تعداد نشریات | 23 |
تعداد شمارهها | 368 |
تعداد مقالات | 2,890 |
تعداد مشاهده مقاله | 2,566,188 |
تعداد دریافت فایل اصل مقاله | 1,821,852 |
تخمین میانگین سن و ارتفاع درختان با استفاده از ترکیب تصاویر چندطیفی و پانکروماتیک اسپات-5 | ||
جغرافیا و پایداری محیط | ||
مقاله 4، دوره 8، شماره 4 - شماره پیاپی 29، اسفند 1397، صفحه 45-59 اصل مقاله (1.57 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
علی شمس الدینی* 1؛ سعید میرانزاده2؛ علی جعفر موسیوند1 | ||
1استادیار سنجشازدور، دانشگاه تربیت مدرس، تهران، ایران | ||
2دانشآموختة کارشناسیارشد سنجشازدور و سیستم اطّلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران، ایران | ||
چکیده | ||
تخمین پارامترهای ساختاری جنگلها با استفاده از دادههای ماهوارهای، اهمّیّت فراوانی در مدیریت پایدار و مؤثّر آنها دارد. هدف از این پژوهش، استفاده از روشهای ترکیب تصاویر در سطح پیکسل بهمنظور بهبود تخمین میانگین سن و ارتفاع درختان (گونةکاج مونتری) است. اطّلاعات سن و ارتفاع درختان در قالب 61 پلات از جنگل دستکاشت کاج برداشت شد و عملکرد سه روش ترکیب تصاویر در سطح پیکسل، شامل تبدیل مؤلّفههای اصلی، تبدیل موجکو تبدیل مؤلّفههای اصلی مبتنی بر تبدیل موجک بهمنظور بررسی بهبود تخمین میانگین سن و ارتفاع درختان با استفاده از تصاویر اسپات-5 مورد مقایسه قرار گرفت. از هریک از تصاویر حاصل از ترکیب، اطّلاعات طیفی و بافتی استخراج شد. برای استخراج اطّلاعات طیفی، از شاخصهای گیاهی و باندهای انعکاسی و برای استخراج اطّلاعات بافتی، از ماتریس وقوع توأم گامهای خاکستریدر چهار اندازه پنجره و چهار زاویة مختلف استفاده شد. مقایسة عملکرد مدلهای حاصل از اطّلاعات بافتی مستخرج از تصویر پانکروماتیک اسپات-5 و اطّلاعات بافتی حاصل از سه روش ترکیب تصاویر مورد استفاده در این پژوهش نشان داد: تخمینهای حاصل از اطّلاعات بافتی مستخرج از تصاویر ترکیبشده دارای دقّت بیشتری هستند؛ همچنین، نتایج مدلسازی با استفاده از روش رگرسیون چندمتغیّره نشان داد که روش تبدیل مؤلّفههای اصلی مبتنی بر تبدیل موجک با درصد خطای 16% برای سن درختان و 11% برای ارتفاع درختان، عملکرد بهتری نسبت به دو روش دیگر در تخمین میانگین سن و ارتفاع درختان دارد. | ||
کلیدواژهها | ||
ترکیب تصاویر در سطح پیکسل؛ سن؛ ارتفاع؛ اطّلاعات طیفی؛ اطّلاعات بافتی؛ اسپات-5 | ||
مراجع | ||
شمسالدّینی، علی (1385) ارزیابی تأثیر اختلاف قدرت تفکیک مکانی تصاویر پانکروماتیک و چندطیفی بر کیفیت تصاویر ترکیبشده،استاد راهنما: علیمحمدی، عباس، مقطع کارشناسی ارشد، رشتة سنجشازدور و سیستم اطّلاعات جغرافیایی، دانشگاه تربیت مدرّس. صمدزادگان، فرهاد؛ طبیب محمودی، فاطمه؛ بیگدلی، بهناز (1394) ادغام دادهها در سنجشازدور مفاهیم و روشها، چاپ دوّم، انتشارات دانشگاه تهران، تهران. علیمحمدی، عباس؛ شمسالدّینی، علی؛ ضیائیان فیروزآبادی، پرویز (1387) مقایسة عملکرد طیفی و مکانی روشهای ترکیب تصاویر در اختلاف قدرت تفکیکهای مختلف تصاویر چندطیفی و پانکروماتیک: تهران، برنامهریزی و آمایش فضا، 12 (57)، صص. 137-119. Amolins, K., Zhang, Y., Dare, P. (2007) Wavelet Based Image Fusion Techniques—an Introduction, Review and Comparison, ISPRS Journal of Photogrammetry and Remote Sensing, 62 (4), pp. 249-263. Clark, B., Suomalainen, J., Pellikka, P. (2010( A Comparison of Methods for the Retrieval of Surface Reflectance Factor from Multitemporal SPOT HRV, HRVIR, and HRG Multispectral Satellite Imagery, Canadian Journal of Remote Sensing, 36 (4), pp. 397-411. Dube, T., Mutanga, O., Abdel-Rahman, E. M., Ismail, R., Slotow, R. (2015) Predicting Eucalyptus spp. Stand Volume in Zululand, South Africa: an Analysis Using a Stochastic Gradient Boosting Regression Ensemble with Multi-Source Data Sets, International Journal of Remote Sensing, 36 (14), pp. 3751-3772. Gates, D. M.) 1990) Climate Change and the Response of Forests, International Journal of Remote Sensing, 11 (7), pp. 1095-1107. González-Audícana, M., Saleta, J. L., Catalán, R. G., García, R. (2004) Fusion