تشخیص تنش گیاهی در عرصه های جنگل کاری با استفاده از سنجنده نور مرئی پهپاد (پژوهش موردی: طرح جنگلداری نکاظالمرود)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 185

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IFEJ-7-13_003

تاریخ نمایه سازی: 15 مهر 1400

چکیده مقاله:

     استفاده از پهپادهای بسیار سبک و ارزان ­قیمت در تشخیص سلامت جنگل­ کاری ­ها و شناسایی تنش برگ نهال ­ها می­تواند مانع گسترش آفات و بیماری­ ها شود. دوربین ­های چند طیفی بویژه محدوده مادون قرمز، کارایی خوبی در این زمینه دارند، اما گران هستند. در این تحقیق از پهپاد عمودپرواز چهار موتوره بسیار سبک دارای دوربین ۱۲ مگاپیکسل محدوده نور مرئی استفاده شد و جهت تشخیص تنش برگ نهال­ های جنگل­ کاری خالص افرا پلت، خالص بلوط و مخلوط آنها در نه منطقه یک الی سه هکتاری استفاده شد و پرواز در ارتفاع ۴۰، ۷۰ و ۱۰۰ متر انجام شد تا کارایی پهپادهای سبک و ارزان قیمت جهت تشخیص تنش برگ درختان جنگل ­کاری بررسی گردد. طرح پرواز به صورت مسیرهایی با پوشش مشترک عرضی ۷۵ درصد و پوشش مشترک طولی ۸۰ درصد طراحی شد. طبقه ­بندی تصاویر به روش ­های نظارت­ شده شبکه عصبی، ماشین بردار پشتیبان، بیشینه شباهت و فاصله ماهالانوبیس صورت گرفت و ۲۵ درصد نمونه­ های واقعیت زمینی برای بررسی صحت طبقه­ بندی استفاده شد. بارزسازی تصویر به روش اشباع رنگ انجام پذیرفت. در این مطالعه برخی شاخص ­های گیاهی محدوده نور مرئی نظیر شاخص گیاهی (NGRDI) و (EXG) کارایی زیادی برای تشخیص تنش برگ درختان و نهال ­ها نشان داد. همچنین ضریب جفریز-ماتوسیتا ۸۱/۱ الی ۹۷/۱ و ضریب واگرایی­تبدیل­شده ۸۷/۱ الی ۹۸/۱ بدست آمد. صحت کلی طبقه­ بندی تصاویر به روش ماشین بردار پشتیبان که بهترین روش در این تحقیق بود، ۸۳ الی ۷/۹۶­ درصد برای کل نمونه­ ها و ضریب کاپا ۸۹/۰ الی ۹۸/۰ بدست آمد. این تحقیق قابلیت دوربین­ های محدوده نور مرئی نصب­ شده بر روی پهپاد را در تشخیص تنش برگ درختان نشان می­ دهد. بهترین ارتفاع پرواز بین ۷۰ الی ۱۰۰ متر می ­باشد و استفاده از روش­های بارزسازی تصاویر بویژه روش اشباع رنگ و  شاخص ­های گیاهی محدوده طیف نور مرئی نظیر شاخص گیاهی (NGRDI) و (EXG) برای تشخیص تنش برگ کارایی این تصاویر را افزایش می­ دهد. طراحی سیستم تصویربرداری اتوماتیک متناسب با تغییرات ارتفاعی سطح تاج درختان جهت ممانعت از کاهش سطح همپوشانی حداقل، توصیه می­ شود.  

نویسندگان

علیرضا حسین پور

Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran

جعفر اولادی

Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran

حسن اکبری

Faculty of Natural Resources, Sari Agricultural Sciences and Natural Resources University, Iran

محمدرضا سراجیان

Faculty of Geology and Spatial Engineering, University of Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Berni, J.A.J., P.J.Z. Tejada, L. Suárez and E. Fereres. ۲۰۰۹. ...
  • Clemens, S.R. ۲۰۱۲. Procedures for correcting digital camera imagery acquired ...
  • Cornforth, W., C. Nichol and J. Suarez. ۲۰۱۰. Remote sensing ...
  • Gitelson, A. ۲۰۰۲. Vegetation and soil lines in visible spectral ...
  • González, V., P.J.Z. Tejada, J.A. Berni, L. Suárez, D. Goldhamer ...
  • Hague, T., N. Tillet and H. Wheeler. ۲۰۰۶. Automated crop ...
  • Hunt, E.R., M. Cavigelli, C.S.T. Daughtry, J.E. McMurtrey and C.L. ...
  • Hunt, E.R., W.D. Hively, C.S. Daughtry, G.W. McCarty, S.J. Fujikawa, ...
  • Jannoura, R., K. Brinkmann, D. Uteau, C. Bruns and R.G. ...
  • Kataoka, T., T. Kaneko, H. Okamoto and S. Hata. ۲۰۰۳. ...
  • Neto, J.C. ۲۰۰۴. A combined statistical-soft computing approach for classification ...
  • Rango, A., A. Laliberte, J.E. Herrick, C. Winters, K. Havstad, ...
  • Tejada, P.J.Z., M.L. Guillén-Climent, R. Hernández-Clemente, A. Catalina, M.R. González ...
  • Torres-Sánchez, J., J.M. Pena, A.I. De Castro and F. López-Granados. ...
  • Woebbecke, D.M., G.E. Meyer, K. Von Bargen and D.A. Mortensen. ...
  • نمایش کامل مراجع