<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Geomatics Science and Technology</title>
<title_fa>علوم و فنون نقشه برداری</title_fa>
<short_title>JGST</short_title>
<subject>Engineering &amp; Technology</subject>
<web_url>http://jgst.issgeac.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>2322-102X</journal_id_issn>
<journal_id_issn_online></journal_id_issn_online>
<journal_id_pii>-</journal_id_pii>
<journal_id_doi>10.66224/jgst</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>-</journal_id_sid>
<journal_id_nlai>-</journal_id_nlai>
<journal_id_science>-</journal_id_science>
<language>en</language>
<pubdate>
	<type>jalali</type>
	<year>1405</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2026</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>16</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>en</language>
	<article_id_doi></article_id_doi>
	<title_fa>تفکیک تاج درختان به‌صورت بدون آموزش (Zero-Shot) در جنگل‌های شهری نیمه‌خشک با استفاده از تصاویر پهپادی و مدل Segment Anything</title_fa>
	<title>Zero-Shot Tree Crown Delineation in Semi-Arid Urban Forests Using UAV Imagery and the Segment Anything Model</title>
	<subject_fa>فتوگرامتری و سنجش از دور</subject_fa>
	<subject>Photo&amp;RS</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p data-end=&quot;493&quot; data-start=&quot;0&quot; style=&quot;text-align: justify;&quot;&gt;&lt;span style=&quot;font-family:IRANsharp;&quot;&gt;&lt;span style=&quot;font-size:12px;&quot;&gt;جنگل&#8204;های شهری نقش مهمی در کاهش اثرات گرمایی، بهبود کیفیت هوا و افزایش تاب&#8204;آوری اکوسیستم&#8204;ها، به&#8204;ویژه در مناطق نیمه&#8204;خشک، ایفا می&#8204;کنند. تعیین دقیق مرز تاج تک&#8204;درختان (ITCs) برای تهیه آمار جنگل، برآورد زی&#8204;توده و توسعه پایدار فضای سبز شهری ضروری است. توسعه پهپادها و تکنیک&#8204;های پردازش تصویر، کاربرد سنجش&#8204;ازدور در جنگلداری را به&#8204;طور چشمگیری گسترش داده و امکان ثبت تصاویر باکیفیت و پایش تغییرات درختان را فراهم کرده است. در جنگل&#8204;های دست&#8204;کاشت، معمولاً گونه&#8204;های مقاوم با پوشش تاجی متفاوت کاشته می&#8204;شوند. در این پژوهش، عملکرد مدل &amp;laquo;Segment Anything&amp;raquo; (SAM)، به&#8204;عنوان یک مدل یادگیری عمیقِ بدون نیاز به داده&#8204;های آموزشی (Zero-Shot)، برای تفکیک تاج تک&#8204;درختان با استفاده از تصاویر RGB حاصل از پهپاد در یک سایت بزرگ جنگل&#8204;کاری شهری در جنوب&#8204;غرب اصفهان، ایران، ارزیابی شد. در مجموع، ۵٬۹۷۴ درخت از سه گونه غالب در سه سایت شامل گونه&#8204;های پهن&#8204;برگ و سوزنی&#8204;برگ، با استفاده از الگوریتم یادگیری عمیق SAM برای شناسایی و تفکیک تاج درختان مورد بررسی قرار گرفتند. سه سایت آزمایشی همگن شامل گونه&#8204;های ارغوان (&lt;em data-end=&quot;998&quot; data-start=&quot;977&quot;&gt;Cercis siliquastrum&lt;/em&gt;) با ۱٬۷۲۱ درخت، اقاقیا (&lt;em data-end=&quot;1045&quot; data-start=&quot;1023&quot;&gt;Robinia pseudoacacia&lt;/em&gt;) با ۲٬۲۱۳ درخت و کاج الدار (&lt;em data-end=&quot;1090&quot; data-start=&quot;1074&quot;&gt;Pinus eldarica&lt;/em&gt;) با ۲٬۰۴۰ درخت تحلیل شدند که در مجموع ۵٬۹۷۴ درخت مرجع را شامل می&#8204;شدند. نتایج نشان داد که مدل برای تاج&#8204;های پهن&#8204;برگ و با فاصله مناسب عملکرد مطلوبی دارد (ارغوان: 0.78 = F1)، اما دقت آن در تاج&#8204;پوشش&#8204;های متراکم به&#8204;طور قابل&#8204;توجهی کاهش یافت (اقاقیا: 0.39 = F1؛ کاج: 0.35 = F1). در فرایند شناسایی تاج درختان، ساختار فضایی پوشش گیاهی نقش مهمی در دقت و کارایی مدل ایفا می&#8204;کند. یافته&#8204;ها نشان دادند که شکل تاج، تراکم تاج&#8204;پوشش و الگوی پراکنش فضایی درختان تأثیر مستقیمی بر نتایج تفکیک بدون داده آموزشی دارند. در مقایسه با روش&#8204;های متداول مبتنی بر پهپاد، مدل SAM قابلیت امیدوارکننده&#8204;ای برای تهیه نقشه تاج تک&#8204;درختان در جنگل&#8204;کاری&#8204;های شهری ساختاریافته نشان داد، اما در شرایط تاج&#8204;های هم&#8204;پوشان یا نامنظم همچنان با محدودیت&#8204;هایی روبه&#8204;رو است. این پژوهش یکی از نخستین ارزیابی&#8204;های مدل SAM در پایش جنگل&#8204;های شهری را ارائه می&#8204;دهد و بر ظرفیت آن به&#8204;عنوان ابزاری عملیاتی و کم&#8204;نیاز به داده برای ارزیابی جنگل&#8204;کاری و فضای سبز در محیط&#8204;های نیمه&#8204;خشک تأکید می&#8204;کند.&lt;/span&gt;&lt;/span&gt;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;div style=&quot;text-align: justify;&quot;&gt;&lt;span style=&quot;font-size:12px;&quot;&gt;&lt;span style=&quot;font-family:Times New Roman;&quot;&gt;&lt;span style=&quot;unicode-bidi:embed&quot;&gt;&lt;span new=&quot;&quot; roman=&quot;&quot; times=&quot;&quot;&gt;&lt;span style=&quot;letter-spacing:-0.1pt&quot;&gt;Urban forests play a critical role in mitigating environmental stresses in semi-arid cities by improving air quality, reducing urban heat island effects, enhancing carbon sequestration, and supporting ecosystem resilience. Accurate delineation of individual tree crowns (ITCs) is fundamental for urban forest inventory, biomass estimation, ecological monitoring, and sustainable green-space management. Recent advances in foundation models have created new opportunities for automated image segmentation; however, their applicability for tree crown delineation in semi-arid urban forests remains insufficiently investigated. In particular, the performance of zero-shot segmentation models under varying crown architectures and canopy densities is still poorly understood. This study evaluated the zero-shot capability of the Segment Anything Model (SAM) for ITC delineation using high-resolution UAV-derived RGB imagery acquired over a 1,600-ha urban afforestation area in southwestern Isfahan, Iran. A total of 5,974 reference trees representing three dominant species with contrasting crown structures, including &lt;i&gt;Cercis siliquastrum&lt;/i&gt;, &lt;i&gt;Robinia pseudoacacia&lt;/i&gt;, and &lt;i&gt;Pinus eldarica&lt;/i&gt;, were used for quantitative evaluation. Model performance was assessed using Precision, Recall, F1-score, and Intersection over :union: (IoU) metrics. The results revealed substantial differences among species. SAM achieved its highest performance for &lt;i&gt;Cercis siliquastrum&lt;/i&gt;, characterized by well-separated and relatively uniform crowns, with an F1-score of 0.78 and an IoU of 0.52. In contrast, performance declined considerably for &lt;i&gt;Robinia pseudoacacia&lt;/i&gt; (F1 = 0.39, IoU = 0.23) and &lt;i&gt;Pinus eldarica&lt;/i&gt; (F1 = 0.35, IoU = 0.18), where crown overlap, irregular canopy geometry, and dense vegetation structure increased segmentation uncertainty. Overall, 3,487 trees were correctly delineated by the model. The findings demonstrate that SAM provides a promising training-free framework for large-scale urban tree crown mapping. Nevertheless, segmentation accuracy remains strongly dependent on canopy structure, crown morphology, and canopy density. This study provides one of the first comprehensive evaluations of the zero-shot Segment Anything Model in semi-arid urban afforestation environments and highlights both the opportunities and limitations of foundation models for operational urban forest monitoring, inventorying, and management. The results further emphasize the need for integrating structural information and advanced prompting strategies to improve segmentation performance in complex urban canopy conditions.&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/div&gt;</abstract>
	<keyword_fa>تفکیک تاج درختان؛ یادگیری بدون داده آموزشی؛ تصاویر پهپادی؛ جنگل‌های شهری نیمه‌خشک؛ یادگیری عمیق</keyword_fa>
	<keyword>Tree crown delineation, Zero-shot learning, UAV imagery, Semi-arid urban forests, Deep learning</keyword>
	<start_page>81</start_page>
	<end_page>90</end_page>
	<web_url>http://jgst.issgeac.ir/browse.php?a_code=A-10-1150-1&amp;slc_lang=en&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>MAHNAZ</first_name>
	<middle_name></middle_name>
	<last_name>BABAEI</last_name>
	<suffix></suffix>
	<first_name_fa>مهناز</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>بابایی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>Mahnaz.babaei@srbiau.ac.ir</email>
	<code></code>
	<orcid></orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Remote Sensing and GIS, SR.C., Islamic Azad University, Tehran, Iran.</affiliation>
	<affiliation_fa>گروه سنجش‌ازدور و GIS، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران</affiliation_fa>
	 </author>


	<author>
	<first_name>zahra</first_name>
	<middle_name></middle_name>
	<last_name>Azizi</last_name>
	<suffix></suffix>
	<first_name_fa>زهرا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>عزیزی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>zsazizi@yahoo.com</email>
	<code></code>
	<orcid></orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Geoinformation and Geomatics Engineering, Faculty of Civil, Water and Environmental Engineering, Shahid Beheshti University, Tehran, Iran</affiliation>
	<affiliation_fa>گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، آب و محیط‌زیست، دانشگاه شهید بهشتی، تهران، ایران</affiliation_fa>
	 </author>


	<author>
	<first_name>Siavash</first_name>
	<middle_name></middle_name>
	<last_name>Bakhtiarvand Bakhtiari</last_name>
	<suffix></suffix>
	<first_name_fa>سیاوش</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>بختیاروند بختیاری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>siavashbakhtiar369@gmail.com</email>
	<code></code>
	<orcid></orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Head of Department at Mobarakeh Steel Company, Isfahan, Iran</affiliation>
	<affiliation_fa>رئیس بخش در شرکت فولاد مبارکه، اصفهان، ایران</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
