ارزیابی مشخصات چاله های لایه رویه جاده های جنگلی با استفاده از تصاویر پهپاد

لایه رویه جاده با گذشت زمان و بر اثر ترافیک و عوامل جوی دچار آسیب های مختلف می شوند و از کیفیت آن ها کاسته می شود. بنابراین، استخراج سریع و دقیق ناهنجاری لایه رویه برای نظارت موثر بر وضعیت سلامت جاده بسیار مهم است. به منظور بهبود کارایی بازرسی لایه رویه، امروزه پهپادها ابزار مفیدی برای به دست آوردن اطلاعات قابل اعتماد در زمینه لایه رویه جاده استفاده می شود.

این پژوهش با هدف آشکارسازی خرابی لایه رویه جاده های جنگلی با استفاده از تصاویر پهپاد و فنون پردازش تصویر در جاده ای به طول 3/6 کیلو متر در جنگل آموزشی و پژوهشی دکتر بهرام نیا استان گلستان انجام گرفت. تصاویر حاصل از پهپاد با استفاده از محاسبات فتوگرامتری پردازش و تصویر ارتوموزاییک و مدل رقومی ارتفاع زمین تهیه شد؛ سپس تصاویر حاصل جهت شناسایی و بررسی چاله های لایه رویه با استفاده از سه الگوریتم یادگیری نظارت شده نزدیک ترین همسایه، K - نزدیکترین همسایه  و ماشین بردار پشتیبان مورد بررسی و ارزیابی قرار گرفت.

نتایج نشان داد که تصویر ارتوموزاییک حاصل از محاسبات فتوگرامتری دارای صحت بالایی است. همچنین بررسی صحت الگوریتم های مورد استفاده جهت طبقه بندی و شناسایی چاله ها نشان داد که این الگوریتم ها قابلیت خوبی در شناسایی خرابی لایه رویه جاده دارند. الگوریتم نزدیک ترین همسایه، K - نزدیکترین همسایه و ماشین بردار پشتیبان به ترتیب خرابی های لایه رویه را با صحت 92/04، 94/31 و 96/59 درصد برآورد کردند.

الگوریتم ماشین بردار پشتیبان یک الگوریتم یادگیری نظارت شده با صحت 96/59 درصد دارای بیشترین صحت طبقه بندی در مقایسه با دو الگوریتم دیگر بود و به عنوان یک روش مناسب جهت طبقه بندی و شناسایی خرابی ها در این پژوهش معرفی شد. از تصاویر پهپاد حاصل و الگوریتم های یادگیری نظارت شده می توان برای شناسایی ناهنجاری لایه رویه جاده های جنگلی از جمله چاله ها استفاده کرد.