تعیین و تشخیص خودکار تاج درخت در تصویر دیجیتال UltraCam-D

نوع مقاله : علمی - پژوهشی

نویسندگان

1 استادیار، دانشکدۀ کشاورزی، دانشگاه یاسوج

2 کارشناسی ارشد فتوگرامتری، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تفرش

3 استادیار، دانشکده محیط‌زیست و انرژی، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

4 دانشجوی دکتری جنگلداری، دانشکده کشاورزی، دانشگاه خرم‌آباد

چکیده

این پژوهش با هدف ارزیابی نتایج اعمال الگوریتم­های حداکثر فیلتر محلی، تطبیق الگو و تقسیم­بندی حوضه بر روی تصویر هوایی UltraCam-D برای تعیین و تشخیص خودکار تاج درختان بلوط ایرانی (Quercus brantii Lind) در مقایسه با نتایج حاصل از روش­های تفسیر چشمی و آماربرداری زمینی تاج درختان انجام شده است. پس از پردازش اولیه تصویر، در عرصه­ای با مساحت حدود 10 هکتار در بخشی از پارک جنگلی یاسوج، تعداد 100 پایه درخت بلوط ایرانی به روش تصادفی برای انجام این بررسی انتخاب شد. مساحت تاج درختان با روش تفسیر چشمی مشخص و پس از محاسبه به­عنوان مساحت واقعی در نظر گرفته شد. در روش آماربرداری زمینی مساحت تاج و تعداد پایه هر درخت اندازه­گیری و ثبت شد. همچنین، به­منظور تعیین و تشخیص خودکار تاج درختان، الگوریتم­های مذکور با برنامه­نویسی بر روی تصویر مذکور اعمال شدند. نتایج نشان داد که خطای جذر میانگین مربع­ها (RMSE) الگوریتم تقسیم­بندی حوضه در مقایسه با دیگر روش­های تعیین مساحت تاج درختان بهتر و معادل 41/2 درصد است. صحت کل و ضریب کاپا به­دست­آمده توسط ماتریس خطا برای هر یک از الگوریتم­های نشان داد که دقت الگوریتم تطبیق الگو به­منظور تشخیص تاج درختان یا به عبارتی تشخیص تک­پایه یا جست­گروه بودن درختان نسبت به دیگر الگوریتم­های مورد استفاده در این پژوهش بیشتر است.

کلیدواژه‌ها


عنوان مقاله [English]

Automated tree crown delineation and detection in UltraCam-D Digital image

نویسندگان [English]

  • Alireza Salehi 1
  • Masome Gomroki 2
  • Zahra Azizi 3
  • Hamed Sadeghian 4
1 Assistant Professor, Faculty of Agriculture, University of Yasooj
2 MSc. Student of photogrammetry, Faculty of Civil Engineering, University of Tafresh
3 Assistant Prof., Faculty of Environment and Energy, Tehran Science and Research Branch, Islamic Azad University
4 Ph.D. Student of forestry, Faculty of Agriculture, University of Khoramabad
چکیده [English]

This study aimed to evaluate the results of applying Local maximum filtering, Template matching and Watershed segmentation algorithms on aerial image of UltraCam-D to delineate and detect automatically the single tree crowns of Persian Oak (Quercus brantii Lind) in comparison with the results of visual interpretation techniques and the filed measurement method of crown covers. After preprocessing of image, in a terrain with an area of 10 ha inside Yasooj forest park, 100 trees of Persian oak were selected randomly. The crown area of the selected trees was determined and calculated using visual interpretation and was accepted as the control data. Using the field inventory, the areas of the tree crowns were measured and the numbers of sprouts in each coppice form were counted. Using the field inventory, the areas of crowns of trees were measured and the numbers of sprouts in each coppice form were counted and recorded. Moreover, to delineate and recognize the crown of trees automatically, using programming, the Local maximum filtering, Template matching and Watershed segmentation algorithms, were applied on the mentioned image. The results showed that the accuracy of Watershed segmentation algorithm is better than the method of field measurement and it was 2.41 percent of the control method. Total accuracy and kappa coefficient obtained by error matrix algorithms for each algorithms of Local maximum filtering, Watershed segmentation and Template matching showed that Template matching algorithm was more accurate to detection crowns, or in other words, to detect single base or coppice trees than other algorithms used in this study.

کلیدواژه‌ها [English]

  • Delineation and detection algorithm
  • Iranian Oak
  • UltraCam-D image