تعداد نشریات | 13 |
تعداد شمارهها | 144 |
تعداد مقالات | 1,440 |
تعداد مشاهده مقاله | 2,165,605 |
تعداد دریافت فایل اصل مقاله | 1,799,696 |
کارآیی تلفیق ابرنقاط TOF و TLS در اندازه گیری مشخصه های کمّی درختان شهری | ||
پژوهش و توسعه جنگل | ||
دوره 9، شماره 3، آذر 1402، صفحه 291-302 اصل مقاله (862.09 K) | ||
نوع مقاله: علمی - پژوهشی | ||
شناسه دیجیتال (DOI): 10.30466/jfrd.2023.54551.1652 | ||
نویسندگان | ||
معصومه فتح الهی1؛ جواد سوسنی* 2؛ علی محمدزاده3؛ إتو پوتونن4؛ رامین حسین زاده5 | ||
1دانشجوی دکترای علوم جنگل، دانشکده کشاورزی و منابع طبیعی دانشگاه لرستان، خرمآباد، ایران | ||
2دانشیار، گروه جنگلداری، دانشکده کشاورزی و منابع طبیعی دانشگاه لرستان، خرمآباد، ایران | ||
3دانشیار، گروه فتوگرامتری، دانشکده نقشهبرداری، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران | ||
4مدیر تحقیقات گروه سنجش از دور و فتوگرامتری، موسسه تحقیقات فضایی فنلاند | ||
5دکترای علوم جنگل، دانشکده کشاورزی و منابع طبیعی دانشگاه لرستان، خرمآباد، ایران | ||
چکیده | ||
در فضای سبز شهری بسته به هدف، از گونههای مختلف پهنبرگ و سوزنیبرگ استفاده میشود که دارای ویژگیهای متنوع و پیچیده هستند. در این پژوهش برای دستیابی به اطلاعات دقیق درختان و با هدف پوشش نقاط ضعف دو فناوری TLS و TOF از تلفیق آنها استفاده شد. برای این منظور تعداد 20 اصله درخت از گونههای پهنبرگ (نارون و زبان گنجشک) و سوزنیبرگ (سروناز و سرونقرهای) فضای سبز دانشگاه خواجه نصیرالدین طوسی انتخاب و ابرنقاط آنها با استفاده از TLS وTOF تولید شد. پس از پردازش ابرنقاط متغیرهای قطر و سطح مقطع برابرسینه و مساحت تاج اندازهگیری شد. RMSE اندازهگیری قطر برابرسینه درختان گونههای پهنبرگ و سوزنیبرگ با استفاده از فناوری TOF بهترتیب 33/0 و 38/0 سانتیمتر و با فناوری TLS، 59/0 و 62/0 سانتیمتر بهدست آمد. خطای اندازهگیری قطر پهنبرگان بهعلت پوست نازکتر، نسبت به سوزنیبرگان کمتر بود. سطح مقطع اندازهگیریشده با استفاده از فناوری TOF از دقت بیشتری نسبت به TLS برخوردار بود؛ در مقابل فناوری TLS در اندازهگیری مساحت تاج عملکرد دقیقتری دارد. سطح مقطع و مساحت تاج درختان پهنبرگ بهعلت شکل نامتقارن و نامنظم تنه و تاج این درختان خطای بیشتری نسبت به سوزنیبرگان نشان داد. با توجه به نتایج بهدستآمده و بررسی نقاط قوت و ضعف این فناوریها، تلفیق این دو، نتایج دقیقتر و جامعتری را درپی دارد. بنابراین توصیه میشود در پژوهشهای علمی دقیق که مبنای کارهای اجرایی قرار میگیرند، از تلفیق این فناوریها استفاده شود. | ||
کلیدواژهها | ||
اسکن لیزر زمینی؛ سطح مقطع؛ مساحت تاج؛ مدت زمان پرواز | ||
مراجع | ||
Abdollahzadeh, B.; Hojjati, S. M.; Sagheb Talebi, K.; Kooch, Y., Impact of plantation with Robinia pseudoacacia and Pinus eldarica on soil physic-chemical properties and Co2 emission in Tehran urban landscape. Forest Research and Development 2019, 4 (4), 463-476. (in persian) Abolhasani, H.; Mohammadzadeh, A., Detection of some Tree Species from Terrestrial Laser Scanner Point Cloud Data Using Support-vector Machine and Nearest Neighborhood Algorithms. Journal of Geomatics Science and Technology 2020, 9 (3), 29-40. (In Persian) Fan, Y.; Feng, Z.; Mannan, A.; Khan, T. U.; Shen, C.; Saeed, S., Estimating tree position, diameter at breast height, and tree height in real-time using a mobile phone with RGB-D SLAM. Remote Sensing 2018, 10 (11), 1845. Fathollahi, M.; Soosani, J.; Mohammadzadeh, A.; Puttonen, E.; Hosseinzadeh, R., The efficiency of TOF technology in smartphones to estimate the diameter of some Hyrcanian forest index trees. Journal of Geomatics Science and Technology 2022, 11 (4), 131-140. (in persian) Fleck, S.; Mölder, I.; Jacob, M.; Gebauer, T.; Jungkunst, H. F.; Leuschner, C., Comparison of conventional eight-point crown projections with LIDAR-based virtual crown projections in a temperate old-growth forest. Annals of forest science 2011, 68 (7), 1173-1185. Gimenez, J.; Sansoni, S.; Tosetti, S.; Capraro, F.; Carelli, R., Trunk detection in tree crops using RGB-D images for structure-based ICM-SLAM. Computers and Electronics in Agriculture 2022, 199, 107099. Hansard, M.; Lee, S.; Choi, O.; Horaud, R. P., Time-of-flight cameras: principles, methods and applications. Springer Science & Business Media: 2012. Harikumar, A.; Liang, X.; Bovolo, F.; Bruzzone, L., Void-Volume-Based Stem Geometric Modeling and Branch-Knot Localization in Terrestrial Laser Scanning Data. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 2022, 15, 3024-3040. Hunčaga, M.; Chudá, J.; Tomaštík, J.; Slámová, M.; Koreň, M.; Chudý, F., The comparison of stem curve accuracy determined from point clouds acquired by different terrestrial remote sensing methods. Remote Sensing 2020, 12 (17), 2739. Janhäll, S., Review on urban vegetation and particle air pollution–Deposition and dispersion. Atmospheric environment 2015, 105, 130-137. Kükenbrink, D.; Gardi, O.; Morsdorf, F.; Thürig, E.; Schellenberger, A.; Mathys, L., Above-ground biomass references for urban trees from terrestrial laser scanning data. Annals of Botany 2021, 128 (6), 709-724. Liang, X.; Kankare, V.; Hyyppä, J.; Wang, Y.; Kukko, A.; Haggrén, H.; Yu, X.; Kaartinen, H.; Jaakkola, A.; Guan, F., Terrestrial laser scanning in forest inventories. ISPRS Journal of Photogrammetry and Remote Sensing 2016, 115, 63-77. McGlade, J.; Wallace, L.; Reinke, K.; Jones, S., The potential of low-cost 3D imaging technologies for forestry applications: Setting a research agenda for low-cost remote sensing inventory tasks. Forests 2022, 13 (2), 204. Mokroš, M.; Výbošťok, J.; Grznárová, A.; Bošela, M.; Šebeň, V.; Merganič, J., Non-destructive monitoring of annual trunk increments by terrestrial structure from motion photogrammetry. PLoS One 2020, 15 (3), e0230082. Murphy, M. Historic building information modelling (HBIM): For recording and documenting classical architecture in Dublin 1700 to 1830. Trinity College Dublin, 2012. Neuville, R.; Bates, J. S.; Jonard, F., Estimating forest structure from UAV-mounted LiDAR point cloud using machine learning. Remote sensing 2021, 13 (3), 352. Del Perugia, B.; Giannetti, F.; Chirici, G.; Travaglini, D., Influence of scan density on the estimation of single-tree attributes by hand-held mobile laser scanning. Forests 2019, 10 (3), 277. de Paula Pires, R.; Olofsson, K.; Persson, H. J.; Lindberg, E.; Holmgren, J., Individual tree detection and estimation of stem attributes with mobile laser scanning along boreal forest roads. ISPRS Journal of Photogrammetry and Remote Sensing 2022, 187, 211-224. Riegl. Long Range & High Accuracy 3D Terrestrial Laser Scanner: LMS-Z420i Data Sheet. 2010; 4p. Schmohl, S.; Narváez Vallejo, A.; Soergel, U., Individual tree detection in urban ALS point clouds with 3D convolutional networks. Remote Sensing 2022, 14 (6), 1317. Wang, X.; Singh, A.; Pervysheva, Y.; Lamatungga, K.; Murtinová, V.; Mukarram, M.; Zhu, Q.; Song, K.; Surový, P.; Mokroš, M., Evaluation of ipad pro 2020 lidar for estimating tree diameters in urban forest. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences 2021, 8, 105-110. Witzmann, S.; Matitz, L.; Gollob, C.; Ritter, T.; Kraßnitzer, R.; Tockner, A.; Stampfer, K.; Nothdurft, A., Accuracy and precision of stem cross-section modeling in 3D point clouds from TLS and caliper measurements for basal area estimation. Remote Sensing 2022, 14 (8), 1923. | ||
آمار تعداد مشاهده مقاله: 1,217 تعداد دریافت فایل اصل مقاله: 447 |