of Multispectral and Panchromatic Images Using Improved IHS and PCA Mergers Based on Wavelet Decomposition, IEEETransactions on Geoscience and Remote sensing, 42 (6), pp. 1291-1299. Holmgren, P., Thuresson, T. (1998) Satellite Remote Sensing for Forestry Planning-a Review, Scandinavian Journal of Forest Research, 13 (1-4), pp. 90-110. Hyyppä, J., Hyyppä, H., Inkinen, M., Engdahl, M., Linko, S., Zhu, Y. H. (2000) Accuracy Comparison of Various Remote Sensing Data Sources in the Retrieval of Forest Stand Attributes, Forest Ecology and Management, 128 (1), pp. 109-120. Kayitakire, F., Hamel, C., Defourny, P. (2006) Retrieving Forest Structure Variables Based on Image Texture Analysis and IKONOS-2 Imagery, Remote Sensing of Environment, 102 (3), pp. 390-401. Liu, W. Y., He, G. J. (2008) Comparison of Fusion Algorithms for ALOS Panchromatic and Multi-Spectral Images, IEEE Fifth International Conference on Fuzzy Systems and Knowledge Discovery,4, pp. 503-509. Metwalli, M. R., Nasr, A. H., Allah, O. S. F., El-Rabaie, S. (2009) Image Fusion Based on Principal Component Analysis and High-Pass Filter, IEEE International Conference on Computer Engineering & Systems, pp. 63-70. Ozdemir, I. )2008( Estimating Stem Volume by Tree Crown Area and Tree Shadow Area Extracted from Pan‐Sharpened Quickbird Imagery in Open Crimean Juniper Forests, International Journal of Remote Sensing, 29 (19), pp. 5643-5655. Pohl, C., Van Genderen, J. L. (1998) Review Article Multisensor Image Fusion in Remote Sensing: Concepts, Methods and Applications, International journal of remote sensing, 19 (5), pp. 823-854. Schowengerdt, R. A. (2006) Remote Sensing: Models and Methods for Image Processing, Academic press, Sandiego. Shamsoddini, A., Trinder, J. C., Turner, R. (2013 A) Pine Plantation Structure Mapping Using WorldView-2 Multispectral Image, International Journal of Remote Sensing, 34 (11), pp. 3986-4007. Shamsoddini, A., Trinder, J. C., Turner, R. (2013 B) Non-Linear Methods for Inferring Lidar Metrics Using SPOT-5 Textural Data, ISPRSAnnals of Photogrammetry, Remote Sensing and Spatial Information Sciences, II-5/w2, pp. 259-264. Tseng, D. C., Chen, Y. L., Liu, M. S. C. (2001) Wavelet-Based Multispectral Image Fusion, IEEE International Geoscience and Remote Sensing Symposium, 4, pp. 1956-1958. Vermote, E. F., Tanre, D., Deuze, J. L., Herman, M., Morcette, J. J. (1997) Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: an overview, IEEETransactions on Geoscience and Remote Sensing, 35 (3), pp. 675-686. Wulder, M. (1998) Optical Remote-Sensing Techniques for the Assessment of Forest Inventory and Biophysical Parameters, Progress in Physical Geography, 22 (4), pp. 449-476. Wunderle, A. L., Franklin, S. E., Guo, X. (2009) Age Class Estimation of Western Red Cedar Using SPOT-5 Pan-Sharpened Imagery in British Columbia, Canada, Geocarto International, 24 (1), pp. 47-63. Yang, S., Wang, M., Jiao, L. (2012) Fusion of Multispectral and Panchromatic Images Based on Support Value Transform and Adaptive Principal Component Analysis, Information Fusion, 13 (3), pp. 177-184. Yuhendra, Alimuddin, I., Sumantyo, J. T. S., Kuze, H. (2012) Assessment of Pan-Sharpening Methods Applied to Image Fusion of Remotely Sensed Multi-Band Data, International Journal of Applied Earth Observation and Geoinformation, 18, pp. 165-175. Zhang, B. (2010) Study on Image Fusion Based on Different Fusion Rules of Wavelet Transform, IEEE 3rd International Conference on Advanced Computer Theory and Engineering, 3, pp. 649-653. | ||
آمار تعداد مشاهده مقاله: 686 تعداد دریافت فایل اصل مقاله: 660 |