view in publisher's site

Comparison of UAS photogrammetric products for tree detection and characterization of coniferous stands

ABSTRACTThe use of Unmanned Aerial Systems (UAS) opens a new era for remote sensing and forest management, which requires accurate and regular quantification of resources. In this study, we propose a comprehensive workflow to detect trees and assess forest attributes in the particular context of coniferous stands in transformation from even-aged to uneven-aged stands, using UAS imagery, from data acquisition to model construction. We implement a local maxima detection to identify the tree tops, based on a fixed-radius moving window in a Canopy Height Model (CHM) and images produced from UAS surveys. To compare the contribution of different photogrammetric products, we analysed the local maxima detected from the CHM, from three image types (individual rectified and ortho-rectified images and ortho-mosaic) and from a combination of both CHM and images. The local maxima detection gave promising results, with low omission and true-positive rates of up to 89.2%. A filtering process of false positives was implemented, using a supervised classification which decreased the false positives up to 2.6%. Based on the local maxima combined with an area-based approach, we constructed models to assess top height (R 2: 83%, root mean square error [RMSE]: 5.7%), number of stems (R 2: 71%, RMSE: 28.3%), basal area (R 2: 70%, RMSE: 16.2%), volume (R 2: 69%, RMSE: 20.1%), and individual tree height (R 2: 70%, RMSE: 7.2%). Despite a suboptimal data acquisition, our simple and flexible method has yielded good results and shows great potential for application.

مقایسه محصولات فتوگرامتری UAS برای تشخیص درختان و مشخصه یابی توده‌های مخروطی

چکیده استفاده از سیستم‌های هوایی بدون سرنشین (UAS)دوره جدیدی را برای سنجش از راه دور و مدیریت جنگل باز می‌کند که نیازمند تعیین دقیق و منظم منابع است. در این مطالعه، ما یک گردش کار جامع را برای تشخیص درختان و ارزیابی ویژگی‌های جنگل در زمینه خاص توده‌های مخروطی در تبدیل از توده‌های همسال به توده‌های ناهمسال، با استفاده از تصاویر UAS، از اکتساب داده‌ها به ساخت مدل پیشنهاد می‌کنیم. ما یک تشخیص بیشینه محلی را برای شناسایی نوک درختان براساس یک پنجره متحرک با شعاع ثابت در یک مدل ارتفاع سایبان (CHM)و تصاویر تولید شده از بررسی‌های UAS اجرا می‌کنیم. برای مقایسه سهم محصولات مختلف فتوگرامتری، ما حداکثر محلی شناسایی‌شده از CHM را از سه نوع تصویر (تصاویر یکسوشده و اورتو - یکسوشده و اورتو - موزاییک)و از ترکیبی از CHM و تصاویر تجزیه و تحلیل کردیم. تشخیص بیشینه محلی نتایج امیدوار کننده‌ای را با حذف کم و نرخ مثبت واقعی تا ۸۹.۲ % ارائه داد. یک فرآیند فیلتر کردن تشخیص‌های مثبت کاذب با استفاده از یک طبقه‌بندی نظارت شده اجرا شد که تشخیص‌های مثبت کاذب را تا ۶ / ۲ % کاهش داد. براساس بیشینه محلی ترکیب‌شده با روش مبتنی بر مساحت، ما مدل‌هایی را برای ارزیابی ارتفاع بالا (R ۲: ۸۳ %، ریشه میانگین مربعات خطا [ RMSE ]: ۵.۷ %)، تعداد ساقه‌ها (R ۲: ۷۱ %، RMSE: ۲۸.۳ %)، سطح مقطع (R ۲: ۷۰ %، RMSE: ۱۶.۲ %)، حجم (R ۲: ۶۹ %، RMSE: ۲۰.۱ %)و ارتفاع درخت (R ۲: ۷۰ %، RMSE: ۲: ۷۰ %)ایجاد کردیم. علی‌رغم کسب داده‌های کم‌تر از حد بهینه، روش ساده و انعطاف‌پذیر ما نتایج خوبی را به همراه داشته و پتانسیل زیادی را برای کاربرد نشان می‌دهد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله General Earth and Planetary Sciences
  • ترجمه مقاله General Earth and Planetary Sciences
  • مقاله علوم زمین و سیارات عمومی
  • ترجمه مقاله علوم زمین و سیارات عمومی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.