استخراج درخت منفرد از داده¬هاي ليدار به منظور تخمين زيست¬توده در نواحي شهري با استفاده از الگوريتم¬هاي يادگيري عميق/ ماشيني

كارشناسي ارشد

پوشش گياهي شهري خدمات اوليه اكو¬¬سيستم را به صورت مستقيم و غير¬مستقيم ارائه مي¬دهد، اقليم شهري را از طريق سايه‌اندازي و سرمايش تنظيم كرده، آلودگي هوا و آلودگي صوتي را كاهش مي¬دهد. درختان خدمات اكو-سيستمي مهمي را به جامعه ارائه مي¬دهند و براي رفاه انسان و حيات وحش در سكونتگاه‌هاي انساني حياتي هستند. به ويژه تاج درخت كه نمايانگر سطح مشتركي است كه در آن بيشترين فعل و انفعالات اساسي بين پوشش گياهي و جو انجام مي¬شود ؛ در نتيجه بايد توجه ويژه¬اي به پوشش گياهي شهري كه جزء ضروري كيفيت مناسب زندگي است، معطوف شود. ارزيابي شرايط توده جنگلي در مناطق شهري و حومه شهري براي حمايت از برنامه¬ريزي و مديريت خدمات اكوسيستم ضروري است، زيرا بيشتر خدمات اكوسيستمي ارائه شده نتيجه ويژگي¬هاي توده جنگلي است. با اين حال، جمع‌آوري داده‌ها براي ارزيابي شرايط توده‌هاي جنگلي كاري زمان‌بر و فشرده است. يك رويكرد قابل قبول براي پرداختن به اين موضوع، ايجاد رابطه بين اندازه‌گيري‌ ويژگي‌هاي درختان و داده‌هاي ليزري هوابرد است. در اين مطالعه، حجم توده و زيست توده بالاي زمين را در پوشش گياهي مناطق شهري با استفاده از از معيارهاي مشتق شده از LiDAR، ارزيابي كرده¬ايم. يكي از منابع مهم در تخمين زيست¬توده استفاده از داده¬هاي LiDAR است كه امكان تخمين را براي هر تك درخت به¬صورت منفرد فراهم مي¬سازد. به طور كلي، داده‌هاي LiDAR مي‌تواند تخمين‌هاي دقيقي از زيست¬توده ارائه دهد. ويژگي¬هاي مختلف، مرتبط با پوشش تاج درختان قابل استخراج از داده¬هاي LiDAR به دليل اندازه¬گيري سه بعدي، در تخمين زيست¬توده درختان به¬كار برده مي¬شود. با اين حال استخراج درخت و تخمين زيست¬توده در مناطق شهري به دليل پيچيدگي صحنه و وجود عوارض مصنوعي مختلف نظير ساختمان¬ها، داراي چالش¬هاي متعددي است. هدف اصلي اين مقاله ارائه يك چهارچوب بر مبناي يادگيري ماشين جهت استخراج پوشش تاج درخت در مناطق شهري و متعاقباً تخمين زيست¬توده است. در چهاچوب پيشنهادي، ابتدا از شبكه PointCNN به همراه تكنيك¬هاي بينايي كامپيوتر به¬منظور استخراج پوشش تاج هر درخت استفاده گرديد؛ سپس ويژگي¬هاي مرتبط با هندسه تاج استخراج و با استفاده از تكنيك¬هاي مختلف يادگيري ماشين شامل جنگل تصادفي (RF)، رگرسيون بردار پشتيبان (SVR)، LightGBM و XGBoost زيست¬توده هر درخت محاسبه گرديد. نتايج به دست آمده نشان داد چهارچوب داده شده به-خوبي قادر به تشخيص تاج درخت است. همچنين از ميان مدل¬هاي مختلف يادگيري ماشين، مدل جنگل تصادفي، با 77/0= R2 و Kg 14/464= RMSE با بهترين تخمين، زيست¬توده درختان را به¬دست آورد. در پايان، با استفاده از مدل توسعه داده شده، زيست¬توده تمام درختان در ناحيه شهري مورد مطالعه محاسبه گرديد و نقشه زيست¬توده ¬¬¬شهري در واحد هكتار به¬دست آمد. ارزيابي¬هاي كيفي نشان داد كه نقشه توليد شده مطابقت بالايي با وضعيت پوشش گياهي در منطقه مورد مطالعه دارد كه بيانگر موفقيت چهارچوب پيشنهادي در استخراج تاج درختان و تخمين زيست-توده شهري از داده¬هاي LiDAR است.

231873

دانشگاه اصفهان

مهندسي نقشه برداري- فتوگرامتري

حسين باقري