برآورد ارتفاع تک‌درختان با استفاده از تصاویر پهپاد RTK و الگوریتم بیشینه محلی

نوع مقاله : علمی- پژوهشی

نویسندگان

1 نویسنده مسئول، استادیار، گروه منابع طبیعی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران

2 گروه پژوهشی پایش هوایی، دانشگاه رازی، کرمانشاه، ایران

3 دانشجوی دکتری جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

4 استادیار، گروه منابع طبیعی، پردیس کشاورزی و منابع طبیعی، دانشگاه رازی، کرمانشاه، ایران

چکیده

سابقه و هدف: خصوصیات ساختاری درخت ازنظر زیستی و اقتصادی، اهمیت بسیاری دارد. ازجمله این ویژگی‌ها می‌توان به ارتفاع اشاره کرد که یک مؤلفه مهم برای اندازه‌گیری حجم توده جنگل محسوب می‌شود. اندازه‌گیری ارتفاع درخت، به‌عنوان یکی از پیچیده‌ترین و پرهزینه‌ترین متغیرها در پژوهش‌های بوم‌شناسی و جنگل‌داری، نیازمند دانش تخصصی و تجربه حرفه‌ای است. پهپادها به‌دلیل برخورداری از مزایایی مانند هزینه اندک، سهولت پردازش، قابلیت تکرار و نیز داده‌های به‌روز، نقش بسیار مهمی در جمع‌آوری و تأمین اطلاعات موردنیاز در آماربرداری جنگل دارند. پژوهش پیش‌رو با هدف بررسی توانایی پهپاد فانتوم 4 در اندازه‌گیری ارتفاع درختان سرو نقره‌ای (Hesperocyparis arizonica (Greene) Bartel) بدون نقاط کنترل زمینی و با استفاده از الگوریتم بیشینه محلی (Local Maxima Algorithm) انجام شد.
مواد و روش‌ها: این پژوهش در جنگل‌کاری‌های سرو نقره‌ای در شهرستان کرمانشاه انجام شد. از یک پهپاد فانتوم 4 مجهز به سیستم RTK استفاده شد که دوربینی با سنسور یک اینچ 20 مگاپیکسلی CMOS و توان تفکیک مکانی در حد سانتی‌متر (در ارتفاع پرواز 100 متری معادل 7/2 سانتی‌متر است) دارد. یکی از ویژگی‌های منحصربه‌فرد این پهپاد، تعبیه ماژول RTK بر روی آن است که سبب دریافت موقعیت افقی و عمودی داده‌ها به‌صورت آنی می‌شود. همچنین، این پهپاد به یک گیمبال سه‌محوره مجهز است که لرزش‌های آن هنگام پرواز را به حداقل می‌رساند. ازسوی دیگر، شاتر مکانیکی موجود در آن، نقش مؤثری در کاهش خطای ناشی از لرزش در زمان تصویربرداری دارد. علاوه‌بر ماژول RTK، استفاده از سیستم موقعیت‌یاب GNSS سبب حفظ دقت داده‌های حاصل از این پرنده حتی در محیط‌های بسته مانند مناطق شهری تا حدود زیادی می‌شود. در این پژوهش، از الگوریتم بیشینه محلی برای شناسایی تک‌درختان در یک عرصه با استفاده از مدل ارتفاعی تاج (CHM) استفاده شد. برای جمع‌آوری داده‌های زمینی، 98 اصله درخت پس از بازدید از منطقه مورد مطالعه انتخاب شدند. ارتفاع درخت با استفاده از دستگاه لیزر لایکا S910 اندازه‌گیری شد. از آزمون t جفتی برای کنترل امکان اندازه‌گیری ارتفاع درختان با مدل ارتفاع تاج استفاده شد. برای این منظور، ارتفاع درختان روی زمین و ارتفاع درختان در مدل ارتفاع تاج با اطمینان 95 درصد مقایسه شد. سپس، با استفاده از یک مدل رگرسیون خطی، ارتباط بین ارتفاع اندازه‌گیری‌شده درختان و ارتفاع برآوردشده (با استفاده از الگوریتم بیشینه محلی) بررسی شد.
نتایج: مدل رقومی ارتفاع، مدل رقومی سطح، اورتوموزاییک و مدل ارتفاعی تاج به‌دست آمد. باتوجه‌به فاصله به‌نسبت زیاد بین درختان، می‌توان تک‌درختان را به‌طور کامل شناسایی کرد. نتایج نشان داد که با استفاده از الگوریتم بیشینه محلی می‌توان همه درختان مورد مطالعه (98 درخت) را به‌طور کامل شناسایی و مکان آن‌ها را تعیین کرد. کمینه، بیشینه و میانگین ارتفاع درختان در منطقه مورد مطالعه به‌ترتیب 32/1، 84/5 و 78/3 متر بودند، درحالی‌که کمینه، بیشینه و میانگین ارتفاع اندازه‌گیری‌شده توسط پهپاد به‌ترتیب برابر با یک، 65/5 و 7/3 متر به‌دست آمد. براساس نتایج آزمون کولموگروف- سمیرنوف، هر دو مجموعه داده اندازه‌گیری‌شده و برآورد‌شده، توزیع نرمال داشتند. همچنین، نتایج آزمون t جفتی نشان داد که ارتفاع به‌دست‌آمده از روش اندازه‌گیری زمینی به‌طور معنی‌داری بیشتر از ارتفاع استخراج‌شده از مدل ارتفاعی تاج است. براساس تحلیل رگرسیون، مشخص شد که بین ارتفاع اندازه‌گیری‌شده و ارتفاع برآوردشده درختان با استفاده از الگوریتم بیشینه محلی، همبستگی خطی قوی و مثبت وجود دارد (R² = 0.96). به‌علاوه، خطای محاسبه‌شده (RMSE = 0.26) بسیار کم به‌دست آمد.
نتیجه‌گیری کلی: براساس نتایج این پژوهش می‌توان گفت که تصاویر پهپادی مورد استفاده و تجزیه‌وتحلیل آن‌ها با الگوریتم بیشینه محلی می‌تواند با صرف زمان و هزینه کمتری، موقعیت دقیق مکانی درختان را شناسایی کند. همچنین، این روش برآورد قابل‌قبولی از ارتفاع درختان در اختیار مدیران جنگل قرار می‌دهد.
 
 
 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Estimating the height of individual tree using RTK-unmanned aerial vehicle (UAV) images and local maxima algorithm

نویسندگان [English]

  • Morteza Pourreza 1
  • Fardin Moradi 2
  • Shadi Jalilian 3
  • Mohammad Khosravi 4
1 Corresponding author, Assistant Prof., Faculty of Natural Resources, Razi University, Kermanshah, Iran
2 Aerial Monitoring Group, Razi University, Kermanshah. Iran
3 PhD. Student of Forestry, Faculty of Forest Science, Gorgan University of Agricultural Sciences and Natural Resource, Gorgan, Iran
4 Assistant Prof., Faculty of Natural Resources, Razi University, Kermanshah, Iran
چکیده [English]

Abstract
Background and objectives: Tree structural attributes are crucial in both ecological and economic contexts, with tree height being a fundamental variable and a primary indicator for quantifying forest stand volume. Measuring tree height is among the most difficult and costly tasks, requiring specialized expertise. Unmanned aerial vehicles (UAVs) have gained attention in forestry for their advanced capabilities. Recent UAV advancements enable remote assessment of tree structural characteristics and forest stands at a relatively low cost compared to traditional methods. This study assessed the accuracy and precision of tree height measurements using the Phantom 4 RTK UAV, without ground control points, combined with the local maxima algorithm to measure Arizona cypress (Esperocyparis arizonica (Greene) Bartel) tree heights.
Methodology: The study was conducted in an Arizona cypress plantation in Kermanshah province, Iran. The Phantom 4 UAV, equipped with an RTK system and a 1-inch 20-megapixel CMOS sensor camera, provided high spatial resolution. Key features included the RTK module for real-time horizontal and vertical positioning, a three-axis gimbal to reduce flight vibration, and a mechanical shutter to minimize imaging errors. The GNSS positioning system further enhanced data accuracy, even in enclosed environments. Ninety-eight trees were sampled, and heights were measured on-site using a Leica S910 laser device. The Crown Height Model (CHM) with the local maxima algorithm was used for tree identification. A paired t-test compared measured and estimated tree heights, followed by regression analysis applying linear regression to evaluate the relationship between these values.
Results: The study produced the Digital Elevation Model (DEM), Digital Surface Model (DSM), Orthomosaic, and Crown Height Model (CHM). The local maxima algorithm successfully identified all 98 trees and their locations. Field measurements showed minimum, maximum, and mean tree heights of 1.32 m, 5.84 m, and 3.78 m, respectively, while estimates from the local maxima algorithm were 1 m, 5.65 m, and 3.7 m. The Kolmogorov-Smirnov test confirmed normal distribution of both measured and estimated datasets. The paired t-test revealed the measured heights were significantly greater than the estimated values, indicating the local maxima algorithm tended to underestimate tree height. Regression analysis demonstrated a strong positive linear correlation between measured and estimated heights (R² = 0.96) with a low error margin (RMSE = 0.26).
Conclusion: The study concludes that RTK-UAV combined with the local maxima algorithm can precisely identify tree spatial positions while reducing time and cost. This method offers forest managers reliable tree height estimates, supporting efficient forest management decisions.
 
 

کلیدواژه‌ها [English]

  • Algorithm
  • crown height model
  • forest
  • phantom
  • photogrammetry
  • Real-time Kinematic

مراجع

- Azizi, Z. and Miraki, M., 2022. Individual urban trees detection based on point clouds derived from UAV-RGB imagery and local maxima algorithm, a case study of Fateh Garden, Iran. Environment, Development and Sustainability, 26: 2331-2344. ‏
- Brodic, N., Cvijetinović, Ž., Milenkovic, M., Kovačević, J., Stančić, N., Mitrovic, M. and Mihajlović, D., 2022. Refinement of individual tree detection results obtained from airborne laser scanning data for a mixed natural forest. Remote Sensing, 14: 5345.
- Chudley, T.R., Christoffersen, P., Doyle, S.H, Abellan, A. and Snooke, N, 2019. High-accuracy UAV photogrammetry of ice sheet dynamics with no ground control. The Cryosphere, 13(3): 955-968.
- Ekaso, D., Nex, F. and Kerle, N., 2020. Accuracy assessment of real-time kinematics (RTK) measurements on unmanned aerial vehicles (UAV) for direct geo-referencing. Geo-spatial Information Science, 23(2): 165-181.‏
- Eltner, A., Kaiser, A., Castillo, C., Rock, G., Neugirg, F. and Abellán, A., 2016. Image-based surface reconstruction in geomorphometry – merits, limits and developments. Earth Surface Dynamics, 4(2): 359-389.
- Fallah, M., Matkan, A.A. and Aghighi, H., 2024. Estimation of height and diameter at breast height of forest trees with multi-scale individual tree detection method and machine learning algorithms using airborne LiDAR data. Iranian Journal of Forest and Poplar Research, 32(2): 112-131 (In Persian with English summary).
- Fassnacht, F.E., White, J.C., Wulder, M.A. and Næsset, E., 2023. Remote sensing in forestry: current challenges, considerations and directions. Forestry, 97: 11-37.
- Ferrer-González, E., Agüera-Vega, F., Carvajal-Ramírez, F. and Martínez-Carricondo, P., 2020. UAV photogrammetry accuracy assessment for corridor mapping based on the number and distribution of ground control points. Remote Sensing, 12: 2447.
- Fu, H., Zhao, H., Jiang, J., Zhang, Y., Liu, G., Xiao, W., ... and Liu, X., 2024. Automatic detection tree crown and height using Mask R-CNN based on unmanned aerial vehicles images for biomass mapping. Forest Ecology and Management, 555: 121712.‏
- Gebreslasie, M.T., Ahmed, F.B., Van Aardt, J.A.N. and Blakeway, F., 2011. Individual tree detection based on variable and fixed window size local maxima filtering applied to IKONOS imagery for even-aged Eucalyptus plantation forests. International Journal of Remote Sensing, 32: 4141-4154.
- Gerke, M. and Przybilla, H.J., 2016. Accuracy analysis of photogrammetric UAV image blocks: Influence of onboard RTK-GNSS and cross flight patterns. Photogrammetrie, Fernerkundung, Geoinformation, 1: 17-30.
- Jahdi, R. and Sefidi, K., 2024. Trend analysis of vegetation and monitoring of ecosystem health using remote Sensing (Case study: Fandoghlo region). Iranian Journal of Forest, 16(2): 291-310 (In Persian with English summary).‏
- Jaud, M., Passot, S., Le Bivic, R., Delacourt, C., Grandjean, P. and Le Dantec, N., 2016. Assessing the accuracy of high resolution digital surface models computed by PhotoScan® and MicMac® in sub-optimal survey conditions. Remote Sensing, 8(6): 465.
- Kargar, M.R. and Sohrabi, H., 2019. Using canopy height model derived from UAV images for tree height estimation in Sisangan forest. RS and GIS for Natural Resources, 10(3): 106-119 (In Persian with English summary).
- Krause, S., Sanders, T.G.M., Mund, J.P. and Greve, K., 2019. UAV-based photogrammetric tree height measurement for intensive forest monitoring. Remote Sensing, 11(7): 758.‏
- Lamping, J.E., Zald, H.S.J., Madurapperuma, B.D. and Graham, J., 2021. Comparison of low-cost commercial unpiloted digital aerial photogrammetry to airborne laser scanning across multiple forest types in California, USA. Remote Sensing, 13: 4292.
- Mohan, M., de Mendonça, B.A.F., Silva, C.A., Klauberg, C., de Saboya Ribeiro, A.S., de Araújo, E.J.G., ... and Cardil, A., 2019. Optimizing individual tree detection accuracy and measuring forest uniformity in coconut (Cocos nucifera L.) plantations using airborne laser scanning. Ecological Modelling, 409: 108736.
- Ok, A.O. and Ozdarici-Ok, A., 2018. Combining orientation symmetry and LM cues for the detection of citrus trees in orchards from a digital surface model. IEEE Geoscience and Remote Sensing Letters, 15(12): 1817-1821.
- Padró, J.C., Muñoz, F.J., Planas, J. and Pons, X., 2019. Comparison of four UAV georeferencing methods for environmental monitoring purposes focusing on the combined use with airborne and satellite remote sensing platforms. International Journal of Applied Earth Observation and Geoinformation, 75: 130-140.
- Panagiotidis, D., Abdollahnejad, A., Surový, P. and Chiteculo, V., 2017. Determining tree height and crown diameter from high-resolution UAV imagery. International Journal of Remote Sensing, 38(8-10): 2392-2410.
- Penboon, C., Supavetch, S., Sirirueang, K., Rinnamang, S., Ladpala, P., Kaewgrajang, T. and Meunpong, P., 2023. Estimation of the aboveground biomass and carbon sequestration in an urban forest remnant using aerial photogrammetry from a low-cost Unmanned Aerial Vehicle. Biodiversitas, 24(3): 1908-1915.
- Pérez, M., Agüera, F. and Carvajal, F., 2012. Digital camera calibration using images taken from an unmanned aerial vehicle. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 38: 167-171.
- Poorazimy, M., Shataee Jouibary, Sh., Mohammadi, J. and Aghababaei, H., 2023. Feasibility of single-polarized TanDEM-X data for Hyrcanian forest height estimation (Case study: Shast-Kalateh forest). Iranian Journal of Forest, 15(3): 329-343 (In Persian with English summary).‏
- Pouliot, D.A., King, D.J., Bell, F.W. and Pitt, D.G., 2002. Automated tree crown detection and delineation in high-resolution digital camera imagery of coniferous forest regeneration. Remote Sensing of Environment, 82: 322-334.
- Pourreza, M., Moradi, F., Khosravi, M., Deljouei, A. and Vanderhoof, M.K., 2022. GCPs-free photogrammetry for estimating tree height and crown diameter in Arizona cypress plantation using UAV-mounted GNSS RTK. Forests, 13(11): 1905.‏
- Puliti, S., Dash, J.P., Watt, M.S., Breidenbach, J. and Pearse, G.D., 2020. A comparison of UAV laser scanning, photogrammetry, and airborne laser scanning for precision inventory of small-forest properties. Forestry, 93(2): 150-162.
- Shao, G., Zhao, S. and Shugart, H., 1995. Forest dynamics modeling: preliminary explanations of optimizing management of Korean pine forests. China Forestry Publishing House, Beijing, 159p.
- Vacca, G., Furfaro, G. and Dessì, A., 2018. The use of the UAV images for the building 3D model generation. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42: 217-223.‏
- Wang, Y., Lehtomäki, M., Liang, X., Pyörälä, J., Kukko, A., Jaakkola, A., ... and Hyyppä, J., 2019. Is field-measured tree height as reliable as believed – A comparison study of tree height estimates from field measurement, airborne laser scanning and terrestrial laser scanning in a boreal forest. ISPRS Journal of Photogrammetry and Remote Sensing, 147: 132-145.‏
- Xiong, J., Zeng, H., Cai, G., Li, Y., Chen, J.M. and Miao, G., 2023. Crown information extraction and annual growth estimation of a chinese fir plantation based on unmanned aerial vehicle–light detection and ranging. Remote Sensing, 15(15): 3869.
- Xu, F., Gao, Z., Jiang, X., Shang, W., Ning, J., Song, D. and Ai, J., 2018. A UAV and S2A data-based estimation of the initial biomass of green algae in the South Yellow Sea. Marine Pollution Bulletin, 128: 408-414.
- Yu, K., Hao, Z., Post, C.J., Mikhailova, E.A., Lin, L., Zhao, G., Tian, S. and Liu, J., 2022. Comparison of classical methods and Mask R-CNN for automatic tree detection and mapping using UAV imagery. Remote Sensing, 14: 295.
- Zarco-Tejada, P.J., Diaz-Varela, R., Angileri, V. and Loudjani, P., 2014. Tree height quantification using very high resolution imagery acquired from an unmanned aerial vehicle (UAV) and automatic 3D photo-reconstruction methods. European Journal of Agronomy, 55: 89-99.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار