Clasificación de la Estructura del Bosque del Hábitat del Pájaro Carpintero de Cabezón Rojo Utilizando Datos de Elevación de Estructura a Partir de Imágenes de sUAS
Autores: Lawrence, Brett
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Clasificación de la Estructura del Bosque del Hábitat del Pájaro Carpintero de Cabezón Rojo Utilizando Datos de Elevación de Estructura a Partir de Imágenes de sUAS
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Sistemas aéreos no tripulados
Soluciones de software de fotogrametría
Gestores forestales
Análisis espacial
Estructura forestal vertical
Hábitat del Pájaro Carpintero de Pico Rojo
Condado de Montgomery
Texas
Estructura a partir del Movimiento
Método fotogramétrico
Estructura 3-D
Imágenes 2-D
Tecnologías de detección LIDAR
DroneDeploy
Modelo de Altura del Dosel
Clasificación supervisada
Clasificación basada en objetos
Algoritmos de clasificador
Precisión
Máquina de Vectores de Soporte
Software ArcGIS Pro
Conjuntos de datos de muestras de entrenamiento
Datos de elevación
Segmentación de imágenes
Iteraciones de clasificación.
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Los pequeños sistemas aéreos no tripulados (sUAS) y las soluciones de software de fotogrametría relativamente nuevas están creando oportunidades para que los gestores forestales realicen análisis espaciales de manera más eficiente y rentable. Este estudio tiene como objetivo identificar un método para aprovechar estas tecnologías para analizar la estructura vertical del hábitat del Pájaro Carpintero de Capa Roja en el Condado de Montgomery, Texas. Los métodos de muestreo tradicionales requerirían numerosas horas de levantamiento terrestre y recolección de datos utilizando diversas técnicas de medición. La Estructura a partir del Movimiento (SfM), un método fotogramétrico para crear estructuras en 3D a partir de imágenes en 2D, proporciona una alternativa a las costosas tecnologías de detección LIDAR y puede modelar con precisión el alto nivel de complejidad que se encuentra dentro de la estructura vertical de nuestra área de estudio. DroneDeploy, un servicio de aplicación de procesamiento de fotogrametría, se utilizó para post-procesar y crear una nube de puntos, que luego se procesó aún más en un Modelo de Altura de Dosel (CHM). Utilizando clasificación supervisada basada en objetos y comparando múltiples algoritmos de clasificación, se generaron mapas de clasificación con una precisión general máxima del 84.8% utilizando Máquinas de Vectores de Soporte en el software ArcGIS Pro. Conjuntos de datos de muestras de entrenamiento de tamaño apropiado, datos de elevación procesados correctamente y una segmentación de imágenes adecuada fueron algunos de los factores principales que impactaron la precisión de la clasificación durante las numerosas iteraciones de clasificación realizadas.
Descripción
Los pequeños sistemas aéreos no tripulados (sUAS) y las soluciones de software de fotogrametría relativamente nuevas están creando oportunidades para que los gestores forestales realicen análisis espaciales de manera más eficiente y rentable. Este estudio tiene como objetivo identificar un método para aprovechar estas tecnologías para analizar la estructura vertical del hábitat del Pájaro Carpintero de Capa Roja en el Condado de Montgomery, Texas. Los métodos de muestreo tradicionales requerirían numerosas horas de levantamiento terrestre y recolección de datos utilizando diversas técnicas de medición. La Estructura a partir del Movimiento (SfM), un método fotogramétrico para crear estructuras en 3D a partir de imágenes en 2D, proporciona una alternativa a las costosas tecnologías de detección LIDAR y puede modelar con precisión el alto nivel de complejidad que se encuentra dentro de la estructura vertical de nuestra área de estudio. DroneDeploy, un servicio de aplicación de procesamiento de fotogrametría, se utilizó para post-procesar y crear una nube de puntos, que luego se procesó aún más en un Modelo de Altura de Dosel (CHM). Utilizando clasificación supervisada basada en objetos y comparando múltiples algoritmos de clasificación, se generaron mapas de clasificación con una precisión general máxima del 84.8% utilizando Máquinas de Vectores de Soporte en el software ArcGIS Pro. Conjuntos de datos de muestras de entrenamiento de tamaño apropiado, datos de elevación procesados correctamente y una segmentación de imágenes adecuada fueron algunos de los factores principales que impactaron la precisión de la clasificación durante las numerosas iteraciones de clasificación realizadas.