استخراج درختان منفرد جنگل شهری از دادۀ لیدار هوایی با تراکم نقطۀ بالا

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد گروه مهندسی ژئوماتیک، دانشکدۀ مهندسی عمران و حمل‌و‌نقل، دانشگاه اصفهان، اصفهان

2 استادیار گروه مهندسی ژئوماتیک، دانشکدۀ مهندسی عمران و حمل‌ونقل، دانشگاه اصفهان، اصفهان

3 دانشیار گروه مهندسی ژئوماتیک، دانشکدۀ مهندسی عمران و حمل‌ونقل، دانشگاه اصفهان، اصفهان

چکیده

لیدار هوایی، قابلیت زیادی در تهیۀ مستقیم اطلاعات لازم برای کاربردهای تحقیقاتی و عملیاتی مرتبط با مدیریت اکوسیستم‌های جنگل و درختان منطقۀ شهری دارد. بیشتر روش‌های ارائه‌شده برای استخراج درختان منفرد با دادۀ لیدار، متکی به شناسایی نقاط بالا یا پایین درخت و سپس اجرای یکی از الگوریتم‌های قطعه‌بندی درخت که از این نقاط شروع می‌شوند، هستند. در این الگوریتم‌ها، تعداد و مکان نقاط شروع تشخیص داده‌شده، به‌شدت در فرایند تشخیص درختان منفرد تأثیر می‌گذارد. علاوه‌بر این، درصد امکان شناسایی درختان جوان بسیار کم است. در این تحقیق، الگوریتمی جدید برای استخراج درختان منفرد با استفاده از نقاط با فاصلۀ تقریباً 10 سانتی‌متری لیدار ارائه شده است. در این روش، درختان منفرد با یافتن قطعه‌های امن و نقاط داخل آنها برای هر درخت و تخصیص نقاط باقی‌مانده براساس این مناطق استخراج می‌شوند. این تحقیق روی درختان دو منطقۀ مورد مطالعه در شهر زیبروگس بلژیک اجرا شد. ارزیابی نتایج این روش با تصویر هوایی نشان داد که 51/74 درصد از کل درختان به‌درستی طبقه‌بندی شدند و میزان خطای افزونگی و حذف‌شدگی در طبقه‌بندی به‌ترتیب 92/3 و 57/21درصدبود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Extracting the individual trees of urban forests from high density airborne LiDAR data

نویسندگان [English]

  • A Moradi 1
  • M. Satari 2
  • M. Momeni 3
1 MS. student of Geomatics Eng., Department of Civil Eng. and Transportation, University of Isfahan, Isfahan, I. R. Iran
2 Assistant Prof., Dept. of Geomatics Eng., Dept. of Civil Eng. and Transportation, University of Isfahan, Isfahan, I. R. Iran
3 Associate Prof., Dept. of Geomatics Eng., Dept. of Civil Eng. and Transportation, University of Isfahan, Isfahan, I. R. Iran
چکیده [English]

Airborne LiDAR (Light Detection and Ranging) has a high potential to provide 3D data for research and operational applications in a wide range of disciplines related to management of forest ecosystems and urban trees. Most proposed methods for extracting the individual trees first detect the points of tree top or bottom and then use them as starting points in a segmentation algorithm. Hence, in these methods, the number and the locations of detected peak points effect on the process of detecting individual trees heavily. In this study, a new method is presented to extract the individual tree segments using LiDAR points with 10 cm point density. In this method, a two-step strategy is performed for the extraction of individual tree LiDAR points: finding deterministic segments of individual trees points and allocation of other LiDAR points based on these segments. This research is performed on two study areas in Zeebrugge, Bruges, Belgium. The accuracy assessment of this method showed that with the increasing detection rate of young trees, it could correctly classified 74.51% of trees with 21.57% and 3.92% under- and over-segmentation errors, respectively.

کلیدواژه‌ها [English]

  • OPTICs clustering
  • Point cloud
  • principal components analysis
  • Tree extraction