به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "uavs" در نشریات گروه "جنگلداری"

تکرار جستجوی کلیدواژه «uavs» در نشریات گروه «کشاورزی»
جستجوی uavs در مقالات مجلات علمی
  • میلاد پوراحمد، جعفر اولادی، اصغر فلاح
    تصاویر پهپاد، با توان تفکیک مکانی بالا، یک منبع اطلاعاتی باارزش برای تهیه نقشه پوشش زمین و اطلاعات موضوعی به ویژه تشخیص گونه های درختی هستند. هدف از این تحقیق بررسی قابلیت تصاویر پهپاد و روش شیءپایه در تشخیص گونه های درختی در جنگل های پهن برگ خزری است. به این منظور بخشی از پارسل 24 در سری یک دارابکلای مازندران انتخاب شد. نقشه واقعیت زمینی موقعیت گونه های غالب از طریق ثبت دقیق با الگوریتم تعیین مختصات جغرافیایی با استفاده از فاصله و آزیموت در نرم افزار متلب تهیه شد. پس از پردازش های مناسب بر روی تصاویر، طبقه بندی به روش شیء پایه بر روی مجموعه تصاویر در سه ارتفاع پروازی 100، 75 و 55 متری به دو صورت طبقه بندی یک مرحله ای و طبقه بندی سلسله مراتبی انجام شد. در روش شیء پایه از فن نزدیک ترین همسایه برای طبقه بندی گونه ها استفاده شد. ارزیابی صحت
    نقشه های حاصل ازطبقه بندی ها با استفاده از 50 درصد نمونه های واقعیت زمینی انجام گرفت. نتایج نشان داد که نقشه حاصل از طبقه بندی سلسله مراتبی به روش شیء پایه در ارتفاع پروازی 55 متر بهترین توانایی تشخیص گونه های درختی را در بین سه ارتفاع، با ضریب کاپای 81/0 و صحت کلی 87 درصد داراست.
    کلید واژگان: پهپاد, تعیین گونه, شیءپایه, طبقه بندی جنگل
    Milad Pourahmad Mr., Jafar Oladi Dr., Asghar Fallah Dr.
    Unmanned aerial vehicles (UAVs) images have high spatial resolution. They are a valuable source of information for mapping land cover and thematic information, particularly in the identification of tree species. The aim of this study was to investigate the capability of drone images and the base object method for detecting tree species in the Hyrcanian forests. For this purpose, part of an area in parcel 24 of district one in Mazandaran Darabkola forest was selected. The ground truth map was prepared through accurate recording with geographic coordinate’s algorithm using distance and azimuth in MATLAB software. Proper processing was done on the images and classification performed on images at three flight height; 55, 75 and 100 meters in two categories of one-step and hierarchical classifications. In object-based classification, the nearest neighbor method was used to classify three species. The accuracy of the maps derived from classifications was evaluated using 50% of the ground truth map. The results showed that the map of the hierarchical classification by the object based method at a flight height of 55 meters has the best ability to detect tree species in the three heights. These comparisons showed Kappa's coefficient of 0.81 accuracy of tree species classification in 55-meter height by UAV.
    Keywords: Forest classification, Object-based, Tree detection, UAVs
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال