ارزیابی تعمیم پذیری یک مدل یادگیری عمیق در شناسایی تاج درختان جنگل های نیمه خشک روی داده های پهپاد

چکیده مقاله

تاج درختان یکی از مولفه های کلیدی در ارزیابی ساختار و سلامت اکوسیستم های جنگلی است و شناسایی دقیق آن در مناطق نیمه خشک، که پوشش گیاهی پراکنده و پراکنش مکانی ناهمگن دارد، چالشی مهم محسوب می شود در این مطالعه، یک مدل یادگیری عمیق مبتنی بر U Net با Encoder از پیش آموزش دیده VGG۱۶ برای شناسایی تاج درختان از تصاویر پهپاد با توان تفکیک مکانی بالا توسعه و ارزیابی شد مدل ابتدا بر روی تصاویر منطقه SA۱ آموزش داده شد و سپس بدون بازآموزی برای بررسی تعمیم پذیری بر روی منطقه SA۲ اعمال گردید خروجی مدل به صورت نقشه های قطعه بندی شامل «تاج درختان» و «سایر عوارض» تولید شد نتایج نشان داد که مدل در SA۱ و SA۲ به ترتیب به صحت ۹۳/۰ و ۹۶/۰ و شاخص AUC برابر ۹۱/۰ و ۹۴/۰ دست یافت و توانست تاج درختان را با دقت بالا از پس زمینه و سایه ها تفکیک کند این مطالعه نشان می دهد که مدل U Net می تواند به عنوان ابزاری موثر برای پایش ساختار جنگل و استخراج اطلاعات مکانی تاج درختان در مقیاس منطقه ای مورد استفاده قرار گیرد و گامی مهم در توسعه کاربرد مدل های از پیش آموزش دیده در مطالعات جنگل های نیمه خشک محسوب می شود

کلیدواژه‌ها

نویسندگان

سامان همایونفر

دانشکده جغرافیا دانشگاه تهران

سیدیوسف عرفانی فرد

دانشکده جغرافیا دانشگاه تهران

سیدکاظم علوی پناه

دانشکده جغرافیا دانشگاه تهران

مرتضی پوررضا

گروه مهندسی منابع طبیعی، دانشگاه رازی کرمانشاه

همایونفر، سامان و عرفانی فرد، سیدیوسف و علوی پناه، سیدکاظم و پوررضا، مرتضی،1404،ارزیابی تعمیم پذیری یک مدل یادگیری عمیق در شناسایی تاج درختان جنگل های نیمه خشک روی داده های پهپاد،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران

ارائه‌شده در

مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران