دانشگاه تهران نشریه جنگل و فرآورده های چوب 5052-2008 67 1 2014 04 21 Investigation on the Possibility of Tree Species Identification Using Digital Aerial Images by Object- based Classification بررسی امکان تشخیص گونه ‏های درختی در تصاویر هوایی رقومی به روش طبقه‏ بندی شی‏ء‏ـ‏ پایه 21 32 50434 10.22059/jfwp.2014.50434 FA مهرنوش شبانی پور کارشناس ارشد جنگل‏داری دانشگاه تهران، کرج، ایران. علی اصغر درویش صفت استاد گروه جنگل‏داری دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران. امید رفیعیان عضو هیئت علمی دانشگاه آزاد اسلامی، واحد تبریز، گروه مهندسی محیط زیست، تبریز، ایران. وحید اعتماد استادیار گروه جنگل‏داری دانشکدة منابع طبیعی، دانشگاه تهران، کرج، ایران. Journal Article 2012 03 12  Remotely sensed data, especially high spatial and radiometric resolution data can be useful to identify tree species. In this research, the capability of digital aerial images for this purpose was investigated by object-based classification method. About 5.8 ha of Taleghani park in Tehran, including species like platanus orientalis, Morus alba, Cupressus arisonica, Robinia pseudoacacia, Pinus eldarica, Ailanthus altissima, Cedrus atlantica, was studied. Four pan-sharpened multispectral images of UltraCam-D camera with the spatial and radiometric resolution, 0.07×0.07 m and 16 bit respectively, were analyzed. These data were geometrically corrected by aero-triangulation method using GCPs and IMU. The images classified using object-based method with the main and synthesic bands of Ratioing, PCA and HIS transformations. Firstly, segmentation was done with different parameters in order to avoid exceeding the maximum allowable number of objects. Finally, the classification was performed using appropriate features and layers by Nearest Neighbor method. In order to assess the accuracy of result, a ground truth map was produced based on field survey. This map has included 688 points, which each represents a tree on the ground. The result of accuracy assessment showed that overall accuracy and Kappa coefficient were 78% and 0.73 respectively. Platanus and Aillan showed the highest and the lowest Kappa 0.81700.2481, respectively. The result of this study showed that the UltraCam-D and object-based method have relatively good capability to recognize tree species. To reach a certainty about this result, it is essential to evaluate UltraCam-D data in other sites with different species. داده‏های سنجش از دور، به‏ویژه تصاویر هوایی رقومی با توان تفکیک مکانی و رادیومتری زیاد، می‏تواند ابزار مناسبی برای شناسایی گونه‏های درختی باشد. هدف از این تحقیق بررسی قابلیت این تصاویر و روش شی‏ء‏ـ‏پایه برای تشخیص گونه‏های درختی است. به این منظور منطقه‏ای 86/5 هکتاری از پارک طالقانی تهران انتخاب شد. تصاویر دوربین UltraCam-D چهار‏باندی ادغام‏شده با باند پانکروماتیک با پیکسل‏هایی به ‏ابعاد 7×7 سانتی‏متر و عمق رادیومتری 12 بیت استفاده شدند. تصحیح هندسی تصاویر به کمک نقشۀ بزرگ‌مقیاس (1:2000) منطقه و داده‏های پروازی (IMU) به روش مثلث‏بندی هوایی انجام گرفت. باندهای اصلی به ‏همراه داده‏های تبدیلی NDVI، PCA، و HIS در فرایند قطعه‏بندی و طبقه‏بندی مورد آزمون قرار گرفتند. طبقه‏بندی به‌‏روش شی‏ء‏ـ‏پایه صورت گرفت. ابتدا یک قطعه‏بندی با شاخص‏های مختلف انجام گرفت و نتیجۀ آن به‏صورت کیفی ارزیابی شد. بعد از انتخاب توصیف‏گرهای مناسب برای تفکیک طبقات، طبقه‏بندی به روش نزدیک‏ترین همسایه با تعریف نمونه‏های تعلیمی برای هر طبقه اجرا شد. با بازدیدهای میدانی واقعیت زمینی نقطه‏ای تهیه شد. ارزیابی صحت نقشۀ حاصل از طبقه‏بندی با نقشة واقعیت زمینی نشان‏دهندة صحت کلی 78 درصد و ضریب کاپای 73/0 است. گونه‏های چنار و عرعر به‏ترتیب بیشترین (817/0) و کمترین (248/0) ضریب کاپای طبقه را کسب کردند. صحت کلی و ضریب کاپای خوب و برابری آن‏ها، بیانگر قابلیت خوب تصاویر مورد استفاده و روش شی‏ء‏ـ‏پایه در تشخیص اکثر گونه‏های درختی مورد مطالعه است. برای ارزیابی هر‏چه کامل‏تر قابلیت داده‏های UltraCam-D ضرورت دارد این داده‏ها در شرایط رویشگاهی مختلف و دیگر گونه‏ها استفاده شوند. https://jfwp.ut.ac.ir/article_50434_47f6e4eafabaf1154e5e218374309385.pdf