| تعداد نشریات | 284 |
| تعداد نشریات سازمان | 82 |
| تعداد شماره‌ها | 3,081 |
| تعداد مقالات | 34,366 |
| تعداد مشاهده مقاله | 47,839,314 |
| تعداد دریافت فایل اصل مقاله | 78,859,678 |
توانایی سیستم تصویرسنجی بردکوتاه در تولید ابر نقاط از تنه درختان سوزنی‌برگ | ||
| تحقیقات جنگل و صنوبر ایران | ||
| مقاله 5، دوره 33، شماره 1 - شماره پیاپی 99، فروردین 1404، صفحه 69-85 اصل مقاله (1.56 M) | ||
| نوع مقاله: علمی- پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijfpr.2024.366821.2174 | ||
| نویسندگان | ||
| الهام کریم زاده جعفری1؛ جواد سوسنی* 2؛ مسعود ورشوساز3؛ حامد نقوی4؛ علی حسینی نوه احمدآبادیان3 | ||
| 1دانشجوی دکتری مدیریت جنگل، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران | ||
| 2نویسنده مسئول، دانشیار، گروه مدیریت جنگل، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران | ||
| 3دانشیار، گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه‌برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران | ||
| 4دانشیار، گروه مدیریت جنگل، دانشکده منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران | ||
| چکیده | ||
| سابقه و هدف: اسکنرهای لیزری و دوربین‌های دیجیتال با فراهم‌سازی ابر نقاط، مدل‌‌‌سازی سه‌بعدی را در جنگل امکان‌پذیر کرده‌اند. به‌منظور سه‌بعدی‌سازی در اشکوب زیرین جنگل، فناوری‌های اسکن لیزری از بهترین روش‌ها محسوب می‌شود، اما در بعضی موارد، عدم دسترسی به سیستم‌های جهانی ناوبری ماهواره‌ای به‌عنوان بزرگ‌ترین محدودیت آن، فرایند اسکن را دشوار می‌کند. راه‌حلی جایگزین برای رفع این مشکل، استفاده از تکنیک‌هایی مانند تصویرسنجی (Photogrammetry) است. هدف از پژوهش پیش‌رو، امکان‌سنجی کاربرد تصویرسنجی بردکوتاه زمینی با دقت زیاد به‌عنوان جایگزین روش‌های سنتی در اندازه‌گیری درختان جنگلی بود. مواد و روش‌ها: اندازه‌گیری‌های میدانی با انتخاب تصادفی 10 اصله از درختان سوزنی‌برگ در فضای سبز دانشکده نقشه‌برداری دانشگاه صنعتی خواجه نصیرالدین طوسی در تهران طی تابستان 1401 انجام گرفت. ناصافی پوست تنه، اطلاعات کافی را در زمان پردازش تصاویر نمی‌دهد، بنابراین با نصب تارگت‌ها (کددار و دست‌ساز رفرکتور) به‌منظور قرارگیری اندازه‌ها در مقیاس واقعی، طول کنترل طراحی شد. طول چک نیز برای جهت‌گیری مناسب مدل و ارزیابی دقت پیاده‌سازی شد. فاصله‌ی بین تارگت‌ها توسط کولیس اندازه‌گیری شد. درنهایت، آن‌ها در ارتفاعات مختلف، دور تا دور تنه درخت نصب شدند. عکس‌برداری توسط دوربین فوجی‌فیلم مدل FinePix Real 3D W1 از 45 ایستگاه در حالت ایست- رو و با گردش 360 درجه به دور درخت به‌صورت زوج تصویر با حالت فوکوس دستی و بدون استفاده از سه‌پایه انجام شد. در هر پروژه، بهترین عکس‌ها برای این منظور انتخاب شدند و تناظریابی نقاط طول کنترل و طول چک انجام شد. نسبت یک‌سوم از این طول‌های کنترل به‌عنوان طول چک در نظر گرفته شد تا بدین نحو در محاسبات دخالت داده نشوند. به‌منظور مقایسه داده‌های برآوردی و داده‌های واقعی، آماره‌های مجذور میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و درصد آن‌ها به‌کار برده شد. نتایج: دقت نقاط کنترل و نقاط چک در این پژوهش به کمتر از یک میلیمتر رسید. در مجموع، نقاط کنترل با خطایی کمتر از یک میلیمتر (6/0 میلیمتر) و با RMSE=17.3% 16.79% RMSE= و MAE= 10.3% به‌‌دست آمد. برای قضاوت در حالت تک‌درخت می‌توان از خطای تصویر مجدد که در واحد RMS است، استفاده کرد. کمینه (376/0 پیکسل) و بیشینه (695/0 پیکسل) RMS به‌ترتیب در درخت‌های شماره 10و 5 مشاهده شد. البته قضاوت فقط با استفاده از این مؤلفه کافی نیست. زیرا نقاط پرت در RMS به‌احتمال زیاد به‌دلیل جلوگیری از اریبی ناشی از تشخیص نقاط خارجی حذف نشده‌اند. نتیجه‌گیری کلی: در مباحثی مانند تصویرسنجی صنعتی، دقت زیاد رایج است، اما استخراج مدلی با دقت کمتر از یک میلیمتر در تصویرسنجی علوم جنگل، کمتر گزارش شده است. نتایج این پژوهش نشان داد که تصویرسنجی بردکوتاه زمینی به‌شرط طراحی شبکه اصولی و رعایت فاصله مناسب از درختان هنگام عکس‌برداری، مدلی باکیفیت و کم‌هزینه را ارائه می‌دهد. این روش در سطح تک‌درخت، پتانسیل زیادی برای رقابت با دستگاه‌های هزینه‌برِ تولید ابرهای نقطه‌ای متراکم و دقیق در جنگل دارد. | ||
| کلیدواژه‌ها | ||
| شبکه فتوگرامتری؛ طول چک؛ طول کنترل؛ واسنجی؛ مدیریت جنگل | ||
| عنوان مقاله [English] | ||
| The ability of close-range photogrammetry system to produce point clouds from conifer tree stems | ||
