logo móvil
Contáctanos

Estimación posterior a la tala del tamaño, área y población de tocones de pino Loblolly (Pinus taeda) utilizando imágenes de un sistema aéreo no tripulado pequeño

Autores: Samiappan, Sathishkumar; Turnage, Gray; McCraine, Cary; Skidmore, Joshua; Hathcock, Lee; Moorhead, Robert

Idioma: Inglés

Editor: MDPI

Año: 2017

Descargar PDF

Acceso abierto

Artículo científico
2017

Estimación posterior a la tala del tamaño, área y población de tocones de pino Loblolly (Pinus taeda) utilizando imágenes de un sistema aéreo no tripulado pequeño


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Robótica

Palabras clave

Estudio
Sistema aéreo no tripulado
Estimación
Tocones de pino
Algoritmos de reconocimiento de imágenes
Industria forestal

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 8

Citaciones: Sin citaciones


Descripción
Este estudio describe un método de sistema aéreo no tripulado (UAS) para estimar con precisión el número y los diámetros de los tocones de Pino Loblolly (Pinus taeda) cosechados en una situación de cosecha final (a menudo denominada tala rasa). Los métodos del estudio son potencialmente útiles en la detección inicial, cuantificación del área y estimación del volumen de eventos de tala legal o ilegal para ayudar a estimar los volúmenes y el valor de la madera de pino removida. Los sitios del estudio incluyeron tres masas de pinos adyacentes en el este-central de Mississippi. Utilizando algoritmos de reconocimiento de patrones de imágenes, los resultados muestran una precisión de conteo del 77.3% y un RMSE de 4.3 cm para la estimación del diámetro de los tocones. El estudio también muestra que el área se puede estimar con precisión a partir de los datos recopilados por el UAS. Nuestro estudio experimental muestra que el método de encuesta UAS propuesto tiene el potencial de ser ampliamente utilizado como herramienta de monitoreo o investigación en las industrias de la silvicultura y la gestión de tierras.

Otros recursos que podrían interesarte

Temas Virtualpro