Journal of Geomatics Science and Technology

fa استخراج جاده های مخفی جنگلی با استفاده از داده های لیدار (مطالعه موردی: بخشی از جنگل های شصت کلاته گرگان) Extraction of Hidden Forest Roads Using LiDAR Data (Study Area: Shast Kalate Forests of Gorgan) فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research <div style="text-align: justify;"><span style="letter-spacing:-.1pt;"><span style="font-family:B Nazanin;"><span style="font-size:11.0pt;">جهت تحقق اهداف مدیریتی و بهرهبرداری از جنگلها، دسترسی به بخشهای مختلف آن ضروری است. این امر از طریق جادههای جنگلی امکان پذیر میشود. تهیه نقشه جادههای جنگلی به روش سنتی خصوصاً در مناطق پرتراکم و کوهستانی بسیار وقتگیر و هزینهبر میباشد. لذا در این تحقیق سعی شده با به‌کارگیری فناوری دور سنجی با استفاده از دادههای لیدار موجود در ایران، جادههای مخفی جنگلی استخراج شود. نوآوری تحقیق استفاده از روش پیشنهادی و دادههای لیدار جهت استخراج جادههای مخفی جنگلی با ‌دقت زیادتر می‌باشد. جهت انجام این تحقیق در ابتدا نویزهای موجود در دادههای لیدار حذف شد. در ادامه طبق قضیه حد مرکزی و محاسبه ممان سوم آماری (چولگی) دادهها، نقاط غیرزمینی حذف شدند. در این مرحله به‌اشتباه تعدادی نقاط غیرزمینی به‌عنوان نقاط زمینی شناخته شد، برای رفع این خطاها با اعمال الگوریتم شیب مبنا با شعاع همسایگی 10 متر و شیب 22 درجه بر روی نقاط حاصل از الگوریتم اول، این نقاط درنهایت حذف و نقاط زمینی استخراج شدند، در ادامه نقاط زمینی استخراج شده شبکهبندی شد. سپس شبکهبندی موجود بر اساس تراکم پیکسلها به پلیگون تبدیل شد و با بررسی مدل رقومی زمین و همچنین تصاویرهوایی اولتراکم، پلیگونهایی که مربوط به جاده نبودند حذف شدند. خروجی تحقیق تا این مرحله استخراج جادههایی بود که توسط تاج پوشش جنگل مخفی نمانده بود در نتیجه جهت استخراج قسمتهای مخفی جاده، مجدداً با اعمال الگوریتم شیب مبنا با شعاع همسایگی 10 متر و  شیب 65 درجه بر روی کل نقاط لیدار و درون‌یابی نقاط به روش بیاسپیلاین، جادههای مخفی جنگلی استخراج شدند که با متصل کردن و اصلاح کردن پلیگونها، جادههای خاکی با عرض 3 متر و مسیرهای چوبکشی با عرض 2 متر استخراج شدند. مقایسه نتایج تحقیق با جاده استخراج شده توسط برداشت نقاط زمینی نشان داد معیار کامل بودن، صحیح بودن و کیفیت به ترتیب 82 درصد، 86 درصد و 72 درصد می‌باشد.</span></span></span></div> <div style="text-align: justify;">Forest roads are essential for forest management, forest harvesting, wood transportation, recreation, education, research, and forest protection. To meet these needs, forest road networks have been constructed in the northern forests of Iran. Forest road mapping especially over large and mountainous areas is time-consuming and expensive. Today, remote sensing data can be considered as an important tool for forest roads extraction. Therefore, in this research, LiDAR data and UltraCam images were applied in order to extract hidden forest roads. At the first step, noise points in the point cloud data were removed. Then, according to the Central Limit Theorem (CLT), the third statistical moment (amount of skewness) of the data was calculated and the non-ground points were eliminated. At this next step, a number of non-ground points were identified as ground points. In order to eliminate these errors, slope-based algorithm with a radius of 10 meters and a slope of 22 degrees was applied on the points obtained from the first step, these points were eventually removed and the ground points were extracted. Then, extracted ground points were converted to grid. Then the grid was converted to polygon based on the pixel density, by using the DTM as well as UltraCam aerial images, polyglots that were not related to the road were removed. Until this stage, the output was the roads that were not hidden by the forest canopy. Therefore, the hidden parts of the roads were extracted by applying slope-based algorithm with the radius of 10 meters and 65 degrees slope on the whole LiDAR points and interpolating the results by spline interpolation method. By connecting and modifying the polygons, 3m wide dirt roads and 2m wide skidding roads were extracted. The results are evaluated by comparing to manually acquired road data. The quality measures completeness, correctness and quality were 82%, 86% and 72%, respectively.</div> جادههای جنگلی, دادههای لیدار, الگوریتم شیب مبنا, مدل رقومی زمین, تصاویر هوایی اولتراکم Forest Roads, LiDAR Data, Slope-base Algorithm, DTM, UltraCam Aaerial Image 31 43 http://jgst.issgeac.ir/browse.php?a_code=A-10-849-1&slc_lang=fa&sid=1 H. Khani Pordanjani حامد خانی پردنجانی Hamed_khani68@yahoo.com 10031947532846009328 10031947532846009328 Yes دانشکده علوم جغرافیایی - دانشگاه خوارزمی تهران A. A. Torahi علی اصغر تراهی atorahi@khu.ac.ir 10031947532846009329 10031947532846009329 No دانشکده علوم جغرافیایی دانشگاه خوارزمی تهران H. R. Riahi Bakhtiari حمید رضا ریاحی بختیاری hriyahi@sku.ac.ir 10031947532846009330 10031947532846009330 No دانشکده منابع طبیعی و علوم زمین - دانشگاه شهرکرد S. Sadeghian سعید صادقیان Sa_sadeghian@sbu.ac.ir 10031947532846009331 10031947532846009331 No دانشکده مهندسی عمران آب و محیط زیست - دانشگاه شهید بهشتی M. Divisti Moghandari مریم دویستی مغاندری Dostim649@gmail.com 10031947532846009332 10031947532846009332 No موسسه آموزش عالی فرزانگان