Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalısmanın sonuçları; i) Quickbird görüntüsünden elde edilen parlaklık değerlerinin, gövde hacminin tahmininde kullanılamayacağını, ii) görüntü üzerinden ölçülen gölge uzunluğunun ise gövde hacminin tahmini için güvenilir bir yardımcı değisken olabileceğini göstermistir.
📌 3 Maddede Bu Makale
Özet
Uzaktan algılama verilerinden çıkartılan parametrelerle, mescere özellikleri arasında kuvvetli bir iliski olması durumunda, regresyon ve diğer modelleme teknikleri kullanılarak mescere özellikleri daha az masrafla tahmin edilebilir. Bu çalısmada, aynı yaslı ve tek katlı mescerelerden olusan bir kızılçam ormanında, Quickbird (pan-sharpened) uydu verisinden çıkartılan spektral ve mekansal özellikler ile hektardaki gövde hacmi arasındaki iliskiler arastırılmıstır. Spektral ve mekansal özellikler görüntü segmentasyonu tekniği ile olusturulan poligonlar temel alınarak çıkartılmıstır. Bunlarla mescere özellikleri arasındaki iliskiler basit regresyon modelleriyle ortaya koyulmustur. Regresyon analizlerine göre; hacim ile parlaklık değerleri arasındaki iliskide ulasılan en yüksek korelasyon katsayısı 0,40’dır. Öte yandan hacim ile gölge uzunluğu arasındaki kurulan regresyon modelinde en yüksek korelasyon katsayısı 0,81 olarak hesaplanmıstır. Çalısmanın sonuçları; i) Quickbird görüntüsünden elde edilen parlaklık değerlerinin, gövde hacminin tahmininde kullanılamayacağını, ii) görüntü üzerinden ölçülen gölge uzunluğunun ise gövde hacminin tahmini için güvenilir bir yardımcı değisken olabileceğini göstermistir.
Abstract
When a strong relationship exists between forest attributes and the features extracted from remote sensing, forest attributes can be estimated in a cost-effective way from RS imagery using regression or other modelling techniques. This study explores the relationship between field measured stem volume and the spectral and spatial features extracted from Quickbird satellite data in a Brutian pine forest that is consisted of even aged stands. These features were extracted based on the polygons that are generated using image segmentation technique. The relationships between the image derived features and forest attributes were determined using simple regression models. According to the regression analyses, the best model for stem volume using brightness values resulted in a correlation coefficient of 0.40. The model for stem volume using shadow length resulted in a correlation coefficient of 0.81. The results showed that i) the brightness values of the Quickbird data used is not an appropriate auxiliary parameter for estimating stem volume, ii) the shadow length measured from the imagery, on the other hand, can be suitable for the estimation of stem volume in Brutian pine forests.