| نویسندگان [English] | ||
| Elham Karimzadeh Jafari1؛ Javad Soosani2؛ Masoud Varshosaz3؛ Hamed Naghavi4؛ Ali Hosseini naveh ahmadabadian3 | ||
| 1Ph.D. Student of Forestry, Faculty of Natural Resources, Lorestan Lorestan University University of Lorestan, Khorramabad, Iran | ||
| 2Corresponding author, Associate Prof., Department of Forestry, Faculty of Natural Resources, Lorestan University, Khorramabad, Iran | ||
| 3Associate Prof., Department of Photogrammetry and Remote Sensing, Faculty of Geodesy and Geomatics Engineering, K.N. Toosi University of Technology, Tehran, Iran | ||
| 4Associate Prof., Department of Forestry, Faculty of Natural Resources, Lorestan University, Khorramabad, Iran | ||
| چکیده [English] | ||
| Background and objectives: Laser scanners and digital cameras have enabled the creation of 3D models in forest environments by generating point clouds. While laser scanning technologies are often the preferred method for rendering the forest understory in three dimensions, a major limitation is their dependence on access to Global Navigation Satellite Systems (GNSS), which can complicate data acquisition in certain environments. An alternative to this limitation is the use of photogrammetry techniques. The objective of this study was to evaluate the feasibility of using high-precision terrestrial close-range photogrammetry as an alternative to traditional methods for measuring forest trees. Methodology: Field measurements were conducted on 10 randomly selected coniferous trees located on the campus of K.N. Toosi University of Technology in Tehran, Iran, during the summer of 2022. Due to the lack of smoothness on the tree stems, image processing can lack sufficient detail. Therefore, coded and hand-made refractor targets were installed to scale the images to real-world dimensions. Control lengths were designed for orientation, and check lengths were implemented to assess accuracy. Target distances were measured using calipers and installed at various heights around the stem. Photographs were captured using a Fujifilm FinePix Real 3D W1 camera from 45 stations in stop-and-go mode, rotating 360 degrees around each tree. Stereo pair images were taken using manual focus, without a tripod. The best images were selected for each project, and matching of control and check length points was performed. One-third of the control lengths were designated as check lengths to avoid influencing the calibration. To evaluate accuracy, the following metrics were used: Root Mean Square Error (RMSE), percentage RMSE (%RMSE), Mean Absolute Error (MAE), and percentage MAE (%MAE). Results: The accuracy of both control and check points achieved sub-millimeter precision. Total control point error was below 1 mm (0.6 mm), with RMSE = 16.79% and MAE = 10.3%. For individual trees, image reprojection errors were also analyzed in RMS pixel units. Tree number 10 showed the lowest RMS error (0.376 pixels), while tree number 5 had the highest (0.695 pixels). However, this metric alone is insufficient for full accuracy assessment, as outliers were likely retained to avoid bias in error estimation. Conclusion: Achieving sub-millimeter accuracy is rare in forest science photogrammetry but common in industrial applications. The findings demonstrate that close-range terrestrial photogrammetry, when combined with proper network design and optimal image-capturing distance, can yield high-quality models at relatively low cost. This method shows strong potential to compete with more expensive technologies for generating dense and precise point clouds of individual trees. | ||
| کلیدواژه‌ها [English] | ||
| Calibration, check length, control length, forest management, photogrammetric network | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 400 تعداد دریافت فایل اصل مقاله: 137 |
||