تخمین میانگین سن و ارتفاع درختان با استفاده از ترکیب تصاویر چندطیفی و پانکروماتیک اسپات-۵
محل انتشار: جغرافیا و پایداری محیط، دوره: 8، شماره: 4
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 197
فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GERAZ-8-4_004
تاریخ نمایه سازی: 10 آبان 1400
چکیده مقاله:
تخمین پارامترهای ساختاری جنگلها با استفاده از دادههای ماهوارهای، اهمیت فراوانی در مدیریت پایدار و موثر آنها دارد. هدف از این پژوهش، استفاده از روشهای ترکیب تصاویر در سطح پیکسل بهمنظور بهبود تخمین میانگین سن و ارتفاع درختان (گونهکاج مونتری) است. اطلاعات سن و ارتفاع درختان در قالب ۶۱ پلات از جنگل دستکاشت کاج برداشت شد و عملکرد سه روش ترکیب تصاویر در سطح پیکسل، شامل تبدیل مولفههای اصلی، تبدیل موجکو تبدیل مولفههای اصلی مبتنی بر تبدیل موجک بهمنظور بررسی بهبود تخمین میانگین سن و ارتفاع درختان با استفاده از تصاویر اسپات-۵ مورد مقایسه قرار گرفت. از هریک از تصاویر حاصل از ترکیب، اطلاعات طیفی و بافتی استخراج شد. برای استخراج اطلاعات طیفی، از شاخصهای گیاهی و باندهای انعکاسی و برای استخراج اطلاعات بافتی، از ماتریس وقوع توام گامهای خاکستریدر چهار اندازه پنجره و چهار زاویه مختلف استفاده شد. مقایسه عملکرد مدلهای حاصل از اطلاعات بافتی مستخرج از تصویر پانکروماتیک اسپات-۵ و اطلاعات بافتی حاصل از سه روش ترکیب تصاویر مورد استفاده در این پژوهش نشان داد: تخمینهای حاصل از اطلاعات بافتی مستخرج از تصاویر ترکیبشده دارای دقت بیشتری هستند؛ همچنین، نتایج مدلسازی با استفاده از روش رگرسیون چندمتغیره نشان داد که روش تبدیل مولفههای اصلی مبتنی بر تبدیل موجک با درصد خطای ۱۶% برای سن درختان و ۱۱% برای ارتفاع درختان، عملکرد بهتری نسبت به دو روش دیگر در تخمین میانگین سن و ارتفاع درختان دارد.
کلیدواژه ها:
نویسندگان
علی شمس الدینی
استادیار سنجش ازدور، دانشگاه تربیت مدرس، تهران، ایران
سعید میرانزاده
دانش آموخته کارشناسی ارشد سنجش ازدور و سیستم اطلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران، ایران
علی جعفر موسیوند
استادیار سنجش ازدور، دانشگاه تربیت مدرس، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :