندهای طیف مرئی پهپاد قادر است درختان دارای سوختگی برگی و درختان سالم را با صحت کلی 62/89 درصد و ضرب کاپای 84/0 تفکیک نماید. با تلفیق باندهای اصلی و 9 شاخص پوشش‌گیاهی، نتایج پژوهش اندکی کاهش یافت (صحت کلی 40/87 درصد و ضریب کاپای 81/0)؛ اما با تلفیق باندهای اصلی پهپاد و بهترین شاخص‌های گیاهی (EGMRI، EGI و NDI)، نتایج طبقه‌بندی بهبود یافت (صحت کلی 11/91 درصد و ضریب کاپای 86/0). در طبقه‌بندی درصد سوختگی برگ تاج پوشش توده جنگلی با استفاده از تلفیق تصویر سنتینل 2، بررسی مدل رگرسیون جنگل تصادفی نشان داد که استفاده از داده‌های پهپاد به‌عنوان نمونه آموزش این مدل، قادر است با مجذور میانگین مربعات خطای 11/0 و ضریب تبیین 63/0، میزان درصد سوختگی برگ تاج پوشش درختان را در سطح پیکسل‌های تصویر سنتینل 2 برآورد نماید.
کلیدواژه‌های فارسی مقاله داده‌های سنجش‌ازدور، سوختگی برگ تاج پوشش، طبقه‌بندی درختان، مدل رگرسیون جنگل تصادفی،
عنوان انگلیسی Zoning of leaf burn percentage of tree canopy using UAV and Sentinel 2 images in Deland Forest Park, Golestan provinceAbstract
چکیده انگلیسی مقاله AbstractBackground and purpose: Forests are subject to a variety of disturbances that adversely affect their health. There are a number of disturbances that cause trees to become weak and dry in the long run. One of them is the stress caused by burning leaves, which typically takes place during very hot summers. The identifying and monitoring of the expansion of its level is therefore very important. As one of the important information sources, remote sensing data can be used to identify it. It is possible to capture UAV images quickly and at desired times, but they have limitations such as the captured surface and the sensor's spectral range. In identifying and preparing a map of leaf burns, tree crowns, and other damages, the combined use of UAV images and satellite images with a high resolution can be helpful. The purpose of this research is to investigate and identify leaf burn of the canopy of trees using UAV images in a part of Deland Forest Park in Golestan province and combining it with Sentinel 2 images to prepare a classification map of the percentage of leaf burn in the tree canopy of the area in a wider area.Materials and methods: RGB UAV images were taken in Deland Forest Park and processed appropriately. Also, Sentinel 2 images were prepared and analyzed geometrically and radiometrically. Ground truth of trees with leaf burn and healthy trees was done in September 1400 selectively and with high precision differential global positioning device. The support vector machine algorithm was used to classify UAV images into three categories: trees with leaf burn, healthy trees, and clear trees. The classification of the main UAV images along with vegetation indices obtained from UAV spectral bands and with selected spectral indices was also repeated. Finally, the prepared maps were evaluated for accuracy. In the second step, for preparing a map of the classes of leaf burn percentage of the canopy cover on a wider level and in the whole park, using the image of Sentinel 2, based on the classified map of the UAV, which has the highest accuracy, as a training example in the regression model of the random forest and calibration. Finally, a map of leaf burn intensity classes of the entire Deland Forest Park area was prepared using the prepared model.Results: UAV image classification results indicated that UAV visible spectrum bands are able to distinguish healthy trees from trees with leaf burn with an accuracy of 89.62% and a Kappa coefficient of 0.84 for the classification of UAV images. By combining the main bands and 9 vegetation indices, the results of the research decreased slightly (overall accuracy 87.40% and kappa coefficient 0.81); however, when the main UAV bands were combined with the best vegetation indices (EGMRI, EGI and
کلیدواژه‌های انگلیسی مقاله داده‌های سنجش‌ازدور, سوختگی برگ تاج پوشش, طبقه‌بندی درختان, مدل رگرسیون جنگل تصادفی
نویسندگان مقاله محمدحسن ناصری |
دانشجوی دکتری گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

شعبان شتایی جویباری |
استاد ،گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

هاشم حبشی |
دانشیار، گروه جنگل‌شناسی و اکولوژی جنگل، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

نشانی اینترنتی https://jwfst.gau.ac.ir/article_6341_aefef0baccee4ba846046e805d478ecf.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات